
2019年3月,一代債券之王格羅斯宣佈退休,彭博創始人邁克爾·布隆伯格宣佈贈送三臺終端,供這位七旬老漢終生免費使用。
作為離錢最近的行業,金融以資料為生命線,彭博終端則是把握脈搏的探測儀。早在2015年,格羅斯就將使用多年的彭博鍵盤捐給美國史密斯國家博物館,作為“現代金融世界的標誌”展出。不止格羅斯,彭博終端改變了整整一代金融從業者的交易方式。

史密斯博物館收藏的彭博鍵盤
把複雜的計算機語言轉化成華爾街精英的常用詞彙,從產品功能到介面設計都為交易員、分析師們量身打造,讓彭博終端自問世後便大受歡迎——當然,價格同樣不菲,上萬美元的服務費用時刻映襯著華爾街的紙醉金迷。
數字化並非金融業的專利,自網際網路產業拔地而起,各行各業的企業家、小老闆們開始把扁平管理、資料消費等現代經營理念掛在嘴邊,資料的重要性前所未有地提升,與土地、勞動力、資本、技術並稱為五大生產要素。
用資料指導業務、提高效率不再是華爾街精英和網際網路極客的特權,走馬上任的CIO(資訊長)和CTO面前正擺放著一個全新的命題:
既然數字化大勢所趨,如何找到屬於自己的“彭博終端”?
資料飛輪:流動的資料才有價值
2020年,德邦快遞招兵買馬,計劃打造一套數字化營銷系統。
像快遞這樣的勞動密集型行業,在人們的慣常印象中離“數字化”相去甚遠,即使近年加大投入,外界對其數字化場景的想象也不過是物流追蹤。
但實際上,伴隨快遞業與電商行業的深度繫結,快遞不僅是電商運轉的重要基建,衍生出的種種資料也是一份詳實的行業統計公報。
身處其間的快遞企業顯然深知這一點,對資料最佳化業務流程的訴求也極其迫切。德邦快遞嘗試過不少數字化方案,但要麼無法承載海量使用者規模,要麼資料應用深度不足。
類似癥結並非快遞業獨有,而是許多行業面臨的共通問題:數字資產和業務應用的兩相割裂。
快遞行業做營銷常常需要結合時令變化和區域特點,在各地市場精耕細作,比如11月正值蘋果上市的季節,往往得關注陝西、甘肅、新疆等產區的使用者營銷。
但在實際應用中,由於資料處理滯後等種種原因,營銷策略部署不及時、動作變形的情況時有發生。
結果就是業務追著使用者跑,一線人員收到營銷線索、總部人員確定營銷動作時,市場已經變了一幅景象。
2023年,德邦快遞敲定了與火山引擎的合作,結合包括客戶資料平臺VeCDP、增長營銷平臺GMP、A/B測試產品DataTester在內的系列資料產品,嘗試構建以資料消費為中心的企業數智升級新模式“資料飛輪”。
在增長營銷平臺GMP上,德邦快遞建立了超過15條自動化營銷鏈路,以往德邦快遞每個月只能進行3-5場營銷活動,現在單月營銷活動峰值達到100場。
這個過程中,資料本身並沒有改變,改變的是資料的流通路徑。也就是說,資料不能處在被“存放”的狀態,需要“流動”到業務中去。
而火山引擎“資料飛輪”的含義,便在於資料的“流動”:一個又一個具體業務中的資料消費,加速了決策洞察。資料真正賦能業務帶來好的結果時,會推動更多、更頻繁的資料消費行為,從而構成第一個面向企業業務應用的“飛輪”。
業務的增長意味著更大規模的資料,伴隨資料資產的積累和建設,資料研發效率也會提升,更好、更快的資料產品,讓業務更願意使用,成為第二個面向企業資料資產的“飛輪”。
資料消費則是資料流動過程中的核心環節:不能讓流動在一線的海量資料真正被消費起來,為業務所用,那麼資料就只有單純的“展示”功能。這實際上是一種資源浪費。
長期的實踐中,火山引擎連同各行各業積累了大量資料飛輪的實踐樣本,其對應的大背景其實是中國企業的“數字化”過程。時至今日,伴隨生成式AI的日新月異,一大批企業又走向了“智慧化”的隘口。
脫胎於字節跳動資料驅動的資料飛輪,讓越來越多行業與公司感受了“數字化”的效率,當“數智化”的訴求迫近,新的方法與實踐也應運而生。
騰籠換鳥:人工智慧改變了什麼
2010年,《經濟學人》提出了一套由工業用電量、中長期信貸餘額和鐵路貨運量組成的指標,用於評估中國GDP增長量。花旗銀行在此基礎上對各項指數進行賦權,最終得出一個日後廣為人知的計算公式:
工業用電量增速*40%+中長期貸款餘額增速*35%+鐵路貨運量增速*25%
看似腦回路清奇的發明自有其合理性,這三個指標都與經濟增長掛鉤最緊密,一定程度上擠掉了統計數字的水分。
這種對於資料的深度挖掘,在當下已經成為一種普遍性訴求。從“三張表”裡的核心財務指標,到APP裡每一個選單的點選和跳出、使用者或普通或離奇的互動行為,都與企業真實的經營關聯緊密。
如何處理、利用這些資料,各行各業都在名為數字化的浪潮下摸索前行,引入火山引擎這樣的合作伙伴,成了越來越多企業的選擇。
作為火山引擎數智平臺團隊負責人,郭東東與團隊推進一個個案例落地的同時,也敏銳地捕捉到了企業更高階的數智化升級需求。
隨著大模型在各個領域井噴出現,AI賦能數字化逐漸成為業內議題之一,但它的另一面是驚人的試錯成本。這種進退兩難是資料飛輪2.0誕生的契機。不久前,火山引擎推出了以AI為核心的資料飛輪2.0模式,利用大模型將“智慧用數”抬升到一個新階段。

12月18日,火山引擎資料飛輪2.0釋出
郭東東將資料飛輪2.0的變化總結為兩點:
一是Data For AI的升級。透過升級多模態資料湖技術,資料飛輪2.0實現了結構化、非結構化、半結構化資料的統一計算、管理和儲存,企業得以調配複雜多元的資料資產,將資料處理與模型訓練、微調、知識庫高效協同。
其中,非結構化資料的應用與大模型密切相關。Transformer架構在2017年橫空出世後,人工智慧的發展從識別走向生成,資料處理能力從結構化資料拓展到了非結構化資料,從而讓文件、音訊、圖片等資料資產最大化地發揮其價值。
舉個簡單的例子,計算機視覺的時代,機器可以識別規格統一、字型固定——即結構化的車牌資料,但無法分辨迎面駛來的是賓士E、賓士S、還是賓士E改的賓士S。大模型則可以透過大量的訓練識別“車型”這樣的非結構化資料。
“大力出奇跡”的訓練方法讓AGI成為可能,這也是資料飛輪2.0的第二處變化:AI For Data。
在Data Fabric驅動下的ChatBI智慧體解決方案中,企業能夠建立基於自身多個業務的多套智慧資料服務體系:
Data Fabric透過語義層和資料模型的整合,讓資料服務變得更加敏捷;而ChatBI智慧體則能更貼合業務個性化需求,透過互動理解、資料訪問、分析推理和結果生成四大模組,極大提升業務員工的資料生產力,讓資料消費變得更加簡單直接。
也就是說,原本需要幾天到幾周才能完成的報表開發工作,現在只需要在IM工具裡面透過一句對話就能拿到資料分析結果,資料消費的門檻由此大大降低。
換句話說,利用大模型的特點,企業經營或產品運營中大量難以標籤化的類目,都可以經由機器學習“資料化”。AI助手會自己學習不同行業、不同企業、不同業務的“黑話”,逐步學會識別意圖和分析結果,從而輔助經營決策。

資料飛輪2.0
在字節跳動內部,資料飛輪2.0的這套解決方案已經覆蓋超過200個分析場景,每天處理超過10萬次分析請求,平均分析時間降低了 80%;同時,資料開發和運維成本也大幅下降。
在席捲全球的數字化浪潮中,企業同樣正在經歷一場翻天覆地的變革。三十年前,企業的數字底色是財務三張表和進銷存賬薄。三十年後,海量資料在企業內部輸入、匯聚、流動、輸出。
資料流動產生的巨大價值,會是許多企業最核心的資產,而它的價值取決於它被如何利用。
資訊平權:人人都可以用好資料
2009年夏天,2000名工人日以繼夜地施工,穿過河床、山脈、公路和農莊,鋪設了一條從芝加哥到新澤西的光纖通道,將兩地訊號傳輸從16毫秒縮短到13毫秒。超過200家高頻交易機構瘋搶這條月租30萬美元的光纖通道,原因無他,3毫秒的差距,可以讓他們賺得更多。
商業是一門基於資訊不對稱的活動,反過來說,資料與資訊有時也是一種特權與優勢。
金融業的驚人利潤可以讓他們立足在科學與技術的最前線——量化基金會招募物理學家、天文學家和資料科學家,把辦公室打造成智商密度堪比貝爾實驗室的科研機構。就像《富可敵國》中說:文藝復興科技更像是一個自然科學研究所,而不是一個金融機構。

文藝復興科技創始人西蒙斯本身也是一位數學家
拉長曆史來看,“資訊優勢”一度是富商巨賈的特權,並藉由技術的進步迎來了兩次平權的浪潮。
19世紀下半葉,電話、電報和無線電的誕生帶來了資訊傳遞的革命;20世紀90年代,計算機的普及讓資訊和資料的傳輸變成了普羅大眾的基礎設施。
日新月異的資訊科技,將全球的商業盈虧須臾可計,環球同此涼熱。
人工智慧的浪潮伴隨一座座拔地而起的資料中心,帶來了新的資料普惠,讓企業在“數智化”這個命題前,不必被天文數字的成本嚇倒。
英偉達GPU的大買家除了微軟、亞馬遜這些雲計算巨頭,還包括達美樂披薩這些看上去不那麼高科技的連鎖餐飲公司。在OpenAI利用數億美元投資建成的資料中心訓練模型時,達美樂披薩也在自己的機房利用人工智慧最佳化騎手送餐路線,持續踐行著“30分鐘必達”的承諾。
人工智慧的實質是一場演算法、算力和資料的藝術,它同樣帶來了資料的“平權”。不是每一家公司都有足夠的財力花30萬美元的價格租一條光纖,或是大手一揮建起一座算力可怕的資料中心。
資料飛輪2.0的核心,實際上是給眾多企業提供一個通用的底座,讓他們享有公平的“資訊優勢”。
郭東東舉了一個例子:一家公司在自建BI系統的三年裡,一共生產了1200多個數據看板和8000多個視覺化圖表。但引入火山引擎“智慧資料洞察DataWind”功能的一年半里,現存就有2700多個看板和18000多個視覺化圖表。
原因在於,自建BI系統的所有報表都需要專業的程式碼能力,實際上將資料分析的群體限制在了IT部門。而DataWind將程式碼和資料變成了視覺化的拖拽動作,運營人員經過簡單培訓甚至自己摸索,就能探索複雜的經營資料。
能不能利用好自己的資料,會是企業經營中越來越關鍵的問題。其核心既包括技術在經營環節中的應用,也在於如何降低技術的使用門檻,讓更多人參與到“數智化”的程序其間,而不是空喊口號。
從進銷存賬薄到財務三張表,從資訊化、數字化再到智慧化,“用好資料”在任何時候都能成立。只不過在人工智慧的時代,所有資料都可以被利用,所有資料都可以有價值。
全文完,感謝您的耐心閱讀。
參考資料
[1] 重新定義公司:谷歌如何運營的,埃裡克•施密特
[2] 維多利亞時代的網際網路,湯姆·斯丹迪
[3] Ex Tesla CIO Jay Vijayan Builds Tekion To Improve Car Buying Experience,Forbes
[4] 網際網路殺不死彭博——因為它最瞭解華爾街,騰訊科技
[5] Bill Gross gets retirement gift from Bloomberg: free terminals,金融時報
作者:黎錚/李墨天
編輯:戴老闆
視覺設計:疏睿
責任編輯:李墨天

