2023,“制胜”已然成为所有行业、企业的共同命题,随着数字化行至中程,数据壁垒逐渐被打破,DaaS作为企业增长问题的解法,再次被看到。
2002年,在竞争激烈的美国职业棒球联盟,奥克兰运动家队无论在人员和物质配备以及资金实力上都只是“下三流”之列。
然而在数据分析高材生的帮助下,经过分析数据和晦涩难解的棒球统计学,球队经理找到了一批奇怪的棒球手,他们性格怪癖,但却在棒球运动上拥有超强能力。
在突破传统的数据经营模式下,最终取得骄人的比赛成绩,比肩实力雄厚的纽约扬基队的程度。
这是由真实事件改编的一个故事,后来被拍成电影——《点球成金》。事实上,利用数据分析、挖掘在球赛中取胜的案例,远不止于此。美国著名的国家篮球队的教练,就曾利用IBM公司提供的数据挖掘工具临场决定替换队员。
目前,大约有超过20个NBA球队使用了IBM数据挖掘应用软件来优化他们的战术组合。
教练可以用便携式电脑在家里或在路上挖掘存储在NBA中心的服务器上的数据。每一场比赛事件,都会按得分、助、攻、失误等统计分类。
用大数据,赢得一场球赛,看似不可思议,却早已成为该行业公开的制胜策略。
如今,“制胜”亦是所有行业、企业的共同命题。数字化已行至中程,数据壁垒正在被逐渐打破,也使得企业看到了新的增长之道。
“去年我们发布这个DaaS产品的时候,大家投放的量级基本上是几十万左右,二三十万,三四十万的规模。去年Q4开始,我们开始陆续接到百万级的投放、营销预算。”某业内人士对产业家说。
站到台前的DaaS,正在驶入属于它的大航海时代。
一、DaaS,云起
2021年12月1日,阿里云发布新产品瓴羊,将其核心产品服务定位为“DaaS”,其本质是以数据驱动为增长引擎,打通整合企业的商业流、数据流和工作流,让数据智能在企业的生产和经营中发挥最大价值。
瞬间引起业内一阵热议。
今年3月,京东云首次发布数智平台“优加”,面向品牌增长,锚定的也是DaaS新赛道。
两个互联网巨头的入局,逐渐让这个赛道再次热闹了起来。
实际上,DaaS并不是一个新领域。在过去的几年时间里,DaaS赛道已经跑出了几家相对垂直的明星厂商,如麦聪软件、有米云、华坤道威等等。此外,一些涉及数据中台业务的厂商,也早就进入了这个赛道。
早在2015年前后,伴着自动驾驶的东风,DaaS便火过一把。
DaaS(数据即服务)侧重于以数据 API 的方式按需提供各种来源的数据,一般DaaS 平台还包括元数据管理,数据治理,数据开发等功能,其根本作用是帮助企业将数据资产便捷地转化成业务能力(应对企业应用之间、系统之间数据即时交换、共享、使用的需求),最终解决企业最核心的增长问题。
目前来看,以数据源来划分的话,DaaS赛道可分为三个阵营,一是以阿里云、京东云为代表的数据即服务平台,基于自家零售平台产生的第二方数据来提供更广泛的数据服务。
互联网巨头的优势,一是由于数据来源于零售的各个方面,在营销上有着更大的优势。加之大厂强大的生态构建能力,以及业务体系,可从一体化、全栈式层面打造优势。
除此之外,互联网云厂商也可以结合自身的优势赋能企业,为DaaS产品做一些增值服务。例如京东优加可以基于自身一体化供应链优势,在赋能企业营销策略时,可以通过供应链能力快速验证。
二是以Datablau数语科技、数数科技、神策数据等为代表的垂直厂商,其数据源来自商家客户自己的经营情况,为其进行用户分析服务。优势在于数据清理、分析的能力上,且在垂直领域扎的够深,可以与企业实现更强的绑定关系。例如数数科技作为一家游戏数据分析服务商,在泛娱乐领域就有着较大的优势。
三则是以有米云、天眼查为代表的厂商,数据源来自公开渠道,主要针对不同的客群提供不同的解决方案。优势在于调查分析类,可满足各行各业的数据需求。
例如有米云平台上有巨量的商品、广告、企业、消费者等商业信息,使得其在电商、游戏、短剧赛道都有涉猎,且有着一定的优势。
总体而言,这些厂商各有各的优势,但也各自存在一些短板。
新玩家鱼贯而入,老玩家持续打磨,资本追捧,大厂看好,DaaS赛道的爆火并不意外。但不为人知的是,DaaS行业做起来并不简单。
二、看得见的落地难
某电商公司曾尝试如何使用DaaS平台来改善其营销效果,其主要方式则是更好地了解其客户,提供个性化的推荐和优惠,并提高营销活动的转化率。
然而,在实际应用中,该公司发现数据质量不可靠,数据采集不全面,而且数据分析和应用的效果也不尽如人意。
首先,该公司在使用DaaS平台时发现数据质量存在问题,例如数据缺失、数据不准确和数据过时等问题。这些问题导致公司无法准确地了解客户,也无法进行准确的个性化推荐和优惠。
其次,DaaS平台的数据采集往往不够全面。尽管该平台声称可以提供全面的数据,但实际上该公司发现平台无法收集一些重要的数据,如用户的购买历史、浏览历史和搜索记录等。这些数据的缺失使得公司无法深入了解客户的行为和偏好,也无法进行精准的营销活动。
最后,即使该电商公司花费了大量时间和资源来采集和分析数据,但实际上这些数据分析和应用的效果并不理想。比如根据数据分析结果进行的个性化推荐和优惠并没有提高转化率,反而导致一些用户的反感和不满。
事实上,DaaS在绝大多数业务场景应用潜力极大,这是一个取得了充分共识的结论。企业对于利用DaaS改善经营充满希望,并积极投入资源开展尝试。但对于绝大多数企业而言,大量DaaS项目未取得预期的显著提升。
总结来看,数据质量不可靠、数据采集不全面以及数据分析和应用效果不佳等问题,直接反映了DaaS落地难的现状。
实际上,这些问题不仅在DaaS厂商本身,也更在其与ISV合作有很大关系。
例如,DaaS平台与企业内部配合时,DaaS平台提供的数据可能与企业内部的数据格式和标准不统一;企业内部可能存在多个不同的系统和平台,DaaS平台需要与这些系统进行对接,接口开发和调试的难度较大;DaaS平台处理的数据可能涉及企业的机密和隐私,需要采取有效的安全措施,保证数据不被泄露和篡改等诸多问题。
而DaaS与ISV合作时,DaaS平台提供的数据服务需要通过API接口与ISV系统进行对接。但是不同系统的API接口不同,对接复杂度高,需要耗费大量时间和资源进行开发和调试。
加之DaaS平台处理的数据往往具有较高的敏感性,如客户信息、交易数据等,因此在数据传输和存储过程中需要采取有效的安全措施,确保数据不被泄露和篡改。
三、“真假DaaS”背后的数据业务驱动
元气森林,一个以“0糖、0脂、0卡”的健康理念,快速占领气泡水市场的行业TOP品牌。但在茶饮赛道,竞争异常激烈,不进则退。元气森林亦需要加强气泡水品类优势,不断扩大市场。
在这种需求之下,瓴羊为其定制了DaaS解决方案。
首先是定位新品研究方向。元气森林通过对饮料市场细分品类的分层分析,定位气泡水、茶饮、植物蛋白、果饮四大果饮趋势。确定了气泡水品类仍是饮料市场突出品类,可延续在气泡水市场的多元优势,并持续发力。
其次是制定差异化营销战略。通过描摹四大品类特征和用户洞察,制定新品差异化营销方向。例如气泡水新品菠萝口味顺应季节打爆;植物蛋白新品选择通过高能妈妈的破圈在儿童市场发力。
最后是全年多峰策略落地。618打响多品类布局第一枪;在双11大促期间实现更大生意转化,年轻人群持续渗透。
2022年,元气森林双11同比618,客单价增加近10%,消费者购买意愿加强。且与618相比,A人群资产量级增加超五成;年轻人群增速和去年双11相比明显增加,品牌人群结构逐渐被优化。
在元气森林的案例中,可以发现DaaS落地成功的几个关键细节。
一是营销数据、应用方向确定;二是以绝对的专业度不断洞察市场变化数据;三是规划数据管理的“长线作战方案”。
这是解决问题、DaaS落地的关键,然而,对于很多企业而言却往往会被忽略。
企业在进行数据治理时,将关注点放在管理数据程序、脚本和任务上。这种做法导致企业的数据治理无法聚焦于提升数据价值。这可能导致数据的准确性和可靠性受到影响,从而影响企业的业务决策。
很多企业在部署DaaS时,自身的需求并没有被满足,导致了误区型治理,难聚焦。
此外,企业在进行数据治理时,以完成项目交付为目标。然而在项目交付完成后,企业没有继续关注数据治理的长期性和持续性。因此,即使完成了项目交付,后续的数据管理仍然缺乏延续性和稳定性。
管理断点,数据难统一,往往会导致数据安全系统降低,导致了项目型治理,难延续。
要知道数据的统一是DaaS落地的基础,从这点来看,其部署的似乎并不是一个“真正的DaaS”。
除此之外,企业在数据治理中由员工兼职管理。这些员工在数据治理方面缺乏专业知识和技能,导致职责不清晰、主动性不强。导致企业无法确保数据治理工作的顺利实施,这种情况下数据的质量和可靠性便无法保证,数据的安全和隐私便也不无保证。
企业内部不具备相应的IT条件,导致兼职型治理,也是DaaS难落地的重要因素。正如有米云创始合伙人&CTO 蔡锐涛所言,“在现在的数字化时代,善于解读数据的团队将会有巨大优势。”
综上所述,DaaS落地难的最底层逻辑逐渐清晰,即误区型治理下的“头痛医脚”;项目型治理下的“真假DaaS”;以及兼职型治理下的“力不从心”。
值得注意的是,大模型的推出,或将改变传统模式下数据治理面临的困境。
四、大模型,让数据更有价值
“咱们得要认识到一个事,品牌商比我们在Know-how上更专业,我们有的只是数据跟分析能力、技术,但是在Know-how上他一定比我们更专业。” 京东科技解决方案中心增长解决方案部负责人朱冰对产业家说。
其实,就目前来看,企业手握大量有价值的数据,但这部分数据带来的优势以及能力,DaaS厂商无法替代。正如朱冰所言,“整体来说,还是要把自主性、主观能动性教给我们的品牌商,给我们这些品类的伙伴。我认为他自己做这件事情是最专业的。”
然而,对于很多企业而言,这是很难跨越的一步。值得期待的是,进入“大模型+”时代,DaaS也出现了一些新的可能。
比如在模型训练与优化方面,DaaS平台可以提供大模型的训练和服务平台,帮助企业进行模型的训练、调整和优化等操作。企业可以利用DaaS平台上的大量数据和计算资源,对大模型进行训练和优化,从而提高模型的准确性和性能。
在模型部署与管理方面,DaaS平台可以提供模型部署和管理功能,使企业可以将训练好的大模型快速部署到生产环境中。企业可以通过DaaS平台,对模型进行版本控制、更新等操作,确保模型的稳定性和可靠性。
在数据预处理与增强方面,DaaS平台还可以提供数据预处理和增强功能,帮助企业将原始数据进行清洗、转换和标注等操作,以便用于大模型的训练和测试。DaaS平台还可以提供数据增强功能,通过对数据进行各种变换和增强,提高模型的泛化性能和适应能力。
此外,在自然语言处理领域,DaaS平台可以提供文本分类、情感分析和语言生成等服务。在图像识别领域,DaaS平台可以提供目标检测和图像分割等服务。企业可以通过DaaS平台,直接使用这些服务,而不需要自己构建和训练模型。
在业务之外,安全也是其一大特点,即DaaS平台还可以提供数据安全和隐私保护功能,确保企业数据的安全性和隐私性。DaaS平台可以提供数据备份、恢复和版本控制等功能,确保数据的安全性和可靠性。同时,DaaS平台还可以提供数据加密、访问控制和安全审计等功能,保护数据的隐私和完整性。
换言之,AI大模型之下,DaaS厂商或将积累越来越多的行业Know-how,企业的需求也将愈发得到满足;大模型与DaaS的结合,可以使企业可以更加高效和准确地利用大模型。
在传统模式下,企业需要自己构建和训练模型,需要投入大量的资源和时间。而且,这些模型的效果可能会受到多种因素的影响,如数据质量、算法选择等,通用大模型也将加速企业迈过这道坎。
总体来看,「大模型+DaaS」将会很大程度上改变当下DaaS固有的顽疾,使其走向一个更加良性的发展,推动其进入“大航海时代”。
或许,在未来每个行业都能被DaaS重塑,正如文章开头所言的那部电影用数据“点球成金”。
以上内容由今日人工智能官方微信平台整理推送
- 感谢订阅 -
联系客服