在《从优秀到卓越》这本书中，吉姆·柯林斯提出飞轮效应这个开创性的概念。
飞轮效应巨大的动力依赖于不断的改进和成果的取得。从优秀公司向卓越公司的转变是一个累积的过程--循序渐进的过程，一个行动接着一个行动，一个决策接着一个决策，飞轮一圈接一圈地转动--它们的总和就形成了持续而又壮丽的疗效。
在亚马逊、Netflix和抖音这种互联网产品头上，我们都可以见到由机器学习带来的飞轮效应。而随着企业越来越多地采用数字渠道来提高顾客体验，在公司内部的流程塑造和数字化变革过程中，能够采集到足够数据，并支撑组织实现在线化、智能化，形成数据的网路效应和规模效应？
关于数据飞轮和企业的数字化变革，乱翻书约请了远川互联网组负责人杨婷婷，《银行数字化变革》一书作者付晓岩，火山引擎大消费行业数据产品解决方案负责人田岚，一起做了场商业圆桌，来阐述这个大数据相关的话题。
以下为直播部份内容摘编：
数据中台与数据飞轮
潘乱
我们昨天在聊怎么构建数据飞轮，在公司内部怎样实现数字化变革，怎么让数据显得智能，并且数据的网路效应不会自然形成，这儿面存在一个所谓的先有鸡和先有蛋的问题，你是应当先去积累于专注尽可能多的数据，然后来构建数据团队和基础设施，还是先反过来？
付晓岩
这个问题从鸡先生蛋，还是蛋先生鸡来讨论就比较难，你们谁也发觉不了一个明晰的证据，究竟是先有鸡还是先有蛋。并且从循环角度看，这个问题就比较容易一点。当你先从某两侧起步的时侯，别忘了考虑另左侧。
现今企业上面挺注意数据剖析的，只不过是没有体系和工具能挺好的搜集数据，而且现有的一些报表类的东西，也在剖析。这样形成了一些数据需求和一些数据剖析的方式，没有手段的时侯要强化手段的建设，帮我更好的搜集数据，更好的构建数据平台。
然而也有些中小建行说我先建一些数据平台，这时侯剖析能力通常。有平台有工具以后，这时侯再培养人对工具的使用能力。最好是鸡生蛋，蛋生鸡的循环角度来看这个问题，不然源头不容易找，由于有时侯企业的自己起点条件不一样，不一定具备某一段的能力。
潘乱
例如去年5月份，阿里对集团的各项中台业务进行了一轮调整分流。其中“技术中台”被一分为二：“数据中台”变成独立公司，“业务中台”团队划入了淘天集团。我想到第一个问题，数据中台初期发挥了哪些样的作用才能推动公司发展？后来它又是遇见了哪些样的问题要拆中台？
杨婷婷
这个事情发生的时侯，当时聊了蛮多做中台的一些朋友。我认为中台更像是一个预制菜的中央卧室，例如我的后台似乎就是一个菜市场，我的前台是客人。中台这个构架它就是我把后台和前台的菜，给它先制好，调一些配料，等到前台下来的时侯，它的需求下来我就快速做这道菜下来。其实数据中台仍然被叫成中台里的中台。由于它基本上是一切中台的基础，由于没有数据中台，好多中台也很难建。
在这个过程中，我自己聊出来，我觉得最大的用处，虽然是有两块：一块是我们要做一个新的业务，假如我们都要从头到尾有一套人员做，它自然会引起很大的资源浪费，尤其是初期互联网公司，尤其是阿里当时做这么多新的业务，假如从头到尾都要搭一套人的话，成本极其高。另外就是不管数据中台还是技术中台，它过去做得很厚，那可以支撑前台可以十分敏捷。在公司发生好多新需求的时侯，中台是可以快速支撑做好多事情。
到旁边，由于前台的业务实在太多了，中台早已响应不过来了。原本中台是我不想重复造轮子，结果每天都在造有一点不一样的轮子。由于中台响应不过来，前台的好多需求反倒被推延了。阿里的中台很强，而且后来开新业务想要向中台要资源，早已有点慢了。所以我理解建中台拆中台其实是一个历史发展进程的事情。
潘乱
虽然各类选择都是和公司发展的阶段，以及当时的竞争环境高度相关的。前段时间看某电器监事短发一篇文章，说她们花了十几亿做数字化变革，并且疗效远远没有达到他原先的预期。其实对传统企业做数字化变革这个事，相当于二次创业，虽然和创业的失败率一样高。它不是说你投入了，花了钱都会有疗效，也不是说花钱少就没疗效。过去那些企业花了大量时间来做中台做数字化变革，但最后取得良好结果的案例不是非常多，这个缘由是哪些？
付晓岩
虽然中台的发展是一路沿着数据的技术的发展做出来的，之前可能叫数据平台或数据库房。我认为不管用哪种方法，最重要的还是企业自己首先对数据是个哪些心态，自己是不是十分急迫的须要数据。特别急切地须要数据来支持业务。若果是这样的话，不管上的是中台还是平台，都能把它改建到一个你须要的方向上。
数据中台在做的时侯，假如有的企业做的疗效不是挺好，缘由可能也多有方面，一个可能说产品嵌入性比较强，买了一个成熟的中台产品非要往我这儿装，要和原先的系统集成还有原先数据接入，包括自己的应用习惯都不太接轨。这样的话可能平台本身也用不好。再一个就是做的时侯，有可能这个平台进来的时侯，对本地的适应改建也不多，有可能导致使用失败。并且通常情况下，在企业沿着自己的路径积累上去以后，消化一下数据中台的理念，再去做都会相对好一些。大多数建行的实践也叫数据中台，并且上面的东西和数据平台发展的方向是不差太多的。
包括阿里自己植入到建行这些案例上面的，虽然也比较重视角色的培养，就是数据产品总监。虽然一个平台用的优劣，平台是个死的，是个工具，用的优劣还是在人，你有没有把相应的角色培养下来，把这个东西用好。所以阿里在嵌入数据中台的时侯，也帮工行培养一些数据产品总监。用一种产品营运的手段看数据服务，可能会稍为有一些改善。
假如只晓得数据有用，不晓得该如何用，这时侯大举进来一个工具的时侯，不一定能用好，所以一开始谈鸡和蛋的问题，就是一定得是两个方向都关注。平台进来以后，不能这个事就压给平台了，没有人会用的话，甭管是用数据中台还是原先的数据平台，这个平台的能力就会退化的。虽然我认为用不好更多的还是在说我企业底下会用数据的人，以及我自己的生产方法，我自己相关的一些制度环境，是不是支持你把数据用好？有这个环境的话，即使一开始进来那种工具不太合适，你渐渐也能把它修正合适。
潘乱
虽然技术是一个工具，更多是看企业对这块的注重，以及企业内部人员的数字的素质，这比工具更重要。其虚像晓岩老师刚刚讲的数据平台、数据中台包括数据飞轮都是工具，明天问田岚一个问题，火山引擎提数据飞轮这个概念和数据中台的区别是哪些？更具体一点来说，阿里都指出一切数据业务化，一切业务数据化，这个概念是不是匹配不同公司、不同阶段的发言，它也是有点换汤不配药呢？
田岚
我感觉数据中台本身的理念是要做数据建设，要做中台要做数据的统一，这是在哪个年代，或则数据中台当时提出来的时侯最大的一个核心的点。我们在数据飞轮上，最大的差别或则核心差别在于指出的是数据和业务要单向的良性驱动，这个是核心理念的差异。这个也恰恰是刚才讲到的，像一些失败的案例，过去只指出建中台，是不能解决我的问题的。所以我才要明天不断的指出说，我在建中台的同时，一定要让你们注意中台要才能转上去，才能赋能业务，我们两个轮子的中间的核心驱动力叫数据消费。也就是说，数据消费是能否推动业务发展的，同时我的数据消费也反向来推动数据资产的生产。所以数据消费是站在核心的点，之后去联接这两个轮子，这个就真正把企业的IT部门，数据部门，包括业务部门才能有机的联动。我感觉在理念上你们还是有一些本质区别的。
数据飞轮的实践
潘乱
同样的问题也要抛给付老师，数据没办法直接挣钱，那这个数据应当如何来算呢？它哪些时侯是成本，哪些时侯是资产？数据资产的建设和管理，有没有真正帮助业务解决实际问题？这个数据和我这个核心的产品和业务又是哪些关系？
付晓岩
这个问题还是挺深刻的。首先数据如今它是资产是没问题了，由于从今年1月1号开始，数据是能记帐的。根据最新的会计规定，上面数据是可以根据存货和无形资产两种方法来记帐的。所以哪些时侯是成本？最简单来说采集的时侯是成本，外部订购进来，从生产线上采集过来，这个时侯通过订购或则通过设备采集，这个时侯是成本。储存的时侯是一半一半，由于储存的时侯有时侯是属于数据刚搜集进来，假如加工完了数据产品的储存，这个上面早已有存货的管理了，所以在这个时侯早已是一半一半了，既是资本也是资产。哪些时侯是纯资产呢？就是消费，真正用到生产过程上面的消费，这个时侯又开始转化成资产了，转化成产品的附加价值的一部份。
例如你的产品比他人的产品更了解你的顾客，这儿面有没有你的数据标签，带给你更多信息支持的，假如有的话，说明这个顾客价值上面有一部份是来自于信息的，这是其中一块。
再有哪些时侯是资产呢，把你的数卖出去的时侯是资产，由于现今鼓励数字交易，当存货往出卖的时侯也是资产。所以从数据的全生命周期来讲，就是采集的时侯是成本，储存的时侯一半一半，消费和转让的时侯是资产，这是比较直观的一个讲法。
潘乱
数据是资产了，你们想要借助好数据，就须要更好的工具来用。例如有人问哪些是数据飞轮，这究竟是某种理念还是指具体的某个产品？
田岚
虽然数据飞轮包含了两个轮子，里面的轮子叫业务应用轮，下边那种轮子叫数据资产轮，两个轮子中间用数据消费做联接。
在数据资产这儿，我们核心的逻辑是要更快、更好地管理数据资产，同时也能更好地提高研制效率，数据资产这个轮子能够更快转上去。
在业务应用这儿，是有更多的数据帮助进行科学决策，可以指导我们更敏捷、更快地行动，同时还能帮助提高最后的疗效，这样，业务应用的轮子，也能转上去。
对应来看，业务应用轮里，我们有一些套件产品。例如营销套件类的产品DataTester这样的AB实验产品、有Datafinder帮助看渠道的情况，晓得那里可以提高。另外还有DataWind，这是一个BI产品，你们可以通过这个产品去看业务的数据报表，认清楚销售转化、整个全周期转化路径是哪些样的。其实还有顾客数据平台VeCDP——CDP产品，同时我们也有MA产品——火山引擎GMP，可以理解为手动化营销的产品。这种产品都是业务应用轮的产品，帮助我们更好的懂顾客，更快的行动，更好的指导业务价值的提高。
数据资产轮，虽然可以理解为主要是聚焦在数据建设上的，包括我们大数据研制整治平台DataLeap，全域数据集成DataSail，开源大数据平台EMR，湖仓一体剖析服务LAS、还有ByteHouse。
你们可能会说，我们是不是又造了一个理念，数据飞轮是不是有一套新的包装。我个人理解是说，在这件事情上，我们真的不是只是一个概念包装。我们是用不同的产品、一系列的工具，真正保证让企业的业务应用和数据资产轮子里都还能落地。同时由于我们是一套体系，所以可以在数据的生产，联动到数据的应用。
我们和顾客讲解决方案，也从来不会跟他说，你看这个如何加工你的数据更高效，如何样做ROI，如何样做数据的统一，我和他讲的是假如你能更好了解消费者，如何做精细化营运，如何样通过如今这些手动化的链路做更好的营销。
举个反例，你的消费者们可能明天关注了你的公众号，或则在你的商城领了一张让利券。我们如今会做的是，假如她们领了这个消费券，例如可能在一天之后没有使用，我可能提醒她们，领的让利可能很快就过期了，或则我们如今有一波活动了，是不是赶快把那种让利券用掉。这种工作如何在前期设定好，就可以大大减少营销人员的工作量，同时又能否帮助业务在不同的节点，手动化地给消费者们做一些信息的推送和触达，实现转化的效率。
套理念再好，倘若不能否保证它落地，不能应用上去都是空的。所以数据飞轮基本上从理念，到落地的方式论以及到顾客的实践，全部都还能联动上去，我们希望未来可以做得更好。
潘乱
让数据说话，让数据对于决策有用。刚刚田岚举的是在具体业务应用的案例，那付老师，假如我们聊到公司的企业的数字化变革，由于数据重要，重要的当然是对它的洞察剖析，而且推动决策。怎样才能让数据说话？
付晓岩
对于企业的中级管理层和高级管理层，这两层似乎天生都会看一些报表的，他本身就有数据诉求。并且如今我发觉，更多的企业在数字化变革上面，面对的问题显然不是把我们看表习惯迁移到新的平台上，即使完事了。虽然更多还是要考虑到，到具体每一个岗位，每一个岗位的每一个业务上面，是不是真的须要用数据，究竟要用到哪些程度。对每位岗位具体的工作，究竟想让这个数形成哪些样的价值。
假如真想让数据说话，这不是单纯平台的事，说究竟它是个物理题。数据能说话一定是基于某个算法算出某个结果来，既然是解物理题的话，或许须要基层的团队，或则基层的人有一定的剖析能力。你要是这些剖析能力的话，是不是培养业务人员能够直接有，我认为一团糟。业务人员能学但是学到一定程度，想让数据说出一定的东西来，最重要的还是在你最重要的那种工作的领域上面，在那种团队里，倒入一个专业的数据人员，这样就能让数据真说出话来。要把这个团队稍稍打导致复合型的团队，不是光业务人员学一下就可以。
有的企业可能数据中台用不上去，就是由于数据简单的需求很快就满足了，复杂的需求又提不下来，这个东西无法和平台的能力升级转上去。平台是技术性的东西，它很难说在没有良性需求的情况下，我自己不断的成长自己的能力。必须得把自己团队的能力建上去，之后产生良性的能力诉求，调过来让你这个平台不断成长。像田老师刚刚讲的飞轮是上下两组轮的工具，一些具体的能力的打磨，似乎是要放在乙方顾客内部去打磨的，田老师她们能提供的是平台的基础能力，真正到每位企业上面内化的部份还得靠企业自己。
杨婷婷
让你们看懂得数据这个事，还挺难的。你们可能曾经有一个刻板印象，说数据只是给程序员看我想问一下，例如火山这一块是如何做的呢？如何让用户提升读取、写入和输出数据的能力，之后让各个角色和各个层级的人都能读懂，但是以比较好的用这个数据？
田岚
明天让企业才能把数据用上去，一方面企业要培养这个意识习惯。另外更要求我们把数据推到要看数据的职工面前，让她们用最简单的形式听到数据。例如明天我们要做这个业务剖析，我要找数据，我认为这个肯定就有问题了。还要去找，说明你都还不晓得这个数据在哪，要找下来才晓得，而不是直接看见这个数据。
反过来怎么让我们明天能否一目了然地听到，我认为有几个步骤。第一个步骤就是把业务的关键环节有什么指标、哪些数据，每位数据对应的负责人应当是谁，哪些样的指标能评判他做得好或是不好，但是这个指标和数据的上下游连上去的，例如转化漏斗，那个环节出问题就晓得是那个做的不好，找对应的负责人解决对应的问题。
我们如今还在DateWind产品上做跟大模型的结合。过去要搭一个软件，可能多多少少要有一些BI的业务经验，但如今就可以用自然语言给它对话，现今诸如说我上个月的数据如何样，假如给你形成数据你问它说，可以不断问它，究竟是谁，那个区域做的不好，哪些产品卖得不好，可以不断问它，同时可以快捷搭建一些报表和看板。类似这样技术的提高，或则一些更方便的工具的出现，都是尽可能的减少了数据消费的门槛。让数据可以被更多的企业里的职工才能更好地用上去。
我们也提出两个80%的目标，我们希望这个企业里起码有80%的职工，是能否通过看数据、用数据，才能应用数据的。同时我们也希望这个企业里有80%的数据是才能满足日常业务需求的。所以这个其实是我的目标，然而如何做到，像我上面介绍的，不断的通过工具，通过技术来增加消费的门槛。
潘乱
具体到一些行业来说，例如付老师是做银行业、金融行业数字化变革的，银行业早已干了四十多年信息化变革了，遇到哪些样的困局了？
付晓岩
建行这个确实说来话长，信息化的历史还是比较长的。由于建行之所以要干信息化，虽然倒不是为了他自己，我们是为了别的行业。由于对农行来讲，农行主要是负责资金流动，我们常说的金融是经济的血液，或则建行相当于血管一样。资金在建行的体系内去进行流动。对于所有企业来讲，我认为大家最忍受不了的事就是，货卖出去了，好几月款都回不来，还不是由于乙方不给你，只是由于钱在路上回不来，通过各建行中转一时半会到不了你这。这似乎在上个世纪，汇款时间很慢，大概二十多年前的时侯，汇款时间很慢，前面建行在人民建行的率领下，我们构建了整个体系，逐步把汇款速率提升了，如今你们对秒级到账习惯了，并且曾经我们对周级到账很习惯。如今改的很快了这是从重建系统开始的，先把农行内部各个层级连上去，再把跨行之间链上去。所以一个很长大过程。我们须要拚命提升记帐速率和汇款速率，这是农行的基本职能。
所以出于这个目标，好多建行都是较早的开始投入了信息化了，也是计算机较早的采用者。
而且一旦投入信息化以后，都会发觉，这个东西用上了以后，它是对升级和改建永远都停不出来。所以我说，IT是个很好的行业，自己创造需求，只要用上就停不了。我们建行数据的使用大约经历几个过程，一个是比较分散的，如今各个地方有地级市，我们常说的市级以外的级城市，一个城市在每位建行的分行是独立的数据库。在上世纪末到本世纪的05、06年这个期间，慢一点的延展到一点点才完成了真正的大数据集中。大多数建行，全省性的建行，它的数据都能集中在总行来，似乎是本世纪的头六年相继完成的，这个时侯把数据从下边分散的数据采集，弄成里面的统一的数据管理了。这个时侯才真正谈得上数据管理。曾经数据都分散在地市级，根本管不着。一层一层往上抽取，抽到最后总行能够看见，而且建完大数据之后，这些总行总算能承当数据管理职能了，由于他能第一时间看着数了。
我们先攻数据采集和管理技术，等到数据能集中管理了以后，才开始攻数据管理这一块。真正把数据的质量提上来，每位数据究竟应当按哪些标准去录，怎样样录，该如何管，真正能做到管理是本世纪六年之后开始的事。再往前才是我们说的广泛的数据应用，农行原先要么是监管的报送，以及一部份的自己内部经营报表的应用。在哪些时侯开始呢？我恐怕也就是15、16年开始才大范围提各种类型的应用。由于那时侯建行的大数据平台才算真正的建完，别看我们明天说的数据都是似乎你们哪些就会了似的，实际建行第一个企业级的大数据平台，银行12年到13年才真正建完平台，到如今才六年时间，接着就是中台，18年中台概念下来以后，农行开始相继建中台，就开始提数据产品、数据服务，这种东西都还比较新。
真正把数据完整的嵌入到所有业务关节上面去用它，这个还是近来那些年的事。之前都属于是在业务系统的业务代办过程中，正常的数据的读取和储存，是那些东西。还谈不上真正的数据剖析那块。剖析少量的是一些风控类的，包括我们来说一些对个贷审批有用的报表的读取，风险评价的这些读取。真正的反欺诈交易都是这五年建行的手机建行交易量大了以后，实时的实际借助才上去，到如今好多建行小孩不是真正的实时数据，就是准实时，之后旁边相继再降低准实时的比列以所以到这几年才真正广泛的数据借助。
大规模的数据人才的培养，当然也是13年、14年以后才开始的。所以如今建行上面的真正数据剖析人员的占比，还不算太高。还正在处于培养期。所以对农行来讲，也经历这么几个过程，上面讲了半天的采集过程，对采集和储存的管理，接出来是对数据质量的管理。之后才到数据应用。现在与原先给中小行授课的时侯，听大行是拿时间换能力，我们花了二十多年时间转能力，并且对中小建行的困局在哪呢，须要用三到七年的时间，把大行上面跑过的路全部跑一遍，所以她们确实也须要一些成熟的平台化工具，或则比较成熟的能力保证体系，又培养人员，之后把这个东西快速做上去。
并且从我个人的角度来讲，这儿面最难的从我自己感受的角度来讲最难的是数据管理。数据管理和整治，这是最难的并且数据管理和整治难在哪呢，灵活的应用有点少，紧贴一线的应用比较少，由于数是一线录的，只有自己用的上能够更关心质量，由于现今的数大部份质量关注在监管报送，关注在报表上。还没有真关注在业务应用上。
ToB服务与数字化变革
杨婷婷
我那边有个问题想接着问一下，对于好多传统行业来讲，她们想作数字化变革很难，到那也不晓得如何用，我那边是了解像火山内部有BP机制，现对有外BP团队，说专门说道企业的内部上面，我去派这一群人和她们进行一个对接，我想问一下，咨询在这个事情上的重要性是哪些？当企业成为大家的顾客的时侯，究竟要的是一套工具，还是一个订制的方案？还是说他要的是大家数据的经验的复用？
田岚
我认为是既要又要还要，对企业来讲，这个方式也好，或则这个工具也好，在我的细分行业上面有没有最佳方案。第二我也要晓得由于这个产品工具是你的，不是我的，我也不晓得，可能最开始肯定不晓得如何用，所以你要拿一个方案告诉我，虽然这个产品，这个工具究竟怎样样解决我的业务场景当中的业务问题，这个就是我们方案。最后才是底层的，究竟如何解决问题。
所以从我们的角度来讲，明天不仅和顾客讲一些理念，我们还是要具体落到业务来说，你如今细分行业可能会有什么共通的问题，面对消费者越来越个性化的需求面对越来越多的触点，最后才会晤工具。工具不会上来就讲，由于零售企业还是比较现实的，由于她们的收益确实很薄，她们做生意也十分不容易，要面对快速迭代变化。所以在这个过程当中，给企业的是一套完整的东西。
咨询我认为看如何说，假如我们是高大上的咨询，可以理解在好多项目当中，不见得是必要的。非常是当它想做的一些项目的scope是比较小的时侯，想清楚了我先试试，在这个试的过程当中，晓得须要接入哪些样的数据，可以快速跑上去。这时侯不见得是咨询，并且上面说的这些经验的分享，一些方案的层面，她们还是须要的。并且涉及到一些非常大的集团企业，可能明天要做大的变革，涉及到特别多的部门，以及这个scope特别大，千万级的项目，必须引入高大上的咨询，从外部的专家的视角，帮她们梳理这个组织的形态哪些样，大的新蓝图设计应当怎样做。所以我认为可能第一个问题理解好了，就晓得二个问题咨询当中应当如何运用
所以从我们提供解决方案的角度，我们一定是在产品之上有方案，在方案上一定有实践。只有具备了这两层的东西，可以说我们能够跟顾客谈说，我可以怎样样帮到你。所以只有产品肯定是不够的。
潘乱
问付老师一个问题，在数据服务领域上面，光有产品，光有服务都是不够的，这么乙方顾客选购的究竟是哪些？是数据，是产品还是服务，他究竟最关注的哪个核心问题是哪些，究竟是须要一个奶嘴还是须要一个保姆？
付晓岩
这个问题很好，用田老师的话说是既要、又要还要，大多数项目都是这样的。但似乎从我自己的经历，由于我自己在乙方的时间比较长，我原先在农行工作二六年，其中我们那时侯有一个三年左右的项目。虽然这些大项目，太大的项目，似乎没有咨询的时侯，光靠乙方自己似乎是很难完成的。所以这时侯我们当时上面也有咨询，并且来得咨询公司好多，由于我们项目范围很大。上面有好多切片小的领域都有专门的咨询公司。所以在哪个过程上面，我们自己的工程上面也感遭到一件事，有的时侯可能有一个事来了，这个企业确实不晓得如何做。但找完咨询公司以后，我自己觉得，评价一个咨询项目是否成功，不完全在于你是不是咨询那种项目落地了，或则解决方案生效了。虽然我认为更重要的是在这个过程上面，乙方企业自己成长多少，是不是我在每一次的咨询项目上面，才能把个别关键的能力在乙方企业上面，能有一定的植入和导出。
所以一开始可以要个保姆，旁边自己学会了以后，这种技能有了，你可以渐渐的去降低保姆在这个过程里的参与，到最后你自己也能给他人当保姆，能把咨询的能力转化过来。最好的咨询不是咨询师给你答案，咨询公司应当采用过程咨询的方法，引入一个思索过程，诱导你自己发觉那种答案，由于你自己倘若能发觉的话，你前面自己落地、管控包括改进都没问题。并且假如没有这个过程的话，这个东西在企业上面很是难落的。
杨婷婷
付老师提供了一个乙方视角，我想问一下田老师关于甲方视角，你们都晓得TOB是很悲催的行业，究竟TOB是在做产品还是在做服务？如何看咨询和产品之间的关系？那个会更重要一些？
田岚
可能我作为甲方，对乙方的需求，一点点在感同身受的。你能不能帮我保证我的ROI，相当于我买完这个产品或方案以后能不能确定带来更大利润，我想说直接干不就得了嘛。换句话说，我可以提供一些思路，提供一些工具，甚至提供一些技巧和场景，但可能是自己想清楚说，这个东西究竟如何用，要不然离开了我们这个还是做不上去。
回到做产品还是做服务，从现今实践来讲肯定是离不开的，由于貌似现今大部份的企业，可能面临的情况就是，你给他产品他用不上去，确实会有这个问题，而且我们也会碰到少数顾客，他似乎想的非常清楚，我们真有的遇到那个，但是这些通常是比较小、比较年青的团队。她们的人，我这个非常敬佩，她们自己做好多的研究，像好多的产品申请试用，他对你的功能做哪些，十分清楚了，他直接就下单了，我们似乎哪些都没干，发觉这个顾客买了，我认为这些企业的生存的适应能力是非常强的，而且这些企业在零售来讲是少数，在互联网会比较多，基本上有产品就够了，由于他自己晓得如何用。
回到对我们而言，可能咨询和产品之间，我们以谁为重，从火山引擎的角度来讲，我们的核心力是产品，你们可以理解为产品才是真正把过去的实践和经验提炼沉淀一个标准化工具的那么一件事情。也就是说，明天业务形态可能是十分多样的，使用的这个人员也是十分不一样的，而且这个当中有哪些样共通的东西，是可以被具象为一个功能，具象为一个模块，甚至是各类模块互相组合去产生一个方案。为何说产品总监很难，他是须要特别好大业务理解能力，以及特别强的产品思维才可以做到这件事情的。
从我们火山做TOB的角度来说，我们的核心一定是做好产品，我们做好技术和工具层面的具象，在这个之上，我们才才能叠加说，我和每位不同的细分行业，有更多的行业knowhow，告诉你说互联网我们总结下来的那套东西，在你的细分行业上面是经过实践，且是能落地的，咨询是帮助实现这个东西。
潘乱
数据被用来和农地、劳动力、资本技术并称五大生产要素了，而且不同企业中间的数据的差别虽然十分大。像抖音、淘宝这一类的大平台和建行机构肯定都有好多数据，并且这些中小量级的企业，她们数据资产没这么多，她们如何才能，或则她们拥有哪些样量级的数据能够搞这个事情，能够做交易，有没有一个大约的标准？
付晓岩
数据剖析上面，不是只有大数据，小数据正常也是有剖析的。若果是企业上面这个数据本身，和生产的因果关系比较强的话，它不一定须要大数据量能够看这个事。大数据量比较擅长看的是哪些呢，我们常说人注意不到的，有些联系剖析不着，只有数据多了以后，一算没准某个关系冒下来了，顿时注意到了。另外大数据估算是属于单位产出比较低的，数据海量，之后单位价值很低，能够出个结果，这是用大数据的场景。并且有好多企业例如像资产负债表是典型的小数据剖析，不是只有数据量大了，就能搞这个剖析。只要数据和生产关系明晰，就可以搞剖析，这个数据对他自己的价值就是明晰的。
假如交易的话，就得看将来交易所上面对数据的定价了，不光是量，可能还有数据的稀缺性，有数据的各方面的东西，包括数据的实时性，这种东西可能还会影响定价，不单纯是一个量的问题。并且数据的交易量，我觉得对于好多企业来讲，它是个额外收入。即使不往出卖，这个数据的成本也付了，只要你数据在你企业上面，不卖它，你成本也付了。所以之后我建议企业只要不涉及保密的数据有人买你就卖，那就是一个额外收入原本不在你营业范围内的，能额外赚一毛钱也是钱。
杨婷婷
我补充问一个问题，像做新业务这一块，你们比较关心的问题，前段时间像谷歌、谷歌好多还外大厂，她们的实验专家就发觉，好多团队的实验成果的成功率很低的，大约只有10%到33%之间。也就是说，我们原本就可以预期，70%到90%的工作，都是由于疗效不佳会被最后舍弃，说明人类不太擅长新看法的价值。我想问一下，例如从数据这一块，我们怎样样提升做决策的成功率？
田岚
字节内部有一句话，称作AB是我们的一种信仰。万物皆可实验，我们名子全部都是AB下来的，不是产品总监取的。包括近来你们可以应用市场下载一个叫豆包的小应用，这个产品公测的时侯称作Grace，是个中文名，不太好接受的，而且即将发布的时侯叫豆包了。再聪明的人可能就会有信息的缺位，所以我们就把决策这件事情更大程度上交给AB，交给数据说话，究竟那个好，那就测一测，测完就晓得了。
明天在字节内部，每天都有超过4000组AB实验，累计超过240万。AB实验在字节不是一个标语，它真的是一个信仰，你会发觉明天字节的同学会说你拿数据下来说话，数据驱动它是一个文化。这个相当于说不止靠职工个人去提高他的数据素质，而是要靠企业从上至下的实行这个数据文化，才才能真正在企业上面做好这个数据、数据智能或数据化变革。这是一个十分正确，而且十分难的事情，能做好它的确实是少数的人。
潘乱
刚刚田岚讲这个，让我觉得过去那些年，互联网公司都迎来了科学的夏天。凡事都用数据说话或则讲讲ABTEST，大厂的工作方式越来越像搞科研，好多工种朋友的工作也越来越像实验员。
我以前看过一个数学学博士的比喻，他说互联网和做科研有些好多相似的地方，都是先做实测，之后做量化，再去做归因，最后再去检查。第一互联网公司的实测是从埋点开始，就是使用的数据，为何APP会卡，有的时侯上面埋几百个点都不算多，甚至多到有的时侯数据剖析师都不晓得具体的点埋在哪边了。第二做数据量化，之前做产品总监可能须要他能说会道，但如今我们会发觉更多工程师转产品总监，这些人主打架狠话不多，我们AB见结果，实验你做的越快的团队在公司内部越有发言权。第三做归因，就是昨晚田岚举的反例，团队都是迎着微光猛去做实验，最后就是大力奇迹。最后我们来检验这个假定，检验对了皆大欢喜，错了如何办？检验错了肯定直接说我错了，接着干实验。
其实就是药不能停，实验不能停。
