• 从火山引擎新品发布会,看字节的数据飞轮如何转起来?


    fcce8e85f107d46c588402ce2899e83b.gif

    数据驱动,是字节跳动企业文化的基因。在字节跳动,无论是CEO/高管,还是中层管理者、一线员工,都非常广泛、细致的使用和依赖数据。如此高的数据应用程度,是如何形成这样?

    4月18日,字节跳动旗下的火山引擎在上海举办了春季FORCE原动力大会,发布了自研DPU等一系列云产品,并对外介绍了字节跳动内部长达10年所沉淀的经验模式——数据飞轮。据悉,数据飞轮是数据驱动的基础,正是它的存在,才让字节跳动形成了非常高的数据消费。

    那么,数据飞轮模式是什么?半年前,火山引擎对外发布了数智平台VeDI,全面开放了字节跳动数据驱动的技术能力,数智平台与其是啥关系?字节跳动内部的数据飞轮是怎么转的?外部企业如何从中借鉴,从而建立自己的数据飞轮,实现数字化增长呢?CSDN对此进行了深度解读。

    527b18fbebbe4a785fcce18af31b61f3.jpeg

     火山引擎总裁谭待

    eea0ac160a305ce669c1071782ad57bd.png

    字节跳动的数据飞轮长什么样?

    什么是数据飞轮?火山引擎在发布会上这么解释:数据飞轮模式实现的是“以数据消费促数据生产,以数据消费助业务发展”  。

    众所周知,字节跳动是一家非常重视数据应用的公司。早期连给“今日头条”App取名的时候,他们也是借助A/B实验做的决策。可以说,字节跳动是一家“数字原生”公司,在宏观的业务目标管理上,有管理驾驶舱Plus量化核心经营管理指标;在业务过程中,通过OKR全局数字化业务进程;在具体实际工作中,有一系列的从数据治理到数据应用的工具来支持。

    a3d836dacf2faa51d0f5297b7cdb0ba9.png

    图来自“2022年9月火山引擎V-Tech峰会火山引擎数智平台发布会”

    在不断使用数据的过程中,字节跳动内部逐渐形成“数据飞轮”模式:

    1、核心是数据消费,即通过数据消费促进决策加速、再推动更快行动,进而提升业务价值。

    2、同时业务的蓬勃发展也带来更大规模、更多种类数据——基于数据做好管理质量优化,推动数据研发效率提升,进一步加速数据消费频率。

    9538d5eff72baa234f2bc6f669bb11e4.png

    图:以数据消费助力业务发展,以数据消费促进数据生产的数据飞轮形成闭环

    字节跳动正是靠着闭环的的数据飞轮,不断推动业务发展。而如今,火山引擎也要把这种内部的飞轮模式开放给外部,帮助更多的企业做好数字化增长。

    143a9e1be36d6fa1f655eb3edece85c1.png

    数据飞轮怎么转?

    数据飞轮,很容易让人家联想到企业数字化领域的另一个模式——数据中台。尽管都来自大厂内部实践,但两者,其实有很明显的不同。

    当下流行的数据中台模式,其实是基于“数据统一”的理念,指的是用通过统一的标准、口径对企业各种数据进行加工、生产,最终形成统一的数据资产。这一模式,本质上是阐述了统一的数据建设带来的数据资产价值。

    火山引擎发布会对外发布的“数据飞轮”,实际表达的是业务与数据的互动关系,揭示了数据飞轮持续转动所带来的业务价值。进一步拆解一下数据飞轮“自身转动”的原理与轨迹,就能感受到这种不同。

    轨迹之一:以消费助发展,数据驱动业务提升

    如前文所说,数据飞轮的核心是数据的消费。这实际上也是因为字节跳动本身盛行的数据消费文化,比如字节每天有上万人在使用BI工具,截至2022年底,每天同时运行的A/B实验有3万个。

    频繁的数据使用能够让业务在进行决策与运营的时候,更快、更有效。比如在春晚的红包活动上,分析师通过实时的DAU/DNU指标,为下个时间段的红包投放量做预算决策,这种实时的数据消费就能让决策更高效、更有效。

    一旦人们发现借助频繁的数据消费能做出高效决策,并带来更好的业务价值后,会促生出更多、更频繁甚至延伸到更宽领域的消费。

    这实际上,就实现了“数据驱动业务提升”——数据飞轮转动的第一个轨迹。

    轨迹之二:以消费促生产,业务倒逼数据提效

    业务价值的提升,也会带来更多的数据。这里的更多数据,一方面包括了更优质的效果回流数据,另一方面也包括了,更多业务使用数据产品带来的数据激增。

    那么,数据的激增又可以反向推动数据建设与管理的优化,比如如何构建更好的数据,如何进行更优质、更低成本的数据管理。更好的数据管理,将进一步促进数据研发效率的提升。研发效率提升,使得数据能更快被消费,进而提升数据消费的效率,实现了业务反推动数据效率的提升。

    这是数据飞轮转动的另一条轨迹。

    两条轨迹合在一起,实际上就是数据飞轮的闭环,闭环内是数据与业务的双向互动。

    982b3376583d415a982580ea6a69208a.png

    数据飞轮靠什么落地?

    外部企业如何建立自己的数据飞轮,实现数字化增长?据CSDN了解,科学构建数据飞轮有两个关键要素,一是数据飞轮本身的“数据驱动”理念,一个则是合适的产品服务,让模式落地。因此,火山引擎也是从数据产品和咨询服务两大方面切入,帮助企业落地数据飞轮,并真正转起来。

    在数据产品层面,火山引擎去年发布了数智平台VeDI,开放了字节跳动内部数据技术与工具能力,覆盖数据引擎、数据建设与管理、数据应用等全链路相互协同的数据产品。

    数据引擎和数据建设产品,可以让企业低成本、高效率地拥有好数据。数据应用层解决的是业务细分场景的数智化,一方面可以用低门槛、高智能的方式,让企业使用数据更容易,另一方面则是通过多元、多场景,让企业数据收益更丰沃。

    b815ef8740234f5c7d9800f919dc4b7c.jpeg

    图:火山引擎数智平台(VeDI)产品矩阵

    而4月的这场发布会上,火山引擎进一步加强对外开放的数据产品能力,升级湖仓一体分析服务LAS,并发布新品管理驾驶舱Plus。

    湖仓一体分析服务LAS升级重点落在企业 Serverless 智能湖仓构建上,通过极致性能和Serverless全托管等能力,为企业带来数据基础设施建设的降本增效。

    管理驾驶舱Plus,专为企业管理者打造沉浸式的管理体验,提供0代码搭建能力,一次部署就可以让企业的每个层级管理者建立自己的驾驶舱,实现即时观测战略目标达成情况并向下传递决策动作,以及数据可信可用。

    此轮升级后,火山引擎数智平台的产品矩阵更加完善,进一步拓展了数据与业务的的交集,夯实“数据飞轮”的转动力。

    99923f2985d3297f4eed4ddb66f2d99b.png

    当然,想要让“数据飞轮”真正转起来,除了产品能力还不够,火山引擎还会提供咨询服务和解决方案。据介绍,火山引擎数智平台的数智咨询主要面向两大场景,第一个场景面向业务,围绕企业如何做好用户增长,提供具有字节特色的UG咨询服务。

    值得关注的是另一个面向数据场景的咨询服务——数据BP咨询。数据BP其实是字节内部沉淀的数据服务业务的方式,通过中台解决数据共性问题,提供BP深入业务负责个性方案。现在这种服务方式也会通过“咨询”的形式提供给外部企业。

    通过数据产品和咨询服务两大层面,火山引擎期望帮助企业落地数据飞轮,并真正转起来,实现数字化持续增长。

    d79f44f472d3599612a0324dffc82a1c.png

    数据飞轮不止一个

    据介绍,为了帮助不同行业的企业都能落地数据飞轮,火山引擎数智平台还提供“行业细分场景”的完整解决方案,通过“产品工具+方案+咨询”三者叠加,让数据飞轮模式在更细的业务场景中实现转动。

    当下,火山引擎数智平台已经在包括金融、汽车、大消费、文旅、互联网等行业中做了诸多实践,并构建了行业的数据飞轮。比如在金融行业,数据飞轮结合金融营销场景、用户触点运营场景,通过产品+方案+咨询的方式落地。据了解,国内一家股份制银行目前已经通过火山引擎的“数据飞轮”模式,实现了营销应用上的实时精准营销和多渠道的用户运营,最终实现了1.6亿AUM(资产管理规模)的增长。

    可以发现,企业数智化模式正在发生“蝶变”。

    早期,在数据中台模式盛行的时代,企业普遍在经历业务数据爆发式增长的阶段,彼时,“数据中台”能帮助企业将数据变成资产,是企业从传统模式向数智化迈进的入门“装备”。

    但如今,对企业来说,光有资产是不够的,价值增长才是永恒话题。今天的企业更需要:数据到业务的双向闭环,通过飞轮式转动,实现永续经营。

    在采访最后,火山引擎表示未来还会联合各类生态伙伴、行业代表性企业,帮助更多的企业落地“数据飞轮”模式,实现数据驱动业务增长。

    未来已来,未来很长,我们可以拭目以待,看看“数据飞轮”的表现。

  • 相关阅读:
    apifox的使用以及和idea集成
    NetCore路由的Endpoint模式
    JMeter—逻辑控制器
    JS的执行上下文,变量声明提升,函数声明提升
    计算机的基本组成是什么样子的?
    035:vue项目中 radio和checkbox美化方法
    Pytorch模型量化
    扫描线详解
    使用Cython为Python开发C++扩展
    相机专业模型详解,各个参数作用,专业模式英文全称和缩写
  • 原文地址:https://blog.csdn.net/csdnnews/article/details/130234280