三年走來,每一步都「作數」。
懂場景者得 AI
短短一年多,全國已有 197 個 AI 大模型完成備案,行業大模型佔比近 70%。伴隨這一快速增長的趨勢,一個現實問題不容忽視,如果不能和普通商家的現實需求緊密結合,大模型體驗再好,也無法幫助大模型廠商自動完成商業閉環:
扎堆商場一樓的新能源車銷量大不如前 ,如何讓高昂租金的產出價效比更高?
某大型服裝廠的資料表累積超過 3 億多行,如果提煉不出價值,就只是成本;
因為數字轉型做得早,一堆業務系統豎起的資料「煙囪」讓某乳業大品牌進退維谷;
答非所問、反應滯後、人工客服難找,智慧客服一直在挑戰人的血壓極限;
.......
演算法是智力,算力是體力,資料是血液,「但讓 AI 真正飛入尋常百姓家的關鍵,在於與具體場景的深度融合。」9 月 20 日,瓴羊智慧科技(以下簡稱瓴羊)在 2024 雲棲大會上舉辦了「 Data×AI :企業服務智慧化,價值增長新動能」專場論壇,阿里巴巴集團副總裁、瓴羊智慧科技 CEO 朋新宇在論壇發言中說道,歸納成公式就是「(無處不在的)AI =(演算法+算力+資料)x 場景」。
「 x 」強調了兩邊元素的放大作用,一個是指 AI 帶來的體驗提升,至少要 10 倍好於過去,不然就只是一個外掛。另一面,即使擁有先進演算法、強大算力和海量資料,如果不能與具體業務場景緊密結合,AI 價值也無從談起。
卷場景:大模型擲地有聲
瓴羊,作為阿里巴巴的全資子公司,今年迎來了它的第四個年頭。看起來「年輕」,實際上資歷很深,集合了阿里最懂資料的一群人,其中帶頭者朋新宇已經是一個在阿里工作了 20 年的資料老將,也是阿里巴巴資料中臺的創立者。
瓴羊專注資料要素服務,推出了五大產品矩陣,覆蓋了從底層資料治理到頂層業務應用的資料生命全週期。
最引人注目的是應用側 ,分析(Quick BI)、營銷(Quick Audience)和客服(Quick Service)三款產品涉及所有企業應用的「最大公約數」 ,也是企業預算最多、最易沉澱資料並與 AI 產生「 化反」 的業務場景。
第二層是資料側,包括資料中臺 Dataphin 和「瓴羊港」。前者負責企業資料治理工作,確保資料的質量、一致性和可用性,也容易與 AI 結合。後者像是管道,專注資料在企業外部的高效流通,為整個生態提供源源不斷的資料活水。
至於基建側,瓴羊定位自己是一家產品公司,因此年初看到 OpenAI 推出 GPTStore 時,團隊沒有太過糾結就做出決定,不去跟風「卷」大模型,堅定應用好大模型。
他們選擇阿里通義千問作為通用底座,結合專業知識和行業資料,「煉出」不同領域的垂直小模型(如 BI 領域模型),將大模型能力「揉進」幾款產品(Quick BI、Quick Audience、Quick Service 和 Dataphin),直接為客戶創造價值。
商業智慧(BI)工具是每一個邁向 AI 時代商家的標配,BI 技術也從傳統 BI、敏捷 BI 逐漸進化到智慧化 BI。敏捷 BI 時代,使用者可以透過拖拽、點選更直觀地與資料互動,隨著大模型為 BI 引入革新性生成式分析體驗,智慧化 BI (如瓴羊 Quick BI )時代,原本高門檻的資料分析變得像對話一樣簡單。
智慧問數(ChatBI)就是一個頗具代表性的例子,體現出自然語言到 SQL 的技術轉換。該功能支援即席查詢、覆蓋關鍵問數場景,在複雜計算的相容性、模糊語義識別方面,表現尤為優異,即使毫無技術背景,使用者也能輕鬆對「資料」發問。
如電商平臺銷售場景中,想了解銷售額大於1萬的省份這類問題,就體現了智慧問數(ChatBI)二次複雜計算能力
對於模糊語義的識別,當前智慧問數(ChatBI)也能輕鬆識別並理解。如提問中「小鄭」定位到「鄭強」。
這種智慧化的 BI 工具正在解決實際業務中的痛點。以某知名乳業品牌為例,其供應鏈管理面臨兩大難題。
一個是查詢資料包表的靈活不足,固定報表一般按天甚至月計,滿足不了靈活多變的業務需求。求資料開發人員,要等三天才能拿到報表。
另一個是人工報表搭建週期長,成本高,導致異常診斷分析複雜,缺乏多維度目標差異比對分析,「看板」只展示資料,還不能自動分析問題原因。
Quick BI 幫助客戶在內部建立起智慧問數體系,支援自然語言問詢,無論是日常工作、業務會議還是出差途中,業務人員都能快速獲取資料、檢索資產,還能進行豐富的指標分析。
由於結合了傳統統計演算法和大模型,Quick BI 可以深度解讀圖表和補全資訊,揭示業務資料背後故事,高效定位原因,真正輔助商家作出決策。
而在營銷領域,隨著移動網際網路使用者和流量見頂,企業相關預算分配更加謹慎,從「種草」走向「轉化」,更看重 「確定性機會」。
以某床墊品牌為例,線上渠道有 9 個,線下門店多達 5600 多家,如何定位「正確的人、在正確時間,說正確的話」,提升轉化率?「雙 11 」大促,用什麼辦法啟用老會員復購?不少商家苦於平臺「沉睡人群」即將流失,卻無有效抓手叫醒他們。
現在藉助大模型,瓴羊 Quick Audience 的「門店智慧營銷助手」 可以快速「圈定」目標使用者,縮短營銷創意時間,並最佳化溝通時機,顯著提高觸達率。
例如,某知名服飾品牌天貓平臺的「沉睡人群」即將流失,商家藉助 Quick Audience 迅速「圈定」北京、上海、廣州共 42 家門店 5 公里內常駐或工作的「沉睡人群」,在預測裝置活躍時刻推送瓴羊超信,實現目標人群的線下門店召回,到店率提升 18% ,線下轉化率提升 35% ,全渠道轉化率提升 40% 。
而 Quick Audience 的另一個新功能「智慧採集分析助手」成功將資料團隊從資料採集(「埋點」)這種典型的 dirty-work 中解放出來,以全自動、可配置的方式,一站式完成埋點採集及業務分析應用。
某頭部車企,供應商採集埋點開發成本高,週期長,質量把控困難,透過使用智慧埋點助手,節約供應商埋點開發人力採購成本 9 成,專案實施週期縮短 50% ,埋點相關資料故障降為 0 。
除了分析、營銷場景,當前,智慧客服也存在諸多不足,如常常答非所問、維護知識庫仍靠人海戰術、一線客服效率低下,導致客戶投訴頻發。為此,瓴羊 Quick Service 2.0 借力大模型,有效解決了這些不足。從效果上看,解答準確率提升至 93% ,人工客服處理問題所需時間從 10 分鐘縮短至最快 5 秒,知識庫部署所需時間從 7 天縮短至 5 分鐘。
卷資料:從治理到流通
除了利用 AI 大模型重構分析、營銷、客服三大企業級智慧應用,負責資料治理的中臺 Dataphin 也迎來最大變化—— 加入了 DataAgent 。現在,只需三步,就可以構建企業專屬的資料資產智慧體,這也是業內首個場景化智慧找數方案。
建立企業資料資產全景和目錄是 Dataphin 主要能力之一,現在,藉助大模型,將企業資料資產目錄構建為一個智慧知識庫,透過對話就能快速摸清「家底」,還能幫助使用者快速定位業務相關資料資產。在個性化資料分析能力上,現在可輔助自動生成 SQL 程式碼,可連結即席查詢和 BI 分析執行看數。
其實,在瓴羊成立之初, Dataphin 就已經經過阿里巴巴和眾多企業的實踐磨礪,被成百上千的客戶應用,它的誕生直指當前中國企業在數字化轉型過程中面臨的首要挑戰:資料「髒亂差」。
如台州銀行在數智化升級之前,存在資料標準缺失、指標口徑不統一、缺失統一清晰的資料資產盤點等問題。類似的問題也出現在其他行業,如某大型服裝企業的營收金額統計,需要計入商場扣點、財務扣稅等因素,因為各渠道資料口徑不統一,每日的營收資料竟會出現高達數十萬元的偏差。被企業視為經營壓艙石的「四率二效」指標也因流程不規範,摻雜了各利益方的主觀意願。
而 Dataphin 透過標準化資料處理流程,統一資料口徑,並提供全面的資料資產管理,幫助企業建立起可靠、一致的資料基礎,為數字化轉型鋪平道路。Dataphin 最初源於阿里這個「超級工廠」的實踐經驗,因此在推廣初期,瓴羊主要將其引薦給了與阿里規模相當的大型客戶。
為了讓更多企業能夠用上好的資料工具,治理好資料,瓴羊針對性地進行了一系列改進,如針對私有化部署高成本和公共雲標準化限制的痛點,Dataphin 透過重構治理方式,提供半托管服務,將部署時間從幾天縮短到 1 小時,同時保持了個性化服務。
過去兩年,瓴羊在資料領域取得了顯著進展,不僅針對資料治理這一企業常見難題持續迭代升級 Dataphin 產品,還針對資料數量和流通這一更具挑戰性的問題,推出了資料流通樞紐——瓴羊港。
資料不僅具有使用價值,還蘊含著巨大的交易價值。然而,如何讓資料像淘寶上的標品一樣高效流通,成為了一個亟待解決的問題。恰逢其時,2023 年 10 月 25 日,國家資料局正式揭牌,為資料流通提供了政策支援。「以資料促進融合發展」成為這家新機構的核心思想之一,而資料流通正是破解數實融合發展堵點的關鍵。
朋新宇敏銳地觀察到,相比於前幾年出於安全考慮而「踩剎車」的政策導向,國家資料局的成立有望起到資料「發動機」的作用,驅動企業間的資料流通。順應這一趨勢,瓴羊在 2023 年雲棲大會上推出了瓴羊港,旨在破解企業長期面臨的資料缺失、資料資產難以管理、外部資料無法融通等關鍵問題,提供「尋、買、管、用」一站式資料服務,幫助企業實現資料驅動的業務增長。
瓴羊港釋出近一年,已達成和 30 多家頭部資料方的緊密合作,目前平臺上流通的應用場景和行業標籤多達 3000 多種。
2022 年爆發的 AGI 革命無疑是電腦科學的又一次重大創新,標誌著第四次工業革命的開端。在這場革命中,資料的規模、多樣性和質量的戰略重要性被提升到了前所未有的高度。
十餘年前,阿里雲抓住了雲端計算的技術浪潮。如今,瓴羊又踏上了資料要素浪潮。成立之初,瓴羊就明確將自身定位為 DaaS(資料即服務)公司,與傳統 SaaS 公司劃清界限:
SaaS 主要透過工作流程標準化來提高企業運營效率,解決的是效率問題。而 DaaS 則透過資料流的全場景應用,將資料價值滲透到企業經營的方方面面,致力於解決更深層次的業務價值問題。
面對未來十年的機遇與挑戰,瓴羊如何才能領頭羊群,成為海量商家生意增長的數智化參謀?朋新宇引用了團隊內部堅信的價值觀作答,不論是過去的網際網路,今天的 AI ,還是未來的新興技術,要真正落地到產業和企業,必須做到三點:
你要「快」,但「快」——很快看一篇論文、發表一篇論文,不一定解決所有問題;同時,你要「深」,深入理解行業痛點,要問客戶能不能用?第三,客戶要「認」,贏得客戶的好口碑,前面的「快」和「深」才有價值。