地理位置数据能让你想的更多吗？

自从听到万维钢老师用“二阶导数”来描述高级的感受状态，我就迷上了这个说法。万老师说：需求是“want to”，是对现状的改变，是现状的一阶导数；而渴望是“want to want to”，是对需求的改变，那就是现状的二阶导数。我用一个具体的例子来解释这个二阶求导的玄学：

需要改变自己的行为，为儿子树立一个好榜样，是一阶导数；

渴望做一个好爸爸，通过成为一个好爸爸进而成为更好的自己，这是二阶导数。

万老师的这个定义太高级，我就俗气很多：凡事儿多想想更深的原因。我们可以锻炼自己养成对各种问题有多层级解释的习惯，对表面现象或者观念再次求导，试着能不能探究深度的理解。

我在工作中遇到的位置决策场景，这种体验很多。高房价地区周边会有高消费，这是一阶的，周边的业态组合代表了高房价住户的消费习惯，适合该业态的商业类型商机更多，这是二阶的；看现实情况，业态组合丰富多样，说明商机巨大，这是一阶的，从历史数据看，是业态稳定存在，还是竞争惨烈而导致频频撤店，这是二阶的；看星巴克开在哪里，这是一阶的，通过一些列品牌的组合，评判商圈的相似度，这是二阶的。

不仅是专业的地理信息和数据分析工作者有诉求，通过高阶的思考来体现自己的专业性，即便仅靠公开信息的媒体工作者，也能让深度思考显出威力。前阵子因为安克雷奇会谈后，引发大国之间的较劲，进而造成棉花和若干服装品牌的危机。先放下这些不明就里的西方媒体引用一两篇严重失实和严重偏见的研究报道，我从一些数据探究中看到了位置数据的另类使用。BuzzFeedNews的一篇文章，作者想到了百度地图上那些“有意”隐去遥感影像的地区，到底在隐藏什么端倪，于是就在别的影像数据上做探索，反而帮助了他去实地有目标的考察。这是现代版的“此地无银”提醒了作者的二阶思维。

为了方便读者理解，用对比来进行叙事，这也是一种高阶思维方法。读者在这种叙事下，很容易被意外感性因素打动。

我在做位置数据的研究中，有意的训练自己的高阶思考能力。最近我发现了个好例子，对我来说是很棒的启发。这个例子是关于特斯拉股价能不能维持，到底是不是泡沫，两位专家的论点和论证的过程。首先听听北京大学徐远老师的论述，总结如下：

1. 特斯拉的估值特别高，不合理的高。从市盈率上评估，正常一点的大公司，20/30倍的估值已经不便宜。成长性好的，50倍就是已经很贵的股票了，200倍就太贵了，而特斯拉是1100倍；
2. 从市销率（总市值和销售额的比率）上评估，特斯拉是20多倍。而传统车企是0.5倍，也是差了2个数量级；
3. 电动车完全替代燃油车，短期内做不到。如果不能短期内就做到替代，或者没有必要全都替代，况且自动驾驶的概念为时尚早，特斯拉就不可能实现对应估值的利润；
4. 特斯拉不能类比苹果手机的平台（iOS应用市场是个生态系统）经济模式，因为我们使用手机是随时随地的，而呆在车里不能不回家、不上班，使用特斯拉提供的平台服务场景很有限；
5. 2020年的数据显示，欧洲的纯电动车销量大涨，但特斯拉却是下跌的，说明其竞争不过那些转换到电动车赛道的传统车厂，如果没有了补贴，特斯拉在新能源车上的利润总量优势就更小了；
6. 特斯拉的电池技术和自动驾驶技术并没有什么优势；
7. 马斯克本人爱炒作，出风头，还恶意的怼巴菲特；
8. 从股市上的换手率来看，特斯拉换手率很高，投机特性明显，这不是投资。

而认为“特斯拉在与传统车商的竞争中赢定了”，也不认为特斯拉股价是泡沫（短期内波动很正常）的海银资本的王煜全老师，他的逻辑如下：

1. 判断创新企业的阶段，量产是关键，而在电动车的量产能力上，特斯拉做到了全球最好（包括对比传统车企），有望在2030年年产2000万辆；
2. 特斯拉并不只靠生产整车赚钱，汽车产业链的各个环节：从汽车零部件、整车制造、整车销售和汽车维修，特斯拉全部都占据；
3. 从特斯拉的用户目标车型来看，现在定位的是C级，将来是B级和S级，不是mini型，所以不能从所有电动车销量上做对比，如果那样比，你可以说五菱宏光最强；
4. 全球社会发展下一个时代的市场形式是卖服务，传统卖产品的市场与卖服务的市场相比是九牛一毛，特斯拉本质是在卖服务；
5. 特斯拉在软件架构上遥遥领先，在电池、电机、电控、车载芯片、自动驾驶、生产制造技术都全面领先对手，尤其是特斯拉整车OTA（Over the Air空中自动升级）领先同行5年以上；
6. 成熟期的科技企业应该全面的从这些角度来看：科技战略布局，运营平台化，公司整理结构，市值管理，生态化布局。特斯拉已经是成熟期的企业了，这几点都做得很好。

徐远老师和王煜全老师都是我非常敬佩的学者和投资人，他们在各自擅长的领域都很有建树。就特斯拉股价的解释，在其技术先进与否的判断上两个人的意见直接相左——王煜全老师本人特别钻研硬科技，徐远老师的专业是宏观经济和投资，如果尊重常识的话，王煜全老师对特斯拉技术的判断应该更有发言权——除此之外的其他方面他们都是用不同的角度在做分析。如果我们就从高价值≈高股价的前提下看，我认为王煜全老师的思维更高阶。这种高阶体现在看问题的深度和广度上，读者可以细细体会，这里不再赘述。当然如果说将来特斯拉的股价到底是涨跌多少，我个人更愿意复制的是万老师和吴军老师的思维：完全随机。我甚至认为他们这种思维更加高阶，因为他们对股价的认知是从数学模型上做分析的。

再举一个思维比拼的例子。我最近在看《未来呼啸而来》——书中开篇故事就是优步要建立飞行汽车车队的全新出行模式。

对于优步做飞行汽车，为什么会很快实现，作者给出的解释是：

1. 优步飞行汽车的负责人霍尔登是亚马逊最早的员工之一，Prime会员就是他发明的，他在优步创建了优步拼车，优步拼吃的业务，大胆的创意天一定能做出大胆的事情；
2. 2019年至少有25家飞行汽车公司获得了总额超过10亿美元的投资，谷歌创始人拉里·佩奇投资了其中的三家；
3. 优步会租用“巨型空中机场”，能在7-15分钟内为飞行汽车充好电，具有每小时处理1000次起飞，着陆4000人的能力，但却占用不超过12000平米的面积；
4. 机器学习的进步，材料科学的突破，新生产工艺的出现，这些新技术叠加组合产生爆炸性的效力。

而我听到卓老板（科普作家卓克）在得到专栏对飞行汽车进展的判断截然相反：

1. 像洛杉矶这样的城市需要200万架100米高度的飞行器解决通勤需求，那么会排队（想象一下200万起飞和降落）等起飞时间，堵车从道路上要挪到停机坪上；
2. 无人飞机的乘坐成本还是太高了，即便无人飞机技术将来会很成熟，与其相比纯电动自动驾驶提前20年就能将成本做到飞行汽车的1/4；
3. 直升飞机目前的每百万飞行小时的事故要比民航客机高100倍，而管理部门要求飞行汽车要比商用民航客机还要低（三天两头掉飞机谁也受不了），飞行汽车本质上是直升飞机，那这就需要几个奇迹叠加才行；
4. 要求把机器学习、新能源、新式传感器、高性能芯片、新材料全都做好，等20年才有可能接近今天传统的出行方式（这里面卓老板还有概率的数学计算，细节不表）。

对于飞行汽车前景的判断，谁的思维“更高阶”，这个思考留给聪明的读者。这两个例子让我在移情到决策者身上时，有了更多的思维拓展。无论是政府部门管理者，信息部门的负责人，还是行业分析师，数据工作者，Ta们很多时候都在回答有关位置的问题。例如：

• 数：发展最好的五家产业园区在哪儿？
• 度：它们分别占地有多大，覆盖多少工作人口？
• 联：在同一区域，哪些企业与园区企业有竞争关系？还是上下游关系？
• 比：在哪儿最适宜拓展类似的园区？放到全国去看呢？
• 模：20-30岁年轻人聚集的住宅区域是怎样分布的？
• 估：根据现有园区周边和产值的关系，怎么预测新园区的产值？

这些问题一个比一个难回答，也可以理解为决策者和分析者更需要拥有高阶思维。显然这些思维的实践不是说说而已，需要锻炼也需要数据和工具。但一些小小的改变，就会显得挺高阶的，就如BuzzFeedNews的文章中，将作者关注的目标物与中央公园的大小做对比，就有很强的概念进化。最后，如何训练自己的高阶思维，我有四点建议：

1. 对新鲜事儿好奇。自己折腾去找信息验证或者反驳感兴趣的观点；
2. 研究数据。喜欢有数据的论证过程，也习惯于用数据去做论证；
3. 探索自己是怎么做判断的。为自己想了两层的思维过程鼓掌；
4. 不知道就说不知道。听对方讲Ta的观点，询问Ta的前提和论据。