有一期《锵锵三人行》中，马家辉跟窦文涛分享过一件事。

他说在杭州出差的时候，他曾连续4次碰到过这样的情况，每次他就餐完毕出门离开时，碰到年轻人进门，对方都会帮他拉门。

甚至这些年轻人会比他快一步推门进来，然后挡着门让他先走。

动作小心谨慎，生怕放开玻璃把手后，门会撞到他。

故事听到这里，窦文涛接话，说这就是一个人的修养。

君子如玉，触手也温。

帕斯卡说：

“不要从特殊的行动中去估量一个人的美德，要从日常的生活行为中去观察。”

开门，关门；敬酒，递水；坐，站，行，走，立……

这些待人接物的姿势里，众生百态，修养立见。

曾经看过这样一个故事。

有个人进一家店吃饭，吃完后打算付钱时，发现自己忘了带钱，于是对店老板说道：

“老板，今天忘了带钱，改日送来。”

老板一听，连声回到：“不碍事，不碍事。”

然后恭敬地把他送出了店门。

这番情景正好被一个无赖看到了，于是他也走进店内大吃大喝，酒足饭饱后也学着先前那人摸了摸口袋，双手一摊，朗声告诉店家：

“老板，今天忘了带钱，改日送来。”

正当他大摇大摆往外走时，被店家一把揪住，扬言不给钱要剥了他的衣服。

无赖很不服气，他质问老板：“为什么刚才那人可以赊账，我就不行？”

店老板上上下下打量了他一番，回答道：

人家吃菜，筷子在桌上找齐，喝酒是一盅一盅地筛，斯斯文文的，吃完后还掏出了手帕擦嘴，一看就是个有修养的人，这样的人怎么会赖我的钱呢？

而你呢？筷子往胸前找齐，狼吞虎咽，吃上瘾来，脚就踏上了条凳，喝酒也是直接端起酒壶往嘴里灌，吃完后拿袖子一揩完事，分明就是个会想吃霸王餐的无赖之徒，我又岂能放你走？

一番话说得有理有据，无赖哑口无言，只得留下衣衫，狼狈逃走。

朱光潜先生说，有时候跟人喝一杯茶，就能知道对方是不是你要找的人。

因为待人接物的动作姿势，是一个人修养德行的镜子。

还记得在《开学第一课》的舞台上，董卿采访96岁的翻译家许渊冲。

为了方便沟通，在3分钟的采访中，董卿跪地三次，用仰视或平视的目光专注又耐心地倾听老爷子的分享，再细细转述给现场观众。

穿着半身裙和高跟鞋，跪着并不那么方便，甚至这个姿势也不那么好看。

但她这一跪，跪出个人最美的姿势，跪出了作为主持人的专业素养，也跪出了她根植于心的修养。

几十年的主持生涯，董卿站着的时候多，跪着的时候也不少。

她跪地采访过坐在轮椅上的公安英雄。

跪着采访过行动不便的残障女孩。

也跪地访问过年幼的孩童。

只要交谈没有那么方便，她就会跪着，平视对方，一双眼看得人心窝一暖。

人有多谦卑，就有多高贵。

人际交往中，透过一个人的姿势，我们是可以看到其灵魂的。

有人站得挺立笔直，不顾忌身边人的感受，让人难堪，这样的人灵魂是丑陋的。

有人却跪得谦卑，懂得将心比心，体贴尊重，这样的人即使跪着，精神也高大。

有人说，林志玲行走娱乐圈20多年，除了靠一张嘴，就是靠一双腿。

靠一张嘴，是指她能说会道的高情商。

靠一双腿，是因为每次跟人合影握手她都会屈膝半蹲的“礼貌腿”。

林志玲身高一米七三，穿上高跟鞋后直逼一米八，典型的“合影杀手”。

为了避免尴尬，跟人合影，她都会主动弯腿屈膝，在镜头前不动声色地照顾着对方。

跟男明星同台，她会屈膝半蹲，给人台阶。

跟女明星同台，也会适当弯曲，不争妍斗艳。

哪怕跟人握手，她都会尽量蹲着，以示尊重。

“一起拍照的话，我会很自然地把腿弯一下，因为我很高，所以不管是握手还是什么，我不希望让别人觉得有距离感……”

习惯屈膝，是林志玲从小养成的修养。

古语说，当着矮人，不说短话。

雨果也曾说过：“最高的圣德，就是为别人着想。”

待人接物时，懂得换位思考，将姿势放低一些，与人方便，让人舒服，就是一个人顶级的修养。

俗话说，言为心声，行为心表。

《菜根谭》里说：

“文章做到极处，无有他奇，只是恰好；人品做到极处，无有他异，只是本然。”

修养亦如此，不仅有宏观的道德，更有细节的温度。

提高自身的修养，可以首先学习日常的行为姿势。

乘坐公交地铁时，站着的时候不要整个身子靠在扶手上，给后来人的手腾个地方安放；

用电梯或者进门关门时，注意看看后方有没有人，伸个手挡一挡，等一等；

如果看到别人在伸手挡着门等待后方的你，而你离得略远的话，请你跑动一下，节省彼此的时间；

递东西给别人的时候，记得双手奉上，态度诚恳一些；

如果是剪刀等利器，还请把尖头留给自己，把更安全的那头递向对方；

在安静的办公区、阅读室，穿了高跟鞋的你还请小心一点地走……

心理学家丹尼尔说：

“你让人舒服的程度，决定着你能抵达的高度。”

你的身段姿势低了，为人的修养就高了。

当年老师反复强调“说服”要读[shuì fú]，现在也被改掉，只有[shuō fú]这一个读音了。这到底是怎么肥似？！难道我们小时候学的读音竟然都是错的吗？到底是什么组织，竟然可以更改我们常用字词的读音？

其实，这一切的“幕后黑手”，都是一个在历史上只出现过三次的神秘组织，它的名字叫“普通话审音委员会”。别看它的名声不像网红们那样显赫，但它的每一次出场，都像网游里的超级大boss一样，在语文界掀起一片腥风血雨，甚至连明星的姓都能改！

就拿费玉清来说，大妈喜欢他的《一剪梅》，少女喜欢他的《千里之外》，可以说是全民偶像。然而几乎没有人知道，他的姓其实读[bì]，“费”是古邑名，在春秋鲁地（今山东费县），后衍化成“姓”。普通话审音委员会大手一挥，直接不提[bì]的读音，于是逐渐无人知晓，费玉清也干脆弃疗，自我介绍时念[fèi]。

1956年首次出场

初步奠定读音格局

可能很多人都不知道，我们现在每天都要说的普通话，是1956年才有的。当时国务院发布了《关于推广普通话的指示》，阐明了普通话的定义，从语音、词汇、语法三个方面明确规定了普通话的标准。也是在那时候开始，“普通话审音委员会”这个神秘组织第一次正式成立，开始主持审定那些有争议的字词读音。

教育部：中国仍有约4亿人不能用普通话进行交流

要知道，1956年以前，全国人民的口音都相当随意，甚至连四声调都不是全国通用，在南方很多地方还保留着古老的“入声”，很多常用字的读音语调也五花八门，十分奇葩。此后历经7年，直到1963年才搞定了所有有争议的字词读音、词汇和语法，编制了第一版《普通话异读词审音总表初稿》。从那以后，人们说的普通话才算有了一个统一的规范。

在这张表出现以前，甚至很多常用字在不同的地方都有着不同的读音。比如说电视剧《大宅门》中，白七爷常常念叨的那句《挑滑车》戏文唱词“看前方黑（读[hè]）洞洞，定是那贼（[zé]）巢穴，待俺赶上前去，杀他个干干净净”中，“黑”和“贼”就是以前北京土话的读法。

同时，很多评书或者戏文里面还会把“白”读成[bó]，比如“擎天白[bó]玉柱，架海紫金梁”。这是因为京剧很大程度上来自于湖北地区的湖广韵，而湖北话里面就是这样读的。1963年以后，这些字才在这张表里有了标准读音，只是仍有一些老艺人还保留着自己的读法。

不知道你有没有奇怪过，为什么象棋里面的“車”不读[chē]，却要读[jū]？其实也是一种旧读音的遗留，在《普通话审音总表》发布之前，“车”这个字在很多成语里面都读[jū]，比如“安步当车”。但是说“汽车”“火车”的时候又要读[chē]，本着不给大家添麻烦的原则，它就只好乖乖地统一读成[chē]了。

郑州一象棋广场现巨型棋子,大如一辆车

还有一个曾经势均力敌相持不下的例子，就是“癌症”的“癌”字，当时的北京人固然是读作[ái]，但是上海人、广东人却读作[yán]，而且从形声字的角度考虑，“嵒”是“岩”的繁体，也该读[yán]。可是最后它还是读了[ái]。因为“癌症”是一种病，“炎症”也是一种病，如果俩字都读[yán]，就很容易混淆。

这一次改掉的还有许多现在我们看来颇为奇葩的读音，比如说“口吃”，在有的地方竟然是念“口[jí]”的，在这里改成了口吃[chī]；还有“哑然失笑”中，“哑”曾经是读[è]的，在这时候统一改成了读[yǎ]。

因为时间已经过去了50多年，已经很少有人还记得这些被改掉读音的汉字，“普通话审音委员会”这一神秘组织的第一次出现，就如同快刀斩乱麻，一下子理顺了当年的读音难题，也奠定了今天的汉字读音格局。

1982年第二次出场

至今还有老人改不过来

上学的时候，我们很多人都遇到过那种岁数比较大的老师，经常会把一些看上去很简单的字“读错”，甚至连学生纠正他的时候也不肯改过来。比如说我初中时候教生物的老夫子，每天上课都把“细胞”的“胞”字读成[pāo]，让人听来听去都感觉十分费解。为什么他们就不肯改成“正确”的读音呢？

原来，这又是“普通话审音委员会”这一神秘组织造成的，1982年颁布实施的《中华人民共和国宪法》明确规定：“国家推广全国通用的普通话”。同时随着时间的推移，很多当年已经审定的读音，被大众在潜移默化中逐渐改掉了，于是紧接着，潜伏多年的普通话审音委员会再次浮出水面，开展第二次普通话审音工作，历时三年一直到1985年才最终完成，编成了《普通话异读词审音表》。

合肥：德国籍小学生身兼小推普员 用普通话朗读课文

除了让“细胞”的“胞”字不再读[pāo]，而是改为读[bāo]之外，比较常见的还有“歼灭”的“歼”字，从那以后也不再读[qiān]，而是改为读[jiān]。不过这一改动似乎对军人们来说并不太深入人心，因为很多人还是秉承着认字读半边的精神继续读[qiān]。甚至在央视的军事节目中，还有专家对着镜头把歼击机读作“千击机”。

有一些字词的读音改变很小，可以说是无伤大雅。比如说按照这次的新读音表， “成绩”改为读“成[jì]四声”，那么以前读什么呢？就是“成[jī]一声”呀，这种读法让人莫名有一种很温柔的感觉，有点像是台湾同胞说的国语。当然了，30多年以后的今天，我们早已习惯了读成[jì]，而台湾同胞们却还是读成[jī]。

这样的字音变化在1985版里面还有很多，比如说“卓越”不读[zhuō]，而读[zhuó]；“咆哮”不读“咆[xiāo]”，读“咆[xiào]”了；“驯服”不读“[xún]服”，读“[xùn]服”了。变的原因也很简单：现实中大多数人怎么读，就改成怎么读。

2011年第三次出场

搞出至今最让人难受的改动

我们80后、90后一代人都是学着1985年版《普通话异读词审音表》，在风平浪静中长大的，所以也就觉得这里面的读音成了天经地义，高考完了以后，只有极少数人还会关心每个字到底该怎么读。所以当我们在2016年看到最新版的《普通话异读词审音表（修订稿）》时，顿时感觉心中有一万匹草泥马呼啸而过——这么改下去，我们都要变成文盲啦！更关键的是，其中一些字词读音的改变，会造成很大的困扰。

2016年《普通股异读词审音表（修订稿）》意见征求 | 国家教育部官网

安徽省有一座文化名城叫“六安”，这里的“六”从古到今都要读作[lù]，因为传说中的明君舜把著名的臣子皋陶分封到了六（Lù）这个地方，所以可能已经有4000年的历史了。你没听说过这座城市也没关系，六安瓜片这道名茶总听说过吧？可惜在最新版的审音表中，六[lù]这个读音被取消，“六”统读为[liù]了。不知道当地的人是怎么想的……

安徽六安：绿水绕城美如画

还有一个词在我上中学时的语文课上出现频率很高，它就是“说服”。记得当时语文老师恨不得一节课要讲八遍，这个词读[shuì fú]，千万不能读成[shuō fú]！因为“说”的这个读音和“睡”相同，所以很多同学一听见老师讲这个词就偷偷地笑，可谓是污者见污。然而令人意想不到的是，现在这个词已经统读为[shuō fú],从此再也不能用[shuì fú]开玩笑了！

另一个当年的我们曾经被中学语文老师耳提面命的词是“心宽体胖”的“胖”，反复强调这个字读音千万不能写成是[pàng]，而一定要读[pán]。因为这里的意思是人心胸开阔，是贬义词，并不是说别人“死胖子”。然而多年以后的今天，“死胖子”俨然翻身做主，至少在“心宽体胖”中，也统读为[pàng]了。不知道这种改变到底是人们对胖子的妥协，还是进一步的嘲讽。

2016年《普通话异读词审音表（修订稿）》中，“胖”的两种读音

这还没完，《普通话异读词审音表（修订稿）》还有一条特别规定，“心广体胖”里面的“胖”仍然要读[pán]。你说这“宽”和“广”不都是一回事儿吗？唉，真是心疼现在要考这些的学生们啊！

在《普通话异读词审音表（修订稿）》中被改变了读音的字还有许多，总体原则就是“尽量简单易懂，不给群众找麻烦”。比如说曾经有两个读音的“靡”字，在 “靡靡之音”一词中曾经读作[mǐ]三声，在“风靡一时”中却读作二声[mí]，不过现在事过境迁，已经统读为二声[mí]。

2016年《普通话异读词审音表（修订稿）》中，“靡”的读音统读[mí]

不过也有一些改动让人心情愉悦。比如“血”这个字，以前它有两种读音，一些地方要读[xuè]如“贫血”、“心血来潮”、“呕心沥血”等等；但是另一些地方要读[xiě]，比如“打鸡血”、“血豆腐”等等；具体该用哪个，规则非常复杂，很多人都被它搞得晕头转向。现在好了，所有的“血”都改成读两种读音混合起来的“xuě”，因为按照民间调查，这个以前不正规的读音才是大家使用最多的！在“血压”、“血糖”这些现在的常用词里面，都是读[xuě]，所以也就顺水推舟了。

2016年《普通话异读词审音表（修订稿）》中，“血”的读音统读[xuě]

除了这些被统一的，还有一些字因为时代的发展，不得不增加了新的读音，比如1985年的时候还很少有人管坐出租车叫“打的”[dí]，所以“的”也没有“dī”这个音，现在全社会人人都可以“打的”了，不加一个音也说不过去。

看着这些被改掉读音的字词，我既惶恐又有一丝惆怅，会不会等孩子们长大开始学汉语拼音以后，也会觉得我们这一代经常会读错？就像我们上学的时候觉得老师不懂读音一样，这可真是长江后浪推前浪，前浪死在沙滩上啊！

9月初，海南海岛一卡通支付网络有限公司牌照完成注销，央行注销支付牌照名单增至24家。

而在8月，25家支付企业收到央行罚单。

271张支付牌照，只剩下247张。而市面上牌照的价格，已飙升到20亿。

最后的洗牌收官之战，一触即发……

支付命运

支付行业，风声鹤唳。

“第24家牌照被吊销了”，支付行业的资深从业者金源说，每个支付公司都高度紧张，等待着命运之剑的落下。

这其中，因为严重违规被注销牌照的，有13家，占绝大多数。

“伪造、变造、隐匿数据等手段故意规避监管要求，或恶意拒绝、阻碍检查监督的”，金源说，根据相关规定，说明这13家存在以上问题。

而在8月，共有25家第三方支付公司被罚，没收非法所得及罚款共计418.23万元。

曾经黄金一时的支付行业，进入最深的阵痛和洗牌期。

中国支付行业的起源，是2003年的阿里巴巴。

当时，阿里的淘宝，亟待解决一个问题：网购中的买卖双方，相互不认识，如何构建信任？

阿里的解决办法，是建立一个信用中介，买家先把钱打给中介，卖家发货、买家确认后，中介再把钱打给卖家。

这个中介，就是买卖双方信任桥梁。

一开始，阿里希望由银行做这个中介，但被拒绝。无奈之下，阿里悄悄建立起自己的平台——支付宝。

但很快，阿里将发现，支付宝所蕴含的生命力，远超过一个“附属品”。

支付宝，成为第一尾找到龙门方向的鲤鱼。

有了巨头的示范，其他玩家恍然大悟，原来支付还能这么玩？

2005年，被称为“商务支付年”。

许多效仿支付宝模式的支付平台，如雨后春笋，成百上千冒出。市面上出现千家平台，有些兢兢业业，有些背靠大树，有些则不怀好意。

这时候的支付行业，几乎没有门槛。

其商业模式也极为简单，注册一家公司，然后用公司的名义，在各个银行开一个账户，这就相当于打通了所有的银行系统。

用户只要在这个公司上开通一个支付账号，钱就可以在各个银行间流动。

最疯狂的时候，随便一家小支付公司，就可以有几个亿、十几亿的钱在其间流通。

这样的模式，离“非法集资”只有一线之隔，危险异常。

政府一直没有给支付机构一个“名分”，“非法集资”又如达摩斯之剑，随时有梦断之虞。

支付宝，也有这种担忧。2010年底，支付宝用户突破5.5亿，服务的商家超过46万，积压100多亿的资金。

马云说：“阿里巴巴能让我睡着觉，淘宝也能让我睡着觉，支付宝让我成天睡不着觉，因为随时可能让我进监狱”。

好在，监管开始提高行业门槛。

2011年5月，支付宝等27家支付机构，获得了第一批支付牌照。

在随后的四年时间里，270家大大小小的支付机构，获得了“通行证”。

可惜，支付行业却不再是广淼的蓝海。这条河道曲折狭窄，逼仄的空间，根本容不下这么多玩家。

艰难求生

“支付行业，讲究的是规模效益，交易量达到一定量级，才有利润，否则，连人员成本都无法覆盖”，苏宁金融研究院互联网金融研究中心主任薛洪言称。

互联网支付市场80%，被巨头盘踞，线下收单则是银联的天下。

以支付宝为首的线上平台和银联你来我往，拳打脚踢，其他中小机构只能干看着，捡些残羹冷炙。

牌照业务范围包括6大类，实际上，只有网络支付、银行卡收单两项，才能挣钱。

玩法就是收取手续费。

以线下收单为例，手续费长期按照7:2:1比例分成，发卡机构收取70%发卡行服务费、收单机构收取20%服务费，银行卡清算机构收取10%网络服务费。

也就是说，10块钱，第三方支付机构只能拿到2块。

支付是个薄利的行业，没有形成规模效应的机构，很难盈利。

他们的对手——支付宝、财付通、银行等巨头，不仅不差钱，而且根本不靠手续费赚钱。

巨头们看重的，是支付带来的客户、数据、资金沉淀，可以延伸征信、理财、信贷多条业务线。

根据央行抽样数据表明：第三方支付机构中，交易额超过10000亿元的有2家，其中盈利的2家；交易额在5000亿～10000亿的有5家，其中盈利的4家；交易额在1000亿～5000亿的有9家，其中盈利的9家；交易额在100亿～1000亿之间的有16家，其中盈利的10家；交易额在100亿以下的有165家，其中盈利的仅51家。

可见，交易额在100亿元以下的，盈利非常难。

这些小支付公司活得如何？

“活得生不如死”，某支付公司的高管称，现在他们的交易额只有60多亿。

“60多亿，我们的收入只能来自沉淀资金在银行的利息，还不够我们给银行支付手续费和人员开支”，该高管称，他们为了求生，开始了一些非法小动作。

二清，就是其中的顽疾。

所谓“二清机构”，其实就是以前那些未拿到牌照的“支付大军”，他们摇身一变，变成牌照大军的“雇佣兵”，继续干着原来的买卖。

二清机构类似外卖平台的代理商，他们去和商户打交道，安装pos机，培训业务员等。

二清业务在一开始，主要是支付公司的代理商，不允许接触客户资金和银行卡敏感信息，但后来，合规的代理商开始接触客户资金，变成了违规的“二清”机构，且愈演愈烈。

玩法就是，“二清”在某支付平台上开通一个账户，直接在二清账户上进行清算。

“如此，就会出现三清、四清，就像项目的层层转包，100块钱的项目，90转给二清，二清再80转给三清，如此循环”，薛洪言称，三清的玩法，就是直接在二清的账户上，再开一个账户，以此类推。

于是，线下拓展市场，就成了一场代理商之间的混战。

有报道称，2014年国内二清公司已经超过2000家，年交易规模高达上万亿元。

层层转包，还不是二清机构最大危害处。

“我们为了活下去，曾经尝试对接澳门的赌场资金，进行洗钱交易”，接受采访的支付公司高管称，他们和“二清”公司暗合，授意其去对接不明来路的资金。

“我们不得不做，因为其他支付机构都这么干，赌博、传销、贪污，越黑的钱，利润越高”，该高管称，因为最近政府监管收紧，导致很多支付机构不得不放弃黑色业务，“澳门赌业都大受影响”。

“市场就是一个劣币驱逐良币的过程”，薛洪言一针见血。

金融机构的反洗钱，一般是自己监控、上报的。但第三方支付公司，往往选择避开银联清算，政府也监管不到其交易信息。

这些行为，已经从被动违规，升级为刑事犯罪。

而套码问题，也是常见的暗箱操作的手段。

不同的商户，MCC码不同，手续费标准也不同。

商户分为餐娱、一般、民生、公益四大类，手续费率分别为1.25%、0.78%、0.38%，公益类商户则只收取服务成本价。

很多第三方支付，通过伪造虚假商户信息、切机等方式，将原本高手续费的商户伪装成低手续费的商户，比如，将一家餐馆套用三农的MCC码，可以大幅降低刷卡费率。

好在监管及时出手，在去年9月6日颁发了新的政策，业内称为“96费改”，把商户类别取消，采取市场定价原则，大概费率维持在0.6%左右。这让二清和套码，都变得难以操作。

监管将一个个黑灰产打掉，加剧了行业洗牌，让小支付公司和非法经营的平台，无处可逃。

牌照之战

支付行业呈现出强烈“马太效应”，强者越强，弱者越弱。

支付宝、微信支付，几乎一统天下；而中小平台，依旧在重压下，挣扎于温饱线。

小的平台求生无望，只能寄希望于：卖掉支付牌照。

2015年3月，支付牌照停止发放。此后，就开始上演牌照大战。

2012年，一家第三方支付公司牌照开价3600万，讨价还价后，最终以2800万成交；

2016年，恒大花了5.7亿，收购集付通，曲线获得支付牌照。

牌照中介罗晋透露，现在的牌照价格，已叫到了20亿。

很多购买牌照者，都是巨头公司，他们的生态闭环中，需要支付这一环。

因为支付必然牵涉到交易数据和用户数据，巨头公司可不想把核心数据外泄或与人共享。比如万达和美团，可能都是出于这一考虑。

“大很多支付牌照只有地区和部分业务许可，真正有网络支付等权限的全牌照，大概也就20-30张，现在大部分都已安家，剩下流通的，大概只有两三张，价格才会水涨船高”，罗晋称。

目前，市场上拥有支付牌照的公司还有247家，依然远超市场需求。

“监管以后肯定是不会再放开牌照的申请了”，薛洪言称，大的事业集团收购中小支付公司的牌照，这肯定是未来趋势。

而这种兼并重组，在三四年内可以完成。

如果5年内没有交易，牌照就会注销。因此，下一次续牌之前，所有的持牌而沽的公司，都得在此之前出售。

牌照大战持续上演，到了最终花落谁家的终极阶段。

支付行业，最终的格局，大概是这样的，活得滋润的，大概有两类：

一类是巨头，支付宝和微信支付，还有一类，是巨头公司闭环下的支付业务。

而其他平台，恐怕很难在巨头的缝隙下生存。

从信任中介起源，再到爆发式发展，如今的洗牌乱战，支付行业进入最终收割季……

两年修够四年学分，功课还动不动就拿满分，比如《汇编语言程序设计》，据说计算机系20年里只出现过两次满分，雷军就是其一。

一日为学霸，日日要争先。成年后的雷军也卸不下这包袱，后来他成了中关村劳模，再后来又成了清河劳模，凌晨三四点出现在五彩城是常有之事。

学霸最受不了的是什么？落后。

偏偏小米这两年让他尝足了这滋味：出货量下跌、估值下跌，简直要跌出了雷军的中年危机。

不过阴霾似乎正在逐渐散去。9月11日，小米MIX2发布会上，PPT里“小米重返世界前五”透着失而复得的喜悦，雷军似乎也放松了许多，他自夸“天才”、自嘲“社会我雷哥，人狠货不多”，收放自如。

曾经有熟悉雷军的人评价：雷军不会轻易告诉别人自己遇到困难，他通常是在解决后告诉你，他是如何解决的。

这正是多数学霸喜欢的套路。

时间回到2016年1月，五彩城的小米办公室笼罩在2015年业绩滑坡的阴影里，劳模雷军一反常态，在年会上给出“去掉KPI”、“开心就好”的鼓励，确立了小米公司在2016年的三个关键词：聚焦、补课、探索。

此后的21个月里，学霸雷军开启了疯狂补课之旅。

换将

小米在2016年放的第一个大招，是请回闭关一年多的黎万强。

2016年第一个工作日晚上，雷军转发了黎万强宣布回归的微博，言简意赅地说了句“阿黎满血复活”。靠摄影、旅行扛过了中年危机的黎万强，归来后的新任务是小米市场和影业两大业务。

这个开头同时散发着希望和沮丧的气息：黎万强的归来固然让人振奋，但新年伊始，华为魅族等友商都忙着晒去年成绩单时，小米却对上年销量只字未提。

直到半个月后，小米公布：2015年全年出货量超过7000万台。显然，这个数据没有达到此前雷军定下的8000万台最低目标。

彼时，雷军的焦虑已经成为圈内公开的秘密——他到处招兵买马，摩托罗拉、诺基亚、高通，圈里能见到的人他都亲自谈了一遍。

内部的人事调整也在推进。

5月，雷军换掉了此前主管研发和供应链的周光平，改由自己直接负责。周光平改任首席科学家。

周光平是小米早期七位联合创始人之一，曾在摩托罗拉供职多年，此前是小米手机研发和供应链核心人物。改任首席科学家后，他很少公开露面，今年4月，小米公司七周年纪念日当天，雷军带着几位创始人回早期办公室拍照留念，同行中已经少了周光平的身影。

业内人士分析，雷军之所以换掉周光平可能是来自供应链方面的压力。

2016年第一季度，小米公司陆续发布了红米3、小米4S、小米5等三款新品，但供货跟不上。

尤其是小米5，开放购买后几分钟就被抢购一空，引发米粉“花钱比抢钱还难”的吐槽，有人生生从米粉变成米黑。

小米素来有“饥饿营销”的嫌疑，在鼎盛时期，人们对其又爱又恨，养肥了不少黄牛党。但如今光景不一样了，在小米急需翻身的2016年，这些抱怨和吐槽多了些危险的味道。

老好人雷军终于坐不住了。

换掉周光平不久，雷军请来几位外部专家座谈，承认小米此前3个月供货不足，决定全面开拓线下渠道。

8月，他对自己下了狠手：辞去欢聚时代董事长、董事一职，由原CEO李学凌接任董事长。辞职理由是“为了将精力放在小米公司方面”。

线下

曾经只做线上渠道的雷军在2016年感慨：线下做晚了。

2015年，当雷军还在重点关注电商平台销售数据波动时，他的友商们正在最接地气的地方攻城略地——这一年，深耕三四线城市的OV来势汹汹，全国门店均超过20万家；华为开启了“千县计划”，计划在2017年把门店开到全国1000多个县城。

小米明显慢了。

2015年9月，小米才在北京当代商城开出第一家线下门店小米之家。在雷军的规划里，这是Costco和无印良品的结合体，所售产品全部来自小米和米家，SKU保持在20个左右。

直到2016年，雷军在整顿完供应链，迎头撞上渠道问题时，小米之家才开始真正得到重视。

对此，学霸雷军内心是懊恼的——

“今年干的事情，要前年（2014年）年初开始干”，他在2016年复盘时总结。为了补上这门课，当年7月，他为小米之家制定了具体KPI：未来三到四年，全国门店要达到1000家。‘’

小米之家门店的铺设随之启动加速度。到2016年最后一天，小米之家全国门店突破50家，小米总裁林斌在微博宣布：明年实现300家。

学霸雷军还为线下转型找到了一个词：新零售。

“新零售”这个概念最为人所知的创造者是马云，但劳模雷军成为最积极的推广者之一：

2017年全国“两会”，人大代表雷军提交的三份议案中，有一份就是关于“新零售”；

2017年7月，雷军在小米5X发布会上对公司做了重新定义：手机公司、移动互联网公司、新零售公司——由此带来的小米速度是，小米之家在随后一个月里新增了30家门店。

等到2017年8月参加亚布力中国企业家论坛的一场活动时，雷军不无傲娇地说道：

“星期天我都建议我的朋友别去逛小米之家，因为人实在是太多了，周一到周五去可能好点儿。”

他透露了更多关于小米之家的数据：五年内营业收入力争破700亿；目前一家店平均200平方米，平均营业额在6500万到7000万之间。

他甚至跑到河南去考察市场。今年8月20日，雷军带领团队在河南下乡四天，跑小米之家门店，在友商OV门店拍照片，还跟小县城的手机店老板坐起板凳聊起天。

雷军下乡

他还发出感慨:

“电商只占商品零售总额的10%，到今天为止90%的人买东西还是在线下买，也就是说就算线上100%是你的，你也只有10的市场。”

不过，在OV深耕已久的线下市场，后来者小米想要撬动既有格局并不容易——有细心人发现，此次河南之行，雷军在微博晒出的多数照片里，背景中都有OPPO或者VIVO的广告露出。

营销

2016年7月，雷军作为小米代言人的身份被人抢了。

小米公司一口气找到了三位明星为红米手机代言：吴秀波、刘诗诗、刘昊然，加上为小米note2代言的梁朝伟，广告铺满在城市公交站牌、电梯间，完全不像小米此前的纯互联网范儿。

这场营销变化的操盘手是黎万强。2016年初回归后，他为自己定下的核心命题是：找回小米初心、唤醒老用户。

起初雷军似乎是有点不太适应的。

2016年10月，小米note2 发布会请到了梁朝伟助阵，但不少媒体形容雷军与梁朝伟的互动是“尴尬时刻”。

比如雷军在两人刚同台时突然冒出一句“我站在梁朝伟身边，我也变帅了”——潜台词难道是：跟梁朝伟相比，还是我比较帅？

发布会上，雷军和梁朝伟展示小米新品

两个尴尬聊到冰川理论时，雷军说“我同事说小米设计中最打动你的是冰川理论”，梁朝伟耿直接话：

“我对冰川理论没什么研究，就是上面是冰，下面也是冰。”

而新品note2其实就是以冰山理论为包装。梁朝伟为其拍摄的广告片，也是以此为主题。

很尴尬。

好在，学霸雷军没有在同一个坑里摔两次。今年7月请吴亦凡助阵发布小米5X与MIUI9时，两人的互动就显得正常多了。不上台时，吴亦凡就坐在雷军和黎万强之间，每次镜头扫到他，现场就会掠起一片惊呼——这样的热烈场景，是雷军在小米鼎盛时期最熟悉的。

不光请进来，还有走出去。

2017年5月，雷军参与录制的《奇葩说》播出。这是小米花1.4亿独家冠名换来的，显然，雷军和黎万强期待，在马东等人一遍一遍的花式口播广告轰炸下，小米能重新拉拢年轻人的心。

这其实是传统手机厂商的常规打法，比如OV，常年是湖南卫视、浙江卫视几档热门综艺的赞助商。

在《奇葩说》录制现场，雷军用了这样的方式来开场：

“没有在B站听过我的歌吗?”

虽然一首《Are you OK?》意外红遍B站，但雷军的气场显然跟《奇葩说》不太搭。他如实承认“是黎万强逼我来的”，当然，他很快卖起了自家广告，“因为奇葩说倡导的精神与小米的价值观是吻合的，所以我来了。”

结果还不错。

当天雷军就上了微博热搜，“小米”的百度指数也在节目播出后的几天，保持了直线上升趋势。

或许是尝到了甜头，两个月后，亮蓝色小米6出现在今年夏天最火的《中国有嘻哈》里，成为节目指定拍照手机。

变化

2016年10月，小米MIX概念机发布后，雷军紧绷的神经似乎放松了一些。发布会结束后，他请早期员工吃了顿饭，“不管外界怎么看我们，我们今年肯定比去年强大，比前年强大，比大前年强大”。

但小米公司2016年的成绩单依然不好看。

IDC数据显示，小米2016年出货量为4150万部，相比上年暴跌36%，全年出货量跌破全国前五。

一片唱衰中，掉出学霸队伍的雷军反而淡定了。2017年2月，他在亚布力中国企业家论坛第十七届年会中说：

“我都躺在地板上了，没有人能击败我”。

学霸说出这番话是很不容易的。从雷军在金山期间为产品起的一系列名字，就不难看出这位理工男内心的骄傲：词霸、毒霸、卓越、盘古等等，如今，他抛下荣光，成了那个光脚不怕穿鞋的。

补课的效果在一点点彰显。2017年5月，雷军在小米6发布会上用了一张“春暖花开”的图片作为开场，显得意味深长。

到7月的小米手机业务誓师大会，学霸雷军的骄傲就很直白了——他宣布，小米手机2017年第二季度出货量为2316万台，环比增加70%。

这让雷军有些扬眉吐气：

“世界上没有任何一家手机公司在销量下滑后能够成功逆转的，除了小米，只有小米能够创造这样的奇迹”。

他甚至抛开了2016年年初那个“不设KPI，开心就好”的许诺，重新立起了小目标：明年手机出货量1亿台。一个由盛转衰的悲凉故事，似乎有了向励志主题转变的趋势。

但小米远远没有脱离危险期。在9月11日的MIX 2发布会上，雷军提到，小米成立只有7年，过去几年能力不足，他甚至自嘲产能不足给自己带来的直接影响：

“做小米前，我的口碑还是很好的；做小米后，口碑都毁了。”

在国产手机圈里，雷军一直是善于复盘和思考的劳模人设。这是他早在金山时期就养成的习惯，网间曾经流传他的一段复盘：

“金山在上世纪90年代还很火，1999年互联网大潮起来的时候，我们却忙着做WPS，忙着对抗微软，无暇顾及。到2003年时，我们再环顾四周，发现远远落后了。那一瞬间，我压力非常大，作为CEO，我后面两三年每天都在想，什么地方出问题了，是团队不够好，还是技术不行，还是自己不够努力？”

如今，清河劳模雷军大概也在每天思考：小米的问题出在哪里？要如何去解决。过去的21个月，他越过争议和质疑声，交出了一份还不错的成绩单，但这场考试，远未结束。

因为开发了全世界重要的手机操作系统安卓，鲁宾在行业内获得广泛尊敬。六月份，他创办的智能手机公司Essential获得了三亿美元的投资（投资机构包括富士康集团等），公司估值高达10亿美元。

凭着对智能手机和智能家居的深刻理解，鲁宾主导开发的Essential，获得行业内高度评价。迄今为止，Essential在屏占比领域创下了行业记录。另外在经过了几次跳票之后，Essential手机已经开始全面交付用户。

据美国科技新闻网站TheVerge报道，随着手机送到消费者手中，近日国外知名拆解机构iFixit对Essential手机进行了拆解分析。令人吃惊的是，在手机可维修性指标上，这款手机几乎是史上最差，在满分十分中只获得了一分。

Essential也成为iFixit整理是历史上最难维修的手机之一，其他手机还包括苹果iPhone 7（得7分），谷歌Pixel XL（得7分），三星电子Galaxy S8（得4分）。

在iFixit发出的一封邮件称，在手机可维修性上，Essential被形容为“一团糟”。

鲁宾对于Essential寄予厚望，这款手机定位于高端高价格，700美元的销售价格甚至比苹果和三星电子传统上650美元的定价还高。一些媒体也质疑，品牌知名度处于劣势的Essential定出如此高价格，是否会打击消费者购买兴趣。

但是Essential优秀的产品设计也带来了维修方面的巨大麻烦。据报道，在打开手机后盖之后，人们几乎无法取出任何零部件。为了获取零部件，上述拆解机构甚至打碎了手机屏幕。

据称，这款手机的组装过程中使用了太多的黏合剂，进一步维修难度。这家拆解机构表示，维修的过程中将造成更大的手机损坏风险。

这家机构发现，Essential手机的USB-C接口，居然直接焊接到了手机主板上，意味着很难进行更换或者维修。

外媒指出，虽然Essential手机外观设计华丽，屏占比较高，但是对于普通消费者来说，购买该产品将带来巨大的风险，即可维修性实在太差。

鲁宾长期在谷歌公司负责安卓系统开发，但是特立独行缺乏内部合作精神，后来被谷歌时任掌门人佩齐“痛下杀手”，调离了安卓岗位。在负责了一段时间机器人业务之后，鲁宾从谷歌离职，进入到了新创公司投资、辅导、孵化器等领域。

在Essential公司中，鲁宾担任了首席执行官，智能手机将成为他重新创业的突破口，鲁宾还准备借助手机，在其他智能硬件领域有所突破。

需要指出的是，在离开谷歌之后，到创办Essential之前，鲁宾在硬件软件领域再也没有获得重大发明或者进展。

各种机构数据显示，三星电子和苹果已经垄断了全球高端手机市场，舆论普遍认为，鲁宾和Essential不可能对两大巨头主导的市场格局发起挑战，最好的结果就是作为一家小而美的厂商，依靠小众市场存活下去。

Wi-Fi 对移动计算的使用产生了巨大的影响，使员工可以在任何地方访问公司网络，咖啡店也能成为独立工作人员的办公地点。 但Wi-Fi 也有其缺点，所以诞生了一个新的标准：Li-Fi，如果它可以顺利上市，将能够填补 Wi-Fi 技术的空白。

Wi-Fi的问题在于信号覆盖范围小，尤其是面对墙壁，也容易被黑客劫持。虽然近年来带宽增加，但当太多人同时访问 Wi-Fi时，速度非常容易变慢。

增加更多的Wi-Fi 最多只是一个部分的解决方案。它不能解决安全问题，只能部分解决可扩展性问题。

Li-Fi 或者可见光无线通信，这是一种新兴的无线协议，使用可见光谱来提供无线网络接入。Li-Fi 发射器使用 LED 灯来调节光强度，大多超出我们眼睛可以感知的范围，并且被光敏接收器读取为数据。由于 LED 已经使用芯片来控制其输出，因此它们可以每秒调制高达数百万次，理论上传输数据速度可以比 Wi-Fi 快100倍。

但是 Li-Fi 不是要替代Wi-Fi，而是一种补充。无论我们使用智能手机，平板电脑还是笔记本电脑，两者将同时存在，这需要一个特殊的接收器和发送器来发送和接收 Li-Fi 信号。 也需要一个特殊的编码器/解码芯片将光信号转换成数据。

Li-Fi 仍然是一项正在进行中的技术，但其发明者表示，IEEE 正在考虑将其纳入 802.11 Wi-Fi标准。“通用照明的发光二极管（LED）的引入对于将可见光谱用于无线通信产生了越来越大的兴趣。” 但标准机构仍在寻求其成员的反馈。IDC 移动设备技术和趋势项目经理 Will Stofega 表示，“获得标准认可是很艰难的。” “总是有生态系统和政治上的利益，我总觉得需要大量的工作，但 Li-Wi 是替代连接技术中最有希望的。”

Stofega 警告说，既得利益者将会对造成任何潜在威胁他们收入的技术产生恐惧和怀疑。就像一些 4G 厂商因为威胁其市场主导地位而反对 5G，所以 Li-Fi 也可能会面临反对。他说：“在 Wi-Fi 论坛上肯定会有人说Li-Fi是一个糟糕的想法。”

无线频谱资源紧张

使用光传输数据并不是什么新鲜事； 电视遥控器就是这样的运作方式。 但遥控器使用红外线，其距离和传输量受到严格的限制。

爱丁堡大学移动通信主席兼 pureLi-Fi 公司联合创始人/首席科学官 Harald Haas 教授在 2011年首次提出了 Li-Fi，该公司试图将 Li-Fi 推向市场。

Haas 表示，无线频谱资源紧张，启发他创建 Li-Fi。 Haas 曾经在西门子公司从事 4G 方面的工作。他意识到无线频谱对于多媒体时代是不够的。 此后，他开发了世界上第一个 Li-Fi 无线发射器，并与法国照明制造商 Lucibel 合作，制造了第一个完全集成的 Li-Fi 照明灯具，并在今年的移动世界大会上进行了展示。

他说：“今天的 Li-Fi 就像是十五年前的 Wi-Fi，而在五到十年的时间里，Li-Fi 将像 Wi-Fi 一样无处不在。”

思科企业网络集团高级工程副总裁 Anand Oswal 表示，思科认为 Li-Fi 是一项令人兴奋的新兴技术，具有很大的潜力。 思科的策略是建立 Li-Fi技术，最终开发产品，但他补充说：“我们还处于探索阶段，思科还没有对 Li-Fi 的产品和解决方案做出任何决定。”

思科的一个潜在的整合领域是其数字化建设计划，这是一套解决方案，与飞利浦，Microchip，Cree 和 Molex 的供应商合作，利用思科的以太网供电（PoE）和通用以太网供电（UPoE）的创新，为企业提供电力照明系统。

Oswal 表示：“将企业中的每一个光转换为无线通信媒介的能力，是这个解决方案未来的演变趋势。 思科正在与合作伙伴合作，探索如何将技术无缝集成到思科的无线基础架构中。 “这将使 Li-Fi 技术拥有领先 Wi-Fi 领域的数十年创新。”

能源控制和 IoT 解决方案供应商 EMC 的总裁兼CEO Jerry Johnson 表示，对 Li-Fi 非常感兴趣的是零售商，他们将其视为潜在的蓝牙信标技术的替代品。 他也看到政府，机场和商业空间和大厦的所有者的兴趣，他们希望补充 Wi-Fi 或使用在会议室使用 Li-Fi 。

EMC 计划成为全国范围内 Li-Fi 灯泡的经销商，并已将其部署在80个测试站点。

他说：“我认为将来会有 Li-Fi 和 Wi-Fi 的结合，Li-Fi 占据主导地位。” “ Li-Fi 将大大提高网络的总体带宽，速度和可靠性，更不用说提高通信能力。”

一些公司正在对 Li-Fi 进行测试，但现在他们没有对外透露相关信息。 他补充说，EMC 自己的研究表明，Li-Fi 传输数据可以比传统 Wi-Fi 快100倍。

Li-Fi 如何运作

常规 LED 灯和支持 Li-Fi 的灯泡之间的关键区别在于 Li-Fi 灯泡中的驱动电路发送和接收无线信号，使用不同强度的光对数据进行编码。 一些灯可以通过连接 CAT5 电缆连接到网络，而其他灯可以通过电源线连接接收数据。

Li-Fi 创建了一个双向链路，在两端使用特殊的光电探测器：一端是在房间的 LED 灯中，另一端在移动设备或者插入到移动设备的无线发射器上。 无线发射器将数据发送回LED。 当你在有多个 Li-Fi 灯的房间中移动时，设备会自动检测最强信号来自哪里，并转移到该光源，因此信号始终保持连接和最佳状态。

Haas 估计智能手机和其他设备将在两三年内开始推出 Li-Fi 信号芯片。Stofega 表示，他没有听到移动厂商对 Li-Fi 表示兴趣，大部分厂商都在专注于 5G。

他说：“这不是很难做，也不是很贵，但是移动厂商会希望Li-Fi得到验证之后再进行部署。“他说。 “我甚至不愿意全力投入5G，因为他们仍然在制定标准。”

但是 Li-Fi 与 Wi-Fi 在几个关键方面不同，例如范围，抗干扰和吞吐量。 无线频谱的局限性之一是当你从2.4GHz上升至5GHz时，你将失去覆盖范围。 如果高于5GHz，那么这个范围会进一步缩小。

理论上，Li-Fi的吞吐量远远超过Wi-Fi。 pureLi-Fi 刚刚发布了一个产品，单个小型微型 LED能够以8 Gbps 的速度进行传输。 现在 2.4GHz 和 5GHz 频段已经与诸如无线电话，蓝牙设备和Wi-Fi 之类的现有设备出现饱和，更不用说像增强现实，虚拟现实，无人驾驶汽车和数十亿个物联网设备这样的新技术。

由于可见光与其他类型的射频频率完全不同，因此不存在信号干扰的可能，而且可见光是整个 300 GHz 无线电频谱的1000倍，Haas 指出，LED灯 甚至不需要明亮到足以让人看得见。

最后，Johnson 表示为现有设备添加 Li-Fi 也是比较便宜的。“技术的成本下降得如此之快，将 Li-Fi 加在设备上是没有挑战的。” Li-Fi将使用现有的设备的相机技术。 笔记本电脑或智能手机中的相机会做得很好，他们只需要解码芯片，该芯片必须添加到未来的设备中。 但是如果 Li-Fi 成为802.11规范的一部分，Wi-Fi芯片也将能够处理Li-Fi信令。

灯光产业

Hass 强调，Li-Fi 是 Wi-Fi 和4G / 5G 的补充，不是替代品。“Li-Fi可以被用于路灯，作为智能城市应用的接入点，”他说。 “家用电器的指示灯可以通过天花板灯将这些设备连接到互联网，而带有集成 LED 的可穿戴式设备可以监控健康参数并将数据发送到互联网。”

Li-Fi 的一个缺点也可以被认为是一种优势。 因为它使用可见光谱，所以 Li-Fi 不能穿透墙壁。 在许多情况下，这是一个问题，但是对于安全连接，这是一个优势。 Li-Fi说，对安全感兴趣的人，特别是军方，就像能够建立一个可以锁在一个房间里的无线网络，只要墙壁没有窗户。

思科仍然处于探索 Li-Fi 的阶段，并没有对该技术在商业上做出任何决定。该公司认为，Li-Fi部署将从安全和安全相关的利基市场开始。

“在我看来，当可见光通信的端点生态系统变得更加成熟时，Li-Fi 将实现临界发展，”他说。 “思科可以看到将来将Li-Fi光源出售给提供特定吞吐量，并无缝集成到思科无线架构的企业的。”

Li-Fi 面临的严峻挑战

和任何新技术一样，Li-Fi 也面临挑战。 至少 Wi-Fi 已经得到英特尔的全面支持。 Li-Fi 只是由苏格兰的大学教授驱动，即使他有思科和英国电信这样的盟友。Haas 表示，他们与 pureLI-FI合作，但不会详细说明合作的深度。 Oswal 说：“任何新技术都有几个障碍阻碍其得到广泛采用。” “但是，这些往往只是技术进步与市场化同步的问题。”

Stofega 认为，如果 IEEE 将 Li-Fi 作为802.11规范的一部分，将起到决定性的作用。因为高通，英特尔等厂商都将支持 802.11 芯片。然后就只是一个 LED 灯泡部署的问题。

为了取得成功，Oswal 表示，它必须履行其吞吐量和规模的承诺； 端点设备必须打入市场； 并且需要有一个支持 Li-Fi 的供应商生态系统来构建灯光。

移动咨询公司 J.Gold Associates 的总裁 Jack Gold 表示怀疑。“可见光通信已经尝试了好几年了，这不是新事物，”“你可以获得超大量的带宽，但并不像听起来那么简单。”

而且 Wi-Fi 的运作良好，几乎无所不在。 如果你使用的技术相当可靠，可以提出一项新技术来替代或补充，但是这种技术必须更好，但Li-Fi 还有许多问题有待解决。

首先，你知道自己想要预测或检测什么吗？你有足够的数据进行分析以建立预测模型吗？你有定义模型和训练模型所需的人员和工具吗？你已经有了统计或物理模型来作为一个预测基准吗？

这篇文章对你的人工智能和机器学习项目进行分解，讨论其各个部分所带来的影响，从而帮助你确定公司是否真正准备需要利用机器学习、深度学习或人工智能。

你拥有大量的数据

足够的相关数据是预测和特征识别的必要条件。有了它，你可能会成功；没有它，则注定失败。那么你需要多少数据呢？你尝试纳入模型的因素越多，所需要的数据就越多，无论你是在做普通的统计预测、机器学习还是深度学习。

以销售预测中常见的问题为例，比如，为了避免延迟交货，且不会占用太多金钱和现货货架空间，那么你下个月将在迈阿密出售多少海军蓝短袖衬衫？以及你需要在迈阿密店和亚特兰大仓库中储备多少存活？零售是强季节性行业，所以你需要从多年的历史数据中总结出有统计学意义的月度数据，从而修正月度销量波动，并建立一个年化趋势——这还只是一个标准的时间序列分析。机器学习比统计模型需要更多的数据，而深度学习模型是它的好几倍。

统计模型会分析你的全国连锁店在 5+ 年间的衬衫月销量，并使用这一数据来预测下个月的衬衫销量，可能有几十万（假设是 30 万）。然后你可以预测迈阿密的衬衫销量占全国销量的百分比（假设是 3%），并单独预测出蓝色短袖上衣销量所占衬衫性销量的百分比（假设是 1%）。该模型会指出，下个月蓝色短袖衬衫总销量的 90% 左右将售于迈阿密。你可以通过对比不同产品的年度同店销量来核实预测结果，同时分析它们之间的差异程度。

现在，假设你想要考虑一些外部因素，比如天气和流行趋势。短袖衬衫在热天或晴天时是不是比阴雨天时卖的更好？可能如此。你可以将历史气象数据纳入到你的模型中来做预测，虽然这样做有点笨拙，因为你需要做一个时间序列的统计模型，所以你可能会决定使用回归森林，顺便再试试其它 7 种回归机器学习模型，然后将每个模型测得的「cost」（一个归一化误差函数）与去年的实际结果相比较，从而找到最佳模型。

相比于去年同时段的海军蓝衬衫销量，下个月会更好还是更差？你可以看看海军蓝服装所有的月度销量，并预测出年度流行趋势，然后将其纳入到你的机器学习模型中。或者你可能需要来自时尚媒体方面的信息对模型进行手动校正。（「为以防万一，假设下月销量会提高 20%。」）

也许你想建立一个深度神经网络来完善这个模型。你可能会发现，每添加一个隐藏层，就可以将回归误差提高几个百分点，直到某一时刻，再添加隐藏层也无济于事，此后收益递减。这种情况可能是因为模式中没有更多的特征可供识别，或者更可能的原因是，已经没有足够多的数据来支持模型的深入改进。

你有足够的数据科学家

可能你已经注意到，单个人需要独自建立上面讨论的所有模型。其实不是这样，建模型不仅仅是把数据倒在漏斗中然后按个按钮这么简单。不管你使用哪种工具——尽管供应商可能对此会有要求，它需要经验、直觉、编程能力和良好的统计学背景，这样才能轻松驾驭机器学习，从而实现你的想法。

尤其是某些厂商往往声称，「任何人」或「任何业务角色」都可以使用商家预先训练过、可应用的机器学习模型。如果该模型正好可以解决手头的问题，这话不假，比如将正式的魁北克法语文本翻译为英语，但更常见的情况是，现有的训练过的机器学习模型并不适用于你的数据。既然你已经训练了模型，你就需要数据分析师和数据科学家来指导训练，这更像是一门艺术，而非工程或科学。

在招聘数据科学家时，最奇怪的事情之一就是对工作岗位的要求，尤其是与受聘者的实际技能相比。广告上经常说「招聘：数据科学家。STEM 博士。20 年经验。」第一个怪事是，该领域的发展历程还未足 20 年。第二件怪事是，公司雇佣 26 岁的硕士毕业生——也即除学术界外没有任何工作经验，与 20 年经验的要求相去甚远——偏好那些已经有相关经验的人，因为他们担心高级人员太贵，尽管他们的要求是 20 年工作经验。是的，这很虚伪，且十之八九是非法的年龄歧视，但现实情况就是这个样子。

你跟踪或获得那些重要的因素

即使你有大量的数据和很多数据科学家，你也可能无法拥有包含所有相关变量的数据。以数据库术语的话说，你可能有大量的行，但缺少一些列。统计学上来说就是，你可能有无法解释的方差。

一些独立变量的测量（比如天气观测）很容易获得并被合并到数据集中，甚至可在事后被合并。其它一些变量的测量或获取过程可能较为困难，比如不切实际或成本高昂，即使你知道这些变量是什么。

举一个化学领域的例子。当你在铜上镀铅时，你可以测量氟硼酸镀液的温度和浓度，并记录阳极电压，但如果溶中没有适宜数量的肽链，那么你就不会得到很好的结果。如果你没有称量放入溶液中的肽链，就无法知道这种关键催化剂的剂量，那么你将无法使用其它变量来解释电镀质量的变化。

你有清理和转换数据的方法

数据几乎总是那么嘈杂。测量过程可能会丢失一个或多个值；单个值可能会超出范围，或与同一计量过程中的其它值不相称；电子测量可能由于电噪声而变得不准确；回答问题的人可能并不理解问题本身，或是编造答案；诸如此类。

在任何分析过程中，数据过滤步骤通常需要消耗最多设置时间——是根据我的经验，它占到总分析时间的 80% 到 90%。有些公司在它们的 ETL（提取、转换和加载）过程中清理数据，这样分析师应该永远都看到不良数据点了，而其它公司则将数据与 ETL（以及最后一步的转换步骤）过程放在数据仓库或数据湖中。这意味着，即使是最容易过滤掉的脏数据也会被保存下来，理论上，过滤器和转换步骤需要随着时间的推移而进行改进。

即使是过滤后的精确数据可能也需要在分析前做进一步的转换。与统计学方法一样，只有当每种可能的状态都有相似的行数时，机器学习模型的效果才最好，这意味着，那些最受欢迎的状态数可能会由于随机抽样而减少；同样，当所有变量的范围都被标准化后，机器学习模型才能达到最佳效果。

例如在微软的一篇博文中，微软小娜分析了特朗普和克林顿的竞选捐款，说明了准备机器学习数据集的方式：创建标签、处理数据、设计附加功能以及清洗数据。这种分析用 SQL 和 R 语言做了几个转换，以确定与克林顿或特朗普相关的各种委员会和竞选资金，并基于捐赠者的姓名来确定他们的性别，以及纠正拼写错误，并修复类之间的不平衡性（数据集中有 94% 都是克林顿的捐款，且大部分是小额捐款）。

你已经对数据做了统计分析

在分析数据和解决问题时，最应该避免的就是一个劲地往前冲。在你能够弄清楚发生的事情及其原因之前，你需要退后一步，看一看所有的变量及其相互之间的关系。

探索性的数据分析可以快速显示出所有变量的范围和分布，比如变量对是趋向于彼此依赖还是各自独立、簇位于何处，或哪些地方可能会有离群值。当你的变量高度相关，往往减少分析过程中的某个变量是很有用的，或进行一些类似于逐步多元线性回归的方法来确定最佳的变量选择。并不是说最终模型是线性的，但是在引入困难问题之前，尝试一些简单的线性模型很有用；如果你的模型条件太多，那么你可以以一个超定组（overdetermined system）收尾。

你测试许多方法来找到最佳模型

对于一个给定的数据集，找到最佳模式的方法只有一种：全部试一遍。如果你的建模对象之前已经有很多人做过，但仍具挑战性，比如摄影特征识别和语言识别，你可能不由得只想尝试大赛中的「最佳」模型，但不幸的是，那些模型往往是最为计算密集型的深度学习模型，比如图像识别需要卷积层，语音识别需要长短期记忆层（LSTM）。如果你需要训练那些深度神经网络，你可能需要比日常办公所需的更多的计算能力。

你有足够的计算能力来训练深度学习模型

你的数据集越大，你的深度学习模型就需要越多的层，训练神经网络的时间也就越多。拥有大量的数据可以帮助你训练出一个更好的模型，层数多可以帮助你识别更多特征，但它们也会由于训练时间的增加而对你产生不利的影响。你可能等不了一年的时间来训练每一个模型；一周是比较合理的，特别是因为你将很有可能需要调整几十次模型。

解决训练时间问题的一个方法是使用通用图形处理器（GPGPU），比如使用英伟达公司生产的芯片，来做有关神经网络层的向量和矩阵计算（也称为线性代数）。相比于仅仅使用一张 CPU，同时使用一张 GPU 和一个 CPU K80 往往可以提升 5 到 10 倍的训练速度，如果你能将整个网络的「核（kernel）」输入到 GPU 的本地存储器中的话，而如果使用一张 P100 GPU，则可以将训练速度提升 100 倍。

在一张 GPU+一张 CPU 的组合之外，你还可以建立多个 CPU 和 GPU 的协调网络，以便在更短的时间内解决更大的问题。除非你全年都在训练深度学习模型，且有一个巨大的资本预算，否则你会发现，租赁云端 GPU 的使用时间会是性价比最高的选择。一些深度学习框架，包括 CNTK，MXNet 和 TensorFlow，支持 CPU 和 GPU 的并行计算，对于有着适宜性能 GPU 的大型虚拟机（virtual machine，VM）网络来说，它们已被证明拥有合理的缩放系数（在一个测试中大约为 85%）。你可以找到这些框架，并且它们正越来越多地被安装到由主要云提供商上支持的 GPU 虚拟机中。

你的机器学习模型优于你的统计模型

简单的统计模型为你的机器学习和深度学习项目奠定了基础。如果你不能提升一个给定的模型的性能，那么你就应该对其进行调整或尝试不同方法。一旦你知道你在做什么，你就可以在一个超参数优化算法的控制下，同时为许多模型设置训练参数，然后用最好的结果指导你的下一步行动。

你可以部署预测模型

最终，你将希望实时应用你所训练的模型。预测模型可以运行在服务器、云端、个人计算机或电话上，这取决于应用程序的不同需要。深度学习框架提供了各种选项来将模型嵌入到网页和移动应用程序中。亚马逊、谷歌和微软都是通过生产能理解语音的消费级设备和智能手机应用程序来证明其实用性。

你能够定期更新你的模型

如果你已经利用自己的数据训练好了模型，你会发现该模型的误差率（假阳性和真阴性）会随着时间的推移而增加。基本上，这是因为数据会随着时间的推移而漂移：你的销售模型、竞争对手、风格和经济都会改变。为了适应这种影响，大多数深度学习框架都有一个选项，可以在新数据上对旧模型进行再训练，并用新模型替换预测服务。如果你每月都这样做，应该能够保证你不会受到数据漂移的影响。如果你不能，那么你的旧模型最终将变得不足为靠。

回到本文开头的那些问题，你知道自己想要预测或检测什么吗？你有足够的数据进行分析以建立预测模型吗？你有定义模型和训练模型所需的人员和工具吗？你已经有统计或物理模型来作为一个预测基准吗？

如果已万事俱备，那你还在等什么？