学而不思则罔，思而不学则殆。
——孔子
让我们一起来思考一个非常基本的问题：教育是如何发生的？
在我看来，教育实际上是一个极其主动地获取知识，甚至是去抢夺知识的过程。老师能够传递信息，还可以帮助并激励学生——这是教育过程中为重要和美好的事情，但事实上，我们真正做的是教育了自己。我们首先要决定投身于学习之中并致力于学习，这种决心反过来才让我们能够集中精力学习。精力集中不仅能够帮助我们顺利解决眼前的工作，还能在相关的其它方面给我们带来积极的影响。整个学习过程都由学生主动参与，而且每个学生的情况都不一样，这就要求我们承担责任。教育不会凭空发生，也不会在老师嘴唇与学生耳朵之间的空气中莫名出现。教育只会真实地发生在我们每个人的大脑之中。
这绝不是比喻的说法，而是真切的现实。曾经获得诺贝尔奖的神经系统科学家埃里克 · 理查德 · 坎德尔（Eric R. Kandel）在其著作《寻找回忆》（In Search of Memory）中提出，学习实际上是组成大脑的神经细胞发生一系列变化的过程。当某个细胞参与学习的过程时，这个细胞就会生长。这一过程与我们锻炼肌肉的过程虽不一样，但也大同小异。这里就不说太多专业细节了，通俗来讲，“接受了教育”的神经元会长出新的突触——这个微小的附属物在神经元之间起到了传递信息的作用。如果活跃的突触数量增加，神经细胞在传递信息时的效率就更高。如果信息不断被传递到大脑的某片特定区域，就会在这片区域集合并被储存。如果我们从不同的角度对同一个概念进行学习并研究与其相关的问题，就能建立更多且更深层次的信息链接。这些信息链接和与其相关的内容交织，共同构成了我们日常所说的“理解”。
在心理学领域，学习意味着我们的大脑完成了一系列活动，即消化信息并用新的方式将概念和已有的知识联系起来，而我们的神经细胞就在这样的过程中发生了改变。
新理解的内容能在大脑中储存多长时间呢？其中一部分因素是在学习过程中，大脑接收新信息时的活跃程度。我想再次强调的是，大脑在学习过程中会发生一系列物理变化，如蛋白质会进行合成、突触的效果会增强。在学习的过程中，大脑中的许多化学物质会进行合成与分解，并产生电信号，这也是大脑在思考时会消耗很多能量的原因。学习过程带动的神经元越多，学习的记忆也就越生动，记忆的时间也就越长，但大脑中的这些物理变化并不是永久性的。我们所说的“遗忘”实际上指的是随着时间的推移，当初学习时建立的链接逐渐减弱或消失的过程。不过，对于“遗忘”来说，情况远没有我们想象得那么糟糕。正如坎德尔和其他研究人员提到的，我们并不会失去所有已经建立的信息链接。也许在这里用体育运动来类比并不准确，但这种类比能够帮助我们理解：在停止锻炼身体后，你并不会失去锻炼的全部成果，而只会失去一部分，之前锻炼身体所获得的益处仍然存在。
这也是为什么再次接触曾经学过的知识时，你会感到学起来更容易，因为这时，部分神经通路已经形成了。复习还能对次学习的内容进行巩固，让大脑中的信息链接尽可能地持续下去。
坎德尔和其他神经系统科学家的发现已经对我们的学习过程进行了详尽的阐述，然而不幸的是，标准的课堂教育模式往往会忽略甚至逃避这些基本的生理事实。传统的教育模式的错误之一就是强调被动学习，而不是鼓励学生积极主动地参与学习。而影响力相同的另一个错误就是，标准化教育并没有尽可能充分地发挥大脑进行联想学习的能力。联想学习指将新学的知识与已掌握的知识联系起来，以获得更深入的理解和更持久的记忆。我们不如花些时间来讨论一下联想学习。
我们的大脑共有两种完全不同的记忆模式，分为短时记忆和长时记忆。短时记忆不仅短暂，还很容易被遗忘，有时我们只要稍微走神，短暂地接触了别的工作或者思考了一下别的问题，短时记忆就会被打断。就拿日常生活中的例子来说，我经常会在洗澡时忘记自己是否已经洗过头了。
与短时记忆相比，长时记忆更加稳定，而且保存的时间更长。当然，这种记忆的效果并不是完美的。从短时记忆转为长时记忆的过程叫作巩固。虽然脑科学家还没有从细胞层面发现“巩固”这一过程到底是怎样发生的，但他们已经充分了解到这一过程在实际和功能方面的特性。坎德尔曾这样写道：“要想得到长久的记忆，大脑在处理接收到的信息时必须足够透彻且深入，这就要求大脑在处理信息时集中精力，并且要将这一信息有意图且系统性地与记忆中已经完善的知识联系起来。”
换句话说，如果我们能够将新信息与我们已知的信息联系起来，那么就能更容易地理解并记住新信息，这也就是我们能够轻松地背诵一首诗，却很难记住一串等长但毫无关联的字符的原因。我们能够将诗中的每一个词与大脑中浮现的画面或原有的记忆联系起来，还懂得诗歌的韵律，了解它与我们原有记忆之间的联系。即便这种了解存在于潜意识中，我们也能轻松地背诵一首诗。在这种记忆方式中，大脑处理的不是独立的信息，而是具有逻辑关系的很多信息，这让我们能够着眼于整体，轻松地记住新信息。
似乎每当采用这样的记忆方式，大脑的能力就能被发挥到极致，尽可能长久地记住新信息。当然，这也意味着有效的教育方式就是将课程的前后内容相关联，并且注重不同概念之间的联系。可惜的是，标准化的课堂教育模式正好背离了这一原理，其中明显的一点就是以非常随机、毫无根据的方式人为地将原本相关联的课程进行了划分。遗传学被归入了生物课，而概率这一概念被归入了数学教育，然而遗传学实际上是对概率的应用。同理，物理明明需要应用代数和微积分，它却与这两门课程脱节，成了独立的学科。化学与物理也是两门相互独立的学科，但它们研究的现象中很多都是相同的，只不过是研究角度不同罢了。
这些划分限制了学生的理解，让学生对世间万物运行规律的理解产生了偏差。如果能让学生们了解物理中的接触力实际上是化学中电子间互斥力的一种表现，不是能帮助他们更好地理解吗？如果代数中的知识能与实际生活结合起来，这门学科难道不会有趣得多吗？比如让学生计算在落水时腹部接触水面时的速度，或者身处质量是地球两倍的星球时自身的体重。我们可以想象，如果已被普遍接受的计算机科学能够与仍然存在争议的进化学相融合，这种有趣的“异花授粉” 改变世界的可汗学院现象会鼓励学生利用编程模拟生态系统中物种的差异和竞争关系，那么他们或许会收获更多知识。
《决战大数据：驾驭未来商业的利器 》
还原是一个瞄准器
数据的本质就是还原，这是收集元数据的关键方法。
当我们在进行用户的场景还原时，必须认清数据收集的领域是什么。在不同的领域里收集到的数据，可以找到与其所在领域里不同的东西，比如，搜索引擎和社交网络（SNS）得到的数据就是不一样的。而企业首先要做的是，确认用户是不是同一个人，比如在SNS 里涉及的很多信息主要都是聊天内容，如果我是做 SNS 的，我就会更多地去寻找这个人和其他人的关系。他今天跟张三聊了 3 分钟，明天跟李四聊了 5 分钟，这项数据在 SNS 领域里可以获得。但当我们要真实地还原整个人的行为的话，好要有不同领域作为互补，这会让你掌握更多更全面的信息。
你有多大的能力知道哪些数据是同一个用户的，这是企业首先必须解决的问题。然后再去关注，收集到的数据的量这么大，广度这么宽，价值在哪里。而当企业不清楚收集到的数据是不是同一个用户的时，那这个数据又有什么用？所以，在大数据里，重要的还是收集人的数据。
而数据的价值，正如我们前面所分析的，必须来自场景。
对于消费者数据的收集，其中一个瞄准器就是你能否还原用户购买行为的场景。基于科技的不断进步，如果有一天 Google 眼镜成为每个人的标配，或者是有一天，我们买的每一部电脑，其本身都是跟手机捆绑的，那么这两种交叉数据是很容易获取的。
为什么场景会变得如此重要？场景是不是被准确地表达了？场景是否会成为一件事情的背景，用来还原整件事情？有一年的“十一黄金周”，我们发现很多用户使用 iPad 购物，为什么？你或许不会想到，这是因为那年的“十一黄金周”次实行黄金周高速公路不收过路费的政策，很多人堵在了路上，没有其他事情做，所只能以使用 iPad 购物。如果企业在分析数据的时候，没有考虑到 10月1日整个中国的高速公路都出现拥堵的这个场景，企业就没有办法还原整个场景，也就无法解释这个现象。
我还发现了一个新场景。有一天，我们研究了一些无线数据——用二维码让用户到 达我们预想让他到达的页面。我们可以看到，iPhone 手机在扫完二维码后就到达了页面，但是安卓却没有。在中国，很多装有安卓系统的手机在扫完二维码之后都无法自动跳转到关联页面。这时，安卓手机就成为用户登陆网站购物的重要场景。不管是一部 iPhone 手机、一部三星手机，还是一部其他类型的手机，手机的大小和系统的兼容性本身都能对场景产生巨大的影响。而如果我们盲目地去观察数据本身，自以为是地认为用户没有进行点击，那就大错特错了。事实上，是他点不了。
可见，有很多看似无关紧要的东西都在场景里，而在无线移动终端的世界里，这个场景又平添了很多其他的东西，这都需要我们仔细地甄别。
当我和数据分析师们聊天时，我总是会特别提醒，在研究无线数据的时候，要特别注意的是用户在每天移动的时间点和非移动的时间点里都做了什么。从起床到睡觉，有几个时间点基本是固定的，所以基本上就可以判断每个人一天的行为走势是什么。
我曾经在一次电商大会的圆桌论坛上提出了一个观点，当时与会者都很认同，就是我建议把一些以前用来观察用户忠诚度的框架，比如 RFM 模型来做收集数据的瞄准器。有什么数据能让我更好地看到 R，更好地看到 F，更好地看到 M ？ RFM 是一个收集维度，个人 PC、手机、平板电脑是另一个终端场景维度，PC 能更好地收集 R，手机能更好地收集 M，这样就可以通过场景的不断变换来收集更多的数据。
现在，有一些终端的确可以收集以前收集不到的数据。以前，我们不知道一些数据的收集背景是不是移动的，但现在可以。用户做一件事情的时候是不是正在移动？他是不是在银泰百货里面？面对不同的场景，我们的框架也要相应改变。所以，现在做数据分析报告，后的一个问题变成了：“无线变了，这个报告的结果还是一样吗？你的报告应不应该也变一下？”
我认为，数据的本质就是还原，这是收集元数据的关键方法。如果没有这个概念，你就不知道未来你需要什么数据，就更不懂得什么是重要的数据，到后只会产生越来越多的无从辨别的数据。一旦数据多到了连你的公司都没有办法处理的时候，那么其他会处理的人、公司和国家就会把你毫不留情地挤出市场。
“未来一定是国家和国家之间的数据大战，公司与公司之间的数据大战！”信息时代催生了海量数据的出现，这个世界上每时每刻都在产生大量的数据。此时，大数据已经不再是一个单纯的概念，而是像空气一样围绕在每个人的身边，每个人都是数据的制造者。也正是因为每个人都在通过不同的设备生产着数据，使得数据更多在“量”这个维度上不断膨胀，但是，“量”的单纯膨胀却对企业真正了解一个用户的需求产生了极大的挑战。所以，如何更好地识别各个设备的使用者是否为同一个人，如何更好地理解用户在各个不同场景下表现出来的不同需求，如何更好地理解数据融合后产生的价值，将是未来商业中每一个企业都必须考虑的问题。
在不久的将来，随着 O2O的深入和穿戴式设备的兴起，企业和企业之间必须进行更多的数据融合和交换，必须进行更多的跨行业的数据交流，这样才能更好地还原用户真正的需求，让用户在任何一个场景中都能够获得由数据带来的便利。
总而言之，更深化的数据连接使海量数据经过提炼更真实地还原了事实，也使我们运用数据科技去解码未来的需求成为可能。
CEO们关心哪三个数据
我在面试数据分析师的时候，必然会问他们一个问题：“假如我是一家知名电商的 CEO，而今天是星期一早上 9 点钟，请你给我提供三个数据指标向我证明在过去的一周里，企业运营得一切正常，可以让我踏实下来。你认为，会是哪三个指标呢？”
绝大多数应聘者对这个问题的回答比较一致：个是流量；第二个是交易量；第三个是其他，这个其他包括转化率、交易额等。
当他们这样回答完后，我会反问他们：“刚刚我问的问题，你真的听清楚了吗？”
这时候，有人会回答说，我听清楚了，而答案就是的真实需求这三个数据。