2019年3月，一代債券之王格羅斯宣布退休，彭博創(chuàng)始人邁克爾·布隆伯格宣布贈(zèng)送三臺(tái)終端，供這位七旬老漢終生免費(fèi)使用。

作為離錢最近的行業(yè)，金融以數(shù)據(jù)為生命線，彭博終端則是把握脈搏的探測(cè)儀。早在2015年，格羅斯就將使用多年的彭博鍵盤捐給美國(guó)史密斯國(guó)家博物館，作為“現(xiàn)代金融世界的標(biāo)志”展出。不止格羅斯，彭博終端改變了整整一代金融從業(yè)者的交易方式。

史密斯博物館收藏的彭博鍵盤

把復(fù)雜的計(jì)算機(jī)語(yǔ)言轉(zhuǎn)化成華爾街精英的常用詞匯，從產(chǎn)品功能到界面設(shè)計(jì)都為交易員、分析師們量身打造，讓彭博終端自問(wèn)世后便大受歡迎——當(dāng)然，價(jià)格同樣不菲，上萬(wàn)美元的服務(wù)費(fèi)用時(shí)刻映襯著華爾街的紙醉金迷。

數(shù)字化并非金融業(yè)的專利，自互聯(lián)網(wǎng)產(chǎn)業(yè)拔地而起，各行各業(yè)的企業(yè)家、小老板們開(kāi)始把扁平管理、數(shù)據(jù)消費(fèi)等現(xiàn)代經(jīng)營(yíng)理念掛在嘴邊，數(shù)據(jù)的重要性前所未有地提升，與土地、勞動(dòng)力、資本、技術(shù)并稱為五大生產(chǎn)要素。

用數(shù)據(jù)指導(dǎo)業(yè)務(wù)、提高效率不再是華爾街精英和互聯(lián)網(wǎng)極客的特權(quán)，走馬上任的CIO（首席信息官）和CTO面前正擺放著一個(gè)全新的命題：

既然數(shù)字化大勢(shì)所趨，如何找到屬于自己的“彭博終端”？

數(shù)據(jù)飛輪：流動(dòng)的數(shù)據(jù)才有價(jià)值

2020年，德邦快遞招兵買馬，計(jì)劃打造一套數(shù)字化營(yíng)銷系統(tǒng)。

像快遞這樣的勞動(dòng)密集型行業(yè)，在人們的慣常印象中離“數(shù)字化”相去甚遠(yuǎn)，即使近年加大投入，外界對(duì)其數(shù)字化場(chǎng)景的想象也不過(guò)是物流追蹤。

但實(shí)際上，伴隨快遞業(yè)與電商行業(yè)的深度綁定，快遞不僅是電商運(yùn)轉(zhuǎn)的重要基建，衍生出的種種數(shù)據(jù)也是一份詳實(shí)的行業(yè)統(tǒng)計(jì)公報(bào)。

身處其間的快遞企業(yè)顯然深知這一點(diǎn)，對(duì)數(shù)據(jù)優(yōu)化業(yè)務(wù)流程的訴求也極其迫切。德邦快遞嘗試過(guò)不少數(shù)字化方案，但要么無(wú)法承載海量用戶規(guī)模，要么數(shù)據(jù)應(yīng)用深度不足。

類似癥結(jié)并非快遞業(yè)獨(dú)有，而是許多行業(yè)面臨的共通問(wèn)題：數(shù)字資產(chǎn)和業(yè)務(wù)應(yīng)用的兩相割裂。

快遞行業(yè)做營(yíng)銷常常需要結(jié)合時(shí)令變化和區(qū)域特點(diǎn)，在各地市場(chǎng)精耕細(xì)作，比如11月正值蘋(píng)果上市的季節(jié)，往往得關(guān)注陜西、甘肅、新疆等產(chǎn)區(qū)的用戶營(yíng)銷。

但在實(shí)際應(yīng)用中，由于數(shù)據(jù)處理滯后等種種原因，營(yíng)銷策略部署不及時(shí)、動(dòng)作變形的情況時(shí)有發(fā)生。

結(jié)果就是業(yè)務(wù)追著用戶跑，一線人員收到營(yíng)銷線索、總部人員確定營(yíng)銷動(dòng)作時(shí)，市場(chǎng)已經(jīng)變了一幅景象。

2023年，德邦快遞敲定了與火山引擎的合作，結(jié)合包括客戶數(shù)據(jù)平臺(tái)VeCDP、增長(zhǎng)營(yíng)銷平臺(tái)GMP、A/B測(cè)試產(chǎn)品DataTester在內(nèi)的系列數(shù)據(jù)產(chǎn)品，嘗試構(gòu)建以數(shù)據(jù)消費(fèi)為中心的企業(yè)數(shù)智升級(jí)新模式“數(shù)據(jù)飛輪”。

在增長(zhǎng)營(yíng)銷平臺(tái)GMP上，德邦快遞建立了超過(guò)15條自動(dòng)化營(yíng)銷鏈路，以往德邦快遞每個(gè)月只能進(jìn)行3-5場(chǎng)營(yíng)銷活動(dòng)，現(xiàn)在單月?tīng)I(yíng)銷活動(dòng)峰值達(dá)到100場(chǎng)。

這個(gè)過(guò)程中，數(shù)據(jù)本身并沒(méi)有改變，改變的是數(shù)據(jù)的流通路徑。也就是說(shuō)，數(shù)據(jù)不能處在被“存放”的狀態(tài)，需要“流動(dòng)”到業(yè)務(wù)中去。

而火山引擎“數(shù)據(jù)飛輪”的含義，便在于數(shù)據(jù)的“流動(dòng)”：一個(gè)又一個(gè)具體業(yè)務(wù)中的數(shù)據(jù)消費(fèi)，加速了決策洞察。數(shù)據(jù)真正賦能業(yè)務(wù)帶來(lái)好的結(jié)果時(shí)，會(huì)推動(dòng)更多、更頻繁的數(shù)據(jù)消費(fèi)行為，從而構(gòu)成第一個(gè)面向企業(yè)業(yè)務(wù)應(yīng)用的“飛輪”。

業(yè)務(wù)的增長(zhǎng)意味著更大規(guī)模的數(shù)據(jù)，伴隨數(shù)據(jù)資產(chǎn)的積累和建設(shè)，數(shù)據(jù)研發(fā)效率也會(huì)提升，更好、更快的數(shù)據(jù)產(chǎn)品，讓業(yè)務(wù)更愿意使用，成為第二個(gè)面向企業(yè)數(shù)據(jù)資產(chǎn)的“飛輪”。

數(shù)據(jù)消費(fèi)則是數(shù)據(jù)流動(dòng)過(guò)程中的核心環(huán)節(jié)：不能讓流動(dòng)在一線的海量數(shù)據(jù)真正被消費(fèi)起來(lái)，為業(yè)務(wù)所用，那么數(shù)據(jù)就只有單純的“展示”功能。這實(shí)際上是一種資源浪費(fèi)。

長(zhǎng)期的實(shí)踐中，火山引擎連同各行各業(yè)積累了大量數(shù)據(jù)飛輪的實(shí)踐樣本，其對(duì)應(yīng)的大背景其實(shí)是中國(guó)企業(yè)的“數(shù)字化”過(guò)程。時(shí)至今日，伴隨生成式AI的日新月異，一大批企業(yè)又走向了“智能化”的隘口。

脫胎于字節(jié)跳動(dòng)數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)飛輪，讓越來(lái)越多行業(yè)與公司感受了“數(shù)字化”的效率，當(dāng)“數(shù)智化”的訴求迫近，新的方法與實(shí)踐也應(yīng)運(yùn)而生。

騰籠換鳥(niǎo)：人工智能改變了什么

2010年，《經(jīng)濟(jì)學(xué)人》提出了一套由工業(yè)用電量、中長(zhǎng)期信貸余額和鐵路貨運(yùn)量組成的指標(biāo)，用于評(píng)估中國(guó)GDP增長(zhǎng)量?；ㄆ煦y行在此基礎(chǔ)上對(duì)各項(xiàng)指數(shù)進(jìn)行賦權(quán)，最終得出一個(gè)日后廣為人知的計(jì)算公式：

工業(yè)用電量增速*40%+中長(zhǎng)期貸款余額增速*35%+鐵路貨運(yùn)量增速*25%

看似腦回路清奇的發(fā)明自有其合理性，這三個(gè)指標(biāo)都與經(jīng)濟(jì)增長(zhǎng)掛鉤最緊密，一定程度上擠掉了統(tǒng)計(jì)數(shù)字的水分。

這種對(duì)于數(shù)據(jù)的深度挖掘，在當(dāng)下已經(jīng)成為一種普遍性訴求。從“三張表”里的核心財(cái)務(wù)指標(biāo)，到APP里每一個(gè)菜單的點(diǎn)擊和跳出、用戶或普通或離奇的交互行為，都與企業(yè)真實(shí)的經(jīng)營(yíng)關(guān)聯(lián)緊密。

如何處理、利用這些數(shù)據(jù)，各行各業(yè)都在名為數(shù)字化的浪潮下摸索前行，引入火山引擎這樣的合作伙伴，成了越來(lái)越多企業(yè)的選擇。

作為火山引擎數(shù)智平臺(tái)團(tuán)隊(duì)負(fù)責(zé)人，郭東東與團(tuán)隊(duì)推進(jìn)一個(gè)個(gè)案例落地的同時(shí)，也敏銳地捕捉到了企業(yè)更高階的數(shù)智化升級(jí)需求。

隨著大模型在各個(gè)領(lǐng)域井噴出現(xiàn)，AI賦能數(shù)字化逐漸成為業(yè)內(nèi)議題之一，但它的另一面是驚人的試錯(cuò)成本。這種進(jìn)退兩難是數(shù)據(jù)飛輪2.0誕生的契機(jī)。不久前，火山引擎推出了以AI為核心的數(shù)據(jù)飛輪2.0模式，利用大模型將“智能用數(shù)”抬升到一個(gè)新階段。

12月18日，火山引擎數(shù)據(jù)飛輪2.0發(fā)布

郭東東將數(shù)據(jù)飛輪2.0的變化總結(jié)為兩點(diǎn)：

一是Data For AI的升級(jí)。通過(guò)升級(jí)多模態(tài)數(shù)據(jù)湖技術(shù)，數(shù)據(jù)飛輪2.0實(shí)現(xiàn)了結(jié)構(gòu)化、非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一計(jì)算、管理和存儲(chǔ)，企業(yè)得以調(diào)配復(fù)雜多元的數(shù)據(jù)資產(chǎn)，將數(shù)據(jù)處理與模型訓(xùn)練、微調(diào)、知識(shí)庫(kù)高效協(xié)同。

其中，非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用與大模型密切相關(guān)。Transformer架構(gòu)在2017年橫空出世后，人工智能的發(fā)展從識(shí)別走向生成，數(shù)據(jù)處理能力從結(jié)構(gòu)化數(shù)據(jù)拓展到了非結(jié)構(gòu)化數(shù)據(jù)，從而讓文檔、音頻、圖片等數(shù)據(jù)資產(chǎn)最大化地發(fā)揮其價(jià)值。

舉個(gè)簡(jiǎn)單的例子，計(jì)算機(jī)視覺(jué)的時(shí)代，機(jī)器可以識(shí)別規(guī)格統(tǒng)一、字體固定——即結(jié)構(gòu)化的車牌數(shù)據(jù)，但無(wú)法分辨迎面駛來(lái)的是奔馳E、奔馳S、還是奔馳E改的奔馳S。大模型則可以通過(guò)大量的訓(xùn)練識(shí)別“車型”這樣的非結(jié)構(gòu)化數(shù)據(jù)。

“大力出奇跡”的訓(xùn)練方法讓AGI成為可能，這也是數(shù)據(jù)飛輪2.0的第二處變化：AI For Data。

在Data Fabric驅(qū)動(dòng)下的ChatBI智能體解決方案中，企業(yè)能夠建立基于自身多個(gè)業(yè)務(wù)的多套智能數(shù)據(jù)服務(wù)體系：

Data Fabric通過(guò)語(yǔ)義層和數(shù)據(jù)模型的整合，讓數(shù)據(jù)服務(wù)變得更加敏捷；而ChatBI智能體則能更貼合業(yè)務(wù)個(gè)性化需求，通過(guò)交互理解、數(shù)據(jù)訪問(wèn)、分析推理和結(jié)果生成四大模塊，極大提升業(yè)務(wù)員工的數(shù)據(jù)生產(chǎn)力，讓數(shù)據(jù)消費(fèi)變得更加簡(jiǎn)單直接。

也就是說(shuō)，原本需要幾天到幾周才能完成的報(bào)表開(kāi)發(fā)工作，現(xiàn)在只需要在IM工具里面通過(guò)一句對(duì)話就能拿到數(shù)據(jù)分析結(jié)果，數(shù)據(jù)消費(fèi)的門檻由此大大降低。

換句話說(shuō)，利用大模型的特點(diǎn)，企業(yè)經(jīng)營(yíng)或產(chǎn)品運(yùn)營(yíng)中大量難以標(biāo)簽化的類目，都可以經(jīng)由機(jī)器學(xué)習(xí)“數(shù)據(jù)化”。AI助手會(huì)自己學(xué)習(xí)不同行業(yè)、不同企業(yè)、不同業(yè)務(wù)的“黑話”，逐步學(xué)會(huì)識(shí)別意圖和分析結(jié)果，從而輔助經(jīng)營(yíng)決策。

數(shù)據(jù)飛輪2.0

在字節(jié)跳動(dòng)內(nèi)部，數(shù)據(jù)飛輪2.0的這套解決方案已經(jīng)覆蓋超過(guò)200個(gè)分析場(chǎng)景，每天處理超過(guò)10萬(wàn)次分析請(qǐng)求，平均分析時(shí)間降低了 80%；同時(shí)，數(shù)據(jù)開(kāi)發(fā)和運(yùn)維成本也大幅下降。

在席卷全球的數(shù)字化浪潮中，企業(yè)同樣正在經(jīng)歷一場(chǎng)翻天覆地的變革。三十年前，企業(yè)的數(shù)字底色是財(cái)務(wù)三張表和進(jìn)銷存賬薄。三十年后，海量數(shù)據(jù)在企業(yè)內(nèi)部輸入、匯聚、流動(dòng)、輸出。

數(shù)據(jù)流動(dòng)產(chǎn)生的巨大價(jià)值，會(huì)是許多企業(yè)最核心的資產(chǎn)，而它的價(jià)值取決于它被如何利用。

信息平權(quán)：人人都可以用好數(shù)據(jù)

2009年夏天，2000名工人日以繼夜地施工，穿過(guò)河床、山脈、公路和農(nóng)莊，鋪設(shè)了一條從芝加哥到新澤西的光纖通道，將兩地信號(hào)傳輸從16毫秒縮短到13毫秒。超過(guò)200家高頻交易機(jī)構(gòu)瘋搶這條月租30萬(wàn)美元的光纖通道，原因無(wú)他，3毫秒的差距，可以讓他們賺得更多。

商業(yè)是一門基于信息不對(duì)稱的活動(dòng)，反過(guò)來(lái)說(shuō)，數(shù)據(jù)與信息有時(shí)也是一種特權(quán)與優(yōu)勢(shì)。

金融業(yè)的驚人利潤(rùn)可以讓他們立足在科學(xué)與技術(shù)的最前線——量化基金會(huì)招募物理學(xué)家、天文學(xué)家和數(shù)據(jù)科學(xué)家，把辦公室打造成智商密度堪比貝爾實(shí)驗(yàn)室的科研機(jī)構(gòu)。就像《富可敵國(guó)》中說(shuō)：文藝復(fù)興科技更像是一個(gè)自然科學(xué)研究所，而不是一個(gè)金融機(jī)構(gòu)。

文藝復(fù)興科技創(chuàng)始人西蒙斯本身也是一位數(shù)學(xué)家

拉長(zhǎng)歷史來(lái)看，“信息優(yōu)勢(shì)”一度是富商巨賈的特權(quán)，并借由技術(shù)的進(jìn)步迎來(lái)了兩次平權(quán)的浪潮。

19世紀(jì)下半葉，電話、電報(bào)和無(wú)線電的誕生帶來(lái)了信息傳遞的革命；20世紀(jì)90年代，計(jì)算機(jī)的普及讓信息和數(shù)據(jù)的傳輸變成了普羅大眾的基礎(chǔ)設(shè)施。

日新月異的信息技術(shù)，將全球的商業(yè)盈虧須臾可計(jì)，環(huán)球同此涼熱。

人工智能的浪潮伴隨一座座拔地而起的數(shù)據(jù)中心，帶來(lái)了新的數(shù)據(jù)普惠，讓企業(yè)在“數(shù)智化”這個(gè)命題前，不必被天文數(shù)字的成本嚇倒。

英偉達(dá)GPU的大買家除了微軟、亞馬遜這些云計(jì)算巨頭，還包括達(dá)美樂(lè)披薩這些看上去不那么高科技的連鎖餐飲公司。在OpenAI利用數(shù)億美元投資建成的數(shù)據(jù)中心訓(xùn)練模型時(shí)，達(dá)美樂(lè)披薩也在自己的機(jī)房利用人工智能優(yōu)化騎手送餐路線，持續(xù)踐行著“30分鐘必達(dá)”的承諾。

人工智能的實(shí)質(zhì)是一場(chǎng)算法、算力和數(shù)據(jù)的藝術(shù)，它同樣帶來(lái)了數(shù)據(jù)的“平權(quán)”。不是每一家公司都有足夠的財(cái)力花30萬(wàn)美元的價(jià)格租一條光纖，或是大手一揮建起一座算力可怕的數(shù)據(jù)中心。

數(shù)據(jù)飛輪2.0的內(nèi)核，實(shí)際上是給眾多企業(yè)提供一個(gè)通用的底座，讓他們享有公平的“信息優(yōu)勢(shì)”。

郭東東舉了一個(gè)例子：一家公司在自建BI系統(tǒng)的三年里，一共生產(chǎn)了1200多個(gè)數(shù)據(jù)看板和8000多個(gè)可視化圖表。但引入火山引擎“智能數(shù)據(jù)洞察DataWind”功能的一年半里，現(xiàn)存就有2700多個(gè)看板和18000多個(gè)可視化圖表。

原因在于，自建BI系統(tǒng)的所有報(bào)表都需要專業(yè)的代碼能力，實(shí)際上將數(shù)據(jù)分析的群體限制在了IT部門。而DataWind將代碼和數(shù)據(jù)變成了可視化的拖拽動(dòng)作，運(yùn)營(yíng)人員經(jīng)過(guò)簡(jiǎn)單培訓(xùn)甚至自己摸索，就能探索復(fù)雜的經(jīng)營(yíng)數(shù)據(jù)。

能不能利用好自己的數(shù)據(jù)，會(huì)是企業(yè)經(jīng)營(yíng)中越來(lái)越關(guān)鍵的問(wèn)題。其核心既包括技術(shù)在經(jīng)營(yíng)環(huán)節(jié)中的應(yīng)用，也在于如何降低技術(shù)的使用門檻，讓更多人參與到“數(shù)智化”的進(jìn)程其間，而不是空喊口號(hào)。

從進(jìn)銷存賬薄到財(cái)務(wù)三張表，從信息化、數(shù)字化再到智能化，“用好數(shù)據(jù)”在任何時(shí)候都能成立。只不過(guò)在人工智能的時(shí)代，所有數(shù)據(jù)都可以被利用，所有數(shù)據(jù)都可以有價(jià)值。

全文完，感謝您的耐心閱讀。

參考資料

[1] 重新定義公司：谷歌如何運(yùn)營(yíng)的，埃里克?施密特

[2] 維多利亞時(shí)代的互聯(lián)網(wǎng)，湯姆·斯丹迪

[3] Ex Tesla CIO Jay Vijayan Builds Tekion To Improve Car Buying Experience，F(xiàn)orbes

[4] 互聯(lián)網(wǎng)殺不死彭博——因?yàn)樗盍私馊A爾街，騰訊科技

[5] Bill Gross gets retirement gift from Bloomberg: free terminals，金融時(shí)報(bào)

作者：黎錚/李墨天

編輯：戴老板

視覺(jué)設(shè)計(jì)：疏睿

責(zé)任編輯：李墨天