为什么西瓜小贩要包熟包甜？
为什么尿布和啤酒放在一起买？
如果韩信活到今天，还会不会是一个好领导？
为什么要和女友的前男友交朋友？
为什么火眼金睛反而是一种累赘？
为什么西瓜小贩要包熟包甜？
知识点·信号博弈（Signaling Game）
我从小在贺兰山脚下的戈壁长大，就是那座岳飞在《满江红》中要“踏破”的贺兰山。茫茫戈壁上可以说是几乎寸草不生、满眼黄色，不过，我们那里倒是盛产西瓜。一到盛夏，西瓜摊儿沿着马路摆了一溜，从外面回家顺手买一个西瓜好像成了习惯。那时候，我发现了一个困扰我几十年的现象：有部分的瓜贩打出了“包熟包甜”的促销策略，但不是每一个瓜贩都这样，这是为什么呢？
当然，吃了几十年的西瓜后，我终于明白了这个道理，那其实是一个典型的信息不对称现象。西瓜好不好、熟没熟，普通人是无法透过绿油油的西瓜皮看出来的，即便是有经验的瓜贩，单是从“望闻听切”也不是能做到百分之百准确。那么，甜不甜不打开尝一尝就不会知道了。西瓜的质量这个信息在这种情况下就是不对称的，因为买家在交易前没有这个信息。
买家很着急，花了钱拎回家，结果是个生瓜蛋子，多令人丧气。和买家相比，有的卖家更着急。一条马路上或者一个菜市场里，西瓜贩子多了，商品又基本上可以完全替代，所以竞争很激烈。哪些卖家最着急呢？就是那些真正卖好瓜的瓜贩们。他们可能是高价进的好瓜，也可能自己是瓜农，悉心种了几个月，在种子、肥料、水和阳光上投资不小，所以他们知道自己的瓜好。可他们着急啊，因为顾客不知道。
你可能会说，这还不简单，咱们大声吆喝呗：“我的瓜好，我的瓜就是好！”让所有的顾客都知道，把瓜好这个不对称的信息传递出去。中国有句俗话说的正是这个事儿：“王婆卖瓜，自卖自夸。”试想，张大爷种的好瓜，大声吆喝，王婆种的烂瓜，也大声吆喝是好瓜，其结果呢，就是把顾客搞糊涂了。最后张大爷是把信息传递出去了，但是也没用啊，因为顾客不知道哪个信息是准确的、是可信的。
为什么会出现这种情况呢？就是因为“大声吆喝”这个策略几乎没有成本，张大爷和王婆都承担得起，都可以做。有没有一个办法，张大爷能做但是王婆做不到，而且顾客一看就知道这传递的是好瓜的信息呢？有，这就是“包熟包甜”。也就是说，如果瓜不熟，或者不甜，顾客可以拿回来退掉。当然，张大爷也不能保证自己的瓜百分之百都熟，百分之百都甜，但是熟瓜、甜瓜的比例肯定比王婆的高很多。这样一来，如果王婆继续学张大爷“包熟包甜”的策略，她就惨了。张大爷10个瓜有1个被抱回来退了，损失一些，但是还有赢利；可王婆呢，10个瓜有4个会被抱回来退了。王婆也不傻，一算，损失的还不够本呢，得，咱还是别学张大爷了吧，蒙一个是一个，蒙俩赚一个。
这就是经济学里的信号博弈。当两个竞争者争夺一个市场的时候，他们一个是好，一个是坏，好的那个就要找到一个信号把自己是好的这个信息传递给市场。这个信号的选择很关键，要找到一个自己用得起，但对方用不起并且市场看好的策略。这个经济学概念最早是2001年诺贝尔经济学奖得主之一迈克尔·斯宾塞（Michael Spence）用在劳务市场上的，有两个人，能力有高有低，都在劳务市场找工作，不对称的信息就是“能力”，因为雇主一下子看不出来。能力这东西，得招来用上几天，才能看出上下，正所谓的“是骡子是马拉出来遛遛”。可是，招来发现能力差炒掉再招很耽误事儿，成本也高。另外，最着急的是能力高的那个人。“我挺有能耐的怎么老轮不到我出来遛遛？怎么办？”得找一个信号，让雇主一看就知道自己能力比另一个高。显然，在简历上写上三个大字“能力高”不行，因为另一个能力低的早写好了。如上所说，要找到一个有成本的信号，这个有成本的信号就是一个更高的学位，能力高的能承受这个成本而另一个能力低的不能承受。比如，在职工商管理硕士的学位就是一个证明你很有能力的信号，在劳务市场上可以帮助传递你个人能力的信息。在职工商管理硕士的学生们白天上班，下班后来不及回家和家人吃饭就跑来上课，周末把家人撂在边上还得做作业。但是，可以肯定的是，他们还是有时间陪家人的，能够在有限的时间里完成繁重的课程，把对生活的影响减到最小。如果是能力有限的人，就要花更多的时间去完成繁重的课程，有的根本完不成，即便是每星期正好能完成课程和作业，也没时间陪老婆和孩子，估计没读完就让老婆给叫停了。所以，能力低的人费力多，从而转换成无法承受的成本，拿不到学位，最终让高一级的学位成为一个有效的能力信号。
这就是迈克尔·斯宾塞关于信号博弈在劳务市场竞争的精髓所在。其实这种以学位作为信号在劳务市场略胜一筹的策略也不是总灵，有的时候拿不到学位的人反倒是能力很强的。远的有三国时期吴国的大都督吕蒙，吴下阿蒙目不识丁，照样统领三军击败并俘获蜀国名将关羽；还有晚清重臣、著名湘军将领、洋务派首领左宗棠，少时屡试不第，最后只是个举人，也照样成为青史留名的著名大臣，官至东阁大学士、军机大臣，封二等恪靖侯；即便是晚清中兴之重臣曾国藩也不过是“同进士”而已。近的呢，有微软创始人比尔·盖茨、脸谱（Facebook）创始人马克·扎克伯格，都是哈佛没毕业的辍学生。
信号博弈应用之广，不仅限于人类，甚至有些动物也懂，并能熟练使用。动物最重要的生存手段是要找到合适的异性交配，繁衍下一代。于是，一只雄鸟如何得到雌鸟的青睐很重要，好听的叫声在自然界里不容易打动雌鸟，因为谁都会叫两下，都是天生的音乐家，所以此信号基本无效。雌鸟看重的是一只雄鸟的生存能力，没有足够的生存能力，又谈什么养育、保护小鸟呢？所以，长有大尾巴的雄性鸟类的大尾巴就是这样一个信号，因为大尾巴更加可能被天敌发现从而招致攻击，所以没点儿本事的鸟轻易不敢长大尾巴。即便是狼，也有“装大尾巴狼”这样的俗语，这是同样的道理。有本事的雄性鸟类通过长大尾巴向雌性鸟类发出“我最好”的有效信号：你看我给自己增添这样大的麻烦，我比别人被天敌攻击得多，但我照样没事儿，还活得好好的，你就放心地“嫁”给我吧！
如前面关于西瓜的例子所讲，和“包熟包甜”类似的一个策略，就是产品的保修期。同样，产品的质量是不对称信息，好的公司想把自己高质量的信息透露给顾客，产品保修期的长短是一个有效的信号。因为质量差的公司不敢承诺长保修期，否则将会有很多维修导致亏损。比如汽车行业，我大致查了几家汽车公司规定的保修期。
瓜贩的“包熟包甜”困扰了我这么多年才得其解，有意思的是，我这几年夏天在北京小住，发现了更有趣的现象，和我前述的卖西瓜很相似，但略有不同。在小区菜市场里的瓜贩有“包熟包甜”的也有不“包熟包甜”的，而在马路边拉车来卖的基本上都是“包熟包甜”的，这又是怎么回事呢？其实道理很简单，菜市场里的瓜贩是常驻的，要是质量不好，一找一个准儿，他们经不起折腾。而马路边拉车来卖的是临时的，“包熟包甜”忽悠你先买了，等你晚上吃的时候发现没熟再去找，人家早打一枪换一个地方，走人了。
为什么尿布和啤酒放在一起买？
知识点·数据挖掘（Data Mining）
我们正处在一个信息大爆炸的年代，主要表现在大量信息的产生并以数字化的方式被记录下来。之所以会有信息大爆炸，一个主要的原因是信息技术的成本大幅下降并且迅速广泛普及。10年前，一台个人电脑的硬盘大概也就是1GB大小，今天硬盘的大小都用几百GB甚至TB（1TB=1024GB）来衡量了，而价钱基本上没有变化。正是信息技术的普及造就了信息大爆炸的年代。信息多了，是好事儿，也是坏事儿。好事儿呢，是因为信息可以帮助人们更好地决策；坏事儿呢，是因为信息太多了，如何找到有用的信息又变成了一件难题。
大海捞针，出自明代戏曲作家王錂的《春芜记·定计》：“觅利如大海捞针，搅祸似干柴引火。”你想想，大海有多大、多深、多广阔，而一根针又是多么细微和渺小，要想在广阔的大海里找到一根针，是一件不可能完成的任务。在今天的信息大爆炸年代，代表信息的数据就好像大海，广阔无边，而要在这广阔的大海里找到想要的某一条信息，也确实是一件很难的事情。所以说，大海捞针的“捞”其实很形象地刻画了数据挖掘的过程。
简而言之，数据挖掘就是从存放在数据库中的大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的过程。这个定义说出了数据挖掘的四个基本特征：一是有效；二是新颖；三是有用；四是可理解。这四个基本特征缺少一个就不是严格意义上的数据挖掘。“有效”是指数据挖掘过程所使用的方法是正确的，无论用统计抽样、假设检验，还是人工智能、模式识别和机器学习等方法，都要是正确地使用。“新颖”是指数据挖掘结果是意想不到的、事先不知道的，如果是已经知道的，还费那么大的力气去挖掘什么呢。“有用”是指数据挖掘结果可以用来指导公司决策，否则，费了九牛二虎之力挖掘出来的东西岂不都是垃圾。“可理解”是指数据挖掘结果能够用常识或理论解释，如果解释不了，那么这个结果很可能是碰巧得来的。这次碰巧得到了，不知道下次还能不能碰上，这样的结果使用价值也不大。
数据挖掘的应用之一就是关联规则，通过对大量数据的分析，找到两个或几个总是同时发生的事件。对于关联规则，有一个关于沃尔玛的传说，之所以说是传说，是因为这个故事在商学院MBA课堂上广泛流传，谁也不知道源头在哪里，到底是不是真的。有一个学期，我有几个学生非常较真，做了大量的搜索工作，最后也无法确定这个故事的源头和真相，这故事后来就成了一个谜，反倒更增加了它的吸引力。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的历史购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库集中了其各门店的详细原始交易数据，在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘，发现了一个很有意思的现象：婴儿尿布和啤酒有很高的相关度，即跟尿布一起购买最多的商品竟然是啤酒！
不要忘记我们前面说的四个基本特征。有效？没问题，沃尔玛的数据存储和分析肯定都是正确有效的。新颖？当然！在这之前，谁会想到啤酒和尿布会是一起购买最多的商品呢？那么，这个发现有用么？当然有用，这个发现可以帮助沃尔玛商场合理摆放商品。一个从众思维的经理会利用这个发现把啤酒和尿布摆放到一起，方便顾客购买，这是中规中矩。但是，一个有批判思维的经理会觉得把啤酒和尿布摆放得越远越好，这样一来，顾客拿了啤酒就要在商场里穿过别的货架去拿尿布，这个过程中可能又看到别的感兴趣的但没准备买的东西，也装入购物车，增加了商场的额外收入。最难的应该是最后一个特征，这个现象可不可以解释？它是不是一个纯粹的巧合？在把这个故事讲了几十遍以后，我的学生们基本上有两个解释。一个是有了孩子以后，丈夫出去泡酒吧的机会少了，只好自己买啤酒在家自酌自饮。另一个是丈夫工作了一天回家还要照顾孩子，很累，有一些抑郁，于是需要一些酒精的麻醉，借酒浇愁。应该说，这两个解释都基本可信。所以，这个发现符合四个基本特征，是一个典型的数据发掘的应用例子。
数据挖掘还有一个有趣的例子，也是关于沃尔玛的，但这个是真的，不是传说。沃尔玛想知道在自然灾害来临前，比如飓风、龙卷风等，顾客都买什么东西。也就是说，想通过数据发掘找到和自然灾害预报相关的顾客购物习惯。通过对其各门店的详细原始交易数据的挖掘，沃尔玛确实发现了一种商品顾客买得相当多，而沃尔玛以前却不知道。通常，人们会猜是电池、水、面包、胶带等，但是，这些商品和自然灾害的相关性还用数据挖掘吗？根本不用！人人都知道自然灾害来临前要买这些东西，所以他们不构成新颖的特征。沃尔玛发现一种新颖的商品——高糖压缩饼干。仔细一想，这个也好理解，如果自然灾害真的很严重，把人在地下室困上几个星期的话，面包早就坏了，而高糖压缩饼干，别说几个星期，就是几个月甚至几年，都没问题，并且高糖压缩饼干体积小、易携带。那么，沃尔玛如何利用这条数据挖掘结果呢？很容易，每次有自然灾害预报的时候（比如飓风要来了），它就要保证店面里有充足的高糖压缩饼干供应，不要脱销。
那么是不是有的时候数据挖掘的结果无法解释呢？当然有。好莱坞著名女星安妮·海瑟薇（Anne Hathaway）的姓和华尔街投资家巴菲特的公司其名称的后一个词一模一样，都叫“Hathaway”，一个叫Anne Hathaway，一个叫Berkshire Hathaway。有好事者做了一个数据挖掘，发现如下有趣现象：
●2008年10月3日，《Rachel Getting Married》首映；同天，巴菲特公司的股票（BRK.A）上涨0.44%；
●2009年1月5日，《Bride Wars》首映；同天，巴菲特公司的股票（BRK.A）上涨2.61%；
●2010年2月8日，《Valentine's Day》首映；同天，巴菲特公司的股票（BRK.A）上涨1.01%；
●2010年3月5日，《Alice in Wonderland》首映；同天，巴菲特公司的股票（BRK.A）上涨0.74%；
●2010年11月24日，《Love and Other Drugs》首映；同天，巴菲特公司的股票（BRK.A）上涨1.62%；
●2010年11月29日，安妮·海瑟薇被选为奥斯卡联合主持人；同天，巴菲特公司的股票（BRK.A）上涨0.25%。
每当好莱坞著名女星安妮·海瑟薇的电影上映的那天，或者其他正面消息的那天，巴菲特公司的股票都不同幅度地涨了！新颖不？太新颖了！有用不？太有用了！能解释不？太难了！有一种可能就是投资者以为巴菲特的公司和好莱坞著名女星安妮·海瑟薇有某种裙带关系，所以电影出来的时候，也就是公司股票利好的消息。可这基本不可能，巴菲特的公司股票一股要十几万美元，根本就不是普通投资者能买得起的，那些精明的投资公司绝对不会笨到不知道巴菲特的公司和好莱坞著名女星安妮·海瑟薇有没有裙带关系的地步。所以可以肯定地说，这是一个纯粹的巧合，没有任何的因果关系。解释不了，就不是数据挖掘。
如果韩信活到今天，还会不会是一个好领导？
知识点·商业智能（Business Intelligence）
秦朝末年，楚汉相争，有一次，韩信率领1500名将士与楚王大将李锋交战。苦战一场，楚军不敌，败退回营，汉军也死伤了四五百人，韩信整顿兵马也返回大本营。当走到一个山坡的时候，忽有后军来报，说有楚军骑兵追来：只见远方尘土飞扬，杀声震天。汉军本来已十分疲惫，这时队伍大哗，韩信率兵马到坡顶，见来敌不过区区500人左右，便急速点兵迎敌。他命令士兵3人一排，结果多出2名；接着命令士兵5人一排，结果多出3名；他又命令士兵7人一排，结果又多出2名。韩信马上向将士们宣布：我军有1073名勇士，敌军不足500人，我们居高临下，以众击寡，一定能打败敌人。汉军本来就信服自己的统帅，这一来更认为韩信是“神仙下凡”、“神机妙算”，于是士气大振，一时间旌旗摇动，锣鼓喧天，奋勇地杀向楚军。楚军没想到汉军大战之后仍旧如此勇猛，乱作一团，接战不久便大败而逃。
这道题放到今天顶多就是一道初中奥数题，不算难，但是放到2000多年前，会做这道题的就能当一个常胜将军，可见人类文明的进步对领导的智慧要求也越来越高了。韩信点兵的过程实际上是一个商业智能应用的简单版本。他先是把数据整合好，即把队伍拉拢到一起，准备点兵；然后对他们进行比较分析，即让他们站不同的队，3人一排、5人一排、7人一排；最后把比较分析的结果进行处理，作出决策，即3人一排多2名、5人一排多3名、7人一排多2名这个结果。当时也没有计算机，韩信就用他那聪明的大脑一琢磨，就知道有多少人了，结果以众击寡，鼓舞了军队的士气。
到了2000多年后的今天，就算是韩信还活着，甚至比当初还聪明数倍，肯定也无法应付现代复杂多变的环境。无论在现代战场上，还是在现代商场上，每一个决策都是由多元变量组成，现代信息技术的发展又提供了大量的数据，已经远远超出了人脑可能存储和处理的范围。比如韩信当年点兵也不过千人，即便是大汉的军队最多也不过十几万。而今天呢？一家大一点儿的公司其客户群体动不动就是上千万甚至上亿，比如新浪微博的用户数2011年4月左右就超过了1亿。于是，为了适应这样超级复杂的商业环境，为了能够更准确地作出决策，以信息技术为依托的商业智能也就应运而生。简单地讲，现代商业智能的过程与目的和韩信2000多年前点兵时候做的事情是一样的，只不过题目更复杂、处理更困难罢了。
所谓商业智能，就是将企业中现有的海量数据转化为可以用来决策的知识，以帮助企业作出明智的业务经营决策的工具。这些数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等，还包括来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的。为了将数据转化为知识，需要利用数据仓库（Data Warehousing）、在线分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、在线分析处理和数据挖掘等技术的综合运用。数据仓库是商业智能的基础，许多基本报表可以由此生成，但它更大的用处是作为进一步分析的数据源。在线分析处理技术则是帮助分析人员和管理人员以多种角度把从原始数据中转化出来、能够真正为用户所理解的并真实反映数据特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
中国光大银行就是商业智能应用成功的一个例子。作为国内最大的股份制商业银行，光大银行拥有众多客户群，几百个分支机构遍布国内外。同时光大银行以领先的理念为客户提供种类繁多的金融服务，例如国际结算业务品种就包括信用证、保函、承兑汇票、福费廷、保理等。对于一家如此庞大的机构，又拥有如此繁多的金融服务，管理的复杂性可想而知。复杂带来了新问题：统计数据不够及时准确、决策分析缺乏专业化和系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的信息系统为支撑等。为什么数据如此丰富而信息却如此贫乏呢？为什么现有信息系统还是难以有效地支持业务的发展？这是困扰光大银行多年的管理问题。于是从2002年12月开始，光大银行引入菲奈特商业智能应用平台，并相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合、清洗、转换加载到数据仓库，再采用在线分析处理等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。
美国大陆航空公司有一个商业智能应用很有意思的例子。几乎所有的航空公司对于团体订票都有一个规定，就是要签合同，并且要预交押金，团体订票不像个人订票那样随便。如果个人因为种种原因没有赶上飞机，改签下一趟就是了。可是如果一下子十几个、二十几个人都没来，这架飞机的上座率就会受到很大的影响，而一下子改签这么多人到别的航班又是一个令人头疼的问题，这会影响航空公司的赢利。所以，对于团体订票，航空公司要签合同，并且要预交押金。可是，订团体票的旅行社也不笨，马上就找到解决这个问题的办法，既不用签合同也不用预交押金。他们是怎么办的呢？对了，就是把团体票按照个人分别订票，麻烦是麻烦点儿，但总比签合同、预交押金强。这下子航空公司可没办法了，那么多航班、那么多旅客、那么多旅行社，每天的数据都是海量的，明明知道有旅行社弄虚作假，就是找不出来，看着干着急。于是，美国大陆航空公司引进了一套商业智能系统，当然这套商业智能系统不光是用于监督团体订票，监督团体订票只是其中的部分功能。这套商业智能系统把所有的订票数据存到一个数据仓库中，然后技术人员开发出一个数据挖掘的算法，这个算法其实很简单，就是用计算机在海量数据里查找，看看哪一家旅行社一下子在同一时间订了超过10张同一个航班的机票，那么这里面一定有猫腻。一旦找到这些猫腻所在，就把它们用在线分析处理展示在管理人员的面前，管理人员就可以给这家旅行社打电话、发邮件，进一步确认或提醒。通常这个时候旅行社都会说：“对不起，一时疏忽了，马上就改过来，再也不会犯了。”据估算，仅仅在监督团体订票这一项上，这套商业智能系统就可以为大陆航空公司每年节省超过200万美元由于团体订票漏洞带来的损失。
如果韩信活到今天并在职场上混，他若不去攻读一个MBA学位彻底掌握商业智能的诀窍，光知道几人一排多几名这样简单的算术，恐怕也只能在公司里打打杂扫扫地了。
为什么要和女友的前男友交朋友？
知识点·知识管理（Knowledge Management）
老鼠和猫是天敌，它们之间打来打去的故事在动画片、童话和民间故事里有很多很多，有意思的是，一般都是老鼠以正面人物出场，猫以反面人物出场，在打斗中老鼠往往占上风。美国动画片《猫和老鼠》里的大猫汤姆被小老鼠杰瑞屡屡戏弄；国产动画片《好猫咪咪》有几句经典唱词，“老鼠怕猫，那是谣传，一只小猫，有啥可怕，壮起鼠胆，把猫打翻，千年谎言，彻底推翻”。
流行很广的关于老鼠的民间故事是“五鼠闹东京”，“五鼠闹东京”又有两个版本。一个是《七侠五义》里面的故事，说的是宋朝时5个分别以鼠为绰号的江湖结拜兄弟，老大“钻天鼠”卢方，老二“彻地鼠”韩彰，老三“穿山鼠”徐庆，老四“翻江鼠”蒋平，老五“锦毛鼠”白玉堂，他们正直侠义不愿为奸臣庞太师卖力，但也不服皇帝敕赐的“御猫”展昭（谁让猫和鼠本就是一对天敌）。于是他们和“御猫”展昭打来打去、你来我往不分胜负，最后反倒和展昭捐弃前嫌成了好朋友，并听从了展昭的劝说，归顺朝廷投靠到包公麾下，几人合力终将奸臣庞太师置于死地。
另一个“五鼠闹东京”的版本是说，古代有个昏庸的皇帝，听说连续几次车祸都是痴呆老人乱跑惹的祸，于是下令，凡是60岁以上的老人都要被活埋。有一位姓张的大臣不舍得把父亲活埋，就挖了个地窖给老人住，他每天晚上都去探视一下，顺便捎去晚饭。这一天，他又去探望，伤心地说：“我有事要出远门，不能常来看您老人家了。”老父亲奇怪，再三追问，张大臣才说：“因为城里出了5个怪物，每到晚上就在国家的粮库里，吱吱乱叫，并把粮食搞得一塌糊涂。皇帝派几位大臣去解决，都没什么办法，于是，一个个大臣就都被贬到边关充军，估计明天轮到我了。”父亲详细问了情况，然后告诉儿子：“不要着急，那怪物是老鼠，晚上把家里的大猫带去即可。”张大臣按照父亲的方法做了。等到了晚上，库房里漆黑一片，突然，冒出5只怪物，吱吱乱叫，到处乱跑。这时，只见大猫两眼冒绿光，龇着牙，“噌”地蹿了出去，刹那间，大猫的4只爪子抓住4个怪物，嘴里咬1个怪物，把5个怪物都擒下了。于是，张大臣得救了，国家安宁了，皇帝得知情况之后，解除了活埋老人的命令，并要求全国上下之后都要尊敬老人。
第二个版本的“五鼠闹东京”的故事阐述了商业管理中很重要的一个概念，即知识管理。如果知识管理不善，有些很重要的知识就会失传，就无法从一代人的脑子里传到另一代人的脑子里。正如故事里所讲的，把60岁以上的老人都活埋了，竟然没有人知道猫是老鼠的天敌这样一个重要的常识，也难怪年轻的、未经事儿的大臣们一筹莫展了。
自从这几十年来信息技术特别是数据库互联网技术取得长足发展后，信息经济和知识经济已经成为经济实体的主导力量。著名管理学者彼得·杜拉克（Peter Drucker）早在1965年就已预言：“知识将取代土地、劳动、资本与机器设备，成为最重要的生产因素。”其实早在16世纪的时候，英国著名的哲学家培根就看出知识的价值，喊出了“知识就是力量”这曾经激励了无数莘莘学子的口号。问题是，先知先觉的哲人能够提前几十年甚至数百年看到未来的发展方向，但是他们没有提供一个解决实际问题的办法。是的，知识就是力量，知识将成为最重要的生产因素，但是从管理学角度上看，知识到底如何在一个组织内发挥作用，又如何被储存、分享和利用呢？
这就要靠知识管理。所谓知识管理，就是在组织中建构一个人文与技术兼备的知识系统，让组织中的信息与知识，通过获得、创造、分享、整合、记录、存取、更新等过程，达到知识不断创新的最终目的，并回馈到知识系统内。知识又可以分为两种：显性知识和隐性知识。显性知识是能用文字和数字表达出来的知识，容易以硬数据的形式记录、交流和共享，比如我们熟悉的各式文档像信件、会议记录、订单等。而隐性知识是高度个性化并且难以用文字和数字表达出来的知识，比如主观的理解、直觉、预感、经历、技巧和体会等，这些隐性知识一般都是存在员工脑子里，别人看不见摸不着，在公司的系统和档案里也找不到。就拿找对象这件事来说吧，小伙儿一看对面的女孩就喜欢上了，高挑的个头、三寸金莲、瓜子脸、柳叶眉、削葱指，这都是显性知识，如果要想用硬数据表达出来都很容易，比如高挑的个头相当于1米68左右，三寸金莲大概是36码的鞋子。小伙儿和这女孩约会几次后，发现这女孩心地善良、温柔体贴、善解人意，这就都是隐性知识了，你能把心地善良、温柔体贴、善解人意用硬数据表示，而且要每个人都同意？很难。
对于知识管理，显性知识的管理是很容易的，无非就是采用格式编码化，将显性知识搜集整理成文档的形式，这样就可以在组织内被重复使用。难就难在对于隐性知识的管理。对于隐性知识的管理，重点要培养出很多在某一领域的专家，然后利用知识系统由专家解答问题，最后把问题和解答编成案例作为显性知识储藏起来。等到以后有人碰到类似的问题就可以检索这些案例，然后根据自己的实际情况进行吸收采纳，找到最适合自己的解决办法。这就好像如果那个小伙儿被女孩“蹬”了的话把自己的感受和教训倾诉到日记里，就是一个隐性知识转化为显性知识的过程。假如这篇日记不知怎么的碰巧被女孩的下一任男友看到了，这位新男友把前男友的经验教训进行研究、吸收和采纳，再结合自己的情况，就可以把“被蹬”的可能减到最小，进而最终修成正果。可见，和女友的前男友交朋友，争取知识的过渡是一件很重要的事情。
知识系统是以信息系统为基础的，但是知识系统的技术难题不难解决，无非就是一个数据库加上一个对用户很友好的界面，把每一个用户输入的知识都存好，提供很好的数据结构和搜索功能，让每一个用户寻找相关的知识都很容易。一个知识管理系统成功的关键是如何激励员工用户，让他们兴高采烈地把显性知识记录下来，并积极踊跃地参与新问题的讨论，争做专家，勇做专家。德国西门子公司在激励员工方面很有一套，他们给每一个员工制定一个积分体系，每一次记录知识、每一次解答问题，都奖励积分，这些积分最终也是员工年终考察的一个项目，直接和个人升职、涨工资和奖金挂钩。其实，一家公司最大的知识流失就是发生在员工流失的时候，比如大规模的裁员，除了用一套先进的知识管理系统把员工的知识预先存储起来以外，还有一个更有效的办法就是少裁员，甚至不裁员。日本企业在这方面做得特别好，它实行长期雇用制度，很少裁员。
当然，幸亏古代那个皇帝没有知识管理这个概念，要不然，老鼠怕猫就不光老人知道了。
为什么火眼金睛反而是一种累赘？
知识点·信息不对称（Information Asymmetry）
大千世界，无奇不有。人类和自然界在历史的发展长河中，逐渐形成了一种对于对称美的追求。例如花朵，一朵有5片花瓣的花绕它的轴旋转一周，5个位置看上去是完全一样的，它给人以匀称的感受，而圆形则旋转任意的角度都维持形状不变，它具有更大的旋转对称性。再例如人体，两只眼睛、两只耳朵、两个鼻孔都是对称分布在人体中轴线的两侧，就是一张嘴巴也是生在中轴线的两侧，给人以匀称和均衡的感觉。另外，许多著名的建筑，比如天坛、天安门、颐和园的长廊等，也都是旋转对称、左右对称和平移对称的典型例子。一言以蔽之，对称是一种美。
而信息却恰恰相反，在生活中，信息往往是以不对称的形式存在的，比如大家耳熟能详的诸葛亮唱空城计。由于马谡大意失街亭，北伐的蜀军面临全军覆灭的危险，诸葛亮带几千老弱残兵退至西城县内，而司马懿亲率15万大军，向西城扑来。这时候，只见诸葛亮把城门敞开，安排几个人在门口扫地，自己跑到城头弹起琴来，一幅安详的景象。司马懿在城外带着15万大军观察了许久，竟然撤军了，因为怕中埋伏。在诸葛亮和司马懿这两个旷世奇才的较量中，诸葛亮城中只有几千老弱残兵就是一个关键信息，而这个信息却又是不对称的，因为司马懿不知道这个信息。如果这个信息是对称的，那么中国的历史，特别是三国时期的历史，就要彻底改写了。
其实说明信息不对称最好的例子是《西游记》里的“三打白骨精”。话说唐僧师徒四人为取真经，行至宛子山前。在宛子山波月洞内，住着一个凶残、狡猾、善于伪装的千年尸魔白骨精。为了吃唐僧肉，她先后变幻为上山送斋的村姑和朝山进香的老妪，全被孙悟空识破并打死。唐僧却不辨人妖，反而责怪孙悟空恣意行凶，连伤母女两命，违反戒律，大念紧箍咒让孙悟空吃尽了苦头。最后，白骨精心有不甘，第三次变成老丈又被孙悟空识破，一棒打死。唐僧还是不辨真相，盛怒之下写下贬书，将孙悟空赶回了花果山。在这个故事里，“村姑、老妪和老丈是白骨精”，这是一个关键信息，假扮村姑、老妪和老丈的白骨精自己知道这个信息，而唐僧不知道，在白骨精和唐僧之间，信息是不对称的。有意思的是，孙悟空由于在太上老君的炼丹炉里炼就了一双火眼金睛，能看出村姑、老妪和老丈就是白骨精，也就是说，在白骨精和孙悟空之间，信息是对称的。更有意思的是，信息对称还不一定是好事儿，除了吃紧箍咒，还要被炒鱿鱼。
事实上，生活中诸葛亮、司马懿和唐僧居多，孙悟空太少了，也就是说，信息不对称的时候居多，信息对称的时候太少。三位著名经济学家乔治·阿克尔洛夫（George Akerlof）、迈克尔·斯宾塞、约瑟夫·斯蒂格利茨（Joseph Stiglitz）分别从商品交易市场、劳动力市场和金融市场三个不同领域研究了这一课题，最后殊途同归。为了表彰他们三个人在信息理论，特别是信息不对称领域的研究，他们三个人共同获得了2001年的诺贝尔经济学奖。
最早研究这一现象的是乔治·阿克尔洛夫。1970年，他在《经济学季刊》上发表了著名的《柠檬市场：质量不确定性和市场机制》一文，首次提出了“信息市场”概念。阿克尔洛夫从当时司空见惯的二手车市场入手，发现了旧车市场由于买卖双方对车况掌握的不同而滋生的矛盾，并最终导致旧车市场的日渐式微。在旧车市场中，卖主一定比买主掌握更多的信息，比如车的维护情况、事故情况、驾驶经历等。显然，如果一辆旧车得到精心维护，也没出过事故，而且车主驾驶很仔细，那么这辆车就是一辆好车。但是，这些信息买方不知道，即信息不对称。当然，买方可以问卖方：你的车是不是按时维护？卖方会怎么说呢？大部分人会说“当然是按时维护”，即使这不是真的。即便是有一小部分人出于良心不安不会把没有好好维护的车说成好好维护的车，但是他们也不会坦白地说这辆车维护得不好，最多说“我也不太清楚”。在这种情况下，买方得到的信息很可能是不准确的，也就没有什么实际用处，结果还是信息不对称。
迈克尔·斯宾塞的研究着重于劳动力市场，他从长期的观察发现，在劳动力市场存在着用人单位与应聘者之间的信息不对称情况。为了谋到一个较好的工作岗位，应聘者往往从服装到毕业文凭挖空心思层层包装，使用人单位良莠难辨。对于用人单位而言，应聘者如果具有越难获得的学历就越具可信度，比如说拥有哈佛大学文凭，就比一般学校的毕业文凭更有可信度。对于人才市场的信息不对称现象，斯宾塞在其博士论文《劳动市场的信号》中有过详尽表述。
约瑟夫·斯蒂格利茨在三位获奖人中名气最大，他在几乎所有的经济学领域都有贡献，包括宏观经济学、货币经济学、公共理论及国际事务，乃至对发展经济学都卓有建树。斯蒂格利茨将信息不对称这一理论应用到保险市场，他发现，由于投保人与保险公司之间信息的不对称，客观上造成一般车主在买过车险后疏于保养，使得保险公司“赔不胜赔”。斯蒂格利茨提出解决问题的理论模型是，让投保人在高自赔率加低保险费及低自赔率加高保险费两种投保方式间作出抉择，以解决保险过程中的逆向选择问题。
事实上，很多公司的商业模式就是建立在信息不对称的基础上。比如美国有一家公司叫CARFAX，其网站上提供旧车的历史信息。对于一辆旧车，什么时候做的保养、什么时候注册、什么时候转手过、什么时候出过车祸等信息都有记录，买方只要交20美元就可以注册一个账户，然后根据一辆车的标志序号在这家公司的网站上查询这些信息。
由此可见，信息不对称是许多公司存在的基础，从这个层次上讲，信息不对称还是有一定的经济意义的。除此之外，如果司马懿攻入西城俘获了诸葛亮，或者唐僧还没等孙悟空来自己一眼就识破了白骨精，那么，生活就少了很多色彩，显得单一而枯燥。
