《智能商业》04 智能商业双螺旋之一：数据智能

04 智能商业双螺旋之一：数据智能

无数据，不智能；无智能，不商业。人工智能是一场技术革命，它必然会将越来越多的商业智能化。未来数据智能将成为商业的基础，而智能商业也将成为数据时代的全新的商业范式。在我看来，要想把数据智能融入具体商业，要做好三件事：数据化、算法化和产品化

数据化：商业创新的基础

• 对于当下的商业而言，智能化指的是商业决策会越来越多地依赖机器学习，依赖人工智能。机器将逐步取代人，在越来越多的商业决策上扮演非常重要的角色，它能取得的效果远远超过今天人工运作产生的效果
• 几乎可以断言，基于数据智能的商业必将超越1913年横空出世的福特流水线，给人类整体的生产力带来一次根本性的巨大突破
• 众所周知，小微企业的贷款业务一直是一个世界级难题。由于信息的收集、分析和审核需要巨大的成本，导致贷不贷、贷多少、收多少利息等问题困扰了无数的贷款机构
• 但蚂蚁小贷这个成立时间并不长的公司，彻底改变了这一局面。短短几年时间内，它已经累计服务了上百万淘宝和阿里巴巴的卖家，这些卖家的平均贷款大约为5万元，多不过百万元，少的只有几百元。他们不仅没有靠谱的抵押，有些甚至连基本的账目都没有，更匪夷所思的是，他们甚至不需要见到信贷经理。事实上，蚂蚁小贷所有的信息采集和决策都由计算机后台来完成——商家在线上提交贷款申请，几秒钟内系统自动审批；审批后，贷款几乎可以实时地汇入卖家账户。虽然是无人信贷，但蚂蚁小贷的坏账率却显著低于传统银行的平均水平
• 如果我们更全面地检视蚂蚁小贷的业务，就会发现它做了三件关键的事：特定商业场景的数据化、忠实于商业逻辑的算法及其迭代优化，以及将数据智能与商业场景无缝融合的产品。这三件事融会贯通、相互包含，在反馈闭环中共同演化，这就是未来智能商业的样貌
• 所谓数据化，不仅包括客户的经营数据，还有更多维度的数据被记录、分析和融入，构成了对客户全方位的描摹。数据初始化是一件高成本和困难的事情，仅仅是最简单的客户性别数据就包含了几套标准
• “数据化”本质上是将一种现象转变为可量化形式的过程
• 有效的数据初始化是大数据创造价值至关重要的第一步。可以说，没有数据的初始化，就没有后继的商业创新。而成本高昂的数据初始化工作能否创造巨大的客户价值，就成为当下海量创业项目能否存活立足的重要考验。企业家的生也将在这一领域中大放异彩

蚂蚁小贷的故事 蚂蚁小贷是中国第一款智能金融产品。它做了三件关键的事：小微贷款业务的数据化，用算法完成风险评估，以及将数据智能与小贷场景无缝融合的产品，即数据、算法、产品三位一体地提供服务 蚂蚁小贷的算法工程师建立了三套机器学习的算法模型来处理这些海量数据，即偿贷能力模型（相关经营数据）、偿贷意愿模型（客户风险偏好及信用度）、定价模型（价格偏好及策略），给每位客户进行风险评级和定价 算法模型自身也在迭代。事实上，客户借还款的数据，会实时反馈到蚂蚁小贷的数据池中，多个算法模型据此实时优化：哪些维度的指标应当被纳入或清除出模型，客户的哪些行为物质应该被赋予更高的权重，在不同的情形下哪些算法模型有更高的准确度。在蚂蚁小贷，这些算法模型更新的频率以“周”计算 在卖家提出贷款申请前，蚂蚁小贷的后台机器集群已经根据他在淘宝上的行为数据，对他进行了风险评估，并预先授信。所以，可以实现实时审核，自动放款

算法化：智能商业的“引擎”，而非“工具”

• 在商业语境下，算法就是一组反映了产品逻辑和市场机制的计算指令的集合。完成了商业场景的数据化之后，算法就是提炼数据价值的思路，而DT时代的数据价值就是商业价值

产品化：数据智能和商业场景的最终载体

• 产品和数据、算法的互补作用可以形象地比喻成“端+云”
• 作为“端”的产品，具备以下三大关键作用

产品设计直接影响用户体验

• 苹果公司这10年的成功，特别是iPhone的跨时代意义，充分显示了这一点；谷歌也是如此，超简洁的搜索框一经问世就立刻俘获了所有用户的心，人们的口口相传，为其带来了早期的高速发展

上传：将“端”的行为数据向“云”反馈

• 产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算法优化的通道

下达：将“云”的数据智能传递到“端”

• 在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI（用户界面）互动，而更多地决定于“云”上的数据智能

例如，用户在淘宝的体验不仅是搜索是否好用、类目是否合理、导航是否有效等，更重要的是用户能否高效地从几十亿件商品、千万级卖家中快速找到自己需要的商品，甚至还有惊喜，而这取决于“云”上的数据智能

• 互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密整合的最终载体，也必将取代营销，成为商业运营的关键
• 智能商业的成功，最关键的一步往往是一个极富想象力的创新产品：针对某个用户问题 定义了全新的用户体验方式，同时启动了数据智能的引擎，持续提升用户体验。这样的智能商业才是对传统商业的颠覆，才能真正实现降维攻击，胜者一骑绝尘，败者万劫不复。谷歌超越雅虎、脸书超越MySpace（一个社交网站）、优步颠覆出租车行业等，莫不如此
• 要让智能商业一天比一天更聪明，还有一样东西不可或缺——反馈闭环
• 用户行为通过产品的“端”实时反馈到数据智能的“云”上，“云”上的优化结果又通过“端”实时提升用户体验。算法既是推动反馈闭环运转的引擎，又持续优化；产品既是反馈闭环的载体，又持续改进功能，在为用户提供更好的产品体验的同时，也促使数据反馈更低成本、高效率地发生
• 数据化、算法化和产品化就是在反馈闭环中完成了智能商业的“三位一体”的

数据、算法、产品在反馈闭环中“三位一体”，唯有如此，智能商业才能完成对传统商业的降维打击，DT时代的商业跃升才有发力点

活数据：让反馈成为闭环

• 想要让数据与现实生活无缝衔接，就需要数据在线，实时记录而不是主动采集；要不断更新，随时可用来产生洞察；需要在实际业务场景中被灵活使用，驱动下一个决策的产生。这个概念我称为“活数据”

“活”的两层含义

1. 数据是“活”的：一定是始终在线且不断更新的，可以随时被使用
2. 数据需要被灵活使用：“活数据”在不断地被消化、处理，产生增值服务，同时又能产生更多的数据，形成数据回流

“活数据”的三大重要特征

全本记录，而非样本抽查

• 虽然按照统计学的方法，一个随机样本也可以在相当程度上推导出全局的特征，但商业的环境是动态的，始终处于不断变化的过程之中，一个间隔很长时间才收集到的样本，充其量只能将静态的一部分描述出来，并不足以支撑商业决策的全部需求

先有数据，后有洞察

• 在“活数据”时代，市场调查的整个过程被颠倒了。在越来越多的人口中，可以听到这样的说法：“我们重视的是相关性，而不是因果性”由于数据存储和计算成本足够低，我们可以把所有相关数据都记录下来，在业务的发展过程中去看哪些数据的使用能够让我们更好地进行洞察，能够帮助我们重新进行商业决策

数据就是决策

• 数据就是决策。数据智能的引擎机器要能够直接做决策，而不是传统的利用数据分析来支持人的决策。如果数据仅仅被用来支持人的决策，那便无法形成真正的闭环，不具备大规模复制推广的价值

举个例子，如今很多企业不太理解数据工程师跟商业智能（BI）分析师的区别。其实，BI是business intelligence的缩写，也就是所谓的商业分析部门，规模稍微大一点的公司都有这个部门。BI分析师最核心的工作就是研究数据，然后将数据分析成一个个报告，支持高管做出某些商业决策。这里提到的数据其实是离线的，目的是支持决策，并非我们正在讨论的“活数据”的概念，真正的“活数据”一定要能将数据本身产生的洞察直接变成商业决策

• 如果让数据成为你业务中的自然组成部分，让机器成为你决策中的一个环节，你的商业行为就会走入智能化的快车道

企业智能化=在线化+自动化

• 核心在于你能否创新性地实现产品化，把你的核心业务流程在线化
• 产品提供反馈闭环，数据作为原料，交给算法去处理，三位一体，你的业务就变成了一个智能业务，你的商业有了数据智能这一核心引擎，你就能跑在竞争对手之前
• 我总结了企业智能化的两大步骤

核心业务在线化

“流利说”的定位并不是一个评测公司，他们所做的口语练习工具，其实就是数据和用户的入口。他们照实所做的App，实际上就是一个和用户交流的界面，是一个数据收集器。利用它，“流利说”将用户录的每一条语音进行记录，以使其逐渐演变成一个世界上最大的“中国人说英语”的口语数据库

业务环节自动化

对于“流利说”而言，也就是将学口语变成一个非常简单的自动化过程。你的录音都会得到系统的反馈，你可以针对反馈不断提升自己的口语水平，也可以随时调整课程的进度，这其实就是机器人AI老师的概念。它是用机器决策取决了传统的老师反馈和课程改进，而这个过程需要的就是前文提到的数字化和软件化