每日最新頭條.有趣資訊

你在大數據的海裡游泳摸魚,硬核的人已經開船捕鯨

你在大數據的海裡游泳摸魚

硬核的人已經開船捕鯨

文 | 史中

在一個名叫白虎山的風景區,荒無人煙,你偶遇一個妹子,生得那是:冰肌藏玉骨,衫領露酥胸,柳眉積翠黛,杏眼閃銀星。她衝著你直勾勾地走來,你會腫麽辦?

A 湊上去:“女菩薩,你府上在何處住?是甚人家?”

B 拿根鐵棒子,掄圓了照著臉拍下去。。。

沒錯,上面這個情節選自《西遊記》,A就是唐僧,B就是孫悟空。是大家再熟悉不過的“三打白骨精”橋段。

吳承恩老師看似在寫神話故事,其實是在科普。他告訴我們一個真理——“數據”能救命。

沒看懂?聽中哥解釋:

正常人面對陌生人,只能通過一套數據源——肉眼視覺——來判斷好壞;而孫悟空卻有兩套數據源,除了肉眼看到表面的“顏值”,還能通過火眼金睛看到對方頭頂的“妖氣值”。

唐僧,作為西天取經項目組的領導,屢屢判斷失誤,觀眾都跟著著急。其實他不是真的傻,他只是缺少數據。(注意,唐僧可以通過緊箍咒控制著孫悟空的數據通路。這是另一門屌炸天的技術。)

來,我們回到現實。

身邊的世界雖然不像《西遊記》那麽極端險惡——稍微判斷失誤就成了妖怪的點心。

但人們確確實實每天都要做好多數據計算。

舉個例子:

魯迅就曾經糾結到底是要“從醫”還是“從文”。

他的計算是這樣的:治人肉體,只能點殺;治人靈魂,一次一梭子。後者更劃算。

歷史最終證明他算對了。

結論就是:人的大腦就是個計算機,誰的腦袋能處理更多的數據,誰的腦袋能更快地處理數據,誰就能獲得競爭優勢,一不小心還能名揚後世。

在過去的一萬年裡,這都是個顛撲不破的真理。

然而,從2012年開始,遊戲規則發生了變化。這一年是“世界末日”;這一年 Facebook 上市;這一年今日頭條誕生;這一年賈伯斯的遺作 iPhone4S 帶著人工智能助手 Siri 成為最暢銷的手機,在手機的海洋裡,人類每天生產的數據超過2.5EB,也就是25000000000000000000000000000個字節。

我要回老家考公務員還是留在北京深圳創業?我的有個創業想法應該先做成 App 還是小程序?為了留住寶貴的用戶爸爸我應該給他們打折券還是代金券?

以2012為界,數據開始爆炸。再聰明的人,也沒辦法純靠大腦做出準確判斷了。數據徹底擺脫了人腦的物理計算極限,成為了計算機的專屬——大數據。

不妨想象一個場景:

2012年以前,數據世界是一條平靜的河流。狗刨也能勉強橫渡到河對岸;

2012年以後,數據匯成洶湧的海洋。哪怕菲爾普斯也會被沸騰的海水淹沒。大人,時代變了。你需要的根本不是肌肉,而是船。

於是,世界開始裂開。

手握大數據的人做出淘寶、拚多多、今日頭條、抖音、快手、特斯拉、瑞幸咖啡,開啟了屬於他們的大航海時代;遺落在碼頭上的人們看著對手越行越遠,星辰大海,傻傻分不清,羨慕嫉妒恨。

分裂沒什麽不對,難道獅子要開個補習班,把捕獵的技巧告訴羚羊嗎?難道候鳥要組織個講座,把南方的溫暖描繪給秋蟲嗎?

但世間總有例外。

有一群人,他們恰好懂得如何造船。他們決定留下來,為那些仍然在水裡摸魚的創業者製造一艘大數據世界的“捕鯨船”。

(一)如果王者永遠是王者,那青銅腫麽辦?

先介紹一下故事的主人公於揚吧。

雖然這麽說有點顯老,但於揚堪稱中國互聯網的“活化石”,杠杠的。(就像他的名字一樣,必須寫成繁體的“揚”,特別古老的感覺。)

於揚

他的故事得從1993年講起。那年他辭職下海創立了一家行銷公司。這波操作過於超前,要知道那時候馬雲的翻譯社也才在杭州開張,李彥宏還在美國讀書。

如果站在衛星上俯瞰,當時的中國正發生一次“外來物種大遷徙”——IBM、惠普、intel 這些外企排著隊進入中國。於揚所服務的公司正是這些科技企業,所以他以一種近距離旁觀的姿態見證了中國互聯網巨頭們的創生。甚至早在2001年,他就認識了到處為騰訊找融資的馬化騰。

踩對節奏,於揚毫無懸念地成為北京城最早的一批“壕”,有錢到切糕隨便買,摔倒的老太太隨便扶。他當即就準備退休了。

不過,1999年,陪家人在加拿大釣魚釣到手抽筋的於揚突然覺得不能這樣度過餘生,還是得回國重新搞事情。

由此,我們的故事進入了主線。

2000年,於揚開了一家名為“易觀”的公司。易觀的業務很特別,它專門為互聯網創新企業提供“作戰地風雲圖”。這裡需要解釋一下,具體的做法是這樣的:

1)易觀麾下召集了很多“分析師”,他們就像達爾文研究各個物種一樣,對很多企業進行研究、訪談,然後繪製一張全景生態圖譜。

2)一家互聯網企業想要開設新業務,拿不準靠不靠譜的時候,就會從易觀那裡買來“研究報告”,看看自己要做的事情在整個生態裡出於什麽位置,成功率有幾成。避免因為信息不全而踩坑。

這個營生,用一個詞概括就是“谘詢”。

過去,易觀會做大量的數據研究,然後形成這樣的報告。給你截個圖感受下。

當然,谘詢背後最值錢的東西其實還是數據——分析師實地探訪得到的數據,以及從這些數據中得出的結論。

只不過,彼時的數據都靠人肉收集,人腦運算,並不是什麽“大數據”。

這裡,我提醒你注意一個真相——能用得起“谘詢”的公司必定是大公司。

只有大公司買得起谘詢報告,越買報告,他們的決策準確度就越高,他們成長得就越快,反過來就能用更多的錢買更多的谘詢和數據。這是個死循環。

這麽一來,數據成為了一種貴族特權。王者永遠是王者,青銅永遠是青銅,差距還越拉越大,廢號重練也不行。

這是個大問題,於揚也直嘬牙花子。

說實話,當時易觀在整個中國互聯網行業,已經是教父級別的谘詢公司了,錢是一點都不缺。但只服務於“貴族”(巨頭公司),並不是於揚的追求。然而,畢竟這麽多金牌分析師個個都拿著金領的工資,做調研做訪談人吃馬喂,“報告”就像私人飛機一樣,天生就不是普通公司和普通人能買得起的東西。

又想讓人人都買得起,又被成本卡著,平民化不下來,這可怎麽辦?

既然數據收集主要靠“分析師”,那麽,有沒有一種數據收集方式,既能擺脫對分析師的依賴,又能給中小企業提供有用的數據參考呢?

機會終於來了,因為時間走到了我們的重大節點——2012。

(二)從摸魚到捕鯨

這一年,手機成了“標配”。

“標”這個字很神奇,無論什麽東西,一旦能夠標準化,就能夠大幅降低成本。當年福特汽車正是用流水線的方式,讓汽車生產變得標準化,才造就了如今人人都能開得起車的世界。

人手一部手機,除了 iOS 就是 Android,於是只要在 App 中寫入一段代碼,它就可以自動幫你統計全世界到底有多少人在用你的 App,俗稱“日活”和“月活”。(日活躍用戶和月活躍用戶)

“日活”“月活”這兩個數據太重要了,因為它直接說明了你的 App 有多受歡迎,也可以那這個數字和同行比較。

這有點像小學教室牆上貼的小紅花。你得了三朵小紅花,同學得了一萬朵小紅花,一目了然。那麽,接下來要不要積極舉手回答問題,要不要課後主動留下來掃地,要不要扶老奶奶過馬路,你心裡還沒個數麽?

於是,有的電商、新聞客戶端企業就拿著自家 App 的月活數據來找易觀:“你們能不能幫我看看,我這個月活跟競爭對手比到底誰多啊?我好決定下一步是進攻還是防守,是劍走偏鋒還是守正出奇,還是乾脆不幹了啊!”

你可能會問,易觀又不是神仙,怎麽知道你的競爭對手月活是多少嘞??

這裡有個小常識,可以偷偷科普下。(有點繞,但是很有意思)

在當時的 Android 系統中,一個 App 是有權利調用本機應用列表的。通俗來講,它能知道在這個手機上自己和哪些 App 是“鄰居”。所以,App A 能夠知道在它安裝的手機上,有多少比例安裝了 App B。這個數據很有價值,但顯然還不夠,因為沒有安裝 App A 的手機也有可能安裝了 App B。這個數據沒地方獲得,就得靠分析師多年積累的行業經驗來補全了。

好,重點來了。

如果能把分析師的經驗變成算法,那麽就能造出一個系統,自動算出同行業所有 App 的日活和月活,從而為這個行業的所有 App 提供競爭對手的數據參考。

於揚一拍桌子,說乾就乾。

拍完桌子想起來,滿公司都是分析師,既沒人懂產品,也沒人懂技術。。。。

大旗立起來,天下聚義。

那時候互聯網研究雙雄,一個是艾瑞,一個是易觀。所以老於(於揚)找我,我基本沒有猶豫,就加入了。

朱江坐在我對面,很坦誠地說。

2015年,朱江放棄了自己已經到達C輪的數據創業公司,成為易觀大數據的 CPO(首席產品官),他的任務很清晰:造出那個“日活”“月活”的競品分析產品——易觀千帆。

朱江

站在今天回望,“易觀千帆”是很多創業者的標配,名震江湖。但是在當時,易觀的分析師們都冷眼看著朱江,心裡想:“我們每天做調研,出報告,客戶不斷,公司招財進寶,我們也日進鬥金,為什麽這個人天天來煩我們,要讓我們配合,把經驗做成產品?”

朱江只能軟磨硬泡,一邊天天拉著分析師們喝酒聊天談心,一邊還得招兵買馬“忽悠”算法工程師加盟。

就這樣一年多下來,易觀千帆總算是醜媳婦見公婆了。

這裡多說一下,千帆拿到用戶數據,是需要得到用戶授權的,所以當時他們和合作夥伴一起推動了“APP用戶體驗計劃”。

回頭再說千帆。這玩意兒很好玩,因為人們可以自己動手操作。比如我可以設定條件:在過去一個月,晚上10:00-12:00,最活躍的電商 App 是哪些。點擊按鈕,系統就會自動幫你運算出符合要求的排序。

這是2020年1月某天,千帆上的App月活總排行榜。你感受一下。

這就讓互聯網公司的運營團隊有事兒幹了。過去只能每隔三個月等一份易觀的行業研究報告,現在每天都能自己變著花樣鼓搗數據,什麽時間段App活躍度差,就專門在這個時間做一些促銷。

怎麽樣,看上去很簡單吧。

最開始我也覺得很簡單,但是朱江告訴我,每一次查詢運算,背後都是數以十億計的大數據,那些全國大排名的指標,後台的伺服器集群預處理就得大半天。所以在當時,千帆用戶查詢到的排名分析,只能使用三天以前的數據。

即使是這樣,千帆的後台系統也經常“卡殼”,動不動就出錯。於揚和朱江都很著急,他們需要一位真正的技術大牛,給這個年輕的大數據系統保駕護航。

郭煒就是這個時候走進了他們的視野。

(三)捕鯨的“硬核引擎”

數據是有靈魂的,我將用我的一生追尋它。”這是我的座右銘。

郭煒對我說。

以我的經驗看,這種把自己一輩子說豁出去就豁出去的技術人,必然是個狠角色。

事實證明確實如此。郭煒畢業於北大計算機系,根紅苗正。當時他正任聯想大數據部門總監。我估計很多淺友都接到過中國移動的客服電話,根據你過往的消費記錄來推薦更合適的套餐。這就是郭煒當時主導的大數據項目之一。

郭煒

不過,聯想終歸是一家硬體公司,郭煒難以施展拳腳,正在這時,於揚找到了他。於揚三顧茅廬邀請郭煒加盟,不是為了給易觀大數據裝點門面的,而是真的要解決一大堆棘手的技術問題。

果然,剛剛加盟沒幾天,郭煒就遇到了一個重大事故。

有一個用戶 App 的日活增長太快,直接衝破了1億。這本來是好事,但是這麽大的數據量回傳卻把易觀千帆的數據庫接口給衝垮了。

同學們都傻眼了,如果數據傳不回來,那麽千帆就“沒米下鍋”,沒辦法進行計算了啊!所有人衝上去緊急修複,然而,一天、兩天、三天過去了,愣是沒能建起一阻擋數據洪流的堤壩。

一直指揮大家“抗洪”的郭煒看到情況不對,只能咬咬牙:“待我親自出馬!”

那天晚上他一夜沒睡,摸清了技術架構,自學了 Lua 語言。太陽升起來的時候,他開始一行行敲出代碼,太陽西沉時,補丁上線,眼看著帶寬佔用像退潮一樣一浪比一浪低。

一個小時後,一切終於恢復正常,數據重新回到河道,支脈縱橫,流向數據庫。

“巧了,那天正好是我的生日。”郭煒笑。

也正是從這一刻開始,郭煒招兵買馬,吸引來一眾技術極強的工程師們,易觀從一個谘詢公司,漸漸變成了技術公司。

萬丈高樓需要穩固的地基,對於大數據系統來說,這個地基就是“數據調度引擎”。

聽起來好專業,舉個例子你就明白了:

如果把大數據運算比作廚師炒菜的過程,那麽數據調度就是新鮮食材的供應。炒魚香肉絲,大廚一伸手,幫廚就得遞過來蘿卜絲、豬肉絲。如果大廚伸手,遞過來的都是什麽羊肉片、牛腱子,再好的大廚也炒不出魚香肉絲。

2016年,郭煒面臨的就是“基礎不牢,地動山搖”的局面。

首先是機器硬體,當時預算有限,整個千帆底層的十幾台伺服器,都是一萬塊錢一台的二手伺服器;其次是軟體代碼,由於使用了開源的框架,整體比較粗糙,所以裡面有很多細節的“坑”,一旦觸發就會卡死。

易觀千帆當時的節奏是:每天的數據收回來,從午夜12點開始運算,到早晨8點才能出結果。凌晨2-4點是運算最集中的時候。

然而,由於數據調度引擎過於酥軟,動不動就卡死,幾乎每天都要有同學值班“守夜”,郭煒,作為技術最高負責人,每周都妥妥的會被從睡夢裡叫醒一次,緊急解決技術問題。

郭煒下定決心,不就是寫代碼麽,這麽多年老子寫代碼還沒怕過誰!咱們從頭開發一整套數據調度系統!

半年多過去了,一套獨創的底層數據調度引擎終於調通了。

這套引擎厲害在什麽地方呢?不論底層的機器出什麽錯,上層的軟體都能超強糾錯,從哪裡跌倒就從哪裡爬起來,數據上傳錯誤就自動找到那個節點重新上傳。用專業術語來說,這套大數據調度系統的“魯棒性”特別強。

這有點像當年的超強糾錯 VCD,一張光碟哪怕被小孩當飛碟扔了一天,糾錯技術仍然能給你讀出來。。。

這群技術宅給這個大數據調度引擎起名為“DolphinScheduler”(海豚調度器)。

從此,守夜值班、午夜凶鈴什麽的,統統成為了歷史,都付笑談。易觀千帆變得非常皮實,這才漸漸成為了今天家喻戶曉的競品分析平台。

說到這,還有個有趣的往事。

在 OfO 和摩拜拚殺最激烈的2017年,千帆成為了兩家公司的“必備武器”。如果 OfO App 在A城的日活突然翻了一倍,那不用說,肯定是在A城大量投放了自行車,這時摩拜就可以根據自己的戰略選擇跟進還是按兵不動。

就這樣,依靠千帆的數據,雙方幾乎在下明棋,誰也騙不了誰,“明修棧道暗度陳倉”這些三十六計統統用不上,拚到最後就看誰成本控制能力強,就看誰對用戶的需求把握得準,就看誰的策略選擇最優。

從這個角度上講,大數據從來都是讓商業世界更加公平。

郭煒作為一個技術人,深知 Dolphin 的價值,他和技術團隊提議把 Dolphin 的源代碼開源,並且貢獻給阿帕奇基金會,讓全世界更多的技術大牛在此之上繼續完善。阿帕奇基金會在審計過代碼之後,也確認這個引擎非常有價值,鄭重接受了易觀的捐贈。

雖然開源意味著沒辦法從 Dolphin 上賺錢了,但無論是郭煒還是於揚,都覺得這件事意義非凡。

很多技術人一生的夢想,就是得到那個“Apache.org”後綴的郵箱,這代表了全世界技術社區對你貢獻的認可。這是錢永遠買不來的。

於揚說。

Dolphin 在 Github 上的頁面

從2012年到2016年,千帆用了五年時間,終於成為了一個完整的技術產品。這幫技術人拚了老命,到底想要得到什麽?

這就又回到了我們最初的比喻。

大人,時代變了。數據已經匯成洶湧的海洋,這時再磨練肉身分析的“泳技”已經意義不大。想在大數據時代裡活到下一集,你需要兩樣東西:“一條船”“開船的技巧”

數據引擎,恰恰就是大數據時代的船。

事實證明,有了易觀千帆,大多數公司都上了“船”。就拿手機 App 來說。易觀定義了三百多個細分領域,每個領域的前十名,幾乎都在用千帆做競品對標分析。

於揚把自己做的這件事稱為:數據能力平民化

然而於揚覺得,每個細分行業的前十名採用數據分析,這依然不夠。既然是“平民化”,就要讓更多創業團隊都能有一艘小船,在大數據時代起碼不要被大公司拉開技術代差。

他們需要什麽樣的數據能力呢?

(四)“方舟”

並不是人人都關心鄰居午飯吃什麽,但人人都關心自己午飯吃什麽。

同樣的道理,並不是所有 App 都關心競爭對手的用戶活躍數據,但他們肯定關心自己的用戶活躍情況。

用術語來說,別人的數據叫“第三方數據”,自己的數據叫“第一方數據”。

舉兩個例子:一家銀行 App 可能會關心,為什麽一個用戶在理財界面轉悠了半天,甚至都選定了一款理財產品,就在最終輸入密碼確認前選擇了退出;一個新聞客戶端 App 可能會關心,用戶打開一篇文章之後,是仔細看完還是一掃而過。

這些一方數據都能幫助 App 改善自己的產品體驗。

事實已經證明,最近幾年大火的互聯網服務幾乎都是靠數據驅動的。淘寶上的明星店鋪,每天都在根據用戶購買的行為調整頁面布局和圖片搭配;瑞幸咖啡根據用戶在 App 上下單的密度,調整線下門市的位置;特斯拉收集用戶開車時的行為習慣,從而讓它的自動駕駛變得更聰明。這樣的例子一天一夜都舉不完。

實際上,不斷有朋友和客戶找到易觀,問他為什麽不推出一個靠采集數據來進行精細化運營的系統。

看到這裡,估計有人會跳出來:什麽,App 回傳用戶行為數據?這合法嗎?

這裡正好可以解釋一下:

從理論上來說,每個 App 都要向自家的伺服器回傳信息,比如你在淘寶下單買了一個杜蕾斯大顆粒,淘寶當然要回傳信息——它要知道你在什麽時間點擊了下單按鈕,才能為你發貨;它要知道你之前有過一段時間的人類瀏覽行為,才能判斷你不是機器羊毛黨。

這有點像海底撈,服務生必須一直盯著你吃飯,才能在合適的時候遞過來餐巾、酒杯和菜肴。我知道有人不喜歡這樣的服務,但畢竟這種玩法被多數人認可,而且並不違規。

不過,法律明確規定的“用戶隱私數據”,例如你在聊天界面的一對一談話內容,App 是不能收集的。就像海底撈的服務生雖然殷勤,但是卻不能偷聽顧客談話一樣。

實際上,你每次安裝一個 App,劈頭蓋臉跳出來的《用戶協議》,主要就是在明確哪些數據 App 是要回傳的。

從2017年開始,易觀的產品和技術團隊就開始基於歐盟《計算機數據保護法》(也就是後來的 GDPR)製造這麽一個智能用戶運營套件——易觀方舟。

如果千帆的難度是1,那麽方舟的難度就是100。

於揚吐槽。

易觀方舟究竟難在哪呢?

首先,難度在數據的采集上。

這裡簡單科普一下,用戶在一個 App 裡的行為,需要“埋點”才能采集。什麽叫埋點呢?它有點像大廈裡的監控攝影頭。你在三樓走廊前裝一個攝影頭,那麽有人從這裡走過時他的身影就會被捕捉到。如果這裡沒有攝影頭,那麽有一萬個人從這裡過,你也不知道。

攝影頭放置得越多,能采集到的信息也就越多,當然成本也更高。在 App 裡埋點越多,能采集到的用戶行為也越多,當然這些代碼對 App 的影響也越大。

所以,如何科學埋點,其實是一門手藝。

即使過了埋點這一關,也不能保證傳回來的數據絕對完整。用戶使用 App 的場景是千差萬別的,有時候網絡抖動,一小段信息就丟了,前後行為對不上;有時候用戶突然從4G網絡切換到 Wi-Fi,前後的數據又對不上。

用“繩命”追尋數據靈魂的郭煒帶著團隊一個坑一個坑地趟,終於把數據收集的準確率維持在95%以上。

數據采集好了,就萬事大吉了嗎?不可能。

其次,難度在數據的計算效率上。

剛才說了,千帆判斷的是你和其他 App 的實力對比,用三天前的數據進行計算也勉強可以。但是 App 運營者要根據用戶的行為實時做出反應,方舟必須用實時(大概幾秒鐘以前)的數據進行計算,而且計算的時間不能太長,就像海底撈的服務生,必須眼疾手快,客戶筷子掉地下,必須一秒鐘衝過去給他一雙新的。

這就要求計算引擎必須像 F1 賽車引擎那樣頂尖。

本來在2017年,易觀方舟就研發成功了,但是引擎效果的表現總是差強人意,為了達到效果,只能增加硬體成本,結果導致產品很貴,願意使用的客戶寥寥無幾。。。

這個問題,又要交給郭煒來解決。

為了找到合適的引擎,郭煒可是死去活來。市面上所有的引擎全部試了個遍,結論是:沒有一個夠快的。

2018年,大家在會議室苦思冥想,一位同學突然舉手:“我們能不能把一個引擎拆成幾個引擎,不同的子任務用不同的引擎完成,最終把它們的結果組合在一起?”

郭煒一拍手,這個主意妙啊!

於是,他們花了好幾個月的時間,寫出了一套可以組合各個計算引擎的框架,起名為IOTA(這個名字是第九個希臘字母:“ι”),在 IOTA 裡,一共有三部引擎,每一個引擎都像隨身碟一樣可以熱插拔,如果技術界出現了更好的引擎,只要拔下來換上新的就好。

這個位置就是三個引擎的組合。

2019年秋天,最新版的易觀方舟實現了“可插拔”,速度提高了兩三倍。現在,像程序員都熟悉的 CSDN,還有做健康設備的歐姆龍,連鎖商場上品折扣,還有很多證券、銀行、地產,都開始用易觀方舟做分析和運營。

上面就是易觀方舟的截圖,可以分析網站、App,或者小程序上面的用戶情況,用來智能分析和用戶運營。

然而,那個困擾了於揚無數年的大問題,還是縈繞在他身邊。

易觀方舟好用是好用,但是別忘了,好用的前提是 App 裡的埋點要做好,使用的技巧要得當。

但是,很多企業的腦子裡並沒有給大數據運營留出一塊地方,什麽“埋點”、“轉化漏洞”聽上去都好陌生,也沒有懂得精細化運營的人才。直接把易觀方舟給他們,他們反倒覺得沒有那麽神奇。。。

這有點像你給女票分析了半天CPU、GPU、OLED螢幕的手機配置,最後她說:這個粉色背殼好漂亮,我要買這款。

茫茫海洋上,仍然有95%的企業不懂得數據驅動,仍然在“肉身游泳”。易觀只好組建了一支強大的服務團隊,幫助客戶掌握埋點技巧,掌握計算模型、掌握運營技巧,教他們“開船”。

然而,這就使得成本急劇提高,小企業又買不起了。。。

眼看創新企業在數據能力上被越甩越遠,而這些巨頭越來越強,普通人的手機螢幕已經快被巨頭家的 App 填滿了,於揚心裡五味雜陳。數據能力平民化的夢想,難道就真的這麽難實現嗎?

(五)人手一條船

2018年底,易觀的會客廳裡,於揚、朱江、郭煒還有一眾老闆圍成一個圈,大家表情嚴肅。

“來投票吧。”於揚說。

他們在討論一個產品團隊提出來的意見,這個意見聽上去有點凶狠,那就是把辛辛苦苦研發出來的易觀方舟對外發布一個免費版本,誰都可以下載來用。

這意味著,小團隊可以不花一分錢,就能得到一個基礎的數據能力,這相當於給在數據海洋裡游泳的人,每人免費發了一個小船。

沒想到,在座的所有人都投了讚成票。

這個免費版叫做 Argo,2019年3月上線,由產品、技術人自發組建的隊伍運營。

這就是 Argo 的界面。

朱江帶著同學們為 Argo 寫了十幾萬字的使用文檔。理論上說,小團隊在使用 Argo 過程中的絕大多數問題都能在這十幾萬字裡找到答案。只要下決心學習“駕船”的團隊,看著“說明書”練習足夠長的時間,就一定能學會數據驅動的基本知識。

然而這個舉動,卻引起了軒然大波。

首當其衝就是易觀內部的銷售團隊不理解。我這賣易觀方舟賣得得這麽努力,很多公司馬上就要掏錢了,結果有了 Argo,人家直接選擇免費版了,我的業績馬上就泡湯了。。。

於揚智能苦口婆心地給大家開會:現在中國還有95%的人在“游泳”,讓他們學會“開船”是比賺錢更緊迫的事情。

內部的衝突還算好解決,Argo 突然推出,其實讓友商們感覺到了冒犯。

在中國市場上,數據驅動智能用戶運營這個賽道上還有兩個重磅玩家——Google 和 Adobe。他們有著非常豐富的數據經驗,每一單動輒就是30w到100w。突然易觀把最核心的數據運營產品免費了出來,自己可怎麽和掏了大價錢的客戶解釋呢?是不是要退錢給他們呢?

事實上,一年過去了,為了運營 Argo,易觀投入的資金已經有好幾億元。這個數字大大超過了於揚當時的預判。

好在這樣的投入還是得到了回報。

2019年底,Argo 的日活是200,這意味著每天有超過200個團隊在使用 Argo 做智能運營。有的團隊甚至用 Argo 打通了自己的客戶信息系統,可以對每一個客戶精準地服務。

然而這個數字,仍然太少了。

“如果成本巨大,Argo 還要一直免費下去嗎?”我問。

說實話,如果我知道會投入這麽大的成本,當初也許真的不敢讓 Argo 免費。但是既然已經做了,我們就沒有停下來的理由。總有人要背負苦難,以救世人。

於揚說。

技術的浪潮從來沒有為誰停留。移動互聯網的數據運營尚未真正普及,IoT 的世界又來了。

現在非常火爆的“新零售”就是其中一例。

人們走進一家線下超市,無數攝影頭開始捕捉顧客的表情,動作。顧客拿起了某個商品,他是在微笑還是在搖頭。拿起某個商品後,是放在購物車裡,還是放回貨架上。這些數據都成為了精細化運營的依據,可以指導超市的貨品擺放,也可以為每個顧客量身定做優惠券。

這一切,都需要大數據的基礎設施作為底座。

數據海洋的風浪只會越來越急,為了活下去,人們需要製造小舟、艦艇和航空母艦。諾亞方舟正在停靠,每一位乘客都將做出選擇,是否相信洪水將至。

深淵的泉源盡裂

天上的水閘打開

獲得更多的PTT最新消息
按讚加入粉絲團