笔趣阁

手机浏览器扫描二维码访问

04 智能商业双螺旋之二 数据智能（第2页）

另一方面，算法模型自身也在迭代。事实上，客户借还款的数据，会实时反馈到蚂蚁小贷的数据池中，多个算法模型据此实时优化：哪些维度的指标应当被纳入或清除出模型，客户的哪些行为特质应该被赋予更高的权重，在不同的情形下哪些算法模型有更高的准确度。在蚂蚁小贷，这些算法模型更新的频率以“周”计算，而即便在金融数据化程度极高的美国，一次算法更新往往也需要6个月。

最后，蚂蚁小贷还将数据智能融入小微贷款这一商业场景中，设计出一款高效的互联网产品。淘宝卖家可以在店铺运营平台上直接申请贷款，如同在谷歌的搜索框输入关键字一样简单。这个贷款页面也是机器算法的反馈通道，数据实时更新，算法不断迭代。

事实上，在卖家提出贷款申请前，蚂蚁小贷的后台机器集群已经根据他在淘宝上的行为数据，对他进行了风险评估，并预先授信。所以，可以实现实时审核，自动放款。

在这个过程中，客户的数据越来越多，数据维度越来越丰富，参数越来越准，算法模型越来越有效，风险控制的成本越来越低，信贷对象的体验越来越好，覆盖的贷款用户也越来越广。整个业务进入高速发展的正向循环。更重要的是，这是一个基于数据和算法，且自动的智能化用户体验提升过程，商业效率也得到了极大提升。

蚂蚁小贷是智能商业的一个经典案例。信贷如此古老而复杂的商业活动，被抽象、极简地表达成了一个人机交互的输入框；传统上烦琐得令人望而生畏的信贷流程，变成了“输入信贷需求—机器做出决定—资金自动汇入”三个简单的动作；过去高度依赖人的判断力的贷款审核，变成了由机器自动决定。

小额贷款成为一项数据驱动的智能业务。

算法化：智能商业的“引擎”，而非“工具”

我们提到算法时，常常会接上另一个词——“引擎”。这是一个奇妙的比喻，因为如果我们将数据看作是DT（datatechnology，数据处理技术）时代的一桶高标号汽油，那么算法无疑就是这台引擎。只有算法才能让数据中的能量得以完全喷发出来，为智能商业这辆“汽车”推进加速。

搜索是第一个数据和算法驱动的互联网产品，使我们每个人都可以在海量的互联网数据中找到最相关的信息。谷歌的成功正发源于其创始人提出的PageRank算法。谷歌创造的另一个功能强大的算法是其在线广告市场引擎——payperclick（点击付费广告），每天都有价值10亿美元以上的在线广告通过这一算法投放到最合适的观众面前。

在商业语境下，算法就是一组反映了产品逻辑和市场机制的计算指令的集合。完成了商业场景的数据化之后，算法就是提炼数据价值的思路，而DT时代的数据价值就是商业价值。如同谷歌正在做的，我们每个人打开过的那些商品的页面、网购的某件商品，都无疑是数据的“金矿”，但只有当在线广告的算法引擎从中挖掘出每件商品的潜在买家，并据此投放广告时，这座数据金矿的价值才真正被开发出来。

算法看似高精尖，但实际上，算法在我们的日常生活中早已无所不在。不仅是手机和汽车，在房子里、电器里、玩具里都藏有算法。现在的银行是错综复杂、规模巨大的算法聚合，只是当中会有人时不时地微调一下罢了。世界上主要的股票、期货市场，看似有无数的交易员以各种手势不知疲倦地报价买卖，但真正“不知疲倦”地记录各种数据，做出空单或者多单决策的同样是算法，而交易员常常只是算法决策的执行者。算法制定飞机航程，然后把飞机开走；算法管理厂房，进行贸易，控制货物流通，兑现利润，甚至做账。

Polyphonic（一家针对音乐和唱片公司的技术研发公司）开发的算法用数学函数解构歌曲的曲调、节奏、和弦进程、声音饱满度等指标，来预测一首新歌能否流行。有一个名不见经传的歌手的新专辑，据算法分析，该专辑14首歌中有9首能登上流行排行榜，连写这个算法的工程师都觉得难以置信。这张名为《跟我远走高飞》（ComeAwaywithMe）的专辑最终热销2000万张，那名叫诺拉·琼斯（NorahJones）的歌手当年获得5项格莱美奖。

设计一套算法并非易事，工程师需要以机器可读的语言编写，然后进行千丝万缕的测试，找到复杂编码中的每一个问题。久而久之，计算机工程师研发了无数个互相关联、互相依赖的算法，形成了编码的生态系统。然而这套生态系统中的复杂程度日增，系统中的小问题也会迅速蔓延。算法与算法之间的相互作用，乃至算法本身，其复杂程度开始胜过人类的脑容量。不夸张地说，如果有一天一切算法都骤然失灵，那世界即便谈不上毁灭，也会了无生趣。

算法是什么？让我们回到这个基础问题上。算法是按照设定程序运行以获得理想结果的一套指令。

人类可见的最早算法来自两河流域的苏美尔人，他们留下的一块距今4600年的泥板上刻着一段文字，写的是利用小型称量工具，在人数不定的一群人中平均分配几千公斤谷物可重复使用的方法。计算机的发明使算法的功能被极大提升，因为在做重复性工作时，计算机显然更具优势，而人们要做的是运用计算机语言将众多极为简单的指令组成非常复杂的逻辑推理链条。譬如，做蛋糕的时候该加一小勺白糖，人可以执行，计算机可不行，它首先必须知道白糖是什么；其次，“一小勺”的量不够精确；最后，计算机也不知道怎么“加”，从如何拿起勺子到如何移动勺子再到如何把勺子里的白糖倒到碗里，计算机都需要明确的指示才能执行。可见，算法是一种严苛的标准。

不过，随着算法对我们日常生活的渗入，一个小错误就可以击垮整个系统，导致火箭陨落、电网崩溃、市场坍塌，前两者我们或许还没见到实例，但是因为算法的一个小错误引发连锁反应导致市场崩盘的惨剧确实发生过。2010年5月6日，美国股市就曾因为计算机算法停止竞价，导致股价大幅下跌，市场崩溃，这种情况被人们称为“闪电崩盘”。

那么怎样避免这样的情形再次发生？怎样让算法越来越聪明？怎样让算法超越人类既有经验，创造出前所未有的价值？这些领域都有巨大的发展空间。

算法是“机器学习”的核心——笨机器用笨办法，靠着算法的持续迭代优化，变得越来越聪明。即便是一个非常粗糙的算法模型，也可以在实时在线、全本记录的数据中，通过没有预判和方向的数据探索，来发现那些广泛潜伏但我们无从察觉的关系结构，并持续优化。

这是算法的又一次决定性的跃升。也是在这次跃升中，数据对算法的巨大作用被充分显现出来。任何一个算法模型，尤其是能够自我学习、自我优化的算法模型，比如股票市场分析模型或者巧克力爱好者口味偏好模型，都承担着在成千上万个可能的因素中寻找出所隐藏着的联系的艰巨任务。这些可能因素中有些具有决定性的价值，有些却是彻底的“噪声”，而且，它们还在实时发生着变化。所以算法真正要准确地预测股价，或是猜对某种朗姆酒口味巧克力的受欢迎程度，就必须通过分析海量数据来实现，必须在实时更新的数据中快速迭代优化。

机器学习的原材料是数据，数据越多越好。并且机器学习能够克服各种复杂情况，只要数据足够丰富，简单的学习算法可以轻松编写百万行长的新算法，工程师的工作轻松多了。工业革命使得体力劳动自动化，信息革命使得脑力劳动自动化，而机器学习使得自动化过程本身自动化。战胜围棋本身并没有什么商业价值，但它带来了算法的突破，而这种突破肯定可以被应用到不同的商业场景中。

数据时代的智能商业对算法提出了全新的要求：算法的迭代方向、参数工程等，都必须与商业逻辑、机制设计，甚至价值观融合为一。当算法迭代优化时，决定其方向的不仅是数据和机器本身的特性，更包含了我们对商业本质的理解、对人性的洞察和对创造未来商业新样貌的理想。

这就是我们将算法称为智能商业的“引擎”而非“工具”的关键理由，它是智能的核心。基于数据和算法，完成“机器学习”，实现“人工智能”。第三次工业革命发展到今天，计算方法已经产生了从量变到质变的飞跃，可以说是数据时代最根本的特征。

产品化：数据智能和商业场景的最终载体

其实，人工智能只是人类的一个工具。智能商业的核心特征就是能主动地了解用户，通过学习不断提升用户体验。而真正把用户、数据和算法创造性地连接起来的是“产品”，这也是互联网时代特别强调产品重要性的根本原因。

产品和数据、算法的互补作用可以形象地比喻成“端+云”。“端”就是产品，是与用户完成个性化、实时、海量、低成本互动的端口，它不仅直接完成用户体验，同时使数据记录和用户反馈闭环得以发生，和“云”互动；而“云”则是数据聚合、算法计算的平台，它通过算法优化，更好地揣摩用户需求、提升用户体验。作为“端”的产品，具备以下三大关键作用。

产品设计直接影响用户体验

产品的功能是否齐全、界面是否友好以及交换是否自然，都是产品能否取得成功的关键因素。苹果公司这10年的成功，特别是iPhone的跨时代意义，充分显示了这一点；谷歌也是如此，超简洁的搜索框一经问世就立刻俘获了所有用户的心，人们的口口相传，为其带来了早期的高速发展。

上传：将“端”的行为数据向“云”反馈

产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算法优化的通道。用户的真实需求常常是无法直接加以表达的，但是他们的行为不会骗人。用户的每一次行为都成为一次数据反馈，算法在这样一次次的反馈中敏捷迭代，一次次更加接近用户的真实需求。

下达：将“云”的数据智能传递到“端”

产品是将“云”上的数据智能传递给用户、为用户带来价值的通道。事实上，在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI（用户界面）互动，而更多地决定于“云”上的数据智能。

例如，用户在淘宝的体验不仅是搜索是否好用、类目是否合理、导航是否有效等，更重要的是用户能否高效地从几十亿件商品、千万级卖家中快速找到自己需要的商品，甚至还有惊喜，而这取决于“云”上的数据智能。不通过数据和产品的紧密融合，不通过“云”上的数据智能实时发挥作用，真正意义上的客户体验持续提升是根本无法想象的，就好像我们根本无法想象传统的金融服务能在几秒钟内完成对客户的贷款一样。

上传下达，双“管”齐下，数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接、交互友好、价值明确的互联网产品上，其智能的价值才能真正体现出来。