现在是研究6G的合适时机，但不是生产任何与6G相关产品的合适时机,5G还没正式商用，特朗普却已经开始讨论6G了，而他还不是一个人。特朗普此前在推特上公开讨论6G，其称： 　　 我希望5G，甚至6G的技术能尽快在美国普及。它比当前的标准更强大、更快、更智能。美国公司必须加紧努力，否则就会落后。我们没有理由落后...... 　　 这显然是未来的趋势。我希望美国能够通过竞争取胜，而不是阻挡目前更先进的技术。 　　 这些推文或许吸人眼球，但实际现实却是5G网络刚刚开始在世界一些地区推出，尚未正式商用，而6G技术实际上还不存在。 　　 但上周在巴塞罗那举行的世界移动通信大会(MWC)上，一些行业专家称，6G或许并不是一个遥不可及的想法。 　　 诺基亚首席执行官Rajeev Suri在接受CNBC采访时称，“我们将推出6G手机”，“我们诺基亚贝尔实验室(Nokia Bell Labs)已经开始设想6G会是什么样子，可能的使用场景是什么。” 　　 但6G技术或许远非现实：诺基亚花了10多年时间研究5G技术，而它的实际应用才刚刚开始向消费者和企业展示。研究公司GSMA Intelligence估计，到2025年，5G将仅占全球移动连接的15%。 　　 现在是研究6G的合适时机，但不是生产任何与6G相关产品的合适时机。 　　 5G技术被吹捧为革命性技术，它能让机器在极短的时间内进行通信，从而改变自动驾驶汽车、医疗保健和制造业等行业。5G的相关法规和技术要求仍在世界各国确定之中。一个问题是缺乏可用的频谱，即分配给无线网络的无线电频率。 　　 包括电信行业首席执行官和监管机构在内的MWC的多数行业专家都认为，让5G(而非6G)网络投入运行是目前的首要任务。 　　 但对于6G，市场也高度关注。在3月24日至26日，有关6G的第一次重大国际会议将在芬兰拉普兰举行。在名为“6G无线峰会”的活动中，技术人员将在演示中将带来更多的科学见解而不只是科幻理念。 　　 咨询机构的专家估计，下一代6G手机可能将在2030年至2035年之间问世。未来6G的传输能力可能将在5G的基础上提升100倍。网络的延迟也将相应地进一步减少，从毫秒级降到微秒级。同时，6G也完全有可能实现人工智能在手机上的应用。

　　关于大数据和云计算的关系人们通常会有误解。而且也会把它们混起来说，分别做一句话直白解释就是：云计算就是硬件资源的虚拟化;大数据就是海量数据的高效处理。如果做一个更形象的解释，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化之后再进行分配使用;大数据则相当于海量数据的“数据库”。 　　 整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，当前的大数据处理一直在向着近似于传统数据库体验的方向发展。 　　 大数据的4V特性，即类型复杂，海量，快速和价值，其总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。 　　 数据存储层 　　 数据有很多分法，有结构化，半结构化，非结构化;也有元数据，主数据，业务数据;还可以分为GIS，视频，文件，语音，业务交易类各种数据。传统的结构化数据库已经无法满足数据多样性的存储要求，因此在RDBMS基础上增加了两种类型，一种是hdfs可以直接应用于非结构化文件存储，一种是nosql类数据库，可以应用于结构化和半结构化数据存储。 　　 从存储层的搭建来说，关系型数据库，NoSQL数据库和hdfs分布式文件系统三种存储方式都需要。业务应用根据实际的情况选择不同的存储模式，但是为了业务的存储和读取方便性，我们可以对存储层进一步的封装，形成一个统一的共享存储服务层，简化这种操作。从用户来讲并不关心底层存储细节，只关心数据的存储和读取的方便性，通过共享数据存储层可以实现在存储上的应用和存储基础设置的彻底解耦。 　　 数据处理层 　　 数据处理层核心解决问题在于数据存储出现分布式后带来的数据处理上的复杂度，海量存储后带来了数据处理上的时效性要求，这些都是数据处理层要解决的问题。 　　 在传统的云相关技术架构上，可以将hive，pig和hadoop-mapreduce框架相关的技术内容全部划入到数据处理层的能力。原来我思考的是将hive划入到数据分析层能力不合适，因为hive重点还是在真正处理下的复杂查询的拆分，查询结果的重新聚合，而mapreduce本身又实现真正的分布式处理能力。 　　 mapreduce只是实现了一个分布式计算的框架和逻辑，而真正的分析需求的拆分，分析结果的汇总和合并还是需要hive层的能力整合。最终的目的很简单，即支持分布式架构下的时效性要求。 　　 数据分析层 　　 最后回到分析层，分析层重点是真正挖掘大数据的价值所在，而价值的挖掘核心又在于数据分析和挖掘。那么数据分析层核心仍然在于传统的BI分析的内容。包括数据的维度分析，数据的切片，数据的上钻和下钻，cube等。 　　 数据分析我只关注两个内容，一个就是传统数据仓库下的数据建模，在该数据模型下需要支持上面各种分析方法和分析策略;其次是根据业务目标和业务需求建立的KPI指标体系，对应指标体系的分析模型和分析方法。解决这两个问题基本解决数据分析的问题。 　　 传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。 　　 谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

　　被通俗称为“知识付费”的互联网知识产品发展恰好两年，2015年5月底“得到”推出第一个大受欢迎的全年订阅专栏“李翔商业内参”，从此一个新兴领域开始形成。 　　到现在，这个互联网内容的新领域已经改变了很多人获取知识的方式。我认为这个互联网上传媒、出版、教育融合形成的新领域，将改变知识的创造、传播与应用。 　　但是，在新鲜劲过后，即便像我这样的人，也开始对现有的知识产品大有抱怨：“有必要那么难吗？”偶尔在离开自己熟悉的知识领域，我就感受到现在的知识产品依然太难。它本可以用更加易懂的方式给我们讲解。 　　“有用、快乐、易得”，是我们在《2017-2018中国知识服务产业报告》中提出的期待，我们也认为2018年产业发展的重点是“大众化”，即考虑改进现有的知识产品、促进知识普及。现在，知识产品的“难”可能是近期我们应该关注和突破的难点。 　　这种不必要的“难”，带来的是我们能从中学到的东西反而变少了。在超出自己熟悉的领域，很多人都有这样的学习感受，给我们一百条信息，最后我们只能接受一两条；而降低难度和数量，给我们更少的数量，把我们当小白，我们反而学得更多了。 　　当然，我们这是给知识产品提出更高的要求，在它的发展过程中它已经变得易懂了， 它线下的一种对应产品比如图书要“难”得多。 　　我有个类比的说法，书是咖啡豆，有了咖啡豆离喝上咖啡还有一段距离；现在的知识产品是胶囊咖啡和挂耳咖啡包，要方便一些；但我们更期待的是咖啡馆、罐装饮料咖啡那些更方便的形式。 　　把知识禁闭在“难”之中，只是满足一部分人的自我感觉良好而已；而知识越普及，越能帮助更多人。怎么把知识变得不那么难，我自己也在努力了解和尝试，这里我说说到现在为止我的体会和认为可以借鉴的三个做法。 　　1、路径之一：以“讲”代“写” 　　 这一波的知识产品，都是以音频为主要载体。对知识内容生产者来说，这强制性地带来一个变化：我们必须以“讲”代“写”。往下细说，有更多的变化。 　　首先，目标是讲述。由于必须对着话筒录音，而话筒录音需要讲述稿才能保证效果，这带来的是，在创作知识音频时，我们都不是写文章，也不是写PPT（然后根据PPT讲述），而是必须撰写讲述稿。 　　当意识到是为了讲述时， 至少像我这样本来习惯了用文字写作和现场用PPT分享的人，也被迫着调整了风格。这第一步走出去，很自然地，我感受到，原来自己的文字可以用这种方式变得比过去更易懂一点。 　　其次，反复修订提升品质。知识音频又对讲述稿有着独特的要求，这不是漫谈式的发言，不是即时的反应和临场的智慧，而是要传递知识。因此，对讲述稿的反复修订，比如调整讲述逻辑，改善措辞方法，补充案例和故事材料，提高了讲述稿以及最终的知识音频的知识质量。这也使得，虽然通常讲述稿不是完全的知识原创，但从知识传递功能是属于较高水准的，甚至可以接近于书的知识品质，一般来说人们都认为书的知识品质是属于最高等级。 　　第三，改善讲述技巧。再往下深入，我们会逐渐地意识到还需要掌握更多的讲述技巧。 这个是一个相对来说个人化的过程，因为每个人的偏好、能力、经验各不相同，我们要找到适合自己的方式：比如我发现我比较适合信息量大的方式，而不宜选择讲故事或做需要演讲技巧的设计；比如我意识到我喜欢的逻辑推理、讲自认为他人都了解的点，都是需要调整的，推理可以尽量少点，新信息可以多解释一下。 　　知识付费以音频做载体，把我们推入一个陌生的领域去尝试，这可能是好事。若非如此，我们这些习惯了用文字表达的人很难摆脱“文字的诅咒”。 　　资深出版人程三国在跟我讨论的时候曾面向出版业提了“文字的诅咒”的说法，这个说法可能可以更大程度地推而广之，因为书面文字这种载体过去的强势的确有些我们未曾意识到的障碍，我们有很难感受到用户的痛苦。 　　针对出版业，程三国说，“编辑和作者是一批文字能力极强，或通过文字吸收信息的能力极强的人。当所有的知识主要用文字传播的时候，编辑、作者和读者是一个共同体，大家并不会意识到文字魔咒对于知识产品在交付上的成本。” 　　如何把知识变得更易用？ 　　2、路径之二：拆成小块 　　 让知识变得易懂的一个关键做法是：把内容拆分成有关联、易于消化吸收的小块。 　　在讨论知识产品时，我一直认为，多年前的“For Dummies”（现在正式中文名叫“达人迷”，一般称“傻瓜书”）是非常优秀的范例。从名字看，它的目标就是为了让小白，让所谓不愿意深入了解的“傻瓜”（dummy）也能掌握知识，这些知识可能是早期的怎么用DOS、怎么用Windows，也可能是现在的财务、商业，或者量子力学、数学，或者红酒、高尔夫等等。它的理念特别简单明了：让难以理解的知识，变得易于使用。 　　傻瓜书在知识的组织上有这样的几个特点： 　　一，明确的视觉指引标志。看过傻瓜书的人都知道，它里面有很多指引符号：比如表示”秘诀或者小贴士“意思的TIP、表示“牢记或者记住比较好”意思的Remember、表示“警示或者危险”意思的Warning、表示“技术资料”意思的Technical、表示“真实案例”意思的Example。 　　二，它的内容结构是按可以速查的方式准备的。比如，一本如何阅读财务报表的书，它的结构分为财务报告基本要素、年度财务报告、财务报告分析、公司优化运营这几个部分。 　　三，它的内容都被打碎成较小的部分，便于理解。但是，和网络上分散的内容不同，它又是有整体知识架构的，最终给人完整的知识，而不是不相关的碎片。这将让读者有了知识上的安全感。 　　我还曾经随手书架拿一本哈佛商学院出版社的书用来给人说明，为什么它的书虽然观点深奥，但读起来易懂？ 　　他们出版的书不像多数商业畅销书那样有很多精彩的故事，它偏重于管理理论与案例，但阅读它却可以较为轻松地获得信息。仔细深究下来发现，就像《哈佛商业评论》杂志会反复跟商学院教授作者一起修改，把文章写得通俗易懂，该出版社的编辑可能也做了同样的事。 　　他们没有把知识变得简单，但让知识变得易懂，在文字上，在内容结构上都做了努力。比如一本讲平台战略的书《触媒密码：世界最具活力公司的战略》。所谓触媒，也就是化学反应中的催化剂，是作者用的一个比喻，他认为这些平台公司所起的作用就是类似于催化剂。 　　从书的结构看，这本书除了第一章是讲“什么是触媒”外，后续各章讲述一个方面，比如如何建立平台战略，如何建立社区，如何定价等等。在每一章，又分别就本章主题，把内容拆分为任务一、任务二、任务三、任务四等等。 　　在书中，大量的案例被独立成篇，如果我们对某个公司的具体做法有兴趣，可以去读那个不到一千字的短案例。 　　这一本书所讲述的内容原本是非常复杂的，在经过这样的处理之后，我们拿到书，就可以快速地浏览，获得书中的核心信息。 　　该出版社的书共同特点是，内容版块都相对较小。这会降低了我们进入的难度，不是把阅读的宝贵精力放在与文字做斗争，而是消化吸收其中的核心观点。 　　如何把知识变得更易用？ 　　3、路径之三：把知识变成图示 　　第三条把知识变得不那么难的路径是，用图示的形式把知识展示出来。 　　或许有人认为这和用现在用音频做互联网知识产品的主要载体略有冲突，实际上并非如此。在各种音频产品中，我们常看到它们提供音频全文文稿，如果是为了便于不想听音频的人快速通过浏览获取信息，这可以理解。但这样做是一种典型的偷懒。 　　好一点做法可能是，为听众提供一个简要提纲和关键词，让他们在听的过程中不至于迷失。更好的做法是，用信息图示或思维导图的方式，进一步让信息变得直观，容易记住。这两种做法都相当于提供了一张知识点的地图。 　　把知识变成图示，不是把知识变得简单，虽然在普及时简化很重要 。但是，图示还有更重要的价值。在很多学科和专业领域，把一个理论用图的方式展示出来常是知识的深化和结晶。图示和文字有着非常广的适用范围：从普及到专业都适用。 　　关于专业领域的图示，我近期有一个这样的体验，让我对专业图示有不一样的感受。哈佛商学院教授克里斯坦森的颠覆式创新（disruptive innovation）是指导科技产业的重要战略模型，他的理论、案例和分析我们都很熟悉，我们也常在白板上画出他的图示作为讨论的框架。如果到此为止，我可以得出的推论就是图示很重要。 　　但在2017年底，为了准备一个资料，我自己在电脑上重绘这个图示，这是我第一次试图完全复制一份这个图示。一笔一笔在电脑上绘制这种图的时候，我突然意识到，我们总是大而化之地讨论这个图示，里面不少细节都没有注意到，或者随着时间的推移忘记甚至歪曲了。我得出的推论是，图示可能是“知识的精华”。当然，这个惨痛经历也告诉我，只有跟着原图自己重绘一遍、几遍才能真正理解细微之处。 　　在以传播知识为目标的图示制作中，我们的考虑可能更多地是让知识变得易懂，也易用，有一些做法可供借鉴，这里列几个： 　　最重要的一种提供全景图。图示的机制类似于像我们在旅游景点看到的景区全景图，也许简单，但提供了大略的方向指引。得到“每天听本书”提供的思维导图大体上是这种功能。多说一句，它的这个图示虽然很有风格特色，但并非是注重那么美观的，功能（提供全景）比美观的设计更重要。 　　另一种重要的知识图示是提供操作指南。比如对于一个技能型的知识，它给出的图示是，如何进行操作的1、2、3、4，或者是操作的步骤流程，或者在操作时要注意的等等。直观的图示可以帮助人们更好地把学到的操作性知识落实下来。 　　还有一种是概念辨识性的图示。比如在管理领域我们常说个玩笑，什么垃圾放进2X2的表格中，看起来都像模像样。说这个玩笑，固然是自嘲把事物分成横轴、纵轴两个维度，然后再各自二分，这样的图示用得过多过滥，但不能否认的是，这样的分类的确是最容易被人理解和接受的图示。又比如，人们经常需要辨析几个概念的相互关系，那么画两个圈或者画三个圈也是常见的套路，它是所谓的“维恩图”。 　　关于如何图示把知识变得易懂，有非常多的做法值得借鉴。在这里我举几个例子和自己的体会主要是为了说明，在互联网知识产品上，我们可以借鉴各种过往经验，可以做更多尝试与努力，来把知识变得更易懂，变得易用，促进知识的普及。