昨天朋友转来的一段话，不知道是谁说的，但我特别欣赏：
1.理论极端重要，不懂理论，就没有思维框架和逻辑体系，搞出来的只能是一头雾水或一团乱麻，沦为出租车司机的天马行空不着边际；
2.理论一定要内化于心，成为研究者的修养和素质；
3.研究理论切忌成为“炫技之学”，写文章要把理论揉进去，理论文章写得艰深晦涩让人看不懂，不值得肯定，这是研究者的失败；
4.理论研究不能夹带私货，不能因为自己擅长有一种理论（方法），就极力拔高，对自己不擅长的理论（方法），就极力贬低，甚至断言“不懂某种理论（方法），就混不下去”，这样的奇谈怪论，夹带私货，必须清醒地认识，大力地批判！
5.理论（方法）都是解决问题的工具，我们不能把工具当目的；
6.理论和历史，两者要打好配合，相得益彰，不懂历史，再多理论也枉然！
下面结合我自己的经历，谈点认识。
回想起来，我经常批评“理论家”，自己喜欢琢磨的偏偏就是“理论”。不久前，和安司长聊天，谈到“工业与互联网的差异”时，我谈到“时间常数不同”的观点。这其实不就是一种“理论”吗？我还抱怨说：在上海，很少能有人和我谈这类话题——其实就是上海的朋友一般不太喜欢理论。
上面这段话，第1点就吸引了我。我们研究理论，其实就是想得到结构化的逻辑。每次开会、写文章、做PPT，我常常过度关注理论。我经常感觉PPT太长，希望能删掉几张，却总是感到为难。为什么会为难？因为删除掉某些内容，会觉得理论上的逻辑不完整、有缺憾。
这种思考方式其实是一种习惯。我有时会生自己的气：值得做的事很多，闲琢磨这些事情干啥？我想，背后的动力是不喜欢在迷雾中摸索的感觉、喜欢“一览众山小”的畅快。这大概就是我与第2点的共鸣吧。
例如，自从接触到大数据这个概念，我就感觉流行的观点非常混乱。比如，我讨厌“4V”的定义。大数据不是用来炫耀的IT本领的，是来解决业务问题的。就像上述第3、第5点所说的那样。
要想结构化地认识这个问题，我反复思考：大数据到底是解决什么问题的？后来我意识到：大数据时代的优势在于获取知识，进而促进智能化。说出这个结论不仅仅是“我以为”，而是可以结合我20多年来丛书数据分析工作的经验和体会，并和方法论相结合。但是，当我转念再看看社会上的一些成功案例，突然觉得这个认识片面了。于是，我把“理论”修正为：大数据时代的优势在于获取或承载知识，进而促进智能化。这与上述第5、6点吻合。
昨天到市里开会，我突然意识到这个定义狭隘了。因为大数据往往记录了更加完整的信息，这些信息可以与已有的知识相结合，得到新的信息。于是，上述观点又需要修改为：大数据时代的优势在于获取或承载知识（或信息），进而促进智能化。观点改变的过程，其实就是观点不断结构化的过程。这样又回到了第1点。
搞创新的时间越长，越是觉得实践重要。为什么呢？因为理论难免有漏洞，需要用实践来修正。而且，我国长期“强调论文考核”的结果，导致空头理论家太多（见第2、3、6点）。我遇到的空头理论家越多，也就越觉得实践重要。这大概就是我喜欢理论又讨厌理论的原因：我讨厌的不是理论，而是空洞的理论。
这段话也促使我反思：我一直在批判4V理论，但这个理论错了吗？其实也没错。只是这个理论是站在IT而不是用户的角度考虑问题。这个理论指导的是IT人员的工作。我反对的，只是对这个理论的滥用和以偏概全，并且对甲方产生误导。这个就是第4点说的内容。
再回到第5点，一个理论要有用。其实，研究大数据一定要围绕着这样一个目的：如何用大数据为企业创造价值？在这个目的下，理论要回答的是：大数据可以做哪些事？怎样做才能做对？怎样做才能高效？对于这些问题，理论有什么用呢？这是因为：逻辑上想清楚了，漏洞就少了，行动中的风险就会降低。
我为什么会喜欢理论呢？似乎也有理由：在过去的20多年，我一直从事风险比较大的技术创新工作。内心深处希望通过理论上的思考，尽量事先把问题想清楚，以减少工作中的风险。上海的朋友们为什么不太喜欢谈理论呢？因为上海喜欢是把事情做精、做细、甚至做到极致，而不是在新的天地中闯荡、不崇尚折腾、不怎么喜欢玩新的花样。说的直白一点：上海更像一个“中老年人”而非“年轻人”，其土壤适合做品牌，却不太适合超前一点的创新。每个城市都有自己的特色。上海的这种特色，其实也没什么不好。
原创： 郭朝晖 蝈蝈创新随笔