2019年3月，一代債券之王格羅斯宣布退休，彭博創始人邁克爾·布隆伯格宣布贈送三臺終端，供這位七旬老漢終生免費使用。

作為離錢最近的行業，金融以數據為生命線，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“現代金融世界的標志”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

把復雜的計算機語言轉化成華爾街精英的常用詞匯，從產品功能到界面設計都為交易員、分析師們量身打造，讓彭博終端自問世后便大受歡迎——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。

數字化并非金融業的專利，自互聯網產業拔地而起，各行各業的企業家、小老板們開始把扁平管理、數據消費等現代經營理念掛在嘴邊，數據的重要性前所未有地提升，與土地、勞動力、資本、技術并稱為五大生產要素。

用數據指導業務、提高效率不再是華爾街精英和互聯網極客的特權，走馬上任的CIO（首席信息官）和CTO面前正擺放著一個全新的命題：

既然數字化大勢所趨，如何找到屬于自己的“彭博終端”？

數據飛輪：流動的數據才有價值

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綁定，快遞不僅是電商運轉的重要基建，衍生出的種種數據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，對數據優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，但要么無法承載海量用戶規模，要么數據應用深度不足。

類似癥結并非快遞業獨有，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，往往得關注陜西、甘肅、新疆等產區的用戶營銷。

但在實際應用中，由于數據處理滯后等種種原因，營銷策略部署不及時、動作變形的情況時有發生。

結果就是業務追著用戶跑，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，結合包括客戶數據平臺VeCDP、增長營銷平臺GMP、A/B測試產品DataTester在內的系列數據產品，嘗試構建以數據消費為中心的企業數智升級新模式“數據飛輪”。

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，數據本身并沒有改變，改變的是數據的流通路徑。也就是說，數據不能處在被“存放”的狀態，需要“流動”到業務中去。

而火山引擎“數據飛輪”的含義，便在于數據的“流動”：一個又一個具體業務中的數據消費，加速了決策洞察。數據真正賦能業務帶來好的結果時，會推動更多、更頻繁的數據消費行為，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數據，伴隨數據資產的積累和建設，數據研發效率也會提升，更好、更快的數據產品，讓業務更愿意使用，成為第二個面向企業數據資產的“飛輪”。

數據消費則是數據流動過程中的核心環節：不能讓流動在一線的海量數據真正被消費起來，為業務所用，那么數據就只有單純的“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數據飛輪的實踐樣本，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“智能化”的隘口。

脫胎于字節跳動數據驅動的數據飛輪，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：人工智能改變了什么

2010年，《經濟學人》提出了一套由工業用電量、中長期信貸余額和鐵路貨運量組成的指標，用于評估中國GDP增長量。花旗銀行在此基礎上對各項指數進行賦權，最終得出一個日后廣為人知的計算公式：

工業用電量增速*40%+中長期貸款余額增速*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。

這種對于數據的深度挖掘，在當下已經成為一種普遍性訴求。從“三張表”里的核心財務指標，到APP里每一個菜單的點擊和跳出、用戶或普通或離奇的交互行為，都與企業真實的經營關聯緊密。

如何處理、利用這些數據，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。這種進退兩難是數據飛輪2.0誕生的契機。不久前，火山引擎推出了以AI為核心的數據飛輪2.0模式，利用大模型將“智能用數”抬升到一個新階段。

12月18日，火山引擎數據飛輪2.0發布

郭東東將數據飛輪2.0的變化總結為兩點：

一是Data For AI的升級。通過升級多模態數據湖技術，數據飛輪2.0實現了結構化、非結構化、半結構化數據的統一計算、管理和存儲，企業得以調配復雜多元的數據資產，將數據處理與模型訓練、微調、知識庫高效協同。

其中，非結構化數據的應用與大模型密切相關。Transformer架構在2017年橫空出世后，人工智能的發展從識別走向生成，數據處理能力從結構化數據拓展到了非結構化數據，從而讓文檔、音頻、圖片等數據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、字體固定——即結構化的車牌數據，但無法分辨迎面駛來的是奔馳E、奔馳S、還是奔馳E改的奔馳S。大模型則可以通過大量的訓練識別“車型”這樣的非結構化數據。

“大力出奇跡”的訓練方法讓AGI成為可能，這也是數據飛輪2.0的第二處變化：AI For Data。

在Data Fabric驅動下的ChatBI智能體解決方案中，企業能夠建立基于自身多個業務的多套智能數據服務體系：

Data Fabric通過語義層和數據模型的整合，讓數據服務變得更加敏捷；而ChatBI智能體則能更貼合業務個性化需求，通過交互理解、數據訪問、分析推理和結果生成四大模塊，極大提升業務員工的數據生產力，讓數據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工具里面通過一句對話就能拿到數據分析結果，數據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簽化的類目，都可以經由機器學習“數據化”。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。

數據飛輪2.0

在字節跳動內部，數據飛輪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，數據開發和運維成本也大幅下降。

在席卷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。三十年后，海量數據在企業內部輸入、匯聚、流動、輸出。

數據流動產生的巨大價值，會是許多企業最核心的資產，而它的價值取決于它被如何利用。

信息平權：人人都可以用好數據

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，將兩地信號傳輸從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。

商業是一門基于信息不對稱的活動，反過來說，數據與信息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、天文學家和數據科學家，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

拉長歷史來看，“信息優勢”一度是富商巨賈的特權，并借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信息傳遞的革命；20世紀90年代，計算機的普及讓信息和數據的傳輸變成了普羅大眾的基礎設施。

日新月異的信息技術，將全球的商業盈虧須臾可計，環球同此涼熱。

人工智能的浪潮伴隨一座座拔地而起的數據中心，帶來了新的數據普惠，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、亞馬遜這些云計算巨頭，還包括達美樂披薩這些看上去不那么高科技的連鎖餐飲公司。在OpenAI利用數億美元投資建成的數據中心訓練模型時，達美樂披薩也在自己的機房利用人工智能優化騎手送餐路線，持續踐行著“30分鐘必達”的承諾。

人工智能的實質是一場算法、算力和數據的藝術，它同樣帶來了數據的“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數據中心。

數據飛輪2.0的內核，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“信息優勢”。

郭東東舉了一個例子：一家公司在自建BI系統的三年里，一共生產了1200多個數據看板和8000多個可視化圖表。但引入火山引擎“智能數據洞察DataWind”功能的一年半里，現存就有2700多個看板和18000多個可視化圖表。

原因在于，自建BI系統的所有報表都需要專業的代碼能力，實際上將數據分析的群體限制在了IT部門。而DataWind將代碼和數據變成了可視化的拖拽動作，運營人員經過簡單培訓甚至自己摸索，就能探索復雜的經營數據。

能不能利用好自己的數據，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，也在于如何降低技術的使用門檻，讓更多人參與到“數智化”的進程其間，而不是空喊口號。

從進銷存賬薄到財務三張表，從信息化、數字化再到智能化，“用好數據”在任何時候都能成立。只不過在人工智能的時代，所有數據都可以被利用，所有數據都可以有價值。

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，埃里克?施密特

[2] 維多利亞時代的互聯網，湯姆·斯丹迪

[3] Ex Tesla CIO Jay Vijayan Builds Tekion To Improve Car Buying Experience，Forbes

[4] 互聯網殺不死彭博——因為它最了解華爾街，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：戴老板

視覺設計：疏睿

責任編輯：李墨天