產品價值公式，如何演繹出數據中的商機？

古希臘時期，有一天，步行中的畢達哥拉斯被鐵匠打鐵的聲音所吸引，他發(fā)現打鐵的節(jié)奏很有規(guī)律，并用數學的方式表達出來。這便是日后在美學領域廣泛應用的黃金分割率。

比起與藝術的美妙融合，數學在商業(yè)里的應用便高深了很多。在水滴產品進化營近期的分享活動上，一段以“數據中的商機”為主題演講，明略數據、秒針系統(tǒng)創(chuàng)始人兼董事長吳明輝用數學原理解讀了時下熱門的大數據、AI價值。這種新奇的方法論讓皓哥嘆為觀止，有必要精選主要觀點分享給大家。

一、數學幫助人類理解世界

數學是一種理解世界的思維工具，能夠幫助人類找到更好的商業(yè)模式。而融合其思想的數據，則在數學與商業(yè)之間架起了直通橋梁。

數據的本質是利用數學記錄、理解世界。

時間與空間是宇宙的兩個維度。為了認識宇宙，人類應用數學推演，經過長期觀察積累了大量數據，免去再次觀測的過程，進而發(fā)展出復雜的理論用以理解世界。例如，通過合理觀察、計量日月星辰的運行數據，人類得以制定出歷法，了解晝夜交替、四季輪回。

這些數據的積累，又為后世的研究提供了素材。商業(yè)作為世界的一個分支，也因連年累月的數據積累，更現真容。

如何用數學公式來理解數據產品所創(chuàng)造的價值，吳明輝提出了一個非常有價值的計算公式：

數據產品價值 = 決策者提前了解變化所節(jié)省的成本和新增的價值 - 替代成本。

正如前百度產品副總裁俞軍的產品價值公式（產品價值 = 新體驗– 舊體驗– 替換成本）一樣，決策者在使用數據產品過程中，以數據化的形式來提高決策效率，降低決策成本，同時基于更精準的數據，使決策更明智，從而帶來新的增量價值，而整個數據化的決策方式操作門檻極低，即替代成本很低。盡管抽象，但這個公式已成為優(yōu)化數據產品價值的方法論。

舉個例子，在數字廣告業(yè)務中，相比傳統(tǒng)費時費力的收視率抽樣調查，以秒針系統(tǒng)為代表的大數據營銷服務商，只需通過向客戶提供以目標受眾為核心的廣告監(jiān)測數據，便能助其實現精準營銷，放大客戶的受益。這種便捷高效的服務體驗，自然使秒針產生巨大的產品價值。

“數據商業(yè)化三要素的變化”會帶來數據生意的機會。

吳明輝認為，數據商業(yè)化由三要素構成，分別是數據源、人及數據應用場景。沒有龐大、持續(xù)的數據源、依托數據決策的用戶群體和依賴數據運行的應用場景，數據商業(yè)化將難以有效落地。只有當某個產業(yè)中，這三者之間的一個要素、兩個要素甚至三個要素都發(fā)生了重大變化，才會涌現創(chuàng)新機遇。

而只有根據三要素的變化，做出產品創(chuàng)新，才有市場競爭力。

例如，在PC互聯網時代，信息分發(fā)已經為傳統(tǒng)門戶網站、搜索引擎所把持，后來者機會渺茫。而移動互聯網時代，隨著數據源采集方式的變更以及數據在資訊領域的廣泛應用，今日頭條得以憑借算法推薦，成為信息流領域的新巨無霸。

二、明略：數學原理的商業(yè)化落地

原油經過技術加工，才具備使用價值。數據也是如此，其價值源自數據產品引發(fā)的后續(xù)行為的價值。接下來，吳明輝以自己的創(chuàng)業(yè)經歷，試圖解讀數學原理轉化為數據后的商業(yè)化路徑。

明略數據是一家提供支持分析決策的行業(yè)人工智能解決方案提供商，其核心產品行業(yè)人工智能大腦明智系統(tǒng)，致力于讓企業(yè)中的每一位員工都擁有一個AI軍師：基于知識圖譜數據庫蜂巢完成行業(yè)知識存儲，再通過簡單好用的企業(yè)級Siri小明完成人機交互，以對話的形式降低人工智能產品使用難度，高效提供業(yè)務支持。成立不到4年時間，明略已為省、市級公安局、交通銀行、中國人民銀行、光大銀行、中國中車等行業(yè)標桿客戶解決了不少實際問題，提高每一位相關行業(yè)領域工作人員的工作效率。

究其發(fā)展路徑，正是暗合數據產品價值公式。

數據產品價值 = 決策者提前了解變化所節(jié)省的成本和新增的價值 - 替代成本。

• 決策者提前了解變化所節(jié)省的成本和新增的價值：明略數據自主研發(fā)的大數據圖譜聯機分析產品 SCOPA，為某市公安局搭建警務大數據情報綜合研判平臺，編織公安情報知識圖譜，將某市公安局的所有的人、車、電、網、像等業(yè)務系統(tǒng)數據全部統(tǒng)一到同一個研判平臺和界面上，幫助專家把原本可能需要幾個小時、幾天的研判過程壓縮到5分鐘以內輕松完成，利用大數據關聯關系分析與挖掘解決信息不對稱，大大降低用戶為提前了解變化而產生的人力、物力等成本，提高了決策效率。

• 替代成本：客戶的部署成本+培訓成本。如果公安客戶要自己做這一套綜合研判平臺，那么他們需要承擔產品、技術的部署成本，以及人員培訓成本。在替代成本不變的情況下，明略的產品和服務通過不斷增加決策者提前了解變化所節(jié)省的成本和新增的價值來提高整個數據產品的價值。

同時，明略的產品和服務也是圍繞數據商業(yè)化的三要素——數據源、人、數據應用場景的變化做產品創(chuàng)新，才有更大的市場競爭力。

數據源的變化—數據來源、數據質量的變化等。要把握數據源的變化，要么數據本身好，要么數據治理能力強。明略所服務的行業(yè)都存在海量多源異構數據，所以很難一次就獲得優(yōu)質數據，因此明略投入大量資源，結合行業(yè)知識和先進技術研發(fā)高效、高速、可配置的數據治理工具，形成革新行業(yè)現狀的強大多源異構數據治理能力，對結構化、非結構化的數據，都能持續(xù)快速治理成行業(yè)知識圖譜。

人的變化—決策者需求的變化。明略的客戶主要是公安、金融、工業(yè)領域客戶，除了產品、技術過硬，還需要懂行業(yè)、懂客戶的需求，并能順應需求變化來優(yōu)化產品，明略的大數據科學家駐場服務，以及來自IBM、NEC等500強企業(yè)及一線互聯網企業(yè)的團隊讓明略能及時把握“人”的變化。

場景的變化—信息不對稱場景的變化。比如公安情報研判場景的關聯關系挖掘與分析。以前，民警想要去通過數據鎖定犯罪嫌疑人難度極高，民警至多可能需要人工調取幾十甚至上百個系統(tǒng)的數據，然后再基于這些系統(tǒng)的數據，進行分析和整合。而明略通過大數據圖譜聯機分析產品SCOPA將這些數據全部關聯起來，形成各專家研判模式經驗，從而構建公安知識體系，形成一個決策系統(tǒng)（公安大腦），提高公安破案效率。

同時，明略把握住了關聯分析的底層邏輯后，即使關聯的“實體”變了，依然能提高行業(yè)關聯分析的效率。

三、新視野，新世界

萬能便是無能。即便大數據蘊含的機遇被舉世看好，但我們仍需學會正確使用它。

數據商業(yè)化選擇好的應用場景尤為關鍵，產業(yè)規(guī)模、數據豐富度以及可通過數據智能化實現效率提升的潛力，決定著產品的商業(yè)化前景。

以全球大數據龍頭企業(yè)Palantir為例，其因利用大數據技術助美國抓獲并擊斃本拉登，以及協助美國證監(jiān)局翻出麥道夫的龐氏騙局而聞名世界。Palantir的大數據產品，通過整合結構性數據庫，并經機器學習判斷后，用直觀的可視化圖表輸出分析結果，從而幫助用戶更高效決策。

據SharesPost估計，Palantir 2017年收入已達到6億美元，預計其上市后市值或將超過600億美元。而Palantir之所以能很好地商業(yè)化，離不開對應用場景的選擇。

Palantir以情報分析起家，切入了市場體量巨大且痛點明顯的國家安防領域，市場規(guī)模從近日其和五角大樓簽訂的價值近9億美元的采購訂單就可見一斑。

而在發(fā)展中，Palantir將業(yè)務逐步拓展到醫(yī)療、零售、生物科技、自然災害救援、網絡安全等多個領域，尤其在金融領域取得了重大突破。

可見，Palantir讓其高精尖的黑科技有效地商業(yè)化落地，核心在于對國防和金融領域專注，這兩大領域都具備了巨大產業(yè)規(guī)模、海量數據積累并且可通過大數據大幅提升行業(yè)效率的特點。

數據應用還需回歸人本主義，用簡單交互方式將專業(yè)認知賦能普通小白，降低使用門檻。

市場競爭日益激烈的今天，以“用戶為中心”的人本主義思潮開始在各行各業(yè)涌現，而這樣的經營思維也正逐步成為企業(yè)的核心競爭力之一。

臺上一分鐘，臺下十年功。人們可能不會想到，蘋果為了讓iPhone使用率最高的部件——攝像頭更完美，聘請了近1000名工程師進行研發(fā)。簡單一個iPhone攝像頭由200多個精密零部件組成；用戶隨手拍一張照片，就發(fā)生了240億次高速運算。

蘋果投入如此多的技術與資源，目的就是為了打造極致用戶體驗，讓業(yè)余攝影者也能夠輕松拍攝出優(yōu)質照片。以小見大，相信正是對用戶體驗的極致追求，才讓iPhone在競爭日趨激烈的智能機市場，保持絕對的優(yōu)勢地位。

同樣，對于智能化數據應用而言，并非為了“炫技”，而是要真正幫助小白用戶提升工作效率，最怕曲高眾寡，成為少數專業(yè)人士的工具。唯有讓智能化數據應用更加小白化，真正做到“以人為本”，讓服務與產品圍繞著人潤物細無聲，才能被廣泛應用與普及，發(fā)揮其價值。

同理，明略推出的企業(yè)級Siri小明，也是為了解決人機交互難題，通過自然語言問答的形式降低人工智能產品的使用門檻，讓沒有計算機背景的警察、風控經理、地鐵運營業(yè)主都能輕松使用，行業(yè)人工智能產品才能普及，提高行業(yè)的生產效率。

善用數據，建設數據的反饋閉環(huán)，加速迭代出最強AI，是最終形成數據產品“護城河”的關鍵。

100年前，石油是美國第一波工業(yè)革命中最核心資源。鐵路大王范德比爾特壟斷的就是石油運輸，石油大亨洛克菲勒壟斷了石油提煉。100多年后的今天，大數據儼然成為了虛擬的石油，誰壟斷了大數據誰就擁有了互聯網和人工智能時代的致勝砝碼。

本質上，持續(xù)的大數據積累能進化決策系統(tǒng)，使之產生極強的復利效應，提升企業(yè)的競爭力。比如：Facebook積累的用戶交互數據越多，谷歌積累的用戶搜索數據越豐富，Netflix積累的用戶觀看視頻數據越廣，亞馬遜積累的用戶購買商品數據越海量，他們的AI算法模型效率就越高，產品體驗也更優(yōu)，從而能吸引更多用戶使用產品，產生更多大數據，形成正向循環(huán)，并進一步加深護城河。

可見，善用大數據，建立持續(xù)反饋的閉環(huán)，迭代更優(yōu)的系統(tǒng)決策模型，將使得企業(yè)在商業(yè)競爭中建立可持續(xù)的競爭力。

四、結語

畢達哥拉斯學派認為，數是萬物的本原。面對深刻改造人類社會的大數據，主動探索本原，繼而進化蛻變或許是當下更為可取的姿態(tài)。

文：錢皓，陳國國亦有貢獻。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。