趙艷秋

企業(yè)正面臨著數(shù)字化轉(zhuǎn)型3.0帶來新的挑戰(zhàn)與機(jī)遇，即轉(zhuǎn)型成為“數(shù)據(jù)驅(qū)動“型企業(yè)需要面對的各種問題。

2015年初，萬達(dá)集團(tuán)宣布第四次轉(zhuǎn)型。2017年1月，在萬達(dá)集團(tuán)發(fā)布的2016年財(cái)報(bào)中，服務(wù)業(yè)占比為55%，首次超過房地產(chǎn)。作為轉(zhuǎn)型的重要組成部分，萬達(dá)利用云計(jì)算、大數(shù)據(jù)和區(qū)塊鏈等技術(shù)，摸索自身和行業(yè)的數(shù)字化轉(zhuǎn)型升級之路，并宣布進(jìn)軍云計(jì)算和數(shù)字化轉(zhuǎn)型服務(wù)市場。

在這期間，萬達(dá)在大數(shù)據(jù)企業(yè)TalkingData的協(xié)助下，用了一年半時(shí)間建立起自己的數(shù)據(jù)運(yùn)營體系，其摸索之路具有代表性。

萬達(dá)構(gòu)建數(shù)據(jù)運(yùn)營體系

“最初，萬達(dá)提出的數(shù)字化轉(zhuǎn)型目標(biāo)很散。”TalkingData合伙人蔣奇說，“例如，萬達(dá)小貸部門說，要抓住給商鋪和會員的小貸機(jī)會；電影院說，要對廣告投放做優(yōu)化；電商部門則說，要把線下人群引到線上來買東西……”

蔣奇很快意識到，如果與一個(gè)個(gè)部門業(yè)務(wù)去談，可能解決不了萬達(dá)的根本性問題——不能開展整體數(shù)據(jù)采集，不能把數(shù)據(jù)串起來?！坝谑?，我們建議萬達(dá)要有整體規(guī)劃，要對自己的數(shù)據(jù)資產(chǎn)進(jìn)行盤點(diǎn)，有哪些、缺哪些、要補(bǔ)哪些”。

在做完整體規(guī)劃之后，TalkingData開始協(xié)助萬達(dá)做方案落地。第一個(gè)要解決的問題是數(shù)據(jù)平臺。傳統(tǒng)數(shù)據(jù)庫管理的是“死”的、結(jié)構(gòu)化的數(shù)據(jù)?？墒侨f達(dá)的數(shù)據(jù)五花八門，有實(shí)時(shí)人流WiFi行為數(shù)據(jù)、攝像頭數(shù)據(jù)、用戶交易數(shù)據(jù)……特別是其中一些動態(tài)數(shù)據(jù)要在2小時(shí)內(nèi)做出反饋，否則就失去價(jià)值。比如，某個(gè)消費(fèi)者進(jìn)入萬達(dá)廣場的一個(gè)商鋪，要馬上對他進(jìn)行針對性營銷。

在這樣的新型數(shù)據(jù)運(yùn)營模式下，TalkingData為萬達(dá)提供了一套自主開發(fā)的數(shù)據(jù)管理平臺。核心在于依托TalkingData SmartDP（智能數(shù)據(jù)平臺）強(qiáng)大的數(shù)據(jù)能力實(shí)現(xiàn)線上線下數(shù)據(jù)的打通，配合萬達(dá)的各種業(yè)務(wù)場景，確保數(shù)據(jù)能不斷流進(jìn)，實(shí)時(shí)處理，進(jìn)而促進(jìn)整體業(yè)務(wù)運(yùn)營的效率。

在搭建數(shù)據(jù)平臺的過程中，數(shù)據(jù)治理非常關(guān)鍵。“這不是你有什么數(shù)據(jù)，我?guī)湍闱逑聪逻@么簡單，企業(yè)往往需要咨詢服務(wù)”。例如，如何采集和準(zhǔn)備數(shù)據(jù)，這包括企業(yè)現(xiàn)在有什么數(shù)據(jù)，它們對業(yè)務(wù)會帶來哪些價(jià)值，還有哪些企業(yè)沒有意識到的數(shù)據(jù)。再如，數(shù)據(jù)如何合法合規(guī)，如何保護(hù)用戶隱私。還有，不同渠道、跨不同部門和觸點(diǎn)的數(shù)據(jù)，如何通過唯一的客戶畫像匯總并串聯(lián)起來。

在搭建數(shù)據(jù)平臺、開展數(shù)據(jù)治理后，萬達(dá)選擇了幾個(gè)優(yōu)先場景來跑通數(shù)據(jù)運(yùn)營，首先在中小商戶的小額貸款風(fēng)控場景上，我們通過共同的數(shù)據(jù)采集，到聯(lián)合建模和算法構(gòu)建，成功地提供了相關(guān)服務(wù)；在商場前策和選址上，我們在所有萬達(dá)的新開商場提供類似的服務(wù)，也取得了很好的效果。在這個(gè)過程中，萬達(dá)漸漸熟悉什么場景調(diào)用什么數(shù)據(jù)，開發(fā)什么樣的模型，并要構(gòu)建一套數(shù)據(jù)閉環(huán)體系，用反饋回?cái)?shù)據(jù)不斷優(yōu)化模型。

隨后，越來越多的業(yè)務(wù)和數(shù)據(jù)遷移到數(shù)據(jù)平臺上，像CRM和ERP數(shù)據(jù)等，數(shù)據(jù)運(yùn)營被引入更多業(yè)務(wù)。

繞過數(shù)字化運(yùn)營中的“坑”

在幫助萬達(dá)和其他企業(yè)開展數(shù)字化轉(zhuǎn)型后，TalkingData也漸漸總結(jié)出幫助企業(yè)構(gòu)建數(shù)據(jù)運(yùn)營體系的方法論。

“數(shù)字化轉(zhuǎn)型并不是新概念?！笔Y奇說，“最早可以回溯到2000年前后那波互聯(lián)網(wǎng)浪潮?！痹谶^去近20年中，傳統(tǒng)企業(yè)經(jīng)歷了“互聯(lián)網(wǎng)”和“云計(jì)算”的洗禮，數(shù)字化轉(zhuǎn)型的1.0、2.0時(shí)代，讓傳統(tǒng)企業(yè)構(gòu)建了完整的IT系統(tǒng)。在此基礎(chǔ)上，進(jìn)入數(shù)字化轉(zhuǎn)型3.0時(shí)代也就順理成章，水到渠成?，F(xiàn)在企業(yè)正面臨著數(shù)字化轉(zhuǎn)型3.0帶來新的挑戰(zhàn)與機(jī)遇——即轉(zhuǎn)型成為“數(shù)據(jù)驅(qū)動“型企業(yè)需要面對的各種問題。目前，大量的企業(yè)開始擁有自己的數(shù)據(jù)，并正在用數(shù)據(jù)提升企業(yè)運(yùn)營效能，并且逐步積累更多數(shù)據(jù)資本，用數(shù)據(jù)輔助決策。

蔣奇觀察到，最近幾年，一些傳統(tǒng)企業(yè)甚至“跳過互聯(lián)網(wǎng)、跳過云”，直接從移動互聯(lián)網(wǎng)起步?！耙苿踊ヂ?lián)網(wǎng)確實(shí)是推動企業(yè)數(shù)字化轉(zhuǎn)型的一個(gè)重要途徑，因?yàn)橐苿踊ヂ?lián)數(shù)據(jù)距離數(shù)據(jù)分析的終極目標(biāo)——人是，最近，最能從數(shù)據(jù)展現(xiàn)人的各種行為”。最典型的我們服務(wù)的某個(gè)銀行客戶。2012年，客戶信用卡部門與TalkingData合作，通過數(shù)據(jù)運(yùn)營，信用卡APP用戶在兩三年間從幾十萬增長到近3000萬。在這個(gè)過程中，銀行積累了大量數(shù)據(jù)，為它的整體經(jīng)營活動提供支撐，從而完成了轉(zhuǎn)向全面數(shù)字化運(yùn)營的目標(biāo)。

蔣奇說，在企業(yè)開展數(shù)字化轉(zhuǎn)型過程中，制定一個(gè)合理而“聰明”的目標(biāo)非常重要。銀行客戶最初將自己的APP移動戰(zhàn)略定位在金融工具上，但這讓其APP既沒有活躍度也沒有粘性。TalkingData建議銀行客戶將移動端戰(zhàn)略定位在生活類金融服務(wù)上，實(shí)現(xiàn)對消費(fèi)者的全方位連接，這證明是成功的。

“我們也觀察到，一些企業(yè)往往會提出不切實(shí)際的目標(biāo)和愿景，但沒有基礎(chǔ)實(shí)現(xiàn)。”蔣奇說，“企業(yè)要有一個(gè)適中的目標(biāo)。”

有了目標(biāo)，在之后的數(shù)據(jù)采集和治理過程中，一個(gè)重要問題是對數(shù)據(jù)安全性的考慮，特別是對隱私數(shù)據(jù)的脫敏處理?！艾F(xiàn)在很多做法很粗暴，這會影響產(chǎn)業(yè)?！笔Y奇說，“我們會給企業(yè)提供專業(yè)咨詢，留下有價(jià)值的數(shù)據(jù)并保證數(shù)據(jù)的安全性。

TalkingData特別強(qiáng)調(diào)數(shù)據(jù)運(yùn)營體系中的數(shù)據(jù)質(zhì)量。它的強(qiáng)項(xiàng)是第三方數(shù)據(jù)和數(shù)據(jù)治理，因?yàn)樗钤缤ㄟ^為移動互聯(lián)網(wǎng)開發(fā)者提供SaaS經(jīng)營分析服務(wù)起家，并通過與數(shù)十萬款A(yù)PP展開合作獲取合法合規(guī)，安全的數(shù)據(jù)。

“客戶數(shù)據(jù)分析效果不好，是數(shù)據(jù)質(zhì)量問題，還是算法模型的問題？我們不希望把數(shù)據(jù)治理和算法模型統(tǒng)統(tǒng)包在一個(gè)大黑盒子中。我們做數(shù)據(jù)治理，與算法模型隔離開，這能讓用戶更精準(zhǔn)的溯源，有的放矢地優(yōu)化分析效果”。

數(shù)據(jù)分析是一個(gè)長鏈條，除了數(shù)據(jù)和數(shù)據(jù)治理外，算法分析也是重要環(huán)節(jié)。兩年前，TalkingData開始建立開放生態(tài)平臺。平臺上是分析、算法的合作伙伴。目前，平臺上約有300家數(shù)據(jù)應(yīng)用企業(yè)，涉及金融、房產(chǎn)、營銷、風(fēng)控、智能客服的。針對每一類分析，都有兩三家公司提供算法模型，給用戶選擇權(quán)?！斑@是一個(gè)健康的模式，讓真正懂業(yè)務(wù)和算法的公司生存下來”。

現(xiàn)在，TalkingData團(tuán)隊(duì)看到大量來自金融、地產(chǎn)行業(yè)的需求。在提供數(shù)字化轉(zhuǎn)型咨詢和數(shù)據(jù)治理等服務(wù)外，TalkingData也投入人工智能（AI）技術(shù)，目標(biāo)是把一些具體場景，如保險(xiǎn)公司如何識別健康險(xiǎn)騙保人群的分析算法固化下來，能低成本高效地為客戶提供服務(wù)。其系列AI產(chǎn)品已于去年底開始推出。