首先，数字化技术的大规模应用，意味着人们可以通过计算机进行大规模数据处理，并通过对收到的数据进行解读、判断、分析、预测，帮助我们在复杂的社会网络中，发现事物中那些发生交互作用的枢纽节点，进而找到解决问题的路径。

在《大数据思维与决策》一书中，作者伊恩·艾瑞斯（Ian Ayres）讲述了一个非常有意思的案例。有位名叫奥利·阿什菲尔特（Orley Ashenfelter）的统计学家爱好收集红葡萄酒，他非常好奇为什么某些年份、某些产地的红葡萄酒品质非常高并且值得收藏。

由此，他萌生出用数据模型计算红葡萄酒品质的想法。然而，这个想法在当时的红葡萄酒收藏者看起来是多么的不可思议，专业的品酒师也认为这个想法行不通，但奥利却坚信不疑。他将影响红葡萄酒品质的气候条件如降雨量、气温等，都做了周密的分析和研究，最后真的得出了一个数学公式：葡萄酒的品质=12.145+0.00117×冬天降雨量+0.0624×葡萄生长期平均气温-0.003 86×收获季节降雨量。

一开始，人们并不相信这个公式真能预测红葡萄酒的品质，很多品酒师甚至嘲笑奥利。但是接下来的事却让所有人惊呆了，从 1986 年这个公式诞生以来，从未失误过。奥利通过数据在红葡萄酒酿造系统中找到那些能够带来增长的节点以及这些节点发生的交互作用，准确地预测了一年又一年的葡萄酒品质。

通过这个案例，我们可以清晰的看到， 一个事物的数据化程度越高，人们对这个事物的解读、解构、判断、分析、复制、预测的效率就越强。

在 2020 年「新冠肺炎疫情」期间，中国政府为什么能够这么迅速地有效控制疫情的蔓延？

其中一个很重要的原因，就是借助了数字化技术，对几百万从武汉迁出人口的流动进行跟踪定位。相关机构，通过对交通、旅游、医疗等方面的数据进行大规模的处理后，实现了在最短的时间内准确地找到潜在的感染者，并做到了第一时间的隔离。

你可以打开百度，使用百度地图迁徙大数据，就能够清晰地呈现疫情期间武汉迁出人口的流动趋势。

数字化技术带给我们的第二个改变，就是打破了时间与空间所产生的隔阂，让信息传递变得更加便捷。

举个很多人都亲身经历的案例。2020 年初，因为新冠肺炎疫情的爆发，让不少企业难以如期复工，为此掀起了一场「宅家」远
（本章节未完结，点击下一页翻页继续阅读）