【51CTO.com原創(chuàng)稿件】在9月召開的以“突破”為主題的T11 2018暨TalkingData數(shù)據(jù)智能峰會上，TalkingData合伙人兼執(zhí)行副總裁林逸飛發(fā)表了“以數(shù)據(jù)智能探索業(yè)務(wù)突破”的精彩分享。他著重介紹了TalkingData(簡稱TD)在零售領(lǐng)域的探索，并總結(jié)提出了“D2D數(shù)字化轉(zhuǎn)型方法論”，強調(diào)從業(yè)務(wù)“數(shù)字化”到目標(biāo)結(jié)果“數(shù)字化”的核心思維，并以整合合作伙伴與TalkingData自研的全景數(shù)據(jù)應(yīng)用與方案，為企業(yè)客戶提供業(yè)務(wù)場景落地服務(wù)。

[[244592]]

TalkingData合伙人兼執(zhí)行副總裁 林逸飛

SmartDP 2.0 夯實六大核心能力

會上，TalkingData宣布其數(shù)據(jù)智能平臺已升級至2.0版本，內(nèi)部稱之為TalkingData數(shù)據(jù)中臺。據(jù)悉，數(shù)據(jù)智能平臺2.0(SmartDP 2.0)擁有管理、工程、科學(xué)以及安全、連接、共享六大核心能力。

SmartDP 2.0數(shù)據(jù)中臺由三部分組成，底層是開放的數(shù)據(jù)連接平臺，連接了包括電信數(shù)據(jù)、電商數(shù)據(jù)、自采集的SDK數(shù)據(jù)、社交數(shù)據(jù)、中小數(shù)據(jù)源等眾多數(shù)據(jù)，通過物聯(lián)網(wǎng)方案，安全合規(guī)地進行接入;中間層是數(shù)據(jù)治理團隊，提供資產(chǎn)地圖、質(zhì)量控制、運營等能力;頂層是大量的工程工具，包含數(shù)據(jù)科學(xué)平臺、模型部署平臺、數(shù)據(jù)智能市場以及數(shù)據(jù)探索沙箱等。

此數(shù)據(jù)中臺具有聚合所有的數(shù)據(jù)，提供大量共享數(shù)據(jù)服務(wù)和工具的作用。“數(shù)據(jù)中臺上有三塊，首先是為TD的合作伙伴開發(fā)的業(yè)務(wù)和服務(wù)，其次是讓客戶在數(shù)據(jù)中臺上開發(fā)自己的業(yè)務(wù)，***最小的一部分才是TD去開發(fā)的業(yè)務(wù)。”林逸飛提到。

術(shù)業(yè)有專攻，TalkingData把數(shù)據(jù)中臺打磨好，把連接共享、算力、科學(xué)做好，是希望讓更多的合作伙伴一起共享平臺和數(shù)據(jù)的能力，把涉及到行業(yè)深度知識、行業(yè)進入壁壘的業(yè)務(wù)要求等交給合作伙伴，分工合作，以期望和客戶共創(chuàng)一些行業(yè)應(yīng)用。TD開放數(shù)據(jù)中臺是希望將行業(yè)中的頭部企業(yè)探索出來的數(shù)據(jù)能力和方法，更快更好地去賦能給整個產(chǎn)業(yè)鏈中的中小企業(yè)，從而促進全行業(yè)的發(fā)展。

順勢而為 讓數(shù)據(jù)成為驅(qū)動經(jīng)營的增長引擎

民生銀行信用卡中心、綾致時裝、中國移動物聯(lián)網(wǎng)有限公司也作為重要合作伙伴代表登臺，分享了在企業(yè)數(shù)字化轉(zhuǎn)型方面的獨到見解，以及與TalkingData合作探索轉(zhuǎn)型創(chuàng)新的經(jīng)驗。林逸飛在接受51CTO記者采訪時表示，TalkingData為企業(yè)的數(shù)字化轉(zhuǎn)型賦能，選擇行業(yè)時有三個簡單的出發(fā)點。

***個出發(fā)點：要判斷企業(yè)的CXO或高級領(lǐng)導(dǎo)是否相信數(shù)據(jù)可以幫助他的業(yè)務(wù)。如果企業(yè)的領(lǐng)導(dǎo)不信數(shù)據(jù)，無論他是電商、金融還是其他行業(yè)，都不會是TalkingData的關(guān)鍵合作伙伴，因為數(shù)據(jù)對這類企業(yè)來說不是最主要的經(jīng)營助推點。

第二個出發(fā)點：縱觀TalkingData的七年發(fā)展史，從金融到零售，始終是順勢而為。例如，三五年前金融行業(yè)的數(shù)字化顯而易見，金融產(chǎn)品推向市場的速度非?？欤萍紩椭鹑谛袠I(yè)完成整個數(shù)字化閉環(huán)。最近兩年是零售業(yè)，這兩個是TalkingData傾力投入的行業(yè)，皆是順勢而為，順著科技或業(yè)務(wù)模式變化的潮流而上，更容易形成數(shù)據(jù)閉環(huán)和數(shù)據(jù)資產(chǎn)，產(chǎn)生的數(shù)據(jù)效果也會更加顯著。

第三個相對特殊一點的是政府，大數(shù)據(jù)給政府帶來很多新的課題，政府無需依賴商業(yè)潮流就可以推動著去做很多事。例如人口普查，從前是小抽樣的人口普查，如今可以考慮用更大規(guī)模的數(shù)據(jù)實現(xiàn)人口普查，這是一個很細(xì)分的領(lǐng)域，政府還可以用數(shù)據(jù)做很多事。目前，金融、零售和政府是TalkingData主力做的三個行業(yè)。

企業(yè)需正視數(shù)字化轉(zhuǎn)型的三大短板

企業(yè)進行數(shù)字化轉(zhuǎn)型，信數(shù)據(jù)是前提，但不同企業(yè)在進行數(shù)字化時往往存在三大主要短板。

一是組織結(jié)構(gòu)問題?；ヂ?lián)網(wǎng)企業(yè)往往都設(shè)有一個專門做數(shù)據(jù)驅(qū)動的部門，例如亞馬遜的“飛輪效應(yīng)”，阿里的“御膳房”，都是一個真實存在的組織，在規(guī)定的權(quán)限邊界范圍內(nèi)為大家做數(shù)據(jù)服務(wù)，而傳統(tǒng)企業(yè)往往沒有這樣的組織，TalkingData需要和各種部門打交道，這在無形中增加了轉(zhuǎn)型的難度。

二是技術(shù)接口不完善。無論是做數(shù)據(jù)模型推薦或是協(xié)同過濾，推到市場上拿反饋時往往拿不回來，這就涉及到了企業(yè)邊界和市場對接的問題，有很多技術(shù)接口準(zhǔn)備的不夠完善。例如，企業(yè)的數(shù)據(jù)不整合，數(shù)據(jù)清洗需要花費很多額外的精力。林逸飛強調(diào)，組織結(jié)構(gòu)和技術(shù)接口是影響企業(yè)數(shù)字化進程的兩大核心問題，而工程和技術(shù)問題并不是復(fù)雜問題。

三是人才問題。在數(shù)據(jù)工程和數(shù)據(jù)科學(xué)兩個方面，傳統(tǒng)企業(yè)與大的互聯(lián)網(wǎng)企業(yè)之間的人才爭奪非常激烈，傳統(tǒng)企業(yè)并不占優(yōu)勢，人才問題也是數(shù)字化的一大短板。

騰云大學(xué) 讓數(shù)據(jù)科學(xué)走出實驗室

在人才問題方面，TalkingData也做了一些努力的嘗試。“我們有海量的數(shù)據(jù)，有非常好的計算單元，有實戰(zhàn)型的人才，這些對于剛剛進入數(shù)據(jù)科學(xué)領(lǐng)域的人才而言極富吸引力。”林逸飛提到，“我們在與客戶進行深度合作的過程中，會將一些人才安排在他們的項目里，在一段時間之后，客戶會給這些人提供offer，TalkingData已為客戶輸送了近百個人才，其中包括從國外的幾所名校以及國內(nèi)的清華、人大等高等學(xué)府引入的人才。”

TalkingData投入幾百人去做騰訊大學(xué)這個平臺，不一定能夠完全緩解客戶對人才的缺口，而是希望數(shù)據(jù)科學(xué)能夠走出實驗室，進一步實現(xiàn)平民化，從而發(fā)揮其真正的生產(chǎn)價值。

百靈計劃 投入1億資源為合作伙伴賦能

值得一提的是，TalkingData在本屆T11峰會上發(fā)布了合作伙伴共創(chuàng)計劃——“百靈計劃”， 基于TalkingData數(shù)據(jù)資源和中臺能力，與合作伙伴共同探索并構(gòu)建基于大數(shù)據(jù)和領(lǐng)先智能技術(shù)的場景商業(yè)應(yīng)用。百靈計劃將投入價值1億元的資源，為100家合作伙伴提供100天的免費開放數(shù)據(jù)、開放算力以及服務(wù)與培訓(xùn)，加速賦能合作伙伴發(fā)展。

林逸飛介紹，“目前已有幾十家合作伙伴開始展開相關(guān)合作與服務(wù)，TalkingData也從中積累了一些經(jīng)驗。我們將免費開放算力、存儲、帶寬、技術(shù)框架和樣本數(shù)據(jù)等資源，合作伙伴需要有明確的課題和目標(biāo)，我們會有自己的團隊跟他們對接，并判斷其課題目標(biāo)是解決哪類業(yè)務(wù)問題，在數(shù)據(jù)科學(xué)和模型方面處于哪一水平，這些都要有相應(yīng)的共識，以此來判斷是否為合適的合作伙伴。”據(jù)透露，百靈計劃的細(xì)則也會有詳細(xì)的公開描述。

為平臺賦能 促進人工智能產(chǎn)業(yè)化

在談到對人工智能領(lǐng)域的研究時，林逸飛表示，“TalkingData比較關(guān)注在業(yè)務(wù)端做產(chǎn)業(yè)化運營，作為平臺型的公司，我們更希望為平臺賦能。”首先，TD對邊緣計算領(lǐng)域進行資源投入，與高通、中移動等展開合作，在邊緣這一側(cè)，專注于AI框架的研究，期望在框架之上可以長出各種各樣的應(yīng)用。

在服務(wù)端，TD期望AI不再曲高和寡，能夠?qū)崿F(xiàn)平民化。人工智能從特征工程的選取，到工程化和模型投產(chǎn)，再到數(shù)據(jù)的迅速迭代，這個過程中投產(chǎn)比參數(shù)的調(diào)校更重要，AI框架會加速形成模型與實際效果之間的閉環(huán)，讓AI更快實現(xiàn)產(chǎn)業(yè)化。林逸飛提到，“有時模型調(diào)校半年不如增加一個數(shù)據(jù)維度來的更直接，與其糾結(jié)于幾層的神經(jīng)網(wǎng)絡(luò)，拘泥于模型的復(fù)雜度和精確調(diào)校，不如考慮迅速投產(chǎn)后如何找到更合適的特征工程。”

此外，在服務(wù)端TD還關(guān)注AI的基礎(chǔ)特征工程。例如TD剛剛投資BasicFider，期望能將其變成平臺級的服務(wù)，這家公司從事基礎(chǔ)特征工程的提取工作，對人臉識別、姿態(tài)識別、道路識別、影像識別、服裝識別進行標(biāo)注，滿足不同算法公司的標(biāo)注需求。

有了AI框架，完成基礎(chǔ)特征工程的選取和標(biāo)注，那么模型間的對比將水到渠成。TD要做的并不是開發(fā)某個AI模型，而是通過數(shù)據(jù)中臺實現(xiàn)對數(shù)據(jù)和模型的共享，與合作伙伴共同促進AI模型的產(chǎn)業(yè)化。

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】