荐语
- 数据和资本的界限那么明显么？好像也变得模棱两可了，数据可以变成资本。但是资本不一定可以买到某些数据。
- 对这个世界来说，最简单的衡量方式还是资本。比如一个产品的价值，甚至是某个数据的价值，市场流通也需要价格来衡量，所以货币还是很难被取消。
此书引发思考的问题
- 市场和公司的区别和联系？
a. 市场是一个可以帮助人们有效分配稀缺资源的机制
b. 公司的业务就是通过为正在揽活的司机和想搭车的乘客配对
- 数据会给当前市场带来什么影响？会哪些领域会带来影响？
- 价格的真正作用
- 简单粗暴把信息用一个指标来衡量。但是每个物品其实包含了很多信息，比如质量，价格，潮流程度。全都压缩成价格信息，很多数据都丢失了，相反人们做决定缺变得很难，所以我们需要数据来给我们提出建议。有时候我们自己甚至都不知道自己想要什么，数据可以帮助我们知道。
作者简介
精华解读
目录
正文
数据资本时代
维克托·迈尔-舍恩伯格 托马斯·拉姆什
101个笔记
第1章 重塑未来市场
经济学家告诉我们，股票价格反映的是整个市场的集体智慧，这应该没有问题。那么是哪里出错了，而且错得这样离谱？
富含数据的市场正在悄然兴起
公司的业务就是通过为正在揽活的司机和想搭车的乘客配对，来帮助人们共享汽车出行。BlaBlaCar的生意特别好，每个月都能完成数百万单配对业务，而且它的业务量还在迅速增长。亿贝当初关注的焦点，是基于价格的拍卖，而BlaBlaCar的市场焦点，却是给参与者提供有关彼此的丰富数据，对司机的“爱聊天程度”（公司名称中的BlaBla就是“聊不停”的意思）等细节进行评级。这样，用户就很容易搜索并识别出自己的最佳配对，而价格的重要性就被淡化了（乘客能够选择的价格幅度非常有限）。在使用海量数据方面，BlaBlaCar的搭乘共享市场并非独一无二。从旅游网站Kayak到在线投资公司SigFig，再到劳动力市场数据平台Upwork，越来越多的市场开始使用数据来帮助参与者找到最佳匹配，并因此获得全世界的关注。
市场交易活动一直是一种人际交往活动，与人的天性非常契合
海量数据市场降低市场失灵的频率
，价格和金钱只是巧妙的权宜之计——看似无法克服的挑战，有了它们，我们似乎就可以轻松面对了。当然，我们也必须承认，它们在一定程度上也起了作用。但是，当信息被压缩时，一些细节和细微差别就会消失，交易方案就无法达到最优标准。如果不能完全了解各种销售信息，或者被压缩的信息误导，我们就做不出好的选择。对这种不够完美的解决方案，我们已经容忍了几千年，因为我们一直没有找到更好的替代品。
当我们不再只盯着价格时，我们的视野就拓宽了，随之出现的会是更好的匹配，更高效的交易，以及一个鲜有欺骗和花招的市场。
一场淘金热即将到来
海量数据市场中的“分散决策”（decentralized decisionmaking）方式，不但具有自身的稳定性与灵活性，而且有可能带来更高的交易效率
第一，我们要实现关于商品与偏好的海量信息共享，而且是低成本共享；第二，我们要提高辨识能力，实现商品与偏好在不同方面的匹配，即多维度匹配；第三，我们要探索一种精密而便捷的方法，全面获取个人偏好信息。
弄明白我们自己到底想要什么并不容易。我们可能会忘记一个需要考虑的重要因素，或者错误地忽略了它。对于人类来说，用一种简单的、结构化的方式来表达我们多方面的需求，实际上是一件非常困难的事情。这就是我们所说的第三个领域，最新的技术进步在这一领域至关重要。今天，我们的自适应系统可以通过观察我们所做的事情，追踪我们所做的决策，日积月累，最终了解我们的个人偏好
企业将面临严峻挑战
市场不仅仅是促进交易的地方。我们在市场上互动时，互相合作使我们取得的成绩，远远超过我们的个人能力所及。通过重新配置市场并使其拥有数据，我们也在更普遍的意义上重塑了人类的合作
从金融资本转向数据资本
海量数据使我们有能力将市场与金融资本分开，在进一步发展市场的同时，降低资本的作用。我们很快就将见证银行与金融业的重组，以及随之而来的货币作用的进一步衰落。我们的经济即将从金融资本主义转向数据资本主义。
数据驱动市场也并非没有缺点，最关键的问题就是它过于依赖数据和机器学习，而且数据和算法也不够多元化
超越传统市场的全新市场
：一方主张在做市场决策时，应该由一个中央权力机构来代替认知有限的人类个体；另一方则一直在努力为传统市场，以及分散决策和信息流动等相关概念进行辩护，认为哪怕是蹩脚的个人选择，也总好过没有选择。
沟通方式影响人类合作
信息流动的改善，通常是人类合作能力发生改变的基础
互为对手的两种机制
这两种机制就是：市场和公司。
虽然市场和公司想要达成的目标是一致的——帮助人类实现高效合作，但是两者的做法截然不同。其中一个根本区别，就是信息流动与决策达成的不同方式。市场的合作是分散的，每个个体自己收集信息，提供信息，并根据自己的利益诉求做出决策。在一个竞争激烈、运转良好的市场中，是不会出现一个领导者来决定买什么、卖什么，或者是在什么情况下买卖的，也不会出现一个中央权威机构来告诉人们该做什么，或者什么时候去做。由于合作在市场上是分散的，所以市场总是灵活的、动态的，其他更多的人很容易参与进来。人们可以随意加入或离开市场。人口增长，市场也随之增长。随着人们旅行和交流的范围越来越广，市场开始涵盖外来人口和新增人口。
在高效地协调人类活动方面，市场和公司采取的方法是互补的、对立的。从人类合作能力的角度讲，市场和公司在本质上是一对竞争对手。
与市场不同的是，公司是一个集权合作的例子，其交流模式也是以集中为特点的。
一场由市场组织的变革
不仅仅是汽车行业的公司，都遵循福特公司的模式，它们将劳动分工与集中决策相结合，对生产过程进行严格控制和垂直管理
公司机制的优势走向尾声
我们究竟是选择分散管理、分权模式，还是选择集中管理、分层模式？这是我们想要实现高效协作时必须面对的选择。我们选择市场还是选择公司？两者都有其独特的品质，彼此截然不同。
信息可以创造市场，也可以破坏市场
市场本质上是一种订购机制，它的发展过程没有人完全知晓。对与市场相关的重要情况我们几乎一无所知，我们能够积极利用的，就是那些分布极其广泛的分散信息。”
信息过多，也会压垮我们
信息成本过高以及人们处理信息的能力有限这两个问题，常常会让我们做出错误的决策。
价格是信息的浓缩
金钱还有另外一个作用：利用金钱，我们可以把关于个人偏好的信息浓缩为价格，这样，这些信息就更容易传播和处理了。
市场的效率就反映在作为信息载体的单纯的价格上
冲破价格束缚
对价格的依赖会降低我们的合作能力，最终导致市场效率低下
第6章 公司的未来
用跨职能和跨学科的团队来补充其等级管理金字塔，并最终取代它”。戴姆勒的目标是鼓励更快速的创新，实现这一目标的关键是彻底改善决策能力，泽谢说：“目前，我们的决策层级多达6层。我们希望到2020年，公司对每个问题的决策只需要经过2层
效率红利
公司只要能比市场更高效地组织人类活动，它就能够存在。公司的运营效率只要高于它的竞争对手，它就可以经营下去。因此，公司应对市场复兴最明显的策略，就是提高自己的效率。
它们缺乏改革自身的能力。其中的原因是多方面的：从现有的责任约束到僵化的组织结构
提高相对效率常常带来暂时的优势，因为其他公司最终会迎头赶上
管理决策自动化
多数公司通常不会将其决策过程转化为数据（它们最多会记录这些过程的结果），但是桥水基金公司的做法大为不同，它一直在不断地补充其丰富的数据流。作为未来数据挖掘的材料，大多数会议和业务对话已经被记录在案；员工们也经常需要对他们的同事的表现做出评价。
公司内的数据流有限
因为在公司里，类型相似的决策要少得多，所以一个特定类型的决策所能使用的数据就相当有限。
公司中的数据细流是完全无法与市场的数据洪流相媲美
拥有T形技能的人，难被取代
他们经常能够在发挥好自己在本部门的专长的同时，运用好自己与其他部门的同事交流合作的能力。这些经理都拥有所谓的T形技能，可以将自己在某特定领域的专长（由字母T的竖条代表），深入融合到与其他领域的经理们的合作中（由字母T的横杠代表）。机器学习系统有可能获得纵向的专业知识，但是它们自身的设计阻止了它们进行横向合作
只有人类管理者才能促进更激烈的创新。这种创新不是机器学习系统提供的持续改进，而是不包含在数据中的激进的新思想。由于缺乏人类的想象力，目前的人工智能系统还没有任何参照标准
专注于成本，还是组织结构？
公司一直以来都在努力，在高层决策的优势与下放权力的需要之间寻找最佳平衡
声破天从“管道”跃上“平台”
。与传统市场不同的是，在声破天的音乐市场上，价格几乎完全失去了传统的信息功能。它被其他各种不同的信号所取代，比如大家搜索了哪些音乐的信息，谁跳过了哪首歌的信息，谁和朋友分享了哪些音乐的信息等。声破天公司将一个半中断的管道式运营企业转变成一个在听众与音乐之间、在广告商与观众之间配对的平台。在这个平台上，直接付款只能起到很小的信息作用。
向企业组织结构中引入市场DNA
分散决策是市场的标志。将这种激进的分散化引入一家公司，就会引起公司内部的部分市场化
单人公司，还远吗？
应对市场的复兴，公司可以在两种战略之间做出选择：一种是“选项1”，实现决策自动化；另一种是“选项2”，重新安排公司的组织（决策）结构
现有公司和初创公司所要做的事情已经非常明确地摆在了我们眼前：做出将哪些决策权下放给机器的决定；积极利用市场的力量，改进公司的协调方式。
银行业面临完美风暴
第一个威胁是银行业的结构性缺陷，从2007年开始的次贷危机就暴露了这一点。造成这场银行业危机的原因之一，就是信息的不正确和不完整，或者信息被错误解读
货币的信息作用正在式微
在海量数据市场中，参与者不再把价格当作信息的主要传递者。当然，货币仍然具有存储价值，参与者仍然用它来支付。但是，如果我们不再需要用货币来做信息使者，那么货币在经济中所发挥的一个核心作用就会消失。随着标准数据本体、匹配算法和机器学习系统的进一步发展，以及市场参与者对建立在更加丰富的信息流基础上的高效交易的喜爱与日俱增，传统市场向海量数据市场的转变将会一直持续。这就意味着货币的作用将进一步降低。
我们将会把市场的繁荣归因于海量数据流（而不是货币）
传统银行业务被拆分
银行和其他金融中介机构充当了市场体系中至关重要的服务者和推动者角色，货币几乎成了市场体系的同义词，被广泛应用于整个市场领域。金融行业既可以享受拥有财富的快乐，又可以享受为市场提供各种见解的满足感
因为流经市场的大量价格信息，正是通过银行这个渠道进行流通的。银行对这些信息进行分析，其详细程度甚至可以直接帮助客户做出决策。银行所做的并不完美，甚至可以说离完美相去甚远。
银行拥有的信息可能会使交易的效率降低，所以监管机构有必要采取措施来应对这种情况。举个例子，“第二支付服务指令”（Second Payment Service Directive）将于2018年在欧盟生效，它要求任何银行，如果客户有要求，就必须向竞争对手和第三方提供他所持有的有关该客户的数字化数据。这个指令的目标，就是让银行的客户更方便地转换银行（就像移动电话的授权号码可以换机使用，从而减轻了更换服务提供商的麻烦一样），同时创建一个新的金融信息中介市场。
资本的两个功能分离
资本也传递了信息。它向世界表明，某家公司拥有某项资产，可以用来交换其他生产要素。它意味着选择自由和相对权力。外部投资也一样，它增加了公司的灵活性，同时传达了更多信息——关于公司的实力以及投资者对公司的信任。
有时，外部投资的信息维度可能比资本流入本身更有价值。
各种各样的信号，包括来自网络和社交媒体数据的信号，都可以是诚实的
当资金充裕，投资机会有限时，这一点尤为重要。在这种时候，资本投资本身不再是一个强有力的承诺信号，它失去了一部分信息价值。举个例子，在资本充足的时候，一家风险投资公司有可能无法为自己喜欢的初创公司投资，因为这一轮投资已经被超额认购了。公司可能会在其他地方投资，但这样的投资无法表明，被投资的公司就是最好的选择，它只是一个可用的选择。
金融资本主义终结的代价
海量数据市场会使货币贬值，而投资者将会为此买单。这对于任何投资者来说都是一个大问题，但是影响尤其大的，是那些为了以后每个月稳定的退休金存钱和投资的人。
数字投资顾问
。新的中介机构将蜂拥而至，利用复杂的匹配工具和机器学习系统分析信息洪流，并将分析转化为结合实际的建议来满足人们的需求。我们仍然需要金融建议，但是这种建议可能来自机器而不是人
银行的应对策略
给银行和传统金融中介机构提出了一个复杂的挑战。到目前为止，它们采取了两种主要策略来应对挑战：第一种削减成本，主要通过自动化来实现；第二种在海量数据市场中重新定位，将自己变成信息中介。
英国的Coconut或芬兰的Holvi，它们关注的不是降低费用，而是创新服务。它们瞄准的是缝隙市场（例如，Holvi关注的是小型企业，Coconut关注的自由职业者），以及高度定制的支付与银行账户捆绑服务包。例如，Coconut为客户提供了这样一种服务，即无论何时收到或支付一笔款项，客户都可以迅速（重新）计算税额，并把支付税金的钱预留出来。Holvi的服务则包括完整的免费发票服务与记账服务。
信息具有价值
即使作为商品交换媒介，货币也不再具有绝对垄断地位。如果市场能够提供促进交易的信息，信息本身就具有价值。
只要信息的应用范围足够广泛，价值足够高，有足够多的市场参与者想要得到信息，而且只要交易的成本足够低，将来我们就会看到以数据而不是金钱来支付的交易。从某种角度讲，我们已经开始做这样的交易了，而且是每天都在做：在使用谷歌的搜索引擎或者登录脸书网时，我们必须容忍那些为了收集我们的个人数据而付费的广告。事实上，如果没有数十亿用个人数据来买单的用户，谷歌就不是谷歌，脸书网也不是脸书网。同样，我们可以在越来越多的案例中看到，公司与外部服务商签订合同，让它们为自己提供数据分析，公司却不需要支付货币，只要允许这些外部服务商将公司的这部分数据用在其他可能产生价值的地方。
信贷的颠覆式创新
它们中的一部分也在关注如何在贷款与投资规划两个领域，提供颠覆式创新举措。
资金借贷原本是一个个人信用问题，社区银行经理在决定是否让某人获得抵押贷款时，依据的就是个人信用的高低。最近几十年来，资金借贷已经发生变化，借贷决策是根据个人信用评分这个单一的统计数字做出的。将信用浓缩为一个数字似乎可以让银行更容易选择借款人，但正如我们所知道的，现实往往并不美好。传统的信用评分在很大程度上是基于过去信贷交易的记录，它会受到数据匮乏的限制。如果缺少重要的数据点，数据中的错误就会被放大，信用评分就会被严重夸大或低估。这样一种判断人的贷款偿还能力与意愿的做法，是既可笑又原始的。为了解决这个问题，一整套全新的“贷款提供者生态系统”应运而生。此系统不仅会接收大量信息，而且会提供大量信息。
投资管理的颠覆式创新
金融科技已经催生了海量数据平台的一个全新的细分领域，如ZuluTrade和eToro等平台，它们为客户提供的投资方法，是选择或者复制千万个其他交易者的投资模式。也就是说，这些平台的目标就是为投资者提供一种学习机会，让他们来仿效那些具有匹配偏好的交易者。平台通过它们所促成的交易来抽取部分利益。其他网站，如PeepTrade（窥探贸易），则会为客户提供渠道去“窥探”成功交易者的决策信息，并从每笔“遵从”成功交易者策略的交易中抽取部分利益。
。其他人则完全专注于丰富的数据流，Betterment和SigFig，以及一些P2P贷款机构都属于这一类：它们的做法，是将综合数据与用户偏好和算法进行匹配，来确定最优交易伙伴
，在投资领域的金融科技企业，或许还有与它们合作的银行，都将自己的目标锁定在成为能力超越金钱和价格的信息中介。
传统银行风雨飘摇
数据上的富人，却是见解上的穷人
大型银行开始与传统投资银行竞争。这些新加入者虽然没有信息网络特权，但它们规模巨大，而且更加关注资金流。一些投资银行的应对方法是将自己改造成金融机构，而不是信息机构：它们通过放弃合伙企业、发行上市股票、兼并和迅速扩大规模、大幅提高杠杆作用，也就是将自己变成高杠杆银行，来实现这一点。
第8章 反馈效应
大多数时候，电脑负责驾驶飞机，而飞行员则负责盯着电脑。
反馈循环存在两种危险
构想出关于反馈的一般理论，以及反馈在帮助人类和机器控制自己行为方面的作用。反馈回路是维纳系统控制概念的核心，即收集和解释反馈数据，从而控制系统并调整系统目标。维纳认为，只要有足够多的反馈回路，任何系统都可以朝着我们想要的方向前进。
反馈系统的灾难性故障，正如法航447号航班的事故所凸显的那样，事故会由突发情况引发，或者反馈系统的元素会被错误的环路所困。
人有人的用处：控制论与社会》一书中，维纳指出，信息流是由反馈驱动的控制论的关键推动者
市场分散决策变得集中化
市场不仅建立在无数的个人决策基础上，而且是既混乱又无序的，这就是它的本质特征。市场没有中央控制机制，但是就像任何其他社会机制一样，它也不是一个空荡荡的容器。市场的每一个特征，无论是物理的还是社会的，无论是内在关联的还是外部植入的，都可以决定哪些交易会发生
场不仅建立在无数的个人决策基础上，而且是既混乱又无序的，这就是它的本质特征。
三种效应导致市场集中化
虽然与规模效应和网络效应有关，但只有当电脑系统使用反馈数据学习时，这种效应才会发生。
规模效应降低成本，网络效应扩大效用，反馈效应改进产品。每一项都给市场参与者带来了显著的好处：他们可以降低生产成本，提升服务价值，提供一种似乎可以不断自我完善的商品。
亚马逊，由于规模庞大，它可以以低成本完成客户订单。网络效应使亚马逊成为一个庞大的市场，拥有大量买家和卖家，还有许多为其他人留下宝贵的产品评价的顾客。每一个新增的顾客都增加了整个群体的价值。
阻碍新进入者
。反垄断专家与竞争专家都知道，市场集中是一个非常值得怀疑的现象，它本身并不是干预的理由。只要大企业不滥用市场力量，规模效应和网络效应所引起的市场集中就是可以容忍的
关键在于分享什么
监管机构主要关注的是规模效应和网络效应，它们尚未了解反馈效应对市场构成威胁的严重性
累进数据共享授权
“累进数据共享授权”的建议。一旦公司的市场份额达到起始阈值，比如10%，公司就要开始遵守这个规定。也就是说，公司就不得不与同一市场上的其他所有参与者共享其反馈数据的一部分，如果其他参与者提出类似要求。公司需要提供共享反馈数据的数量，将取决于该公司占有的市场份额。一家公司越接近统治地位，就越需要与竞争对手分享更多的数据。
防止出现集中控制倾向
并非没有自身的结构性缺陷。市场不仅会受到集中化的负面影响，而且会在许多市场参与者做出同样错误决定的时候，受到负面影响。比如，在许多参与者受到同一偏见的影响时，它们也会犯同样的错误。虽然市场决策是分散的，但决策者仍然是人，是具有相似认知限制的人。
市场如果建立在由反馈数据驱动的系统上，就会趋于集中，可以防范系统性缺陷的激烈竞争就会被摧毁。因此，尽管市场具有内在的集中趋势，我们依然要确保决策辅助系统之间的竞争，这是海量数据市场实现可持续发展的关键。
累进数据共享授权，作为与机器学习系统相关的、市场集中问题的解决方案，其实就是一个选择机制：如果较小的竞争对手可以使用大公司的反馈数据，决策辅助系统的创新就不会只集中在头部，规模较小的公司仍然可以生存。
会计准则需要与时俱进
所谓数据的丰富性，体现的正是市场参与者如何彼此通报情况。因为现实是多种多样的，有很多侧面，所以我们用来捕捉现实的工具也必须是敏感的，是能够传达细微差别的
公允价值会计制度的批评者甚至认为，这个制度导致了严重的全球金融危机
失败案例：“协同控制工程”
。协同控制工程的计算机分析部分也基本完成了，但分析结果往往不可靠，运行速度也非常缓慢
机器人税可行吗？
在较近的未来，由数据驱动的自动化会以更快的速度使工人失业。如果这种情况与劳动力收入份额之间的联系是真实的，它就会促使工人的收入份额进一步缩小，却会使投资者和银行进一步受益。
可以通过对运行机器学习系统的计算机等机器征税（或者更准确地说，对机器新增的附加价值征税）
新技能等于新工作机会？
了解我们今天所需要的工作技能，并设计出可以让人们获得相关技能的培训项目，这相对来说也许比较容易，但是这种策略不大可能会让劳动者为明天的需求做好准备。而且，如果我们培训的技能是今天我们认为以后可能会有用的技能，我们就承担了错误预测需求的风险。在海量数据市场的时代，谁能确切地知道什么样的新工作将会出现
全民基本收入的困境
全民基本收入不一定是一个坏主意。但是在这场辩论中，比起站队更重要的是理解全民基本收入运动的重要意义和它的局限性。高科技创新者正在寻找创新方法，来应对由数据驱动的市场所带来的社会挑战和经济资源的重新配置，也许这并不令人惊讶。甚至连硅谷都无法摆脱习惯性思维模式：如果你相信颠覆性创新，那么你对任何问题的反应可能都会以颠覆性创新为出发点。
经济增长的果实被少数高管窃取
今天的资本更加充裕，而且由于利率更低，资本的成本要比以前低得多。同样，不是所有的数据处理都会替代人类工作岗位，数据处理也可以使现有工作的效率提高（或者用经济学家的话说就是“劳动力扩张”。）
超级巨星公司
以亚马逊为例，仅2014年，它公布的主要用于研发新技术的成本就达到93亿美元。能够投入如此巨额的资金，反映了亚马逊在其主营业务上所获得的相对利润是巨大的。在某种程度上（但远不是100%），股票市场已经意识到，超级巨星公司正式公布的利润，与其获利能力之间存在差异
用数据缴税
。政府可能会考虑让它们用数据而不是用货币来支付部分税款
第10章 人类的选择
服装行业的多样性大幅增加了，但是找到各种产品的渠道却并没有被拓宽。消费者需要的是一个聪明的中介，它可以为他们找到合适的商品。这种中介机构早就存在，它们被称为“私人代购”，但是可惜的是，对于我们大多数人来说，这些私人代购的费用太昂贵了。Rack Habit的核心业务理念是为客户提供一个他们能够负担得起的称职的私人代购。
，Stitch Fix的作用更像是服装市场的中介
：比起浪费宝贵的时间寻找自己想买的商品，为优质匹配付费更加经济实惠
Stitch Fix采用了更加复杂的数据分析方法
除了在初次注册时向客户询问他们的偏好，该公司还使用了算法来考察Pinterest（美国一家图片社交平台）上客户喜爱的那些图片，并从中归纳出一些明显的特征，这些特征显示了客户自己可能并未意识到的一些偏好。这套系统的工作原理和我们在第4章中描述的机器学习系统完全一样：客户不必明确说明其需求，因为系统可以从客户与周围世界的互动中学习到这些内容。
公司强烈建议客户对他们收到的每一件商品进行评论，只要用简单易懂的英语单词进行评论即可。在自然语言处理软件的帮助下，公司可以进一步完善客户的个人偏好。此外，Stitch Fix也在开发自己的服装系列，在设计过程中也会使用这些偏好数据
公司强烈建议客户对他们收到的每一件商品进行评论，只要用简单易懂的英语单词进行评论即可。在自然语言处理软件的帮助下，公司可以进一步完善客户的个人偏好。此外，Stitch Fix也在开发自己的服装系列，在设计过程中也会使用这些偏好
Stitch Fix成功的秘诀是，它了解海量数据市场，以及数据在客户满意度中扮演的关键角色。正如公司自己所言:“这个‘市场’的供需双方都拥有海量数据，这使Stitch Fix有机会成为牵线人，将客户与他们喜爱的服饰风格联系到一起（而且客户自己不可能找到这种风格）。”
迎接经济“大调整”时代
。新的中介机构已经出现，它们承诺将促进并利用更丰富和更全面的数据流，这远远超越了传统上我们对金钱和价格的关注。
促进多元化，避免集中化
我们将为作为经济中最重要的动力来源的资本，创造一个可以替代它的选择。我们无须再考虑资金和公司，让我们想象一下能够赋予人类力量，使人类能够更好地互相合作的海量数据市场吧。
选择我们想要的
工作不仅是一个可以帮我们支付账单的工作岗位，对于很多人来说，它还提供了身份、社交圈和归属感。
市场的任务是提高效率，在数据足够丰富的情况下，更好的匹配将会大大提高效率（和可持续性）
沿着知识的道路继续前进
将地球假设为平的，这是我们在几个世纪里一直采用的一种简化方法，因为它切实可行。直到我们有了进一步发展的需要，我们才把它换成了更复杂的概念——地球是一个球体，它不是一马平川的。但是复杂是人类前进的动力。当我们将基于货币的市场转向海量数据市场时，我们做的是同样的事情。
人类不能将现实简单化，为了使之符合我们的认知局限。这一点是非常重要的。当我们将自己对世界运转的解释，限制在一个非常简单的、容易理解的，或者我们一直相信的范围内时，我们就限制了自己的想象力，将自己对世界的理解局限在最显而易见的事情上
数据的丰富性会让我们的未来更加社会化、更加人性化。
