数据智能响彻于拂晓

从 2019 年 7 月集中了科技巨头们纷纷发布了财报。

微软作为老牌科技企业，云计算业务收入首次超过 Windows 业务，Azure 营收同比增长 64%。Google 云业务发展迅猛，已经成为仅次广告和视频的第三大增长点，挤身世界第三大云，预计 2019 年可以突破 80 亿美元。同期，Goolge 斥资 26 亿美元收购数据分析公司 Looker，继续追赶 AWS。

Salesforce 营收同比增长 22%，订购和支持业务营收占比超 93%。同期，Salesforce 出资 157 亿美元收购 BI 软件领导者 Tableau，一时激起千层浪。Salesforce 是世界最大的 CRM 软件提供商，Ganter 将 Salesforce 评为 CRM 的领导者，并连续十年将其评为领导者。

从各大巨头利润结构的变化看出，云服务的占比越来越高。全球化数字经济时代到来，产业互联网是各大厂商追逐的第二曲线。海外企业在在线化，数据化心智上比中国企业先进 5-10 年，但今天的平台，工具生态已然先行。

破局之道法

经济学的本质就是决策，就是选择的效率与效用。我们日常每天都在做决策，而我们的工作其实是在实施各管理层的决策，行政学家西蒙表达著名诊断『管理就是决策』，组织是一个决策系统，组织内的各个层级都要做出决策，有效的组织应以正确的决策为基础。

关于决策的分类，Mckinsey 在 2017 有一篇 Untangling your organization’s decision making 的文章讲到我们的决策有四种：

Big-bet decisions（赌注决策）, Cross-cutting decisions（横切决策） 指的是高风险，但又是最重要的决策。Ad hoc decision（临时决策）, Delegated decisions（委任决策） 指的是低风险，又是员工常常要做的决策的动作。

从数据的角度，赌注决策和横切决策为什么难以决择，主要在于我们处在大竞争环境下，信息是不对等性造成的，理性决策过程中必然会带着感性，而委任决策和临时决定往往在公司或团队工作的一个环节，从信息完整性上可以做到自有闭环，理性决策的方法可以贯彻地较好。

尽管我们的最终目标一定是 D 走向 A，依赖理性决策带来最大收益，但人类社会的发展离数字化还有相当长的距离。因此，我们在重大决策过程中，一定会带着感性的因素存在。在可遇见的未来，人类智慧与机器智能会长期并存，相辅相成。

图灵奖得主Jim Gray 将人类科学的发展定义成为四个“范式”，并描绘了自己关于第四范式的愿景。进入数据智能时代，在机器学习、分布式计算等技术发展的基础上，数据逐渐呈现出高维度、高阶态、异构性的形势，能够对海量数据进行分析、处理和挖掘，并且通过建模、工程等方式来解决实际的预测和决策问题，最终实现决策的行动，则为“数据智能”。

数据智能的目的是让机器具备推理等认知能力，数据驱动决策。同时完成业务数据化进程，进入到业务智能化，依靠数据去改变业务。

智能与数据化呈现迭代演进的方式，数据的前两个阶段反应了一个问题『发生了什么』，数据化的第三阶段才生了经验与数据的结合，智能在基础上进行模式识别，并未来预测，这时问题演变成『会发生什么，为什么发生』。当我们要做决策时，过去我们会依赖自身的智慧，而结合机器在限制条件的行为可以达成结果优化，并将这套方法融合进特定的应用场景中，就可以形成定制化的能力，形成可复制的数据智能能力。

曾教授在《智能商业》书中写过这样一段话『数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据与产品合二为一。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』。

在数据智能的方向上，我们把再抽象成两种更具象的智能方法。一种是决策智能，指的是我们可以使用人工智能直接或加速与最终决策的产出，辅助做出最佳决策。另一种是洞察智能，指的是我们可以从数据中自动探查有价值的信息反馈给人类，依然由人类做出合适的决策。

结合数据中台的工具与产品建设，我们可以定义两条方法链路。

第一，在决策智能的定义下，我们需要提供直接决策的平台。以目前互联网公司运营举例，今天利用数据进行增长可以提升增长实施的效率的方法称为增长黑客。简而言之，当背后数据资产可以精准地定位到特征人群，那么运营就可以在触达方式上匹配出一个到更自动化的消费者运营闭环。

第二，洞察智能与决策智能最大的区别在于洞察智能并不针对一个具体的决策点，而针对一个问题的 N 种可能解法，对应了多种分析方法的互动。随着对数据进行知识化之后，我们可以更快速，更精准地得到洞察链路，呈现给决策者。比如领先的 BI 工具，除了从用户问题出发的报表呈现外，还有基于 NLG/NLP 的分析探查，不用做报表就可以从数据中联想带来洞察，甚至可以对数据波动做到归因溯源。

基于两种智能诉求，同时涵盖了大部分数据场景的建设，包括数据一体化研发平台，AI 一体化研发平台这两个基于研发平台，对应我们数据研发和算法岗位，数据资产及服务平台，数据知识图谱平台是上层对于数据智能方法沉淀的结果与管理，决策分析平台，BI 分析平台和多种垂直工具则是提供给客户的最终能力。

成事之术器

2019 年 8 月，阿里的数据中台在阿里云峰会上对外发布。数据中台是集数据、技术、产品和组织的组合，它是理念是以用户为中心，企业开展数据化运营的系统。阿里在服务新零售上沉淀了对数据采集，建设，管理，使用的深度经验，极大的加速了前台业务数据使用的效率，一路沉淀了自有的体系和方法论。

从产品角度，阿里数据中台提供三项核心能力，其中，OneModel 负责统一数据构建及管理，OneID 负责将核心商业要素资产化，OneService 负责向上提供统一的数据服务。层层递进，将行业智慧和积累赋予每个组织。在此之后，是智能的力量在推动数据发动机的引擎。

数据智能建设需具备三种能力的实现，分别是生产能力、洞察能力和决策能力。

在生产数据与 AI 生产模型的历史进程中，我们可以看到清晰的一点就是智能化的引入提升研发效率，Auto ETL，AutoML 的概念屡见不鲜。从原先研发过程依赖于手工写码相比，今天更多去思考方法论的沉淀以形成流程化与配置化，实现研发轻量化。

今天，在阿里云上数据中台的整套方案推出奠定了数据智能方向在国内数据基础建设的里程碑，其中 Dataphin 代表下一代数据研发平台，包括了数据研发与管理，数据资产的萃取与管理，集成了阿里 OneData 指标建模为始的集大成者平台。

BI 工具今天在云市场的价值在文章起始就已经提到，企业进入数据化后根据的诉求是能够看到数据，描述业务的基本情况，那么 BI 工具必不可少。BI 工具也大大降低了数据研发的工作，可以使业务人员快速得到洞察。

Quick BI 是阿里数据中台提供服务的两大利器之一。Quick BI 在 BI 能力上，支持非常丰富的数据源和图形化的展现能力。在业务数据化的浪潮中，依然坚持在报表功能的基础优化过程，比如交叉表的深度定制，图表的体验优化，以及集成能力的加强等。

从报表式分析慢慢转变到自动化分析洞察的工作，正在 Quick BI 团队中发生，这是洞察智能替代今天手工报表的未来。

在强大的 BI 工具上，沉淀一些的方法论，与外部的营销平台结合，形成云上的营销工具 Quick Audience，这是对阿里数据中台对接业务而释放的力量。

在阿里新零售场景下，生意参谋与数据银行是数据中台为商家服务提供的平台，针对商家我们提供了决策智能和洞察智能的平台能力。从阿里沉淀的营销方法论 AIPL，覆盖到全域，解决商家全链路的数据透视，形成独特的品牌消费者数据资产能力。

2019 Garnter 未来展望里，数据与智能方向占据了大部分版面。其中端上能力都会集成数据能力，依靠着云上计算能力，提供强大的渲染与数据分析能力。

在流程研发，分析洞察，科学决策等方面都是体验技术发挥至关重要力量之处。基础能力上，编辑器，中后台搭建，数据可视化在垂直场景上有着大量的深度挑战。

10 年前，数据团队基础还被外商产品所垄断。时至今日，一个礼堂都坐不下阿里数据中台的同学们，体验技术团队也发展到 40+ 规模。因为我们相信数据的价值，因为信仰的力量我们聚集在一起。

数据的未来是星辰大海，望有志之士一同前来创造未来。（请私信）