灵光 · 灵光 · · 国科智飞 Gavin
数据网络效应：为什么抄走的册子三个月就过时？
老镖师四十年的路况册子随他入土，驿站墙上的木板却越传越厚。数据网络效应：功能可以被抄走，持续更新的数据流不能。
永宁府的商路上，镖行林立。最老的，是镇远镖局的韩老爷子，走镖四十年，人送外号「活地图」。
他有一本册子，皮都磨亮了，从不离身。每趟镖回来，夜里在灯下记一笔：
「青石峡六月初七响马换了当家的，新当家的不吃银子，吃烟土。」
「铁门关渡口今年汛期提前了十天，重货改走上游浮桥。」
「黑风口冬天狼群下山，绕行三十里，走羊肠谷。」
四十年的册子，翻开来密密麻麻。他的镖从没丢过。别人不敢接的镖他敢接，因为他知道路。货主都找他，他接的镖越多，记的越多，册子越厚。
年轻镖师们偷偷学他，也揣一本小册子。但他们的册子十年也赶不上韩老爷子的零头——因为他们接不到险镖。没有册子，不敢接险镖；不接险镖，记不下值钱的条目。他们的册子上，写满了「此路平安」。
新开的飞虎镖局，镖师个个年轻力壮，刀快马快，就是没有册子。第一趟镖，掌柜的仗着人多，走了青石峡——他不知道峡里的当家的已经换了人。货被扣了，赔光了家底。
飞虎镖局的掌柜登门，想买韩老爷子的册子，出五百两银子。
韩老爷子摇头：「你雇得起刀，雇得起马，雇不起册子。册子不是抄来的，是丢出来的。我前二十年，丢了七趟镖，才学会在册子上写『此路不可行』这五个字。」
掌柜的走了。韩老爷子的册子锁进柜子，从不示人。
几年后，韩老爷子病故。册子随他入了棺。
商路上开始流传一句话：活地图没了，那条路，又得靠命去趟了。
就在这时，驿站里新来了个账房先生，姓周，四十来岁，话不多。他做了一件没人做过的事——在驿站墙上挂了一块大木板，顶上写着三个字：「路况录」。木板分成几栏：「此路可行」「此路不可行」「渡口」「客栈」「响马」。
他请每个过路的镖师、商贩、货郎，把自己这一趟路上看见的事，用炭笔写上去。
一开始没人写。老周自己先写了三条：「铁门关渡口，汛期，船家坐地起价」「青石峡，新当家的，认烟土不认银子」「黑风口，冬天别走，狼群下山」。
一个月后，有个镖师路过，蹲在墙下看了半天，脸色变了——他正打算走青石峡。他赶紧绕道，躲过一劫。
这个镖师第二天又来了，在「路况录」上补了一条：「河湾客栈，黑店，草料里掺沙，马吃了拉稀。」
消息传开：驿站墙上的木板，比任何镖局的册子都全。因为它不是一个人记的——是一百个人记的。每个走过这条路的人，都往墙上添一笔；每个看墙的人，都少踩一个坑。
三年后，木板换成了一面墙，墙上写满了条目。商路上所有的镖师出发前，都先来驿站看墙。
飞虎镖局重新开了张。掌柜的让每个镖师，把墙上的条目抄了一本。可三个月后他们发现：抄下来的条目全过时了——墙每天都在变，你抄走的只是昨天。
掌柜的去找老周：「我把我镖局的册子送给你，你把墙上的条目抄给我，行不行？」
老周笑了：「你的册子是死的。墙是活的。死了的，换不了活的。」
韩老爷子的徒弟还守着镖局，守着他那半本没记完的册子，接的镖越来越少。他听说驿站有面墙，也去了。站在墙下，看了很久。
然后他做了一件所有人没想到的事：把他那半本册子，一页一页撕下来，贴在了墙上。
从那天起，镇远镖局的镖师也看墙了。而且因为他们最懂险路，他们往墙上写的条目，比谁都值钱——墙因为他们更厚了，他们也因为墙，更安全了。
多年以后，商路上再没有「某某镖局的册子」。只有一面墙。
墙是谁的？没人说得清。墙是所有人的。
只有一件怪事流传下来：每年清明，都有人去韩老爷子坟前烧纸，烧的是一页一页的白纸，纸上写着「此路不可行」。
概念：数据网络效应
数据网络效应（Data Network Effects） 由 a16z 合伙人克里斯·迪克森（Chris Dixon）在 2015 年提出：产品用得越多，产生的数据越多；数据越多，产品越好；产品越好，用的人越多。
这是一个自我强化的飞轮。它与经典网络效应的区别在于：经典网络效应的价值来自「人连人」——用的人越多，每个人能连到的人越多；数据网络效应的价值来自「人喂数据」——用的人越多，系统学得越多，每个人都用上一个更聪明的系统。
它有三个著名属性。其一，冷启动悖论：没有数据产品就不好用，产品不好用就没人产生数据，第一桶数据只能来自真实业务和真实失败，没有捷径。其二，活的与死的：护城河不在「拥有数据」，而在数据持续回流进产品，静态快照会迅速过时。其三，共享复利：私有数据是孤岛，共享数据是飞轮，每个贡献者同时也是受益者。
在 AI 时代这是最深的护城河之一——功能可以被复制，持续更新的数据流抄不走。
故事里的映射
| 故事里的元素 | 现实中的含义 |
|---|---|
| 韩老爷子的私人册子 | 私有数据与个人经验 |
| 驿站墙上的「路况录」 | 共享的数据平台 |
| 账房先生老周 | 平台搭建者：设计让数据自动沉淀的机制 |
| 每个镖师往墙上写一笔 | 每一次使用都在贡献数据 |
| 看墙的人少踩坑 | 数据反哺业务 |
| 飞虎镖局抄墙 | 竞品能复制功能，复制不了持续更新的数据流 |
| 「册子是丢出来的」 | 冷启动悖论：第一桶数据来自真实业务和真实失败 |
| 徒弟把册子贴上墙 | 企业把私有经验变成系统资产 |
| 「墙是所有人的」 | 越共享越增值，谁也拿不走 |
现实中的数据网络效应
- 导航软件靠每位司机的实时路况，越多人用，路线越准
- 搜索引擎靠点击反馈不断调整排序，用的人越多，结果越合意
- 流媒体平台靠观看行为优化推荐，推荐越准，停留越久
- 内容团队的每一次发布与复盘如果能回流成选题库，下一篇就更准
给 AI 时代的企业
采购 AI 时，别只比较模型与功能，要看它有没有「使用即沉淀」的机制：每一次业务动作，是否自动变成企业自己的数据资产。数据治理、回流闭环、共享机制，往往比算法本身更决定长期价值。私有数据是孤岛，能持续回流的墙才是护城河。
灵光 · 用一个故事讲清楚一个概念。