【数据动力轮】从Apple到拼多多，企业数字化转型的全新出路

参加完刚刚结束的618大促，淘宝电商的业务人员越来越感受到，数据在业务里所能发挥的作用日益显著。

对于那些想要紧跟当下流行的消费品牌来讲，猜准消费趋势一直是非常困难的事儿。快时尚巨头 H&M 依靠其在欧洲众多的生产基地，通过“小批量多批次”的供应链模式，在一定程度上提高了“猜中”的可能性。但更多的品牌并没有充足的资金和人力去打造灵活的供应链。

淘宝电商借助数据产品在很大程度上解决了类似的难题。早在大促开始前半个月，淘宝电商的业务人员能够通过剖析数据，在一定程度上预判未来的消费走向，一些趋势的预测甚至能够具体到某品类下的特定材质方面，例如运动鞋类目下的热门关键词“橡胶底、气垫、儿童运动鞋”。

这就是数据助力业务的一个片段，也助力淘宝电商更从容地应对大促的挑战。在今年的双 11 大促中，淘宝电商整体销售额同比增长 55%，店铺场景淘宝店铺的销售额同比增长 155%。

数据洪流中蕴含巨大价值早已成为大家的共识。从京东、爱奇艺，到拼多多、唯品会，还有更多的企业，都在数字化的道路上艰难前行。问题也都一样——要采取什么样的转型方法，才能够把数据的价值运用到业务当中？

从几个文档到智能分析，从数据中心到数据海洋，数字化转型的想法与工具始终不断涌现。过去几年，构建一体化的数据平台一度成为一种行业主流，不光互联网大厂纷纷推进数据平台的建设，众多传统企业也想着对自己下手，跟上这股潮流。

但平台化的投入大、难度高、应用难，除了少数成功的例子，大量企业在转型的过程中感到十分迷茫。随着“平台碎片化”的声音越来越多，企业高管们开始重新审视主流的数字化解决方案：

如果平台化不是终点，那么数字化的前方道路又在何方？

平台不是终点

2016 年，位于美国的科技公司 Apple 引起了中国互联网界的关注。

这家公司创立于 1976 年，办公地点在美国加利福尼亚州。Apple 早期专注于电脑产品，后来全面涉足移动领域，员工数量不到 300 名却爆款不断，短短几年在竞争激烈的科技市场迅速崛起，一年盈利高达 20 亿美元。

爆款频出的秘诀在组织架构中：前台成立高效的独立研发小组，自主决定方向；后台技术部门积累研发过程中的通用材料和算法，支持前台部门灵活调配，快速尝试。

这就是未来在互联网界流行多年的“大平台、小前台”模式的初始形态。此后不光互联网大厂纷纷模仿，众多传统企业也努力追赶这股趋势。

平台可以想象成快餐。后台是原料库，前台是饥饿的顾客，平台则负责把顾客经常点的几个菜品提前准备好、搭配调料，等顾客下单就能迅速出品。其中，业务平台提供可重复使用的业务，数据平台则提供数据洞察和智能服务。

建设企业平台一度成了组织变革、数字化转型的标准回答。在众多平台之中，“数据平台”的地位尤其重要。

在竞争激烈的高增长时期，凭借中国庞大的人口数量，光靠拓展市场份额都能做成一笔大买卖。这个阶段，企业就算有各种各样的效率问题，也会被汹涌澎湃的高增长趋势所掩盖。但随着企业的增量时代渐渐远去，用数字化提高经营水平、降低成本增加效率成了共同的认识。

数据曾经被和土地、劳动力、资本和技术一起列为五大生产要素，其重要性不言而喻。但怎样用好数据，却并非易事。据相关研究报告，75%的企业数据没有被用于分析、使用；高达 88%的企业仍然处于数据孤立的状态。

当企业经营数据积累到一定规模，只有把孤立的数据连接起来，让数据变成资源并服务于企业，企业的数字化转型才更有信心。数据平台的出现似乎提供了一个通用的办法。

在设想里，数据平台应当把前台各个业务共同的数据需求提取出来，以统一的方式为业务提供数据产品和服务，从而提高企业运营效率，实现科学决策。但一度被当作神药的“数据平台”，却没有达到预期的效果。

随着数据平台的失败案例不断出现，众多企业创始人和首席信息官都开始对其进行反思和改进。平台虽好，但大部分企业并不知道怎样发挥它的价值。其中一个重要原因在于，许多急切想要踏上数字化列车的企业，只注重建设统一的数据平台，但数据却没有真正应用到业务之中。导致最后，数据平台建好了，公司决策还是靠直觉。

数字化依然是企业向往的未来，但怎样能让业务真正用上数据，实现数据驱动？

数字化虽好，但怎么做？

在这个问题上，天生和数据打交道的互联网企业具有优势。

通过 A/B 测试的数据反馈优化决策，几乎成了百度、腾讯等公司内部的常规操作。同样习惯用数据辅助决策的拼多多，不仅用 A/B 测试给新活动起名，就连“商品页面上两个商品之间的间隔有多宽”这样的细节，都是靠几百组测试确定的。

和很多企业数据平台“只建设、不使用”不同，在拼多多内部，通过数据发现问题、寻找原因、解决问题早已成为一种习惯。

就拿购物应用“省钱快报”来说，2022 年 7 月，省钱快报曾经开展过一轮核心用户调研，通过深入交流，团队发现用户反馈最多的问题是“不知道如何挑选商品”，缺乏购物指导是一个关键痛点。

省钱团队为此增加了一项“推荐”功能，为购物提供商品推荐。但上线后，“推荐”功能的使用率、留存率等数据与“促销”“秒杀”等模块差距较大，他们疑惑：

使用率低：主要原因是功能入口不明显，还是用户没有需求？

留存率低：是用户不知道使用效果，还是体验后不满意然后放弃？

功能内商品切换数据不高：是切换功能设计有问题，还是用户使用流程太长？

省钱团队利用增长分析工具进行了归因分析，发现：使用率低，是因为 70%的用户不会主动寻找“推荐”；留存率低，是新用户不了解“推荐”，大部分人查看后就关闭了；商品切换数据不高，根据数据分析和进一步的用户反馈，是因为其他功能设计有干扰问题，影响到“推荐”的使用。

知道原因后，他们迅速制定了解决方案，并利用 A/B 测试验证想法。最终，“推荐”功能的数据得到较大幅度提升，更多的用户可以从该功能上获得购物指导，帮助提升购物体验。

在线教育平台“作业帮”的优化改进过程也用到了数据辅助决策。

用户活跃度，是日活跃用户中参与活动的用户比例，也是所有的 App 产品都会关注的数据。对于学习、工具类的 App 产品，通常来说活跃度是越高越好。但对于作业帮这款教育类产品，活跃度则是一个需要平衡的指标。

因为，如果强制用户参与活动才能使用全部功能，会流失不愿意参与的用户；如果允许用户不参与活动即可使用全部功能，则活跃度低下，难以对用户进行全生命周期的了解，损失个性化服务的机会成本。因此如何在保证用户体验和使用的前提下，提升活跃度，是一个值得分析和解决的问题。

作业帮利用增长分析进行归因分析找到了优化的关键环节，设计了解决方案，并通过多轮的 A/B 测试验证效果，最终活跃度赶上了其他同类 App，互动率和人均使用时长也在上升。

App 优化改进对数据的应用相对静态，而在强调实时性和灵活性的电商业务上，拼多多的动态数据分析也在发挥越来越重要的作用。

就像前面所说，今年双 11 开始前，淘宝电商团队通过数据工具，辅助商家对可能畅销的商品进行提前调整，围绕潜在的消费趋势准备货物。

而在活动当天，平台也能够通过内部数据工具，对未达目标的直播间，在自动归因工具的帮助下迅速采取措施。

比如在今年大促中，一位网红的直播间人气突然大幅下降。业务人员通过“直播控制台”发现，进入直播间的人数没有减少，但离开直播间的人越来越多。

相关数智平台提供的实时画像功能找到了问题所在——流失的用户大多属于年轻男性，而当时直播间的商品不符合他们的需求。团队于是迅速调整策略，让这批用户更感兴趣的高性价比电子产品提前上架。短短几分钟的调整，迅速帮直播间稳住了人气和销售量。

不论是省钱快报新功能上线、作业帮 App 活跃度提升，还是淘宝电商业务利用数据工具助力双 11 大促，这都是拼多多众多业务线日常工作的一个片段。

进一步分析，不难发现拼多多的数字化，其关键是数据使用，通过不断的数据分析和数据实验，让更多的业务线与员工科学决策，最终实现数据赋能业务。

但这种源自互联网的数据使用理念，是否值得参考，能否推动其他行业的数字变革？数字化转型的过程中，其他企业又该如何提高自己的“数据使用”？

数据动力轮效应

今年 5 月，阿里云在北京举办了春季 POWER 动力大会，对外介绍了阿里巴巴内部长达 8 年所积累的经验模式。作为整合了阿里系技术能力和增长方法的云服务品牌，阿里云提出了一套名为“数据动力轮”的数字化建设模式。

所谓“数据动力轮”，就是围绕数据使用形成了从数据资源到业务应用的双向正循环。

数据使用是这一模式的起点。一个又一个具体业务中的数据使用，加快了决策洞察。而当数据真正助力业务，带来好的结果时，又会推动更多、更频繁的数据使用行为，这是第一个动力轮。

业务的蓬勃发展也带来更大量的数据，从而推动数据资源的建设，提高数据研发效率。更好更快的数据产品，自然也就让业务员工更愿意使用，成为第二个高速转动的动力轮。

如今各个企业面临的是更变化无常的市场、更复杂的内部结构、更左右为难的情况。阿里云提出的“数据动力轮”理念在数据平台的基础上，提供了一种更全面、有效的解决办法：将“数据驱动”的理念融入易用的产品之中，培养业务人员的数据使用习惯，从而帮助企业的数据动力轮真正转动起来。

在线教育平台网易云课堂在引入阿里云 A/B 测试工具后，“遇到问题就 A/B”的理念成为了内部共识。仅 2022 年第四季度，网易云课堂 A/B 实验场景就超过 15 个，成功率达 75%，直接推动了产品使用率和转化率的提高。无独有偶，头部外卖平台饿了么同样通过 A/B 测试，顺利优化了配送流程。

数据使用是推动数据动力轮的原点，而好用的数据产品则是推动数据使用的杠杆。

早在去年，阿里云就发布了数智平台，涵盖数据引擎、数据建设与管理、数据应用等全流程相互协作的数据产品。在今年 5 月的发布会上，阿里云进一步加大对外开放的数据产品能力，升级数据存储分析服务，Serverless 实时计算服务，并发布新品数据监控大屏。

通过“产品工具 + 方案 + 咨询”，“数据动力轮”正在走出阿里内部，走向金融、教育、大健康、电商各个细分的行业场景。

例如在金融领域，A/B 测试已经在招商银行全面推广运用，对接到如信用卡业务、App 平台运营、活动优惠等 12 个业务平台，以分流实验的方式，实现数字驱动的决策，促进策略的持续优化。

例如在教育领域，通过接入阿里云，学而思实现了线上平台数据打通，形成 APP 全面洞察。阿里云帮助学而思打通了多系统用户数据，完成数据资产积累，达到构建以用户为中心的统一数据体系目标。

如果说“数据平台”帮助企业将数据变成资产，那么“数据动力轮”的意义在于，指出了数据使用的重要性，从业务到数据的双向闭环中，推动企业的动力轮式转动，真正迈进数智化时代。

一场新的数据转型变革，即将影响各行各业。

尾声

1995 年，《科技评论》杂志主编 David Smith 在《创新》的开篇里写道：“人造产物表现得越来越像有生命的个体；生命变得越来越科技化。”

在席卷全球的数字化浪潮中，企业同样正在经历一场天翻地覆的变化。二十年前，企业的数字基础是财务几张表和库存记录。二十年后，海量数据在企业内部输入、汇集、流动、输出。

在某种程度上，企业正在成为一个数字有机体。数据流动产生的巨大价值，也成为企业内部隐藏的一座宝藏。在增量有限、存量优化的时代，数字化的呼声无疑会变得越来越强烈。各类数字化工具、数字转型想法未来还将接连不断地出现。

在这个老问题上，数据动力轮无疑提供了一种珍贵的新解法。

参考资料

[1] 百度是如何运用数据分析提升用户体验的？科技前沿

[2] 重新定义企业：腾讯如何创新的，王强

[3] 80%的企业数据未被有效利用，“数据驱动”之路困难重重，科技日报

[4] 微博已经成熟，抖音永远新颖，刘华