总编对话 | 瓴羊CEO朋新宇：智能化就是大模型加上好数据

编者按：当前，数字经济作为国民经济的“稳定器”“加速器”作用愈加凸显。如何促进数字经济与实体经济的深度融合，充分释放出数据要素的强大动能，成为行业关注焦点。近日，中国电子报总编辑胡春民与阿里巴巴集团副总裁、瓴羊CEO朋新宇围绕上述话题进行了深度对话。

对话人：

阿里巴巴集团副总裁、瓴羊CEO 朋新宇

中国电子报总编辑胡春民

时间：2023年7月12日

地点：上海西岸美高梅酒店

企业数字化转型仍存在三大痛点

胡春民：当前，数字经济和实体经济融合发展正深刻改变经济形态、制造方式和企业组织模式。您认为，数实融合之中“数”的力量能发挥到什么程度？

朋新宇：“数”的力量从结果上来看，国家统计局公布的数据显示，2022年，数字经济占国内生产总值比重超过40%，已经成为整个社会稳增长、促转型的重要引擎。

今天，无论从国家层面、地方层面还是企业层面来看，大家都已经真真切切体会到了数字化的力量，没有数字化寸步难行。这种数字化的思想和格局的树立是我看到行业里发生的最大改变。与此同时，一些像瓴羊这样的数据智能服务平台涌现出来，让数据要素能够在企业里被用得更好，这也是（数实融合）背后的改变。

胡春民：数字化转型、智能化转型已经谈了好多年了。您认为这几年，不管是大企业还是小企业，它们在转型当中遇到的最大问题是什么？

朋新宇：现阶段，中国企业数字化转型仍存在三大痛点：定位难、解决难、持续运营难。“首先是定位难，只知道全身不舒服，不知道哪里有问题，找不到最大的毛病是什么；其次是解决难，知道有问题了，但不知道应该如何解决问题，找不到适合自己的解决方案；最后是持续运营难，找出来自身问题所在并且短暂解决了，但继续运营下去后又会出现新的问题。”

对应三大痛点，作为数字化转型服务商需要具备三项核心能力。一是数字化咨询能力，数据是最客观的，有数要先看数，通过深入调研找出企业数字化转型过程中存在的问题；二是数字化服务能力，准确定位问题所在之后需要通过数字化的产品与工具来解决问题；三是数字化运营能力，在企业后续运营过程中还需专业团队持续跟踪服务，甚至去帮助企业培训数据分析、数据建模等方面的技术人才，真正做到“授人以渔”。对企业而言，要找的是同时具备这三项能力的服务团队，这样才能真正帮助他们把数据用好。

大企业有小需求，小企业有大场景

胡春民：瓴羊这个名字有什么典故？为什么是“瓴”而不是“羚”？作为一个“新物种”，它“新”在哪里？

朋新宇：在中国的大环境下，企业要做好数字化转型，既要像羚羊一样，要“跑得快”，也要有高屋建瓴的视角与格局，要“站得高”，朝着正确的方向去奔跑。同时还要不断增长，“羊”也代表经济效益的增长。所以，我们叫“瓴羊”。

瓴羊是由阿里巴巴数据中台、业务中台、服务系统等部门融合升级而来。在数字时代，要提高企业核心竞争力和发展实力，做好数据治理尤为重要。而数据治理需要工具，不单单阿里巴巴一家企业需要，其他任何一家企业都需要。所以我们把二十多年来在阿里巴巴积累的对商业的理解、对数据的理解、对技术的理解拿出来，变成服务更多企业数字化转型的工具。瓴羊也成了一家全新的公司。

同时，在服务更多企业数字化转型的过程中，我们发现大企业有小需求，小企业有大场景，这也让瓴羊看到了新的市场机会。

数字化能力的建设是抽象的，只有基于行业“Know-how”（业务理解），最终这种抽象的能力才有可能形成行业标准，而这样的标准往往掌握在头部大企业手中。今天，即便一家企业拥有海量的数据，也不一定能把数据治理做得很强。数据分门别类的采集、分析、质量、安全、存储，对于拥有庞大数据体系的大企业而言，依然存在很多技术问题。通过与“大象共舞”，我们可以把数据治理能力训练好、夯实好，最终把它变成一种普惠的技术能力。

比如，世界500强企业喜临门家具股份有限公司（以下简称“喜临门”）从2022开始就已形成了“线上+线下”双渠道的布局。如何管理好多渠道、多品类的营销体系？如何保持品牌、产品的一致性输出？多元化的营销体系又如何高效地反哺产品研发、制造？这些成为“喜临门”在数字时代不得不面临的难题。为此，喜临门会专门成立了一个工作组来做数据汇总，但无法保证数据的全面和准确，滞后性也十分明显。

后来，我们通过多种成熟的数据管理工具帮助它打通了各个渠道，相比之前进行汇总分析的效率提升了超过1.5倍；还通过数据支撑和模型分析为它的新品研发提供了重要依据，助其复合增长率达到60%以上。最新“618消费节”数据显示，该品牌蝉联多个电商平台床垫类目总销量TOP1。

胡春民：刚才您提到，瓴羊服务的都是大企业，但中国八成以上的企业都是中小型的，瓴羊能为中小企业做些什么？

朋新宇：对于中小企业而言，高效的数据管理可以帮助其在更大的场景中更好地捕捉到商业机会。一个商家要在多个平台上做生意，就必须通过数据实现精细化营销，也需要通过数据来做运营指导、做客服、做售后。商家在多平台的增长同样离不开数据管理。

以电商行业为例，中小规模的商家需要通过在各平台开店，同时把私域运营起来，并将这些来自不同渠道、平台上的经营活动，在人、货、场上进行统一。多渠道链接起来的数据是中小规模商家获取更多流量、更多增长的关键所在，所以对它们而言，数据管理需求往往来得更加强烈。

“瓴羊One”就是专为中小企业服务的。我们把在海尔、星巴克等上百家大企业数字化转型过程中沉淀的行业“Know-how”转化成一站式企业数据智能产品，让中小型企业也能用得起、用得上。

DaaS的核心是要让数据服务人

胡春民：瓴羊声称要的“不是SaaS，而是DaaS”，这句话如何理解？“DaaS”和“SaaS”有何不同？

朋新宇：“DaaS”最早是由我们定义的。无论是一汽红旗、星巴克、伽蓝、蒙牛这样的行业头部企业，还是许多的后起新秀，在调研客户需求的过程中，我们团队都发现企业们存在一个困境，就是随着过去十几年互联网的发展，技术变多了、平台变多了，企业的数据变得越来越分散。

“SaaS”就是一个标准的工作流，比如说帮你做个ERP软件，本质上是帮你实现这个环节的工作流标准化，但里面到底是什么数据，你并不知道。而DaaS是工作流、数据流、商业流‘三流合一’，它的数据在各个环节中都流通的，上下游关系也被打通了。

所有的服务都是摸得着、看得见的。比如，瓴羊结合多平台数据打造的“‘双十一’实时大屏”，将多维数据聚合分析，构建跨品牌店铺多维度经营分析系统。通过大屏流转实效，帮助业务宏观把握“双十一”整体订单情况。

我们让数据变成行动，再把行动通知到关键的人。背后的逻辑不是用人去找数，而是用数据找人，这就叫数据驱动。不管数据变得多么大，多么复杂，我们始终会坚持让数据越用越好，越来越好用。

胡春民：瓴羊有可以对标的企业吗？

朋新宇：没有完全一模一样的。根据中国的市场和我们现在的能力来讲，所以要对比的话可以分为两个部分，企业增长这部分业务可对标Salesforce公司，数据治理这部分业务可对标Snowflake公司。

胡春民：要做好DaaS服务，数据采集是关键。瓴羊是如何获取数据的？和阿里巴巴、阿里云之间有没有业务协同？

朋新宇：要做DaaS服务，涉及各个环节的打通，技术成熟需经历业务的千锤百炼。换言之，要不仅“想过”“看过”，更要“做过”。瓴羊脱胎于阿里巴巴集团数据中台、业务中台、客服系统、供应链管理系统等多个数据平台，核心团队曾主导、参与阿里数据中台、生意参谋、达摩盘等诸多重要的数据项目和产品。阿里巴巴集团自身的数智化实践为瓴羊提供了数据技术的底蕴。

我们是商家背后的服务商。对于第三方平台数据的获取，瓴羊的底层逻辑是只使用平台提供给商家的数据，相当于我们只是帮你造了一个手机，但这个手机是你自己的，数据也是你自己的。

同时，作为阿里云旗下全资子公司，瓴羊自然也汲取了阿里云的技术实力与精华。阿里云的客户和瓴羊的客户高度重叠，但在重叠的背后是我们的能力实现了互补。除了云计算基础服务，我们还可以在云上为客户提供更多软件服务。

瓴羊在中间可能做了一层PaaS和DaaS，既能帮助企业做二次开发的PaaS，也能做DaaS数据智能服务，提供长在云上、开箱即用的服务。二者形成了天然的闭环，客户可以获得从底层到应用层的一站式服务。

全系产品即将接入大模型

胡春民：以GPT为代表的生成式人工智能浪潮愈演愈烈，阿里云也推出了“通义千问”大模型，请问瓴羊的产品有没有接入大模型？大模型对瓴羊产品的影响有多大？

朋新宇：面对大模型掀起的生成式人工智能浪潮，今天的智能化是大模型加上好数据。数据是解锁智能的关键钥匙，数据在哪里，智能就在那里。

大模型分两层，一层是开发模型的领域，一层是应用模型的领域，瓴羊主要是在应用模型领域。目前市面上已经出现了各种不同类型的大模型，未来还有可能会有更多专业性领域的模型，以及中模型、小模型，甚至是客户自己开发的模型。对于瓴羊而言，只要模型能用，瓴羊都有可能接入，并不仅限于阿里自己的模型。

模型是智能能力，如何把智能的能力变成客户的生产力，这是我们关注的。比如未来的工作场景可能会融入更多的智能化能力。一个典型场景是BI工具分析，原来要把报表中的数据导出来，加上同比分析、环比分析、增速分析等处理，可能需要花一天甚至更长时间。有了智能化能力的加持，可能只需要在钉钉的自然语言对话框中发布任务，就可以在短短几秒时间内完成。这对企业服务效能提升带来的影响是天翻地覆的。

在智能化的趋势下，瓴羊会帮助企业做好数据的治理、连通、分析和挖掘利用，帮助客户管理数据资产，并打造自身的专属的智能大脑。接下来，瓴羊全系产品也即将接入大模型全面升级。

胡春民：大模型除了带来的机遇外，企业利用大模型是否还存在一些潜在风险或者挑战？

朋新宇：中国数字经济发展的很快，但国内企业的数字化能力、软件能力层次不齐。一些企业直接从IT时代跳到了AI时代，中间信息化、数据化的过程都跳过了，但有些课还是要补的。

比如在人才培训方面，数字人才，尤其是数据分析这一块的专业人才缺口很大。我们面向年营收十万到百万的商家提供免费的初级分析师认证，帮助更多中小商家培养数据人才。目前已有超过10万人考试通过数据分析师认证，年度培训人数规模超百万人次。

同时，“标准+生态”是行业发展的必经之路。最下面的地基是标准，标准就是看谁能提炼出最大公约数，上面生长出来的则是百花齐放的生态。中国数字化转型既要有具备庞大数据体系的企业来筑牢“地基”，也要有蓬勃生长的中小企业来共同打造一个数实融合、开放发展的生态。

整体来看，中国要实现的是整个数字化能力的升级，而不是某一项数字化技术或者某一个数字化工具的升级。希望相关从业者或创业者能够错位发展、协同合作，实现生态互补。