欢迎各位阅读本篇,数据：在计算机系统中，各种字母、数字符号的组合、语音、图形、图像等统称为数据，数据经过加工后就成为信息。本篇文章讲述了当今数据对于我们的重要性。
一种新的大宗商品正在一个利润丰厚、增长迅猛的行业中酝酿，反垄断监管者也开始着手限制那些有能力控制这种商品的人。如果是在一个世纪前，这种商品就是石油。而现在，引发巨头们争相抢夺的变成了数据，也就是数字时代的石油。
包括 Alphabet(谷歌母公司)、亚马逊、苹果、Facebook 和微软在内的科技巨头似乎都势不可挡。他们是当今世界上市值最高的五大公司，他们的利润都在飙升，他们 2017 年第一季度共计实现净利润逾 250 亿美元。全美超过一半的在线开支都被亚马逊吸走，谷歌和 Facebook 去年几乎攫取了美国数字广告营收的全部增量。
如此强大的垄断地位引发了人们的警惕，很多人呼吁分拆这些公司，就像 20 世纪初对标准石油公司的分拆一样。本刊之前曾经反驳过这种激进观点。仅仅因为拥有庞大的规模并不构成犯罪。巨头的成功给消费者也带来了利益。没有几个人希望失去谷歌搜索引擎、亚马逊当日送达服务或者 Facebook 的 Newsfeed 信息流。
如果套用标准的反垄断程序，这些公司似乎也没有达到警戒线。这些公司非但没有剥削消费者，反而提供免费的服务(用户实际上是用自己的数据来换取服务)。考虑到数量庞大的线下竞争对手，他们的市场份额似乎也不足为惧。而 Snapchat 等新兴企业的崛起也表明，新一代公司也可以掀起一些波澜。
但我们仍有理由感到担忧。互联网公司对数据的控制使之掌握了巨大的权力。在数字经济中，石油时代沿袭下来的传统竞争思维似乎已经过时。需要采用新的思维模式。
数量与质量兼得
究竟出现了哪些变化?智能手机和互联网催生了海量数据，不仅无处不在，而且价值大幅提升。无论是跑步、看电视还是堵在车流中慢慢前行，几乎所有的活动都会留下数字足迹——从而贡献更多的原始数据以供分析。随着手表和汽车等更多设备接入互联网，数据量只会有增无减：有的人估计，无人驾驶汽车每秒将会产生 100GB 的数据。与此同时，人工智能技术也可以从数据中挖掘更多价值。
部分数据驱动的交易
算法可以预测消费者何时有意购物，飞机何时需要维护，某人何时生病。通用电气和西门子等工业巨头也都纷纷定位为数据公司。
海量的数据变化改变了竞争的特性。科技巨头始终受益于网络效应：注册 Facebook 的用户越多，就越能吸引其他人注册。而这些数据又会构成额外的网络效应。通过收集更多的数据，企业便可改进自家产品，从而吸引更多用户，甚至生成更多数据。
特斯拉收集的无人驾驶汽车数据越多，就越能改进无人驾驶——第一季度销量只有 2.5 万辆的特斯拉却能超过销量 230 万辆的通用汽车，一定程度上就源于此。海量数据可以充当企业的护城河。
数据也可以成为抵抗竞争对手的方式。在科技行业，人们之所以对竞争怀有期望，是因为某个车库里的创业公司可能击败老牌企业，也有可能出现意料之外的技术变革。但在数据时代，这两种可能性都大幅降低。
巨头的监控系统覆盖整个经济：谷歌可以看到人们搜索什么，Facebook 知道你在分享什么，亚马逊对你的购物习惯了如指掌。他们拥有应用商店、操作系统，还向创业公司出租计算资源。他们拥有“上帝之眼”，可以监控自己的市场和其他市场。他们能够看到哪些新产品和新服务受到追捧，因而能够及时模仿，甚至直接收购，避免遭遇更大的威胁。
很多人都认为，Facebook 在 2014 年斥资 220 亿美元收购员工总数不到 60 人的 Whatsapp，是为了消灭潜在竞争对手。通过竞争门槛和预警系统的恰当融合，便可借助数据有效遏制竞争。
改变反垄断思维
正是因为数据具备这些特性，才使得以往的反垄断措施效果降低。把谷歌分拆成 5 家公司不会阻止网络效应的扩张：假以时日，其中的一家公司仍会再次主导市场。因而需要辅以激进的思维——随着新的方法逐渐明确，两种想法逐渐进入人们的视野。
#p#分页标题#e#
第一种的关键在于，反垄断官员需要从工业化时代过渡到 21 世纪。例如，他们以往在评估并购交易时，都会根据规模来判断是否介入，但现在需要通过企业的数据资产来评估交易影响。交易价格也会成为一个信号，帮助其判断老牌企业是否在通过收购排除威胁。
数字宇宙-在财报电话会议上提到“人工智能”的公司数量
例如，Facebook 愿意花这么高的价钱购买没有任何收入的 WhatsApp，就应该引起警惕。反垄断官员还应该在分析市场动态时更加重视数据，例如，可以使用模拟器来寻找串谋定价算法，从而最大程度地促进竞争。
第二种则是降低在线服务提供商对数据的控制权，让数据提供者掌握更大的控制权。提升透明度可以带来一定的帮助：可以强迫企业向消费者披露他们所拥有的数据，以及他们借此获取的收入。
政府可以鼓励企业开发新型服务，甚至开放更多的政府数据库，把数字经济的关键组成部分当做公共基础设施来对待，就像印度的数字身份系统 Aadhaar 一样。还可以在用户许可的情况下强制分享某些数据——欧洲就在金融服务领域采取了这种方式，要求银行向第三方开放用户数据。
在信息时代开展反垄断并非易事，而且还会引发新的风险：例如，分享的数据越多，隐私威胁就越大。但如果政府不希望数据经济被少数巨头垄断，就必须尽快采取行动。
知识分享：
数据仓库的层次
数据库的基本结构分三个层次，反映了观察数据库的三种不同角度。
(1)物理数据层。它是数据库的最内层，是物理存贮设备上实际存储的数据的集合。这些数据是原始数据，是用户加工的对象，由内部模式描述的指令操作处理的位串、字符和字组成。
(2)概念数据层。它是数据库的中间一层，是数据库的整体逻辑表示。指出了每个数据的逻辑定义及数据间的逻辑联系，是存贮记录的集合。它所涉及的是数据库所有对象的逻辑关系，而不是它们的物理情况，是数据库管理员概念下的数据库。
(3)逻辑数据层。它是用户所看到和使用的数据库，表示了一个或一些特定用户使用的数据集合，即逻辑记录的集合。
数据库的特点
数据库不同层次之间的联系是通过映射进行转换的。数据库具有以下主要特点：
(1)实现数据共享。数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。
(2)减少数据的冗余度。同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。
(3)数据的独立性。数据的独立性包括数据库中数据库的逻辑结构和应用程序相互独立，也包括数据物理结构的变化不影响数据的逻辑结构。
(4)数据实现集中控制。文件管理方式中，数据处于一种分散的状态，不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理，并通过数据模型表示各种数据的组织以及数据间的联系。
(5)数据一致性和可维护性，以确保数据的安全性和可靠性。主要包括：①安全性控制：以防止数据丢失、错误更新和越权使用;②完整性控制：保证数据的正确性、有效性和相容性;③并发控制：使在同一时间周期内，允许对数据实现多路存取，又能防止用户之间的不正常交互作用;④故障的发现和恢复：由数据库管理系统提供一套方法，可及时发现故障和修复故障，从而防止数据被破坏。
