《智能商業模式》:「數據智能」讓阿里巴巴媲美沃爾瑪的銷售業績

《智能商業模式》:「數據智能」讓阿里巴巴媲美沃爾瑪的銷售業績
Photo Credit: 中央社
我們想讓你知道的是

本章要描述的就是,使用機器學習技術把數據智能整合到企業營運中,使企業變得更聰明的商業含義。

唸給你聽
powered by Cyberon

文:曾鳴

數據智能
機器學習如何讓企業變聰明

每個月,淘寶手機應用程式的瀏覽次數都超過5000億,他們逛世界最大的虛擬購物商場,從一家店跳到另一家店,窺探世界上價格最漂亮的驚奇產品。不過,終端用戶看到的只是阿里巴巴市集的冰山一角,一般消費者根本不知道他(她)正從數百萬個賣家在阿里巴巴供應超過15億種產品中仔細挑選出來的產品列表裡選購產品。(相較之下,2017年時,沃爾瑪〔Walmart〕供應1700萬種產品,亞馬遜供應5億種產品。)

賣家的體驗也類似。一般賣家只需要知道阿里巴巴的工具和後台介面運作得夠好,可以找到必要的服務,以及優化賣家的生意。2017年光棍節時,商家為了即時監控生意,在天貓的網路數據分析面板存取資料超過110億次。(在那重要的24小時裡,商家平均花93分15秒瀏覽及分析流量與銷售數據。)商家根本不知道,為了確保市集健全,阿里巴巴的安全性演算系統分秒不停地運作,在平台上徹底搜查垃圾郵件和詐欺行為。這個演算系統每天執行300億次保護性掃描,精細地偵查侵入事件,為數兆的數據點執行預防工作。

在這龐大的零售網絡表面下,隱藏著我們另一半的策略方程式:數據智能,這是數據、演算法與可調適服務的結合。把所有買家與賣家的服務結合起來看,阿里巴巴的平台一天處理的數據量相當於2000萬部高畫質電影,我們的這套技術(處理電腦或平台基礎建設的各種軟體)能夠在尖峰時段處理超過80億筆的內部數據存取,確保這個內部數據流順利存取是浩大工程,這可以解釋何以阿里巴巴和亞馬遜之類的零售公司已經變成世界一流的雲端運算服務供應商。

我使用「數據智能」這個詞,旨在強調和用戶互動所產生的持續數據流可以被機器學習演算系統使用,把企業變得更聰明。Google的網路搜尋、淘寶的產品推薦引擎,以及Uber的乘車媒合,全都是數據智能的實例,這些公司用演算法去執行蒐集到的數據,把持續修正且高度重要的演算結果即時交給顧客。這些公司的營運,以及與顧客的互動,大多只需要極少人力介入,甚至不需要人力。Uber派車給乘客,淘寶向顧客推薦一款衣服,這些全都不是員工在處理,而是演算系統在執行。雖然這些服務的創造涉及大量人員的努力與創意,但一旦服務創立後,事業就由電腦系統自行運作。

因此,這個模式具有驚人的槓桿效益及規模潛力。把零售流程自動化後,阿里巴巴3萬多名員工可以達成相當於200萬名沃爾瑪員工的銷售業績。(阿里巴巴在全球有超過5萬名員工,但不是所有員工都參與核心的電子商務業務。)檢視地圖,以及頻繁配對可能性,這是電腦比人類派車員做得更快速、更準確的事,因此,Uber具有大大縮減等候時間的優勢。數據智能正逐漸成為競爭優勢最重要的來源。

但是,了解這項能力可以被推廣應用於幾乎所有經濟活動的企業家並不多,儘管現在的媒體已經相當關注機器學習技術。將雲端運算、行動運算與數據化(datafication,把一個活動或現象寫成電腦可以理解的程式)的進步,尤其是人工智慧的進步結合起來,可以創造出改變公司營運與競爭的全新能力,這是很合理的。本章要描述的就是,使用機器學習技術把數據智能整合到企業營運中,使企業變得更聰明的商業含義。

機器學習

嚴格地說,機器學習是人工智慧這個大領域中的一門技術,不過,機器學習的快速進展已經把創造人工智慧的許多途徑給淹沒了。機器學習使用的演算法描述意圖優化的參數或達成的目標,但沒有列出要嚴格遵循的一系列規則,這種不預設規則的方式,與電腦科學中許多由上而下的規則指令,告訴電腦如何做該做的事的方式不同。機器學習程式的運作更像天擇,可行的作法就發展擴大,不可行的作法就淘汰。這裡舉一個簡化的例子,想像你試圖解決的問題有個機器,就像驗光師用來決定度數來配出最能改善視力的機器一樣,眼科醫師放了一個有度數的鏡片,詢問你看遠方牆上的字母是否變得更清楚或更模糊。醫師重複這個程序好幾次,直到得出一個確切的度數。演算法的運作類似這樣,它每跑一筆新數據,就會問這是否產生更好的結果?

機械學習演算法藉由執行巨量數據來自我訓練與修正。2017年時,名為AlphaGo的機器學習程式引起世人的興奮,尤其是在中國,AlphaGo擊敗中國圍棋界大師,這是非常了不起的事,因為圍棋的步法比西洋棋多了幾億種。程式設計師「訓練」AlphaGo的方法是讓它和自己對弈數百場數位圍棋比賽,因此,它已經模擬無數的步法及反制的步法。這個程式「知道」無數情境下的棋局演變,但電腦其實對圍棋根本一竅不通,AlphaGo的程式並沒有指示它在對手把棋子下到那裡時,就把棋子下到這裡,它只是看到對手下一步棋後,以它的數百次經驗計算在棋盤上下任何一步棋可能的結果,然後從中選出最好的一步。

數據科學家持續發掘新方式去模擬問題,然後執行機器學習演算法,使演算法變得更強而有力。他們也使用一套演算法,讓它們結合起來運作。Uber的基本演算引擎追求儘快媒合乘客與車子,後來這個共乘公司又發展出動態區隔訂價的演算法,只要你付更多錢,就可以在市中心叫到車子。Google每年藉由把競價模式建入演算法中,創造數百億美元的廣告收入,這種演算法使用績效數字(營收額或點擊率)自動訂價。淘寶的推薦引擎使用與個人及群體有關的知識,挑選出對每位消費者最具吸引力的產品。

大數據的貢獻

機器學習演算法的能力之所以能夠大增,是因為電腦運算能力不斷提升與巨量數據,這些數據包括大數據集,以及網路上持續互動產生的數據流量。AlphaGo可以藉由和自己對弈來學習,但大多數的機器學習演算法通常在上市面對大眾前,必須藉由處理巨量數據來學習。機器學習的迭代過程是藉著使用大數據集來執行程式,改進演算法執行的內部校準,以得出更正確的結果。等到演算法的表現不錯時,公司就可以讓演算法與真實顧客即時互動。演算法從2017年光棍節等活動產生的數據流持續改進,那年光棍節,我們的平台在尖峰時段每秒處理32萬5000筆交易,相當於每分鐘處理2000萬筆交易。

雲端的影響

如此巨大的數字需要強大的電腦運算力,如果沒有雲端運算的發展,不可能做到。在美國,亞馬遜首創遠端運算,從此在IBM、微軟等傳統IT公司雲集的產業中成為一個巨人。起初,亞馬遜發展雲端運算是為了應付倉儲及物流服務創造出的龐大伺服器負荷。

雲端運算讓一家公司取用便宜的大伺服器群所提供的運算力、速度、可靠性與節省的成本。將雲端運算規畫成一項商業服務,讓公司可以購買少量的電腦運算力,把自家伺服器的固定成本轉變成一種變動成本。亞馬遜的雲端事業現在占公司總營收超過10%。阿里巴巴近期投資在雲端運算上,並非想要仿效亞馬遜,而是領導階層在2008年認知到,支付給思科系統(Cisco Systems)及甲骨文(Oracle)等公司的IT費用很快就會超過公司的總營收,而不只是電子商務業務的營收。為了避免被IT費用拖累,阿里巴巴決定投資自己的雲端運算能力。但是,公司內部對這個巨大工程有些抗拒,工程人才精疲力盡,一些工程師決定求去,在此同時,營運團隊抱怨系統漏洞和系統故障等問題。

雲端運算相當複雜,而且發展極為昂貴,若沒有嚴格的內部要求,不論是亞馬遜或阿里巴巴,都無法在核心事業只有一點相關的IT產業中躍升至前茅地位。今天,阿里雲是中國最大的雲端運算服務供應商,也是國際奧委會的官方雲端服務夥伴。阿里雲也孕育出更豐沛的數據,以及演算法驅動的用戶服務,並培育出遍及中國的開發者與應用程式社群。最重要的是,雲端運算的商品化讓任何人都可以取得大規模的電腦運算能力,就像一家公用事業。邁入21世紀後,儲存及運算大量數據的成本大幅降低,對企業而言,這意味著機器學習廣泛、即時的應用如今已變得可行、也負擔得起。

行動運算的角色

另一方面,在實體世界任何地點,從一部設備記錄到的數據,經由Wi-Fi或其他媒介傳送到網絡的行動運算,也產生大量數據,而且使其更容易使用。舉例而言,將智慧型手機上完成的眾多活動,像是互動式地圖、電話、簡訊、照片、搜尋、影片等等,上傳巨量數據到網路上。物聯網(internet of things, IoT)記錄與提供的數據更多,它以創新方式把我們的實體世界「數據化」。愈來愈多科技問世,把棘手問題和不明確的現象予以量化,這為企業提供使用數據來得出新洞察、甚至創立新事業的機會。

這裡舉一個小型但會引人聯想的例子:在紐約及以色列營運的新創公司奧格瑞(Augury)開發出一種像聽診器的專利設備,能夠聽到各種商用機器發出的聲音。使用在雲端運算的演算法,奧格瑞可以對機器進行數位「體檢」,再透過技師的手機應用程式傳送檢查結果。如果機器「不健康」,奧格瑞會診斷問題,建議解決方法;若機器沒問題,奧格瑞會記錄檢查結果供未來參考。奧格瑞能夠持續蒐集大批機器的趨勢與統計數字,提供分析給製造商,或是提供更好的服務給顧客。產業物聯網市場正在快速成長,估計到了2020年將達到3200億美元。有了數據智能,機械維修之類的平凡事業已經變成一個有錢途的智能事業。奧格瑞在2017年6月完成B輪募資,獲得1700萬美元的資本挹注,繼續把這項技術商業化。

所有這些工具結合起來,就創造出數據智能。商業流程中生成的數據被蒐集起來,經由機器學習演算系統處理,再匯回商業營運場所,形成一個幫助商業決策的智能回饋循環。這種良性的數位循環是數據智能的精髓。企業即時學習,而且產品隨著顧客需求的變化而演變,產生不斷推陳出新,而且更滿意的結果。

Google地圖原本是一款透過個人電腦上的網路瀏覽器來取用的地圖應用程式,Google地圖在蘋果iPhone手機上推出時,成為最早成功的一項行動服務,這個結合就是道道地地的智能商業模式。Google地圖問世前,舊的GPS給人相當差的體驗:靜態地圖、規則化的指示,從沒有同步跟上現實世界交通阻塞導致的延誤,或施工導致的繞道。Google地圖把導航變成簡單的網路作業,這項服務持續不斷改進,它的數據引擎處理一個又一個用戶行經的道路所蒐集到的數據,產生更完整的地圖,找到更有效率的路線。Google地圖與你同行,如果你錯過一個轉彎,沒關係,它會改變路線。位智(Waze)導航手機應用程式增添另一種功能:讓個人用戶即時貢獻數據,例如路上的坑洞或交通警察所在的位置。

下面就詳細說明從阿里巴巴分割出去的螞蟻金服如何發展數據智能,並因此產生一家2017年市值估計超過600億美元的公司。

螞蟻金服與網商銀行的數據智能

中國一直沒有成熟進步的金融體系,銀行業向來是政府為大型國營企業及個人存款者提供的一種服務。為中小企業提供融資是美國企業金融市場中一個重要且標準的業務,但在中國,這不是多數中國銀行的業務範圍。隨著更多民營銀行在市場上立足,中國的中小企業融資業務正在演變,但「小型企業貸款」通常仍指100萬美元以上的貸款,因此,數千萬家真正的小型企業無法從銀行取得貸款。

在中國,由於過去沒有正式的小型企業融資,因此也沒有信用評分之類的記錄可供參考,許多小型企業得仰賴非正式或個人的資本取得管道。雪上加霜的是,中國一般的小型企業沒有充分、甚至正確地記錄它們的企業活動,導致幾乎不可能申請到貸款,就連最通融的金融機構也不可能放款。因此,中國的小型企業處於非常艱難的融資環境,它們往往被迫借高利貸,或是接受非專業機構提供的小額貸款,支付極高的利率。在阿里巴巴平台上營運的商家大多很小,非常難取得貸款來發展業務。

2012年,我們看出客戶有這個需求,認知到阿里巴巴可以創立一個有價值、具有互補作用的商業服務。隨著機器學習技術的發展,以及取得大量重要的數據,我們擁有所有必要的要素,能夠創立一個高效能、可擴大規模,而且能夠獲利的中小企業融資業務。這個事業原來稱為阿里小微金融服務,隸屬於支付寶,後來變成螞蟻金服。現在這個微型融資業務隸屬於2014年創立的網商銀行。網商銀行是中國最早獲准開業的五家民營銀行之一,而且純粹是網路銀行,沒有實體營運據點。(網商銀行的主要股東是持股30%的螞蟻金服。你可能會問,為什麼要取名螞蟻?其實,選擇這個名稱是基於這種昆蟲的習性,我們希望呈現出我們賦予力量給所有像螞蟻般的小型事業。除了吸引小型企業,我們希望這個名字也傳達我們的策略:每隻螞蟻只吃一點點,因此,我們不會對傳統的大型放款事業構成威脅。)

我們的微型融資業務從服務淘寶及天貓的數千萬個商家開始,提供每筆不超過100萬人民幣(約16萬美元)、甚至小到只有幾百人民幣(約50美元)的貸款,還款期間可以高達三個月。截至2016年12月為止,網商銀行(與前身阿里小微金融服務的放款業務)累計已經對中國超過32省及行政地區近300 萬家小型及微型企業提供超過870億人民幣(相當於134億美元)的貸款。光是網商銀行就對117萬個中國農村用戶提供超過400億人民幣(相當於61.5億美元)的貸款,有近40億人民幣是融資給位於極為貧窮縣市的186萬個企業主。網商銀行的放款有過半數提供給中國的三線、四線及五線城市,其中51%的中小型企業老闆在30歲以下。用戶可以申請小至1 元人民幣(約0.15美元)的貸款,平均單筆貸款申請金額約8000元人民幣(約1231美元),這裡提供一個比較參考:阿里巴巴的微型融資業務剛推出時,中國銀行提供的平均最低放款規模約為600 萬人民幣(只比100萬美元低一點)。

網商銀行的許多客戶是教育程度很低、資源很少的個人,他們無法取得擔保品,多數也無法製作出像樣的資產負債表。但賣家申請貸款時,無需提出任何文件,銀行幾秒鐘就會做出批准或否決的決定,核放的貸款在三分鐘左右就存入他們的網路帳戶。最重要的是,縱使有這麼大的規模,網商銀行的放款業務仍然持續發展,貸款違約率一直維持在1%左右。網商銀行的成功可以歸功於在業務中內建數據智能,這是一種機器學習為主的放款引擎。

最基本來說,放款機構在面對潛在借款人時,只需要回答三個問題:我們要不要借錢給他?該借多少錢?利率是多少?任何申請過貸款的人都知道,這些問題的答案取決於借款人的信用史,也就是他或她的信用。評估信用的標準方法是蒐集與處理成堆文件,期望從中獲得有用的資訊。

相較之下,網商銀行很容易取得潛在借款人的資訊,因為他們在阿里巴巴的平台上做生意,使用支付寶或螞蟻金服的產品,在獲得授權下,放款人可以檢視這些交易數據,對許多重要的相關問題得出答案。這個賣家的生意好不好?他或她是否做過任何不值得信賴的行為?網商銀行甚至可以詢問傳統銀行難以調查的問題:賣家的朋友有高信用評等嗎?賣家花多少時間在網路上經營生意?賣家供給的產品在市場上有競爭力嗎?數據能夠提供的資訊,遠比銀行從書面文件或傳統信用評分中取得的資訊更為豐富,而且更正確。

相關書摘 ▶《智能商業模式》:構成智能企業的「競爭優勢雙螺旋」

書籍介紹

本文摘錄自《智能商業模式:阿里巴巴利用數據智能與網絡協同的全新企業策略》,天下雜誌出版
*透過以上連結購書,《關鍵評論網》由此所得將全數捐贈兒福聯盟

作者:曾鳴
譯者:李芳齡

第一本阿里巴巴領導團隊公開20年發展策略與商業模式
顛覆創造價值的方式與邏輯,讓你在網絡與數據結合的世界找到定位

未來的改變永遠模糊難預測
但是跑在前端先行者的思維與選擇
透露了未來致勝的新規則!

阿里巴巴無疑是網路創新的先行者。本書作者曾鳴在2006至2017年擔任阿里巴巴集團總參謀長,是創辦人馬雲的重要顧問。他參與淘寶、支付寶、阿里雲、菜鳥網絡等產品的開發業務,親身參與阿里巴巴從淘寶市集成長為一個橫跨零售、批發、物流、金融、雲端運算、數位媒體、地方服務的商業生態系。

曾鳴深刻了解,後發的阿里巴巴並不是亞馬遜的複製版,而是演化成了新物種:智能商業模式。

智能商業模式 = 網絡協同 X 數據智能
是使用新科技來連結所有參與者,並重新設計產業的策略
製造業數位轉型、服務與零售要勝出都必須了解的創造價值新模式

曾鳴在書中以阿里巴巴為例,並結合蘋果、Google、Uber等科技領先者的發展,以及網紅電商的現象,指出能在未來領先的企業必須具備兩種DNA:

  • 網絡協同:把複雜的商業活動分解,讓一群人或廠商相互合作、交流數據,更有效率的完成工作。
  • 數據智能:使用機器學習技術,將在網路上的商業活動決策自動化,並不斷精進。

在智能商業模式下,工作流程要軟體化、決策要自動化、策略思維翻轉為C2B。阿里巴巴建構智能企業的實務做法,包括:

  • 如何透過機器學習,自動做決策
  • 使用來自顧客的即時資料,創造或修改產品
  • 提高平台、商家與服務供應商創造的價值
  • 改造組織,增進員工協同合作,提升創造力

在新的智能商業環境中,從個人到企業,都需要重新界定自己在商業生態系的定位。不論是個人網紅、零售業、支援零售業的物流公司、還是平台事業,每個企業都可以建構成智能企業,跟著對的生態系一起蓬勃成長。

getImage-2
Photo Credit: 天下雜誌出版

責任編輯:潘柏翰
核稿編輯:翁世航

或許你會想看
更多『評論』文章 更多『商業』文章 更多『精選書摘』文章
Loader