解读阿里巴巴的数据野心

      去年9月马云第一次把阿里巴巴的未来公开归结成平台、金融、数据三步走时，当即被市场理解的是平台，随后是金融。但阿里在数据上的企图心，相比前两者却有点被低估。

      从几个星期前，阿里巴巴斥资七八千万美元收购友盟的传闻传出开始，虎嗅就隐隐感觉，阿里巴巴不想掩饰自己在数据方面的野心了。2013年4月1日到3日，在阿里巴巴分拆成2个事业部2个多月后，虎嗅在杭州跟阿里巴巴的管理层密集地聊了一圈，更加确认了这个判断。

数据布局

      “阿里本质上，未来会是一家数据运营公司。”集团首席战略官曾鸣说。在新的公司级战略里，阿里巴巴正低调却尽一切可能地在数据上布局：

      1 、候任CEO熟悉数据业务。陆兆禧接任马云担任阿里集团CEO分两步：1、 熟悉数据业务，2 、当CEO。在2012年7月，他出任阿里集团新设的首席数据官（CDO）。在2013年1月阿里分拆成25个事业部时，他分管的又是数据平台事业部、信息平台事业部、云OS事业部这些底层基础设施平台。

      2 、筹建小微金融集团，准备进一步收集金融服务数据。

      3 、对平台内自有的消费数据，设立数据平台事业部、以及横跨其他事业部的数据委员会，由首席商业智能官车品觉领头，进行数据挖掘、分析、形成产品，并帮助集团各个事业部打通底层的数据基础设施平台。车品觉举例说，阿里现在已经在内部使用的一款数据产品“黄金策”，可以提供的具体功能是：

用六七百个变量来衡量消费者的数据。如果问它：在上海有两张信用卡，并且用android手机的人是多少？它能回答说是200万人。我再问其中女生的主要年龄层分布？它能说大概是20到30岁。我还问两张和三张信用卡的人差异在哪里，它会发现三张卡的不如两张卡的人有钱。

      4 、陆兆禧出任集团CDO之后，牵头在阿里内部搭建了一个开源的数据管理平台（其他采访源告诉虎嗅：这是马云钦点的项目），让各个事业部既保持独立性，又能实现底层的数据跟架构的共建共享。

此外，阿里内部还在玩的一个东西是个互联网化的SNS工作平台，所有员工在互动的同时都可以给对方一个点评——我喜不喜欢你，我觉得你这件事做得好不好——一年下来，每个员工都可以积累很丰富的可视化的盘点跟考核数据。阿里希望这个工作系统未来跟外部的客服系统打通。

      5、 怀着“宁可错收一千也不放过一个”的心情，跟外部合作与收购，特别是在移动方面：

      -比如，以8000万美元的最终价格收购友盟这个移动应用数据统计分析平台（此事未经阿里与友盟确认，乃坊间传言，八九不离十），同时还在跟另一家同类平台TalkingData的团队探讨收购可能性。

      阿里虽然分拆后有独立的无线事业部，其他事业部自己也都有移动尝试，但还没涉及应用商店这一块。所以友盟、TalkingData这类平台能够收集和分析的新增用户数量、激活用户数量、用户在应用内的一些行为数据，阿里缺。

      -比如，拉上银泰、复星、富春、四通一达、顺丰及相关资本和金融机构，首期投资1000亿元构建“中国智能物流骨干网”，希望在8到10年内建立一个能支撑日均300亿元（年度约10万亿）网络零售额、24小时内货达全国任何地区的智能物流骨干网。

      按集团秘书长郭靖的说法，这个骨干体系，可以让企业从互联网实时、准确的拿到需求数据，生产商品，分别把这些货预先放到骨干仓里，提高中国物流社会化的效率和成本。

      -比如，跟新浪微博反反复复却始终不肯放弃的入股谈判。新浪微博的媒体数据、社区数据和导购数据，阿里缺。

      -再比如，更早的2011年以前，阿里巴巴曾收购通用论坛程序提供商PHPWind、域名服务商万网、互联网数据分析平台CNZZ，就已经是在尝试掌握大部分中国互联网的底层数据。

      抓到这些数据后，阿里巴巴能干什么？

      阿里之外，某位业内人对虎嗅说，“阿里是从电商切入数据。未来阿里巴巴的数据野心非常非常大，希望成为下一级互联网的入口。它希望建立囊括所有与消费相关的数据平台，包括实体类商品消费数据、服务类商品消费数据、金融相关数据等等……希望自己能够集合所有最有价值的数据，然后在以自己的数据平台为中心建立Data Exchange Center。也就是说，谁想获得数据，上我的平台来，要么用货币来换，要么用数据来换。说穿了就象它们今天垄断电商一样。”

      她又补充道：“百度其实是有资源与阿里巴巴一拼的，但是，对数据的理解和战略，远远赶不上阿里巴巴，百度还没有将数据上升到公司级战略，此事还未进入李彦宏的法眼。”

      如果说百度没醒转过来，那我们看看谷歌。谷歌从搜索到Android到地图到看上去不太靠谱的无人驾驶车与谷歌眼镜，其核心也是数据的收集、分发与流转使用。谷歌从搜索切入做数据，阿里从电商切入做数据。殊途同归。

      当然，阿里方面是不愿太去张扬自己在数据方面的全网野心。他们说得更多的是：怎么用数据为阿里的生态、尤其是商业生态服务。我们就顺着阿里目前的口径来看下：

      1、先看25个事业部的拆分。本质上它们分成三类：

      上层的垂直业务：淘宝、天猫、聚划算、本地生活、航旅等等，这些事业部有特定客户人群和特定市场价值。

      下层的基础设施平台业务：云OS、支付、物流等等。

      中间的共享业务平台：共享业务、商家业务、阿里妈妈等等，把上面的垂直业务里可共享的的部分尽可能抽象出来，同时又跟下面的技术设施打通。

      2、支撑上述小系统、小平台自行循环生长的，就是数据。

      有段时间马云爱抖一个包袱：全国最爱买比基尼的地区是内陆大省新疆，这个发现出自淘宝购物数据分析。阿里认为，平台内的数据可以做更多。

      最直接的例子是，阿里日均能积累超过1000万个包裹的物流路由数据和重要节点的揽货、分捡、派送和末端递送的数据，这些数据将形成物流数据服务产品，从4月起面向国内前十大快递公司的老板发送。

      淘宝负责人张宇（语嫣）还提到了另一种可能：“微博、微信现在都是很多人来制造信息、订阅信息。每个人都找自己想要的，也为生态圈贡献东西。这个就是正循环。淘宝也想找到这个正循环。”

      此外，现在舆论相当关注的阿里金融，其核心也是数据。正如虎嗅此前发表的《天下网商》这篇文章说：“关于阿里金融的讨论，无论认定其未来会坚持走“小贷”路线，还是成立“担保公司”转而争取银行牌照，一个基本的背景条件都不会改变，那就是海量交易数据这座金矿。”

车品觉问答

      在跟虎嗅细聊时，负责数据业务的首席商业智能官车品觉谈到了阿里成为数据公司后可能的产品形态、如何将数据产品化等好玩的话题：

      虎嗅：阿里未来要成为数据公司，可能的产品形态是什么？

      车品觉：1， 直接把数据用在产品或平台上，产生价值、卖钱，比如精准营销、去哪儿。2， 以数据交易、数据服务作为经营模式，所谓的Data Market Place。但这个方向是很遥远的，用数据交换的方法来拿到回报还是需要一段时间，目前没有成功案例。

      虎嗅：除了自身平台上的消费类数据，阿里还对哪些类别的数据感兴趣？

      车品觉：我去拿别人的数据一般有两个可能性，一个可能性是找参照物；一个是知道1+1>2。在我今天的拼图里，我知道我缺一个碎片，等我拿到这个碎片，我会知道整个数据会是怎么样的。

      我其实是阿里数据的使用者，对外部数据项目的收购决策不在我这里。收友盟，我猜应该是为了它对整个移动端数据的理解。在数据上来讲，我们最注重的东西是找参照物，找不到参照物的数据是没意义的。比如说，我的平台上用iPhone的人很多，想知道别的平台是不是也很多。

      阿里的未来会是一个数据公司。用周围的数据来重新定义我今天的数据。举个例子，我们要是想知道一个用户是大学生，其实不一定看淘宝数据来推测，通过看他送货地址是不是大学就能知道。但你怎么知道一个地址就是大学？阿里是没有大学地址的。所以你要是有了全中国的大学门户地址，就是用外面数据来解决里面数据的精确度问题了。另外，如果你用了安居客的租金数据知道用户所在的地段租金多少，你可能能知道这个人有没有钱。结合一些本地数据，你还能知道他的生活圈子。

      我们现在有时是为了解决问题，才去找一些可以解决问题的数据。像集团一直在说的数据运营、数据化运营、运营数据，这些概念是螺旋交替的关系——你更懂得数据化运营就更懂怎么运营数据，更懂怎么分享给别人用。

      虎嗅：你们所构想的这个数据平台，存在无法得到的数据黑洞吗？

      车品觉：数据最大的黑洞就是数据的稀缺性，你的数据再大，用一个放大镜看进去它都是有洞的。现在阿里对性别的覆盖率也还是40%。这对数据科学来说怎么用这40%的性别覆盖，来估计另外60%的性别，并且精确度达到90%以上，就是重要的课题。

      数据的玩法是以有限的东西来估计整个饼图上的东西。阿里底下有非常多的关系数据还没挖清楚，但如果挖清楚了会有非常多的东西能干。世界是个大文档的话，每个人都会建立一块，如果一个人全都建完了，那就不好玩了。

      虎嗅：数据委员会近期的工作重点是什么？

      车品觉：阿里成为一个数据公司之前，它必须要干的是要一帮人先进来把底层的东西做成。今年数据委员会有三个很难的基础大山要翻过去：

      1 数据安全。数据开放给更多人去用才会更有价值，但同时安全也存在极大压力。谁应该看什么不看什么。怎么保护个人、商家、公司的隐私，在上一中前提下开放数据给分析师来用。

      2 数据质量。控制数据质量为什么难？下游的质量要从上游来看。生产一组数据出来时，如果不给出一些标签，没人知道这个数据是怎么来的。要保证数据本身在源头是干净的，否则垃圾进去垃圾出来。

      3 数据化运营。真正要做数据化运营，应该是80%懂商业的人来用数据解决问题，20%的人保证让数据可用。这个要做的是组织文化。