阿里总参谋长曾鸣 | 智能商业：数据时代新范式
数据化、算法、产品，构成了智能商业的三个基石。
数据、算法、产品在反馈闭环中三位一体，惟其如此，智能商业才能完成对传统商业的降维攻击。
智能商业和传统商业的最大区别是活与死，传统商业是对过去“死”数据的收集、分析，而智能商业将是对“活”数据的记录、反馈。
传统商业中，“客户第一”是孜孜以求的目标，实现它意味着巨大成本；在智能商业中，数据、算法加产品使我们第一次可以真正低成本、高效率地与海量客户互动，同时精准满足每一位客户的个性化需求，“客户第一”成为商业的起点和基础。
互联网产品是包含“云”的智能和“端”的体验的完整的互联网服务，是数据智能和商业场景紧密融合的最终载体，必然会取代营销，成为商业运营的关键。
今天，以互联网、云计算和大数据为代表的技术革命正引领人类社会加速进入农业时代、工业时代之后的一个新发展阶段——数据时代。前两个时代分别以土地、资本为生产要素，而我们面前正在开启的时代，数据将成为最核心的生产要素。
这个新时代的真正价值还没有被充分认知。在目前大部分的商业实践中，企业付出巨大投资得到看似庞大的数据，但仿佛找不到创造价值实现盈利的有效方法。数据的价值到底如何实现？数据怎样才能带来商业的创新和突破？即将到来的这个以“数据”冠名的时代，商业将经历一场怎样的范式革命洗礼？
在我们看来，数据智能将成为未来商业的基础，而智能商业也将成为数据时代的全新商业范式。伴随着互联网技术，特别是物联网、数据科学和计算能力持续的高速发展，基于数据智能的商业将大大超越102年前的福特流水线，给人类整体的生产力带来又一次根本性突破。
蚂蚁小贷的智能化
我们先从一个案例谈起，看看小微企业的贷款业务是如何通过数据智能与商业场景结合找到破解之道。
对信贷机构来说，有三个决定事关生命线：贷给谁？贷多少？以什么利率贷？要做好这三个决定，前提是尽可能全面了解贷款客户，但信息收集和审核意味着巨大的成本，尤其是中小商家和个人的财务和信用信息，碎片化、非结构化，收集已极难，判定更不易。所以，中小商家贷款难，本质上的原因是信息收集和处理的能力不足，成本和收益不成正比，信贷机构只好采取审慎原则，提高准入门槛。
而采用全新信息技术的蚂蚁小贷，对此实现了质的飞跃：成立6年，累计服务数百万淘宝卖家和阿里巴巴商家，平均单笔贷款低于5万元，少的只有几百元（传统的小贷机构单笔贷款一般不低于50万元）。商家不仅不需要抵押，甚至不需要上传财务报表；更匪夷所思的是，他们不需要见到信贷经理。事实上，蚂蚁小贷没有信贷经理，所有信息采集和决策由计算机后台完成——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汇入卖家账户。在无人信贷模式下，坏账率还能低于传统银行的平均水平。
秘密是什么？蚂蚁小贷做了三件关键的事：特定商业场景的数据化、忠于商业逻辑的算法及其优化迭代，以及将数据智能与商业场景无缝融合的产品。
在“准入”这一步，蚂蚁金服首先做的是商业场景数据化。归功于互联网，蚂蚁小贷能够分享潜在客户的诸多数据，比如这些淘宝卖家正在卖哪些商品、生意好不好，又比如卖家经营店铺勤快与否（例如，客服旺旺的回复速度，每天经营时间的长短等）、之前是否有过不诚信的行为等等，这些数据的丰富度、准确度远高于传统银行能采集到的贷款者信息。
在“全面了解客户”这点上，蚂蚁小贷拥有数据的优势。但如何运用好这些数据？“算法”至关重要。算法在计算机科学中通常指一组包含了有限、明确并有先后顺序的指令集合，它被广泛应用于计算、数据处理和自动推理。蚂蚁小贷的算法工程师们就建立了一套算法模型来处理这些海量数据，给每位客户的“信用”打分，从而区分出欠贷不还的“坏人”和准时还贷的“好人”。基于算法模型的客户信用分值，成为蚂蚁小贷回答“贷不贷”这个问题的核心依据。
与传统数据分析不同，基于在线数据和算法的模型能够进行实时迭代。一方面，新数据的不断涌入，客户的每一单交易、每一次上线、每一次还款，原则上每时每刻都在改变“信用”分值。另一方面，算法模型也能迭代。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到或清除出模型、客户的哪些行为特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，而即便在传统金融数据化程度极高的美国，一次更新往往也需要6个月。
最后，蚂蚁小贷还将上述数据智能创造性地融入到小微贷款这一商业场景中，设计出一款高效的互联网产品。淘宝卖家可以在运营平台上直接申请贷款。平台一方面依据客户的全方位数据、用一系列算法模型“算出”对每一位客户的贷款额度、利率；另一方面也成为一个客户反馈的管道，基于客户的行为，数据会实时更新，而且实时检验着蚂蚁小贷“算”得“准不准”，算法模型也据此实时优化。
面对每一次客户的贷款申请，蚂蚁小贷都是这样来回答“贷不贷”这个问题的。同样，回答“贷多少”、“收多少利息”这两个问题也是类似的过程。事实上，在淘宝商家提出贷款申请前，蚂蚁小贷已经根据商家的线上行为数据，预先用三套模型对每个潜在贷款者的贷款意愿、还款能力和利率偏好都做了评估，并通过一系列产品机制设计来提升商家的贷款意愿，这已经完全区别于传统贷款业务的被动发生的特征，而成为一种主动运营的商业模式。如果没有上述数据智能的融入，所谓主动运营几无可能。
在这个过程中，客户的数据越来越丰富，运用到的参数越来越多，算法模型也越来越准确，贷款风险控制的成本越来越低，贷款者的体验也越来越好，覆盖的贷款用户也越来越广。整个业务进入高速发展的正循环。更重要的是，这是一个基于数据和算法的，自动的，智能化用户体验提升过程，商业效率得到极大的提升。
智能商业三块基石
正如我们在蚂蚁小贷例子中看到的，从PC互联到移动互联，再到万物互联，从云计算到大数据，基于数据和算法的智能化将是未来商业的基础和最重要的特征。智能商业的效能相对于传统商业将是质的飞跃：从谷歌开始普及的在线广告系统中的广告竞价模型一方面让百万级的小企业也可以投放广告，另一方面，成就了谷歌这家全球最大的广告公司。IBM在问答大赛（Jeopardy）中战胜了一批知识达人的机器人Watson背后，同样是一个不断累加的知识库和一套理解问题、分析信息、寻找答案的算法系统，其已经被广泛应用到复杂疾病诊断的实践中；又例如Uber根据出租车司机的交班计划，用算法模型将最顺路的乘客分配给司机在互联网的语境下，数据化、算法迭代、产品、反馈闭环，这些都不是什么高精尖的词汇，然而当它们融合到一起，尤其是当它们成为一种商业模式的有机组成部分时，这未来的景象甚至配得上“壮丽”这样的描绘。
本质上和蚂蚁小贷的智能机理一样，上述这些智能商业的例子都是建立在数据、算法和产品这三块基石之上。
1.数据：智能商业的基础
“数据化”本质上是将一种现象转变为可量化形式的过程。它来源于人类测量、记录和分析世界的渴望。随着计算机技术的出现，尤其是互联网技术的快速发展，数据化的新一波浪潮更加汹涌：我们已经看到，自己在互联网上留下的每一处“足迹”都被数据化地记录下来，成为谷歌判断每一个用户的个性化需求并推送商品广告的关键依据；FaceBook实现了人际关系的数据化，带来了很多全新的应用，例如通过分析选举前用户的行为数据来“计算”选民的投票倾向，成为有史以来最准确的选前民调。我们还看到文字被数据化，地理方位被数据化，身体健康状况被数据化，情绪感受被数据化，在这一波全新的数据化浪潮中，尤其是当数据本身也在线，从而可以实时使用了之后，这种魔力就更显著了，如同蚂蚁小贷的贷款模型，卖家每个数据的每次变化，都实时带来从贷款算法模型到放贷商业决策的变化。
我们今天完成了数据化的部分，只是现实商业世界中的凤毛麟角。这个时代创新的重要一环就是如何把一个个商业场景，或者只是将其中的一个商业环节数据化，其过程本身都潜藏着巨大的商业价值。即使在服装网购如此繁荣的今天，绝大部分人的身材并没有数据化，更没有在线化，新的商业模式的基础就蕴藏在里面。同样的，当下最热门的各种O2O的创业，很大的成本都用在了将某个商业场景数据化上，例如街边小店的菜单能否在线化，食品质量指标能否数据化；而物联网浪潮中，最核心的就是如何通过芯片，传感器等，把人、物和我们整个世界逐步的数据化。互联网技术使我们终于可以低成本、全方位地记录数据，而只有当我们拥有了足够大量、足够多维度的“大数据”时，才可能真正客观、真实而深刻地理解我们周遭的环境、事物的本原以及我们自己。
数据化毫无疑问也是我们进入以数据智能为核心的智能商业世界的第一步，也是我们这个时代最重要的创造之一。有效的数据初始化是大数据创造价值的至关重要的第一步。可以说，没有数据的初始化就没有后继的商业创新，而数据初始化的巨大成本能否通过它创造的客户价值来回报，也就成为当下的海量创业项目能否存活立足的重要考验。
2.算法：智能商业的引擎
我们提到算法时，常常接上另一个词——“引擎”。这是一个奇妙的比喻，因为如果说数据是数据时代的一桶高标号的汽油，则算法就是这台引擎，它让数据中的能量得以完全喷发出来，为智能商业的“汽车”推进加速。
算法在蚂蚁小贷业务中的关键作用不言而喻，谷歌的成功也源于创始人发明的PageRank算法。搜索是第一个数据和算法驱动的互联网产品，使我们每个人都得以在海量的互联网数据中找到最相关的信息。谷歌创造的另一个功能强大的算法是其在线广告市场引擎——Pay per Click（每点击付费），每天都有价值10亿美元以上的线上广告通过这一算法投放到最合适的观众面前。
在商业的语境下，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，算法是提炼数据价值的思路，而数据时代的数据价值就是商业价值。如同谷歌正在做的，我们每个人打开过一些商品的页面、网购了某件商品，这无疑是数据的金矿，但只有当在线广告的算法引擎从中挖掘出每件商品的潜在买家、并据此投放广告时，这座数据金矿的价值才真正被开发出来。
算法是“机器学习”的核心——“笨”机器靠着算法的持续优化迭代，变得越来越聪明。即便是一个非常粗糙的算法模型，也可以利用实时在线、全本记录的数据，通过没有预判和方向的数据探索，来发现那些广泛潜伏但我们无法察觉的关系结构，持续优化，并创造性地将其融入商业场景，创造商业价值。
数据时代的智能商业对算法提出了全新的要求：算法的迭代方向、参数工程等等，都必须与商业逻辑、机制设计、甚至是价值观取向融合为一。当算法迭代优化时，决定其方向的不仅是数据和机器本身的特性，更包含了我们对商业本质的理解、对人性的洞察和创造未来商业新样貌的理想。
这就是我们称算法为智能商业的“引擎”而非“工具”的关键理由，它是智能的核心。基于数据和算法，通过“机器学习”，实现“人工智能”。第三次工业革命，信息革命，发展到今天，完成了从量变到质变的飞跃，“人工智能”成为数据时代最根本的特征。
3.产品：“智能化”的支点
智能商业的核心特征就是能主动地了解用户，通过学习不断提升用户体验。而把用户，数据和算法巧妙地连接起来的，是“产品”，这也是互联网时代特别强调产品重要性的根本原因。
产品和数据、算法的互补作用可以形象地比喻成“端云”。“端”就是产品，是与用户完成个性化、实时海量、低成本互动的端口，它不仅仅直接完成用户体验，同时使得数据记录和用户反馈闭环得以发生，和“云”互动；而“云”则是数据聚合、算法计算的平台，它通过算法优化，更好地揣摩用户需求，提升用户体验。
作为“端”的产品，具备三个关键的作用：
第一，产品设计本身直接影响用户体验。功能是否齐全，界面是否友好，交换是否自然，都是关键因素。苹果公司这10年的成功，特别是iPhone, 充分显示了这一点；谷歌也是如此，超简洁的搜索框一出现就让人惊艳，口碑相传，带来了早期的高速发展。
第二，“端”是将“云”上的数据智能传递给用户、为用户带来价值的管道。事实上，在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自于端上的互动，而更多地决定于云上的数据智能。用户在淘宝的体验，不仅仅是搜索是否好用，类目是否合理，导航是否有效等，更重要的是他能否高效地从几十亿件商品，千万级卖家中快速找到他需要的商品，甚至还有惊喜，而这取决于“云”上的数据智能。不通过数据和产品的紧密融合，不通过云上的数据智能实时发挥作用，真正意义上的客户体验持续提升是根本无法想象的，就好像我们根本无法想象传统的金融服务能在几秒钟内完成对客户的贷款一样。
第三，“端”是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增殖和算法优化的管道。用户的真实需求常常是无法直接表达的，但是他们的行动不会骗人。每一次用户的行动都成为一次数据反馈，算法在这样一次次的反馈中敏捷迭代，一次次更接近用户的真实需求。上传下达，双“管”齐下，数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。
因此，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。谷歌超越雅虎、Facebook超越Myspace、Uber颠覆出租车行业等等，无不如此。
反馈闭环中“三位一体”
数据化、算法加上产品构成了智能商业的三个基石。例如，谷歌搜索引擎的三大核心，一是网页内容的数据化，二是基于PageRank的算法引擎，三是谷歌巨大的产品创新——极为简洁的搜索框和基于相关性排序的结果页。然而这还不够，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。用户在搜索结果页上的每一次点击（或者一次点击都没有）的行为数据被实时记录、反馈到算法引擎，不仅优化了搜索结果，而且优化了任何搜索这个关键词的人得到的搜索结果。
用户行为通过产品的“端”实时反馈到数据智能
的“云”，“云”上的优化结果又通过“端”实时提升用户体验，在这样的反馈闭环中，数据既是高速流动的介质，又持续增殖，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，在为用户提供更赞的产品体验的同时，也促使数据反馈更低成本、更高效率地发生。
一言以蔽之，数据化、算法和产品就是在反馈闭环中完成了智能商业的“三位一体”。
智能交通体系是另一个例子。以无人驾驶汽车为代表的整体智能交通体系已经不是科幻，谷歌首次实现了根据路况数据设计路线，本质上这是将关于路线选择的算法在线了，而今天在美国，无人驾驶汽车已经上路试验，就是汽车这个“端”的全面智能化。
在中国，阿里巴巴最新的实践则是交通“云”的全面智能化，依据各方面交通数据的整体打通，预测未来一小时内每一个路口可能的交通状况，进而对接城市交通指挥系统。在北京这样复杂的路况下，此套体系预测准确率超过95%。这其中，数据化、算法迭代和产品同样在反馈闭环中实现了三位一体。智能交通体系首先以一连串事物的数据化为前提的——包括了地理位置的数据化、车况的数据化和天气的数据化，红绿灯、分道线以及行人的数据化等等；它还是算法实时优化的结果——不仅是车况本身的优化，更是整体智能交通体系的优化；当然它更离不开从汽车到红绿灯等种种产品的智能化。智能交通还是众多数据反馈闭环的集合体——路况数据使车辆实时优化行车路线，周遭环境数据使车辆实时决定行使速度，乘客身体状况的数据使车辆实时调整车窗开合。
本质上，商业从一开始就是基于某种“反馈闭环”，了解客户所需，提供相应的产品或服务。然而不论是发挥商业想象猜测客户需求、抑或通过市场调查倾听客户需求，始终失之于准确，困之于成本。不过，今天当客户可以通过全本实时的数据把他们的需求直接告诉商家时，当商家可以凭借敏捷迭代的算法引擎越来越精确满足客户的需求时，当产品借助互联网的巨大能量成为数据智能和用户实时互动的端口时，我们终于可以说第一次找到了促使反馈闭环以更低成本、更高效率、甚至是自动运转的颠覆性工具——它可以被称作是一部数据智能的“永动机”，只要有在线的互动，有数据的反馈，机器就永不停歇地学习，实时敏捷优化。
数据、算法和产品在反馈闭环中三位一体，惟其如此，智能商业才能完成对传统商业的降维攻击，数据时代的商业跃升才有了发力点。
数据时代的新商业范式
如果系统地规整我们已经看到的智能商业，或许会发现它们与传统商业的一系列差别：第一，传统商业是对过去“死”数据的收集、分析，而智能商业将是对正在发生的“活”数据的记录、反馈；第二，传统商业是基于经验的市场预测，而智能商业将是基于用户行为数据的关联计算；第三，传统商业是对用户体验在某种固定边界内的局部优化，而智能商业，将基于数据的不断生长、算法的持续迭代和产品的关键突破，使用户体验不断突破边界，使价值创造不断跃升。
“活”这个字概括了智能商业与传统商业的本质区别：数据是“活”的，用户的每一次行为都转化为新的数据汇入数据的大海，而每一个新数据的汇入都实时引发各个数据集的连锁反应；算法是“活”的，用户对产品、服务的每一次体验，都成为算法迭代成长的养分，使算法越来越聪明地反映商业本质；反馈闭环是“活”的，在其中,产品在迭代，数据在流动，算法在成长；最终，我们所熟悉的工业时代的机械逻辑——预先设定一切——将被彻底颠覆，取而代之的将会是一个全新商业生态系统。
本文转载自《曾鸣的博客》工业4.0俱乐部推荐阅读！
阿里研究院学术委员会主任梁春晓：新基础设施、自由连接体与共享经济
（重磅）阿里研究院最新发布：制造业在互联网+时代如何突围？【商评新思】
工业4.0俱乐部为国内第一家为工业4.0和智能制造为主题的聚合共同体。秉承集聚、分享、共创、发展的理念，联合产、学、研、政等打造工业4.0产业生态联盟，为区域及企业产业升级转型提供一站式服务。
（长按二维码，关注工业4.0俱乐部）