解碼瓴羊：一群最懂?dāng)?shù)據(jù)的人如何讓AI真正無(wú)處不在？

　　明:本文來(lái)自于微信公眾號(hào) 機(jī)器之心，作者:吳昕，授權(quán)站長(zhǎng)之家轉(zhuǎn)載發(fā)布。

　　三年走來(lái)，每一步都「作數(shù)」。

　　懂場(chǎng)景者得 AI

　　短短一年多，全國(guó)已有197個(gè) AI 大模型完成備案，行業(yè)大模型占比近70%。伴隨這一快速增長(zhǎng)的趨勢(shì)，一個(gè)現(xiàn)實(shí)問(wèn)題不容忽視，如果不能和普通商家的現(xiàn)實(shí)需求緊密結(jié)合，大模型體驗(yàn)再好，也無(wú)法幫助大模型廠商自動(dòng)完成商業(yè)閉環(huán):

　　扎堆商場(chǎng)一樓的新能源車(chē)銷(xiāo)量大不如前 ，如何讓高昂租金的產(chǎn)出性?xún)r(jià)比更高?

　　某大型服裝廠的數(shù)據(jù)表累積超過(guò)3億多行，如果提煉不出價(jià)值，就只是成本;

　　因?yàn)閿?shù)字轉(zhuǎn)型做得早，一堆業(yè)務(wù)系統(tǒng)豎起的數(shù)據(jù)「煙囪」讓某乳業(yè)大品牌進(jìn)退維谷;

　　答非所問(wèn)、反應(yīng)滯后、人工客服難找，智能客服一直在挑戰(zhàn)人的血壓極限;

　　.......

　　算法是智力，算力是體力，數(shù)據(jù)是血液，「但讓 AI 真正飛入尋常百姓家的關(guān)鍵，在于與具體場(chǎng)景的深度融合�！�9月20日，瓴羊智能科技(以下簡(jiǎn)稱(chēng)瓴羊)在2024云棲大會(huì)上舉辦了「 Data×AI :企業(yè)服務(wù)智能化，價(jià)值增長(zhǎng)新動(dòng)能」專(zhuān)場(chǎng)論壇，阿里巴巴集團(tuán)副總裁、瓴羊智能科技 CEO 朋新宇在論壇發(fā)言中說(shuō)道，歸納成公式就是「(無(wú)處不在的)AI =(算法+算力+數(shù)據(jù))x 場(chǎng)景」。

　　「 x 」強(qiáng)調(diào)了兩邊元素的放大作用，一個(gè)是指 AI 帶來(lái)的體驗(yàn)提升，至少要10倍好于過(guò)去，不然就只是一個(gè)外掛。另一面，即使擁有先進(jìn)算法、強(qiáng)大算力和海量數(shù)據(jù)，如果不能與具體業(yè)務(wù)場(chǎng)景緊密結(jié)合，AI 價(jià)值也無(wú)從談起。

　　卷場(chǎng)景:大模型擲地有聲

　　瓴羊，作為阿里巴巴的全資子公司，今年迎來(lái)了它的第四個(gè)年頭�？雌饋�(lái)「年輕」，實(shí)際上資歷很深，集合了阿里最懂?dāng)?shù)據(jù)的一群人，其中帶頭者朋新宇已經(jīng)是一個(gè)在阿里工作了20年的數(shù)據(jù)老將，也是阿里巴巴數(shù)據(jù)中臺(tái)的創(chuàng)立者。

　　瓴羊?qū)Ｗ��?shù)據(jù)要素服務(wù)，推出了五大產(chǎn)品矩陣，覆蓋了從底層數(shù)據(jù)治理到頂層業(yè)務(wù)應(yīng)用的數(shù)據(jù)生命全周期。

　　最引人注目的是應(yīng)用側(cè) ，分析(Quick BI)、營(yíng)銷(xiāo)(Quick Audience)和客服(Quick Service)三款產(chǎn)品涉及所有企業(yè)應(yīng)用的「最大公約數(shù)」 ，也是企業(yè)預(yù)算最多、最易沉淀數(shù)據(jù)并與 AI 產(chǎn)生「 化反」 的業(yè)務(wù)場(chǎng)景。

　　第二層是數(shù)據(jù)側(cè)，包括數(shù)據(jù)中臺(tái) Dataphin 和「瓴羊港」。前者負(fù)責(zé)企業(yè)數(shù)據(jù)治理工作，確保數(shù)據(jù)的質(zhì)量、一致性和可用性，也容易與 AI 結(jié)合。后者像是管道，專(zhuān)注數(shù)據(jù)在企業(yè)外部的高效流通，為整個(gè)生態(tài)提供源源不斷的數(shù)據(jù)活水。

　　至于基建側(cè)，瓴羊定位自己是一家產(chǎn)品公司，因此年初看到 OpenAI 推出 GPTStore 時(shí)，團(tuán)隊(duì)沒(méi)有太過(guò)糾結(jié)就做出決定，不去跟風(fēng)「卷」大模型，堅(jiān)定應(yīng)用好大模型。

　　他們選擇阿里通義千問(wèn)作為通用底座，結(jié)合專(zhuān)業(yè)知識(shí)和行業(yè)數(shù)據(jù)，「煉出」不同領(lǐng)域的垂直小模型(如 BI 領(lǐng)域模型)，將大模型能力「揉進(jìn)」幾款產(chǎn)品(Quick BI、Quick Audience、Quick Service 和 Dataphin)，直接為客戶(hù)創(chuàng)造價(jià)值。

　　商業(yè)智能(BI)工具是每一個(gè)邁向 AI 時(shí)代商家的標(biāo)配，BI 技術(shù)也從傳統(tǒng) BI、敏捷 BI 逐漸進(jìn)化到智能化 BI。敏捷 BI 時(shí)代，用戶(hù)可以通過(guò)拖拽、點(diǎn)擊更直觀地與數(shù)據(jù)交互，隨著大模型為 BI 引入革新性生成式分析體驗(yàn)，智能化 BI (如瓴羊 Quick BI )時(shí)代，原本高門(mén)檻的數(shù)據(jù)分析變得像對(duì)話(huà)一樣簡(jiǎn)單。

　　智能問(wèn)數(shù)(ChatBI)就是一個(gè)頗具代表性的例子，體現(xiàn)出自然語(yǔ)言到 SQL 的技術(shù)轉(zhuǎn)換。該功能支持即席查詢(xún)、覆蓋關(guān)鍵問(wèn)數(shù)場(chǎng)景，在復(fù)雜計(jì)算的兼容性、模糊語(yǔ)義識(shí)別方面，表現(xiàn)尤為優(yōu)異，即使毫無(wú)技術(shù)背景，用戶(hù)也能輕松對(duì)「數(shù)據(jù)」發(fā)問(wèn)。

　　如電商平臺(tái)銷(xiāo)售場(chǎng)景中，想了解銷(xiāo)售額大于1萬(wàn)的省份這類(lèi)問(wèn)題，就體現(xiàn)了智能問(wèn)數(shù)(ChatBI)二次復(fù)雜計(jì)算能力

　　對(duì)于模糊語(yǔ)義的識(shí)別，當(dāng)前智能問(wèn)數(shù)(ChatBI)也能輕松識(shí)別并理解。如提問(wèn)中「小鄭」定位到「鄭強(qiáng)」。

　　這種智能化的 BI 工具正在解決實(shí)際業(yè)務(wù)中的痛點(diǎn)。以某知名乳業(yè)品牌為例，其供應(yīng)鏈管理面臨兩大難題。

　　一個(gè)是查詢(xún)數(shù)據(jù)報(bào)表的靈活不足，固定報(bào)表一般按天甚至月計(jì)，滿(mǎn)足不了靈活多變的業(yè)務(wù)需求。求數(shù)據(jù)開(kāi)發(fā)人員，要等三天才能拿到報(bào)表。

　　另一個(gè)是人工報(bào)表搭建周期長(zhǎng)，成本高，導(dǎo)致異常診斷分析復(fù)雜，缺乏多維度目標(biāo)差異比對(duì)分析，「看板」只展示數(shù)據(jù)，還不能自動(dòng)分析問(wèn)題原因。

　　Quick BI 幫助客戶(hù)在內(nèi)部建立起智能問(wèn)數(shù)體系，支持自然語(yǔ)言問(wèn)詢(xún)，無(wú)論是日常工作、業(yè)務(wù)會(huì)議還是出差途中，業(yè)務(wù)人員都能快速獲取數(shù)據(jù)、檢索資產(chǎn)，還能進(jìn)行豐富的指標(biāo)分析。

　　由于結(jié)合了傳統(tǒng)統(tǒng)計(jì)算法和大模型，Quick BI 可以深度解讀圖表和補(bǔ)全信息，揭示業(yè)務(wù)數(shù)據(jù)背后故事，高效定位原因，真正輔助商家作出決策。

　　而在營(yíng)銷(xiāo)領(lǐng)域，隨著移動(dòng)互聯(lián)網(wǎng)用戶(hù)和流量見(jiàn)頂，企業(yè)相關(guān)預(yù)算分配更加謹(jǐn)慎，從「種草」走向「轉(zhuǎn)化」，更看重 「確定性機(jī)會(huì)」。

　　以某床墊品牌為例，線上渠道有9個(gè)，線下門(mén)店多達(dá)5600多家，如何定位「正確的人、在正確時(shí)間，說(shuō)正確的話(huà)」，提升轉(zhuǎn)化率?「雙11」大促，用什么辦法激活老會(huì)員復(fù)購(gòu)?不少商家苦于平臺(tái)「沉睡人群」即將流失，卻無(wú)有效抓手叫醒他們。

　　現(xiàn)在借助大模型，瓴羊 Quick Audience 的「門(mén)店智能營(yíng)銷(xiāo)助手」 可以快速「圈定」目標(biāo)用戶(hù)，縮短營(yíng)銷(xiāo)創(chuàng)意時(shí)間，并優(yōu)化溝通時(shí)機(jī)，顯著提高觸達(dá)率。

　　例如，某知名服飾品牌天貓平臺(tái)的「沉睡人群」即將流失，商家借助 Quick Audience 迅速「圈定」北京、上海、廣州共42家門(mén)店5公里內(nèi)常駐或工作的「沉睡人群」，在預(yù)測(cè)設(shè)備活躍時(shí)刻推送瓴羊超信，實(shí)現(xiàn)目標(biāo)人群的線下門(mén)店召回，到店率提升18% ，線下轉(zhuǎn)化率提升35% ，全渠道轉(zhuǎn)化率提升40% 。

　　而 Quick Audience 的另一個(gè)新功能「智能采集分析助手」成功將數(shù)據(jù)團(tuán)隊(duì)從數(shù)據(jù)采集(「埋點(diǎn)」)這種典型的 dirty-work 中解放出來(lái)，以全自動(dòng)、可配置的方式，一站式完成埋點(diǎn)采集及業(yè)務(wù)分析應(yīng)用。

　　某頭部車(chē)企，供應(yīng)商采集埋點(diǎn)開(kāi)發(fā)成本高，周期長(zhǎng)，質(zhì)量把控困難，通過(guò)使用智能埋點(diǎn)助手，節(jié)約供應(yīng)商埋點(diǎn)開(kāi)發(fā)人力采購(gòu)成本9成，項(xiàng)目實(shí)施周期縮短50% ，埋點(diǎn)相關(guān)數(shù)據(jù)故障降為0。

　　瓴羊DaaS，贊6

　　除了分析、營(yíng)銷(xiāo)場(chǎng)景，當(dāng)前，智能客服也存在諸多不足，如常常答非所問(wèn)、維護(hù)知識(shí)庫(kù)仍靠人海戰(zhàn)術(shù)、一線客服效率低下，導(dǎo)致客戶(hù)投訴頻發(fā)。為此，瓴羊 Quick Service2.0借力大模型，有效解決了這些不足。從效果上看，解答準(zhǔn)確率提升至93% ，人工客服處理問(wèn)題所需時(shí)間從10分鐘縮短至最快5秒，知識(shí)庫(kù)部署所需時(shí)間從7天縮短至5分鐘。

　　卷數(shù)據(jù):從治理到流通

　　除了利用 AI 大模型重構(gòu)分析、營(yíng)銷(xiāo)、客服三大企業(yè)級(jí)智能應(yīng)用，負(fù)責(zé)數(shù)據(jù)治理的中臺(tái) Dataphin 也迎來(lái)最大變化—— 加入了 DataAgent �，F(xiàn)在，只需三步，就可以構(gòu)建企業(yè)專(zhuān)屬的數(shù)據(jù)資產(chǎn)智能體，這也是業(yè)內(nèi)首個(gè)場(chǎng)景化智能找數(shù)方案。

　　建立企業(yè)數(shù)據(jù)資產(chǎn)全景和目錄是 Dataphin 主要能力之一，現(xiàn)在，借助大模型，將企業(yè)數(shù)據(jù)資產(chǎn)目錄構(gòu)建為一個(gè)智能知識(shí)庫(kù)，通過(guò)對(duì)話(huà)就能快速摸清「家底」，還能幫助用戶(hù)快速定位業(yè)務(wù)相關(guān)數(shù)據(jù)資產(chǎn)。在個(gè)性化數(shù)據(jù)分析能力上，現(xiàn)在可輔助自動(dòng)生成 SQL 代碼，可鏈接即席查詢(xún)和 BI 分析執(zhí)行看數(shù)。

　　其實(shí)，在瓴羊成立之初， Dataphin 就已經(jīng)經(jīng)過(guò)阿里巴巴和眾多企業(yè)的實(shí)踐磨礪，被成百上千的客戶(hù)應(yīng)用，它的誕生直指當(dāng)前中國(guó)企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中面臨的首要挑戰(zhàn):數(shù)據(jù)「臟亂差」。

　　如臺(tái)州銀行在數(shù)智化升級(jí)之前，存在數(shù)據(jù)標(biāo)準(zhǔn)缺失、指標(biāo)口徑不統(tǒng)一、缺失統(tǒng)一清晰的數(shù)據(jù)資產(chǎn)盤(pán)點(diǎn)等問(wèn)題。類(lèi)似的問(wèn)題也出現(xiàn)在其他行業(yè)，如某大型服裝企業(yè)的營(yíng)收金額統(tǒng)計(jì)，需要計(jì)入商場(chǎng)扣點(diǎn)、財(cái)務(wù)扣稅等因素，因?yàn)楦髑�道�?shù)據(jù)口徑不統(tǒng)一，每日的營(yíng)收數(shù)據(jù)竟會(huì)出現(xiàn)高達(dá)數(shù)十萬(wàn)元的偏差。被企業(yè)視為經(jīng)營(yíng)壓艙石的「四率二效」指標(biāo)也因流程不規(guī)范，摻雜了各利益方的主觀意愿。

　　而 Dataphin 通過(guò)標(biāo)準(zhǔn)化數(shù)據(jù)處理流程，統(tǒng)一數(shù)據(jù)口徑，并提供全面的數(shù)據(jù)資產(chǎn)管理，幫助企業(yè)建立起可靠、一致的數(shù)據(jù)基礎(chǔ)，為數(shù)字化轉(zhuǎn)型鋪平道路。Dataphin 最初源于阿里這個(gè)「超級(jí)工廠」的實(shí)踐經(jīng)驗(yàn)，因此在推廣初期，瓴羊主要將其引薦給了與阿里規(guī)模相當(dāng)?shù)拇笮涂蛻?hù)。

　　為了讓更多企業(yè)能夠用上好的數(shù)據(jù)工具，治理好數(shù)據(jù)，瓴羊針對(duì)性地進(jìn)行了一系列改進(jìn)，如針對(duì)私有化部署高成本和公共云標(biāo)準(zhǔn)化限制的痛點(diǎn)，Dataphin 通過(guò)重構(gòu)治理方式，提供半托管服務(wù)，將部署時(shí)間從幾天縮短到1小時(shí)，同時(shí)保持了個(gè)性化服務(wù)。

　　過(guò)去兩年，瓴羊在數(shù)據(jù)領(lǐng)域取得了顯著進(jìn)展，不僅針對(duì)數(shù)據(jù)治理這一企業(yè)常見(jiàn)難題持續(xù)迭代升級(jí) Dataphin 產(chǎn)品，還針對(duì)數(shù)據(jù)數(shù)量和流通這一更具挑戰(zhàn)性的問(wèn)題，推出了數(shù)據(jù)流通樞紐——瓴羊港。

　　數(shù)據(jù)不僅具有使用價(jià)值，還蘊(yùn)含著巨大的交易價(jià)值。然而，如何讓數(shù)據(jù)像淘寶上的標(biāo)品一樣高效流通，成為了一個(gè)亟待解決的問(wèn)題。恰逢其時(shí)，2023年10月25日，國(guó)家數(shù)據(jù)局正式揭牌，為數(shù)據(jù)流通提供了政策支持。「以數(shù)據(jù)促進(jìn)融合發(fā)展」成為這家新機(jī)構(gòu)的核心思想之一，而數(shù)據(jù)流通正是破解數(shù)實(shí)融合發(fā)展堵點(diǎn)的關(guān)鍵。

　　朋新宇敏銳地觀察到，相比于前幾年出于安全考慮而「踩剎車(chē)」的政策導(dǎo)向，國(guó)家數(shù)據(jù)局的成立有望起到數(shù)據(jù)「發(fā)動(dòng)機(jī)」的作用，驅(qū)動(dòng)企業(yè)間的數(shù)據(jù)流通。順應(yīng)這一趨勢(shì)，瓴羊在2023年云棲大會(huì)上推出了瓴羊港，旨在破解企業(yè)長(zhǎng)期面臨的數(shù)據(jù)缺失、數(shù)據(jù)資產(chǎn)難以管理、外部數(shù)據(jù)無(wú)法融通等關(guān)鍵問(wèn)題，提供「尋、買(mǎi)、管、用」一站式數(shù)據(jù)服務(wù)，幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)增長(zhǎng)。

　　瓴羊港發(fā)布近一年，已達(dá)成和30多家頭部數(shù)據(jù)方的緊密合作，目前平臺(tái)上流通的應(yīng)用場(chǎng)景和行業(yè)標(biāo)簽多達(dá)3000多種。

　　2022年爆發(fā)的 AGI 革命無(wú)疑是計(jì)算機(jī)科學(xué)的又一次重大創(chuàng)新，標(biāo)志著第四次工業(yè)革命的開(kāi)端。在這場(chǎng)革命中，數(shù)據(jù)的規(guī)模、多樣性和質(zhì)量的戰(zhàn)略重要性被提升到了前所未有的高度。

　　十余年前，阿里云抓住了云計(jì)算的技術(shù)浪潮。如今，瓴羊又踏上了數(shù)據(jù)要素浪潮。成立之初，瓴羊就明確將自身定位為 DaaS(數(shù)據(jù)即服務(wù))公司，與傳統(tǒng) SaaS 公司劃清界限:

　　SaaS 主要通過(guò)工作流程標(biāo)準(zhǔn)化來(lái)提高企業(yè)運(yùn)營(yíng)效率，解決的是效率問(wèn)題。而 DaaS 則通過(guò)數(shù)據(jù)流的全場(chǎng)景應(yīng)用，將數(shù)據(jù)價(jià)值滲透到企業(yè)經(jīng)營(yíng)的方方面面，致力于解決更深層次的業(yè)務(wù)價(jià)值問(wèn)題。

　　面對(duì)未來(lái)十年的機(jī)遇與挑戰(zhàn)，瓴羊如何才能領(lǐng)頭羊群，成為海量商家生意增長(zhǎng)的數(shù)智化參謀?朋新宇引用了團(tuán)隊(duì)內(nèi)部堅(jiān)信的價(jià)值觀作答，不論是過(guò)去的互聯(lián)網(wǎng)，今天的 AI ，還是未來(lái)的新興技術(shù)，要真正落地到產(chǎn)業(yè)和企業(yè)，必須做到三點(diǎn):

　　你要「快」，但「快」——很快看一篇論文、發(fā)表一篇論文，不一定解決所有問(wèn)題;同時(shí)，你要「深」，深入理解行業(yè)痛點(diǎn)，要問(wèn)客戶(hù)能不能用?第三，客戶(hù)要「認(rèn)」，贏得客戶(hù)的好口碑，前面的「快」和「深」才有價(jià)值。