本文內(nèi)容節(jié)選自圖書《數(shù)據(jù)的本質(zhì)》，作者 車品覺，阿里巴巴集團(tuán)前副總裁、首任阿里巴巴數(shù)據(jù)委員會會長
一次，曾鳴特地找到我，對我說：“品覺，作為阿里 BI（商業(yè)智能）部門的老大，你的任務(wù)就是努力將 BI 部門消滅掉。”我當(dāng)時真的蒙了。作為 BI 部門的老大，你要我努力將 BI 部門消滅掉？
后來我才明白，這正是他的戰(zhàn)略思考，終局的想法是我們要將數(shù)據(jù)做得越來越便捷，未來根本不應(yīng)該有集中式的 BI 部門。
數(shù)據(jù)應(yīng)該回歸本身，讓所有人都可以分析，人人都可以成為數(shù)據(jù)分析師。不是說沒有 BI 部門，而是說未來某天數(shù)據(jù)分析技能已經(jīng)被每個業(yè)務(wù)人員掌握。即便從一個數(shù)據(jù)分析師的角度看，曾鳴的決定也頗具遠(yuǎn)見和創(chuàng)造性。
《決戰(zhàn)大數(shù)據(jù)》、《數(shù)據(jù)的本質(zhì)》作者：車品覺 阿里巴巴集團(tuán)前副總裁，紅杉資本中國基金專家合伙人
如果我對你說， 2010 年時，阿里的數(shù)據(jù)化運(yùn)營也是摸著石頭過河，最初的數(shù)據(jù)分析產(chǎn)品還不到 50 個用戶，業(yè)務(wù)方對數(shù)據(jù)化管理一點(diǎn)也不感冒，大家可不要感到奇怪。
到了 2015 年，阿里的數(shù)據(jù)平臺用戶已經(jīng)超過 8 000 人。在整個進(jìn)程中，我們從建立一支精銳的數(shù)據(jù)分析團(tuán)隊(duì)，發(fā)展到能開發(fā)一個全公司的業(yè)務(wù)和工程人員都能使用的數(shù)據(jù)平臺。數(shù)據(jù)戰(zhàn)略從數(shù)據(jù)化運(yùn)營，轉(zhuǎn)移到了運(yùn)營數(shù)據(jù)，并協(xié)調(diào)不同事業(yè)群數(shù)據(jù)共享、共創(chuàng)及標(biāo)準(zhǔn)化，同時又要保持業(yè)務(wù)的獨(dú)立及積極性。
6 年中讓我記憶最深刻的事情，是聚劃算一個部門的自動化項(xiàng)目。馬云要求我們用人工智能和大數(shù)據(jù)去取代一個近百人的部門，而且業(yè)務(wù)增長率不能下降，難度可想而知。經(jīng)過這個項(xiàng)目的錘煉，我一直在思考，數(shù)字經(jīng)濟(jì)引擎的形態(tài)是什么樣的，以及如何搭建新科技下的數(shù)字經(jīng)濟(jì)引擎，也深深感受到，未來每家公司都將是“大數(shù)據(jù) + 人工智能”公司，這在未來將不再是一個夢想。
我們應(yīng)該清楚地認(rèn)識到， 商業(yè)基礎(chǔ)正因眾多終端帶來的全域大數(shù)據(jù)而發(fā)生著改變。 它帶來的變革不限于數(shù)據(jù)本身，還有思考社會和商業(yè)模式將如何被改變的全新角度。在全域大數(shù)據(jù)的大潮之下，每家公司都要重新思考，當(dāng)互聯(lián)網(wǎng)的場景從單一的桌面轉(zhuǎn)移到多源、多終端時，不僅會帶來豐富的空間維度，還會增加更多從前匪夷所思的新場景所產(chǎn)生的數(shù)據(jù)。
這么多零散的數(shù)據(jù)和維度疊加在一起，下一難題就變成了如何保證有效地存儲、更新、辨識和連接這些數(shù)據(jù)，并靈活地使用它們。在我看來，開啟“上帝視角”是未來趨勢，這無疑是激動人心的。
在數(shù)據(jù)科學(xué)成為炙手可熱的話題的兩年后，我發(fā)現(xiàn)我被企業(yè)管理層問得最多的問題是：如何確保有足夠多的數(shù)據(jù)來發(fā)展人工智能？需要儲備什么樣的人才？ 我認(rèn)為，大家都忽略了大數(shù)據(jù)能力的根源來自連接，而連接的基礎(chǔ)是數(shù)據(jù)的流通和標(biāo)準(zhǔn)化。
以阿里為例，數(shù)據(jù)打通絕對不是馬云一聲令下就可以解決的問題。從 2014 年開始，阿里管理層數(shù)次要求各業(yè)務(wù)部門（包括支付寶）無條件地將數(shù)據(jù)互通，然而換來的終究也只是表面的打通而已。手下人的陽奉陰違也是花招不少。比如，我有數(shù)據(jù)，但是我不告訴你有什么；就算你知道我有數(shù)據(jù)，但我不能保證提供給你的是有質(zhì)量的數(shù)據(jù)。因?yàn)闆]有業(yè)務(wù)關(guān)聯(lián)，對方很難長期、義務(wù)地配合你，所以就更不會把新增的業(yè)務(wù)數(shù)據(jù)和盤托出了。我認(rèn)為，問題的關(guān)鍵，在于互惠互利。只有你找到真正的痛點(diǎn)，才能將企業(yè)數(shù)據(jù)循環(huán)打通。
在這個人工智能蓬勃發(fā)展的時代，數(shù)據(jù)的增量比存量多。多變的業(yè)務(wù)場景也意味著需要敏捷的數(shù)據(jù)更新（包括結(jié)構(gòu)）。在你使用數(shù)據(jù)時，數(shù)據(jù)本身可能早就出現(xiàn)了定義上的變化， Data broken（數(shù)據(jù)斷裂）指的就是數(shù)據(jù)已經(jīng)不能反映當(dāng)前現(xiàn)實(shí)。因此，以這些斷裂數(shù)據(jù)為基礎(chǔ)的任何人工智能算法，都會相應(yīng)地產(chǎn)生偏差。
這種事情表明了什么？所有的數(shù)據(jù)流通必須建立在一個永恒不變的道理上：互惠互利，否則你無法做到對數(shù)據(jù)進(jìn)行適時的修正。 雖然說高層掌握著權(quán)力，但要發(fā)揮出整體的數(shù)據(jù)戰(zhàn)略，只靠從上而下的命令是不可能的，還必須依靠從下而上的共建共創(chuàng)。只有這樣，才能實(shí)現(xiàn)合力而成的多源異構(gòu)大數(shù)據(jù)。所以我一直強(qiáng)調(diào)： 大數(shù)據(jù)是自利、利他的成品。
在阿里時，我是怎么處理部門間數(shù)據(jù)互通這件事情的呢？很簡單，首先是找出大家有意愿共用的部分，我稱其為企業(yè)內(nèi)的公共數(shù)據(jù)，然后安排資源把這一部分先建設(shè)起來。選擇公共數(shù)據(jù)也有一定的技巧，簡單歸類就是：各部門已經(jīng)在高頻率但低效率的單線流通的數(shù)據(jù)，被野蠻重復(fù)復(fù)制到各部門的相同數(shù)據(jù)，大家都有意愿首先標(biāo)準(zhǔn)化的數(shù)據(jù)。當(dāng)這些帶有公共性質(zhì)的核心數(shù)據(jù)建立起來之后，大家就能更容易地感受到數(shù)據(jù)高質(zhì)量流通的意義及好處。要保證這些數(shù)據(jù)的質(zhì)量和新鮮度也相對變得容易了。
之后，我采取的是共創(chuàng)共贏策略。我將我們部門所有的、我認(rèn)為很有可能成為公共數(shù)據(jù)的數(shù)據(jù)，全部都放在大家眼前。如果其他部門有人要使用的話，這些數(shù)據(jù)可謂招之即來。當(dāng)然，前提是這些資源都是我先開發(fā)完的。當(dāng)他們所有人都開始使用這些數(shù)據(jù)時，我就可以輸出技術(shù)及標(biāo)準(zhǔn)，去幫助其他部門完成更大范圍的數(shù)據(jù)打通。
加入支付寶后，我面對的第一件事就是著手組建支付寶數(shù)據(jù)分析師團(tuán)隊(duì)。 2010 年的支付寶，大部分業(yè)務(wù)團(tuán)隊(duì)對數(shù)據(jù)團(tuán)隊(duì)都不太滿意，而且高層對數(shù)據(jù)能產(chǎn)生的價值也沒有太多認(rèn)識。同時，由于當(dāng)時數(shù)據(jù)負(fù)責(zé)人調(diào)職，導(dǎo)致支付寶的數(shù)據(jù)分析和數(shù)據(jù)技術(shù)部門被分開管理。
面對數(shù)據(jù)分析和技術(shù)團(tuán)隊(duì)的目標(biāo)不一致，業(yè)務(wù)部門對為什么要使用數(shù)據(jù)以及如何善用數(shù)據(jù)充滿疑問，甚至有人認(rèn)為數(shù)據(jù)分析僅是門面功夫。但我堅(jiān)持?jǐn)?shù)據(jù)分析產(chǎn)品化路線，相信數(shù)據(jù)分析的工作最終必須落地在產(chǎn)品上。
從解放集中式的數(shù)據(jù)分析師團(tuán)隊(duì)到“人人都是分析師”的泛化過程中，我們的業(yè)務(wù)部門自己就可以便捷地使用工具解決問題。經(jīng)過一年多的努力，有一天 CEO （彭蕾）走到我辦公室對我說：“你知道嗎？你們做的產(chǎn)品讓我覺得很爽，我很喜歡這個產(chǎn)品?！笨吹酵潞屠习鍖Ξa(chǎn)品的支持，讓我肯定自己在支付寶走的這條路是正確的。如果讓我總結(jié)這其中的精髓，我的秘訣是： 數(shù)據(jù)分析也要講究用戶體驗(yàn)。
當(dāng)我 2010 年進(jìn)入阿里時，我們的數(shù)據(jù)團(tuán)隊(duì)會利用數(shù)據(jù)去做好報(bào)告，以支持業(yè)務(wù)部門，讓業(yè)務(wù)部門可以更好地把握其業(yè)務(wù)。數(shù)據(jù)團(tuán)隊(duì)繼而在 2012 年開發(fā)了很多數(shù)據(jù)產(chǎn)品，將重復(fù)的業(yè)務(wù)分析需求產(chǎn)品化，把數(shù)據(jù)能力泛化到一線團(tuán)隊(duì)。
幾年間，大數(shù)據(jù)距離成為業(yè)務(wù)的核心就僅差一步。直到谷歌的無人駕駛汽車項(xiàng)目出現(xiàn)，我忽然如夢初醒，這不就是業(yè)務(wù)與數(shù)據(jù)的無縫對接嗎？
問題來了：商業(yè)運(yùn)營的過程能像無人駕駛汽車一樣實(shí)現(xiàn)全面的自動化嗎？
2014 年，我接了一個任務(wù)，即把阿里某團(tuán)購業(yè)務(wù)的運(yùn)營從幾十個人的團(tuán)隊(duì)完全轉(zhuǎn)變?yōu)樽詣踊ㄈト嘶?，這項(xiàng)工作需要大量數(shù)據(jù)、多種算法及 IT 系統(tǒng)的有機(jī)結(jié)合。在這個過程中，我們要把已知工作流程中的人為決策，轉(zhuǎn)化為數(shù)據(jù)驅(qū)動的自動化決策（我們稱其為數(shù)字經(jīng)濟(jì)引擎）。而決策之間的權(quán)衡也是一種算法，決策本身就是一場博弈，越大的場景運(yùn)營起來毫無疑問就越復(fù)雜。后來這個項(xiàng)目按計(jì)劃完成了，但實(shí)際上棘手的問題并未真正解決。
在這個過程中，我們更體驗(yàn)到智能 / 自動化所要求的數(shù)據(jù)質(zhì)量更高，數(shù)據(jù)不足的情況更明顯，尤其是外部數(shù)據(jù)（包括競爭環(huán)境）的稀缺更非靠我們一己之力能在短期內(nèi)解決的。
另外，數(shù)據(jù)商業(yè)引擎的最佳原則是，人為干預(yù)越少，數(shù)據(jù)回流越順暢。最終，這個項(xiàng)目其實(shí)是在妥協(xié)中結(jié)束的。
最近受阿里前同事的盛情邀請，讓我有機(jī)會回杭州看一個智能客服的項(xiàng)目，即用客服機(jī)器人取代人工客服。剛一落座，我就問道：“機(jī)器人還有多長時間可以完全取代人類？”我很期待作為人工智能應(yīng)用一線負(fù)責(zé)人的答案，他明確地表示“5 年”。
他提到，讓客服機(jī)器人獨(dú)立運(yùn)作前，首先要做的是惡補(bǔ)客服機(jī)器人在沒有足夠數(shù)據(jù)的情況下的一些智識盲點(diǎn)。短期的改善方法是，他們設(shè)置了一個叫“人工智能培訓(xùn)師”的新崗位，幫助解決客服機(jī)器人數(shù)據(jù)不足的問題。借用人工智能“大牛”、香港科技大學(xué)楊強(qiáng)教授的觀點(diǎn)，客服機(jī)器人的好壞，關(guān)鍵在于有沒有高質(zhì)量的數(shù)據(jù)。令人興奮的是，目前客服機(jī)器人（非語音）已經(jīng)能自動應(yīng)對 85% 的客戶訪問了。
最后，我想分享，阿里在數(shù)據(jù)化實(shí)踐過程中有三大原則：
相信數(shù)據(jù)是未來所有業(yè)務(wù)的核心競爭力。
不在線的數(shù)據(jù)，不是大數(shù)據(jù)。
數(shù)據(jù)的有效使用與高度流通要有互惠互利機(jī)制。
只有真正做到這三點(diǎn)，才能讓大數(shù)據(jù)真正成為企業(yè)增長的殺手锏。
《數(shù)據(jù)的本質(zhì)》 湛廬文化策劃出版
