引:美国Cornell大学的计算机科学教授Jon Kleinberg说，结果是"测量方式上的革命"和"在将计算和算法处理引入到社会科学上迈出了一大步
美国维吉尼亚州Richmond市的警察局长Rodney Monroe，将自己描述为终身制的警察，专业知识是关于和街头犯罪做斗争，而不是软件上。他说，他自己的浏览网页主要是查看高尔夫的积分。
但是在2005年他当上局长之后不久，一个从警察局退休的犯罪分析师让他试一试一些聪明的软件。这些程序会检查警察局收集到的信息，比如打给急救中心或者警察局的电话，但是加入了新的数据--比如，街区人口统计和发工资的日期，或者关于天气、交通流量模式和体育赛事--来预测犯罪会在哪里发生。
"起初这听起来很疯狂，"Monroe回忆，"但是当你慢慢想一想，这就越来越有道理。"
比如，这个技术指出发工资的日期在西班牙人的街区抢劫犯罪会比较多，在这些街区很少人使用银行而且随身携带现金的人很容易成为抢劫的对象。另外，在夜间的某些时候，在一些地区会集中发生随意开枪的事件。额外的警力会部署在那些犯罪极可能发生的区域。
Richmond市的犯罪率在2006年下降了大约20%，并且在今年还将继续下降。
Richmond的经验是正在成为主流的先进计算和数学分析浪潮中的一部分。助长这个趋势的还有信息的数字化，更快、更廉价的计算和在线网络和数据收集的爆炸增长。
美国Cornell大学的计算机科学教授Jon Kleinberg说，结果是"测量方式上的革命"和"在将计算和算法处理引入到社会科学上迈出了一大步。"这种现象在经济学、商业和犯罪预防上是非常显著的。
传统上生产力研究是集中在制造，因为产品记件和工厂中工人的算人头是很容易测量的，MIT Sloan管理学院教授Erik Brynjolfsson注意到。
以往，信息工作者的生产力--在西方社会中劳动力占很多比例--都被调整到被经济学家标注为"难以测量"的一类中并且表示稍微的遗憾。
但是在数字时代，Brynjolfsson说，开启了对专家和办公室工人的劳动进行详细测量的大门，这些人处理来自于客户、供应商、同事和营销人员的信息。
"我对生产力的认识已经完全改变了，"Brynjolfsson说，他还是美国国家经济研究局的研究人员。
通过跟踪电子邮件流量、及时通讯消息和其他的数字通讯--从个人可识别的信息中剥离出来--他和其他研究人员开始对公司内部社会网络中流动的工作和想法进行研究--一分钟一分钟、一个数据位一个数据位。
"我们真的已经能够用比以往更加科学的方法来理解公司内部发生的事情。"他说。"这非常类似于17世纪显微镜为生物学所开创的道路，这样你可以看到血液细胞。现在我们开始看到信息字节在公司的器官中流动。"
利用计算和数学分析能力的想法由来已久。在1960年代和1970年代，"运筹学"(operations research)结合计算能力和数学主要是让工厂生成更有效率。而且在那一时期，"决策支持"(decision support)软件被用于帮助经理更加智能的使用在大计算文件--数据库--中的信息。
但是早期的努力主要限于信息访问和报表系统，Babson学院的教授Thomas Davenport说。数据的数量和质量通常是不够的，他表示，并且那时的软件并没有像现在这样做先进的优化以及预测运算。 |
