智能战略

    曾鸣 著

    周大昕 崔传刚 译

    中信出版集团

    目录

    作者说明

    前言 为何要了解阿里巴巴

    第一部分 智能商业的兴起

    第一章 价值创造新动能

    第二章 网络协同：互连的实体如何改变商业

    第三章 数据智能：机器学习如何利用数据让商业更智能

    第二部分 智能商业的竞争：战略原则

    第四章 自动化决策：如何战略性利用机器学习

    第五章 C2B模式：如何构建反馈闭环

    第六章 定位：如何在网络中创造价值

    第三部分 智能商业如何运行：组织的含义

    第七章 自动调优：如何实现战略流程的智能化

    第八章 从管理到赋能：如何重塑组织第九章 智能商业的未来：智能商业对个人的意义

    结语 智能战略的六大超越

    附录A 阿里巴巴及其附属企业

    附录B 淘宝智能生态系统的演化

    附录C 概念基础

    延伸阅读

    致谢

    献给我的太太谭清，我的儿子曾琦峰、曾

    冠霖，以及我的女儿

    曾薪嘉，感恩你们的

    爱和陪伴。你们做出

    了那么多的牺牲，让

    我有时间专注于工

    作。

    献给所有阿里人，我们共同创造了超

    乎想象的奇迹。

    作者说明

    《智能战略》和《智能商业》是姊妹篇。这两本书都基于过去20年我对

    互联网的观察、实践和思考，特别是过去5年的系统性研究。2018年出

    版的《智能商业》是直接面对比较广泛的中国读者的，所以更多的是从

    商业大变革的宏观角度切入，从不同的侧面阐述智能商业的特征和演

    化，以及对商业、战略、组织等方方面面的冲击。

    《智能战略》是直接用英文写作的，同时也遵循了哈佛商业评论出版社

    比较聚焦和严谨的写作体例，更接近一本商学院的教科书。这本书最大

    的价值在于对阿里巴巴集团这个智能商业的创新案例，进行了多方面、深入的分析和讨论，从而对智能战略和智能组织如何落地提供了很多思

    考的养分。对于创业者和商业人士，这本书应该是《智能商业》的一个

    很好的补充，特别是在战略和组织方面。

    《智能战略》是英文原版的直接翻译，没有按中文的表达习惯全面改

    写。原因是中英文的差别不仅仅是文字上的，更是思维上的，将文字原

    本呈现出来，可以让读者对西方式的思维体系有更直观的感受和不同的

    启发。此外，本书还提供了相当多的关于阿里巴巴集团和中国商业的背

    景介绍，尤其是在附录中详细梳理了阿里巴巴集团的大事记以及各板块

    的业务发展，并且结合本书的核心概念框架，系统分析了淘宝智能生态

    系统的演化，呈现了淘宝在不同阶段的成长路径，相信这些详尽的资料

    会对大家有所启发。

    前言

    为何要了解阿里巴巴

    11月11日本是一个平凡的日子，但因为该日期由4个“1”组成，所以中国

    的年轻人幽默地将这一天称为“光棍节”，这一天也由此成为单身人士的

    节日。2009年，“光棍节”被重新定义成了“双十一购物狂欢节”，如

    今“双十一”成为世界上规模最大的购物日。

    “双十一”网络购物狂欢这一概念最初是由阿里巴巴旗下的天猫提出的，这个本来普通的日子成了像美国感恩节后的“黑色星期五”和阵亡将士纪

    念日那样的购物节点。当时天猫团队完全没有料到，这一人造的“节

    日”竟然会成为人类历史上最大的购物日。

    2017年11月10日，“双十一”前夜，我在阿里巴巴的指挥中心焦急地等

    待。在那里，一排电脑屏幕上闪烁着实时的销售数字、按商品分类的趋

    势线，还有网络速度和响应能力的不断测试。2016年“双十一”，阿里巴

    巴各平台当天的销售额达到1207亿元(约150亿美元) [1]

    ，消费群体来

    自全球200多个国家。 [2]

    这一数字让美国的“黑色星期五”和周一网络购

    物节相形见绌，因为这两个购物节的销售额还不到35亿美元。那么，2017年“双十一”这一天，阿里巴巴的销售额会是多少呢？

    虽然中国进入消费品丰沛时代的时间不长，但并不能阻止“双十一”迅速

    成为全民性购物狂欢节。在“双十一”前几周，消费者就会在网上对比价格，规划支出，或将心仪的商品加入虚拟购物车。但对于阿里巴巴来

    说，客户的认同仅仅是完成了第一步。在头几年的销售中，瞬间的巨大

    流量压垮了阿里巴巴的服务器，堵塞了网络支付渠道，甚至引发了全国

    各地的网络塞车。2012年“双十一”的销售额暴涨三倍，整个购物系统和

    物流系统几乎陷入瘫痪，发货动辄延迟数周，为此阿里巴巴与物流伙伴

    一道想办法改善物流系统。在2016年峰值时刻，阿里巴巴平台系统每秒

    钟要处理17.5万份订单和12万笔支付。2017年，“双十一”的营销活动铺

    天盖地，还会有全国性的电视直播，销售额势必再创新高。那么所有的

    广告投放究竟会带来多少新增销售额？阿里巴巴的技术是否能应对2017

    年的购物洪峰？

    午夜临近，全国乃至全世界的消费者都开始在手机上疯狂下单，因为目

    前网络购物主要是通过手机。随着“双十一”倒计时的开始，指挥中心音

    乐响起——4，3，2，1。让我们见证奇迹的时刻。仅仅在11秒内，阿里

    巴巴平台的销售额就突破了1亿元(约1500万美元)；17秒后，达到10

    亿元(约1.5亿美元)，其中97%的订单都是通过移动终端完成的。消费

    者迅速抢下最划算的商品，许多人在等待支付的几秒时间内发现自己在

    一个月前就选好的商品已被一抢而空。

    3分钟后，销售额突破100亿元(约15亿美元)，这是2014年“双十一”当

    日的总销量，现在1个小时就完成了。阿里巴巴的技术平台在峰值时每

    秒要处理32.5万个订单和25.6万笔支付。

    按照线下的说法，那就是圣路易斯或匹兹堡的每个人都要在同一秒钟内

    完成退房。VISA信用卡拥有世界上第二强大的支付处理系统，截至

    2017年8月，其处理能力是全球每秒6.5万笔支付，但这一能力仅仅是阿

    里巴巴的14(见图1)。 [3]图1 阿里巴巴交易和支付处理速度与VISA信用卡的对比(2009—2017年)

    仅仅7分23秒，阿里巴巴平台交易数量就突破了1亿次，这相当于2012

    年“双十一”24小时的交易量。耐克在天猫的旗舰店在1分钟内实现了10

    亿元的销售额。阿迪达斯的旗舰店也毫不逊色，很快就跟耐克打成平

    手。这两家公司在2017年“双十一”首个小时的销售额都超过了2016年“双十一”全天的销售额。截至当天结束，两家旗舰店的新客户人数均

    超过100万。仅在阿里巴巴平台销售的网店“韩都衣舍”在当天爆红，只

    用了5分多钟就实现5000万元(约750万美元)的销售额(有关“韩都衣

    舍”的更多介绍，请参阅本书第六章)。全国的卖家都在高喊“卖光”“售

    罄”“断货”!

    芝麻开门

    午夜开始后12分钟，上海的一位买家就收到了“双十一”购物的第一个包

    裹；3分钟后，宁波的一位女买家收到了“双十一”第一个海外购物包

    裹。“双十一”将中国与世界紧密相连，让买家买遍全世界，让卖家卖到

    全世界。其中许多商品是中国消费者青睐的海外产品类别，截至凌晨4

    点，有300万只加拿大虾和160万只阿根廷对虾被订购；截至9点，卖出

    了5000多吨奶粉和10亿片一次性纸尿裤。这样的购物狂欢持续了一整

    天，到当天下午1点，销售额就超过了2016年“双十一”的总和。

    这一整天的网络购物井喷产生了8.12亿个包裹，发往中国各地和世界各

    国。这里有一些空间类比可以让大家更加直观地体会这一盛况：如果这

    些包裹连起来，可以绕地球1200圈；这些包裹可以装满8万多架波音747

    飞机；这些包裹的运送里程合计超过3900亿英里(约6300亿千米)，相

    当于在地球和冥王星之间往返40多次。实际上，这些包裹的投递可能构

    成了人类历史上最大规模的货物运输。

    一切都有条不紊。在上午9点30分之前，已经发运了1亿个包裹。许多中

    国消费者在下单当天就收到了货，绝大多数“双十一”的网购都在一周之

    内完成送货。因为阿里巴巴不是零售商，也没有备货，所以全部包裹都

    来自全国各地(甚至全世界)并发往全国各地(甚至全世界)，而阿里

    巴巴所主导的物流平台菜鸟网络在配送方面厥功至伟。

    在“双十一”当天，阿里巴巴共处理了15亿笔交易，总销售额达1682亿元

    (约250亿美元)(见图2)，这差不多是中国整个零售业(包括汽车和

    房地产等高价商品在内的线下销售)2016年平均日销售额的两倍。当天

    有167个品牌实现了超过1亿元的销售额。消费者在天猫网站上购买一切

    商品：服装鞋帽、家居用品、电子产品、珠宝首饰等，甚至还有消费者

    在网上购买了售价250万美元的阿斯顿·马丁限量版快艇。图2 2009—2017年阿里巴巴“双十一”销售额的年增长情况

    “双十一”不仅是一个营销奇迹，也是一个技术奇迹。阿里巴巴的每位员

    工都要为这一天努力工作好几个月。为了避免发生系统崩溃的情况，他

    们要开展数十项压力测试，涉及IT(信息技术)系统、前端网站和物流

    体系。凭借人工智能技术，整个阿里巴巴网络以及全部的独立商家、支

    付服务商、仓储和快递商家紧密合作来应对海量需求。此外，这一强大

    的网络现在正在扩展到新的价值链环节，并开辟出新的领域。阿里巴巴绝不是中国版亚马逊

    2014年9月19日，阿里巴巴进行首次公开募股(IPO)，这是世界上最大

    的一次公开募股，全球瞩目。今天，阿里巴巴的市值与亚马逊和脸书

    (Facebook)不相上下。阿里巴巴的销售额超越沃尔玛并扩展到世界主

    要地区。公司创始人马云从一个中国普通男青年和两次高考失利的人，一跃成为全世界家喻户晓的商界领袖。

    作为阿里巴巴的高级管理人员，我遇到过很多简单地将阿里巴巴视为全

    球最大的零售商或中国版亚马逊的人。这种印象极其错误，完全无视阿

    里巴巴突破性的商业模式，也忽略了阿里巴巴在世界经济形势变化中的

    标杆意义。与亚马逊不同，阿里巴巴并非传统意义上的零售商。阿里巴

    巴既没有自己的独立采购或库存，物流服务也是由第三方服务提供商执

    行；阿里巴巴是将所有的在线零售和服务综合在一起，通过庞大的数据

    驱动将卖家、营销人员、服务提供商、物流公司和制造商关联在一起的

    平台。换言之，阿里巴巴是亚马逊、eBay(易贝)、贝宝(PayPal)、谷歌、联邦快递、所有批发商，以及常说的相当一部分美国制造业和部

    分金融功能整合在一起的平台。但阿里巴巴本身并不实现这些功能。阿

    里巴巴利用技术来组织和协调数千万家中国企业的作业，由此打造一个

    全新的互联网商业生态系统(主要是在线运营)，并实现比传统商业更

    快速、更智能、更高效的服务。

    阿里巴巴的使命是应用机器学习(计算机科学的一个分支，通常被理解

    为人工智能领域的一个子集)、移动互联网和云计算等尖端技术来彻底

    革新商业运行方式，中国为此模式的发展提供了肥沃的土壤。因为中国

    的传统商业基础设施很薄弱，通过利用互联网新技术，阿里巴巴将中国

    欠发达的零售业(无论是实体还是在线零售方面，都落后于西方国家)

    带向了21世纪的商业前沿。阿里巴巴的合作伙伴蚂蚁金服和菜鸟网络也

    在支付和物流领域做着同样的事情。

    互联网尤其是电子商务在中国有着与美国截然不同的发展路径。正如马

    云经常说的那样，“电子商务在中国是主菜，在美国则是甜点”。在很短

    的时间内，像阿里巴巴这样的公司就彻底改变了中国零售业，并开始产

    生世界范围内的影响。实际上，中国的线上与线下销售比例是美国的两

    倍多。阿里巴巴的做法与亚马逊完全不同。

    那西方读者为什么要了解这一点呢？试想一下，如果现在有人要从零开

    始从事一个行业，无论是食品加工、家具制造还是银行业，他可以充分利用现有的互联网和机器学习技术且没有任何传统经营的负担，那么他

    的做法会有什么不同于传统方式呢？自然而然的选择就是利用强大且相

    对便宜的互联网和数据技术来构建新的业务模式。脸书和谷歌就是这样

    做的，这两家公司创造了以前从未存在的行业。但在中国，我们几乎在

    重构所有的行业，无论是传统行业还是新兴行业。

    在美国，当采用新技术解决新问题时就会产生互联网服务巨头，例如在

    线广告、在线拍卖或社交网络领域。在我看来，在中国则是用新技术去

    解决老问题时会有巨大空间，例如在零售、金融和物流领域。本书就是

    为了向读者呈现后一种情况里的商业战略。每个行业几乎都要采用新技

    术去解决老问题。到目前为止，美国新技术对传统行业的渗透程度不如

    中国，因为美国传统行业本身的效率还不错，但变革即将来临。这就是

    中国“面向未来”的商业模式可以为西方国家提供借鉴的原因，从中可以

    总结出如何利用新技术在传统产业中竞争并创造出新价值。

    中国指向未来

    中国对商业未来的看法可以给西方商界领袖提供全新视角。一个不求甚

    解的观察者对中国的印象可能还停留在20年前：世界工厂或山寨产品横

    行的落后市场。但现在，这种印象是一个危险的错误。尤其是在互联网

    行业，中国企业正在创造世界级的产品和消费者体验。其他行业也在迅

    速模仿学习，各行业都在利用互联网技术实现商业模式创新。 [4]

    事实上，中国已经是全球“无现金”社会的领先者，所有支付几乎都可以

    通过手机完成。只要有移动互联网，消费者就可以通过手机获得银行和

    支付服务，尤其是在ATM(自助柜员机)分布不多、银行网点稀少和

    信用卡普及率不高的地方。在美国，传统的银行和支付行业正面临被苹

    果、谷歌、亚马逊、贝宝以及其他高科技公司颠覆。然而，美国人仍然

    习惯携带装满了各种信用卡、现金和支票的钱包，然后还要带上手机。

    我有一半时间生活在美国，但当我身处美国时，常常会觉得美国的这些

    金融服务真是落伍。

    这一“无现金”现象在中国出现的时间要早于美国，原因正如经济学家约

    瑟夫·熊彼特所解释的，创新大多发生在传统势力空虚的地方。中国的

    许多行业缺乏强大的传统设施或主导企业，这就为商业实验和建设提供

    了开阔地带。升级换代没有传统的掣肘，也没有高昂的转换成本，这种

    自由正是熊彼特所说的“创造性破坏”的重要组成部分。在美国，人们很容易获得和享受先进技术，消费者市场成熟，行业结构

    稳定。在这种情况下，人们很难看到即将到来的变革。当然，美国的各

    行业也在感受互联网的颠覆，每个行业都有自己的变革特点和主导企

    业，如今美国越来越多的人和企业开始拥抱变化，变革似乎在不断加

    速。但在中国，企业家已经在采用新的战略重塑传统产业，并通过全新

    的大规模协作创造全新的产品和服务。中国不是追赶者，中国的创新与

    西方国家平行，甚至会在某些领域“跨越”西方国家。

    中国企业家的成功经历不仅表明如何用新的商业战略变革传统行业，更

    为重要的是，中国的做法加速了西方公司的转型，并迫使它们拥抱智能

    商业。本书所要阐述的商业模型和战略完全可以走出中国国门而放之于

    四海。阿里巴巴的电子商务模式已经在印度迅速扩张。我们的支付宝正

    席卷亚洲，并日渐成为移动支付的新标准，甚至已悄悄进入欧洲和北

    美。在最近一项调查中，阿里巴巴击败亚马逊(排名第二)成为64家顶

    级企业中最值得投资并值得持有10年以上的公司之一。 [5]

    庞大的数字之外，阿里巴巴对未来业务模式的重大贡献是利用高新技术

    改造企业，并大规模消除传统经济的弊端。通过提供能在新市场或新价

    值链环节上孵化平台的基础设施和核心机制，阿里巴巴正在支持创业者

    开展运营和实验。

    商业战略规划者需要了解阿里巴巴为何要这样做，因为这解释了价值创

    造和竞争优势的新动态。通过剖析阿里巴巴，读者可以获得未来商业战

    略和竞争的密码，而我的毕生事业就是解读这些密码并亲历其崛起。

    我的选择

    1998年，我在美国伊利诺伊大学获得国际商务和战略博士学位，之后加

    入欧洲顶级商学院INSEAD(欧洲工商管理学院)担任助理教授，教授

    一门关于亚洲商业的课程。随着互联网的兴起，我觉得有必要教授一个

    关于中国互联网初创公司的案例。当时大部分公司都是美国商业模式的

    模仿者，例如模仿雅虎门户模式的搜狐和新浪。但阿里巴巴引起了我的

    注意，这家公司没有西方先例可循。当时许多人都在热议阿里巴巴是否

    能成功，这让其成为很好的MBA(工商管理硕士)教学案例。于是我

    联系了阿里巴巴，公司管理层也同意让我对其开展研究。

    2000年4月，我第一次见到马云，同时跟阿里巴巴的管理层谈了三天。

    那时，阿里巴巴只是一家有一百来人的小型创业公司，刚刚从马云的公寓搬进一栋写字楼。1999年，马云用公司宝贵的一点现金购买了阿里巴

    巴的域名，因为全世界都知道“阿里巴巴和四十大盗”的故事。虽然当时

    看上去风险很大，但阿里巴巴的独特文化还是感染了我。阿里巴巴对环

    境变化的应对不依赖于传统模式或西方模式，换言之，阿里巴巴在创

    新。

    2002年秋，我作为长江商学院的七位创始教授之一回到中国。长江商学

    院是由李嘉诚基金会创办的中国第一家私立商学院。同时，我也开始为

    企业提供咨询。在阿里巴巴，我会讲企业战略，并每年主持三场公司战

    略会议。当时互联网泡沫刚刚破灭，阿里巴巴也处在艰难时期，但跟马

    云一样，我坚信互联网的未来。毕竟我是伊利诺伊大学的博士，深受校

    友马克·安德森的影响，这位网页浏览器Mosaic(莫扎克)的发明者是

    20世纪90年代互联网的风云人物。

    2006年1月，我在伦敦完成了第一本英文书的写作，书名是《龙行天

    下：中国制造未来十年新格局》(哈佛商业评论出版社出版)，合著者

    是剑桥大学贾吉商学院战略学教授彼得·J. 威廉姆斯，这本书总结了我

    对中国新兴跨国企业的研究。在那年农历春节前一天，我在去机场的路

    上接到了马云的电话，他邀请我全职加盟阿里巴巴。当飞机在北京落地

    后，我给他打电话，告诉他我接受邀请。

    脚踩两界

    自加入阿里巴巴以来，我与数百名企业家和全球各地的领导者进行了交

    流，他们都想了解如何应对新的商业现实。对此我正好有自己的见解。

    在阿里巴巴，我很快发现它的成功秘诀无法用我在商学院学到的商业战

    略理论来解释，全世界的商学院都找不到这样的内容。

    马云邀请我加盟阿里巴巴是为了帮助企业驾驭这个全新的战略格局，同

    时弥合学术理论与行业实践之间的差距。当我进入阿里巴巴时，马云给

    了我一个超级棒的头衔：总参谋长。这在中国是广为人知的军事头衔，在军队体系中这一职位大概排名第三并负责制定战略，大致类似于一家

    典型西方公司首席战略官一职。 [6]

    作为马云的战略顾问，我针对阿里巴巴史无前例的商业模式开发了新的

    概念框架和实践方法。除了制定这些战略并评估其有效性之外，我要与

    阿里巴巴平台上的许多伙伴保持紧密合作。我的日常工作就是在高层战

    略理论与执行细节之间不断修路架桥。我的另一个优势在于，我是横跨太平洋两岸的研究人员和从业者。我出

    生在中国，但在美国接受教育，并在全球各地的商学院教过书。除了目

    前在阿里巴巴的工作，在过去的几年，我都是一半时间在中国，一半时

    间在美国西海岸，由此可以紧盯中美两国最新的创新做法。当中国企业

    采用最新技术来解决新出现的业务问题时，中国的商业战略就开始显现

    出价值。因此，中国继续“跨越”了美国做的很多事情。

    我不想增加西方对中国的担忧，因为现在有些焦虑已经过头；相反，我

    希望能够对外传播中国的做法和经验，而这些做法和经验对西方也大有

    裨益。正如伟大的中国军事家孙子在其《孙子兵法》中所言，“知彼知

    己，百战不殆”。 [7]

    不过我的出发点不是斗争，而是分享知识。我无法

    拒绝自己作为教育者的本性，我在中国的团队也依然称我为教授。

    让我提供一个面向未来的视角。这相比“双十一”的销售规模或许很小，但其重要性却不小，因为它也起源于中国。

    网红的崛起

    2015年4月20日，当时年仅25岁的张林超开始创业，并创立了在线服装

    品牌LIN EDITION LIMIT(以下简称LIN)，她也担任模特)。张林超

    在英国当交换生时开始接触服装，她利用假期采购中国的杂牌服装转

    售。渐渐地，她意识到阿里巴巴的电子商务平台淘宝能将她的业余爱好

    转变为真正的创业。截至2017年，LIN成为淘宝上著名的网红创立服装

    品牌之一，这是中国社交媒体上最具影响力的群体。 [8]

    在美国，社交媒

    体上的网红会发布图片，然后获得大品牌的赞助或播发小型广告视频业

    务。但在中国，全新的在线商业环境意味着像张林超这样的创业者能创

    立自己的品牌、销售自己的商品，并开拓盈利颇丰的业务。现在淘宝上

    的网红店有成千上万家。

    2015年的某个春日，张林超准备发布一批LIN新款服装。下午3点，15款

    新装在LIN的店面亮相。但当时已经有成千上万的粉丝等候在屏幕前

    了，他们已经看过微博上发布的款式并知道自己要买什么。LIN预计当

    天会销售几千件商品，但它只有1000件库存。注意，不是每款有1000件

    库存，而是总计只有1000件库存。任何常规的线下商店都会惊讶于LIN

    的低库存。

    下午2点58分，运营经理罗凯命令所有员工打开电脑扬声器。2分钟后，实时通信的提醒声立刻组成了一曲交响乐。6万用户正在访问网店。1分钟内，15款新装的存货全部销售一空，LIN已有准备：只需点击几下，新货又开始上线并标注为“预售”；20分钟后，预售批次也被抢空，运营

    经理重新配置了第三批服装的链接。当他打字时，他也在同步计算需要

    多少面料和多长的加工时间。他会充分考虑10%~20%的退货率，同时

    根据过去两周潜在客户所表现出的兴趣来确定到底需要多少预先存货。

    张林超几乎把在线服装零售业务变成了按需生产业务，却又能做到批量

    生产的价格。只有当LIN网店确认订单之后，整条价值链才会转动起

    来。买家也知道在网上订购的服装还需要7~9天的加工和运输。当天

    LIN的合作工厂已经开始生产第一批下单的商品。

    下午3点17分，张林超在她的微博账号上发了一条消息：“你们太给力

    了。”在短短几分钟内，这条消息就有了超过500条评论，大部分都是抱

    怨没有买到自己心仪的款式。截至当天3点45分，销量已超过前几周的

    销量，但依然有1100名客户在线上等待上新。工厂将加班加点生产来应

    对客户的订单。当天结束时，LIN创下了销售新纪录：每个款式的销量

    都突破了1万件，每位顾客平均消费1000元(约150美元)。

    张林超本人就是LIN的模特、设计师、营销者和经营者。像她这样的网

    红都是通过微博吸引客户，后端运行的公司规模往往不大，通常不超过

    一两百人，却能支持十来个像LIN这样的品牌。他们只在网上销售，几

    乎没有库存，也没有工厂，然而他们的业务却做得风生水起。在2015年

    的前4个月，LIN的销售额达到了8000万元(约1100万美元)，纯利润率

    保持在近30%。 [9]

    LIN和其他网红店也在2015年之后迅速崛起，为传统

    行业提供了全新的运营、营销和数据驱动战略。

    一种新的经营范式

    “双十一”和张林超的故事是正在席卷中国的全新商业模式中的典型案

    例，在这种新的模式冲击下，效率不高或不懂变通的企业很快就会被取

    代。这两个案例在两个截然不同的尺度上展示了买家、卖家和服务提供

    商如何通过技术介导的实时数据实现紧密协作。阿里巴巴等企业的成功

    就是将所有这些商业实体都联系组织起来，通过机器学习技术实现规模

    效益和管理复杂的市场变化。

    我将这种采用新技术来组织相关实体和重新设计行业的战略称为“智能

    商业”。像阿里巴巴这样的智能商业，利用技术来组织协调几乎无限量

    的经营实体。要实现这样大规模和复杂的整合，公司必须将许多决策和行动自动化。要做到这一点，机器学习必不可少，即计算机通过算法从

    客户和伙伴的实时数据中“学习”并做出决策，这将在本书第三章中详

    述。“双十一”购物狂欢是智能商业的典型案例。成千上万的企业无缝对

    接，瞬时满足数百万消费者的需求。“双十一”的销量似乎没有天花板，这也正是本书要揭示的秘密。当商业变得智能，商业规模就可能变得无

    限。

    阿里巴巴也会有自身的问题，但其商业战略和组织概念已完全不同于传

    统模式，由此也实现了以前不可想象的增长速度。我写这本书是为了总

    结阿里巴巴的经验教训，并为全球所有企业在智能商业新战略领域提供

    指导。

    [1] 在本书中，人民币兑换美元的汇率统一设置为6.5元兑换1美元。

    [2] 本书所有关于阿里巴巴的描述、数据和图表(除非另有说明)均为本人所负责团队在阿里巴

    巴内部研究十余年所得。本书所载的阿里巴巴淘宝平台的诸多数据和描述属首次披露。

    [3] “Inside VISA,” https:usa.visa.comdamVCOMdownloadcorporatemediavisanet-

    technologyaboutvisafactsheet.pdf, accessed March 24,2018.

    [4] 从2016年开始，主流的商业媒体似乎集体觉醒，开始意识到中国的科技行业实际上也能创新

    (但可能已经晚了5年)。关于这方面的部分文章，参见Paul Mozer, “China,Not Silicon Valley,Is

    Cutting Edge in Mobile Tech,” New York Times , August 2,2016;Jonathan Woetzel et al., “China’s

    Digital Economy: A Leading Global Force,” McKinsey Global Institute , August 2017; Louise Lucas,“China vs. US: Who Is Copying Whom?” Financial Times , September 17,2017; and Christina Larson,“From Imitation to Innovation: How China Became a Tech Superpower,” Wired , February 13, 2018.

    [5] 在64家公司之中，阿里巴巴被投资工具和研究网站CB Insight的投资者和关注者评为“买入并

    持有”10年的首选企业。阿里巴巴获得了63%的支持率，击败了排名第二的亚马逊。CB

    Insights,“What Is the Best Company to Invest In and Hold for Ten Years?” CB Insights , n.d., accessed

    March 10, 2018,www.cbinsights.comresearchcompany-investment-bracket.

    [6] 在阿里巴巴内部，马云在起名上的创造力是我们公司文化的重要组成部分。“总参谋长”事实

    上来自五角大楼“参谋长联席会议”的中文翻译。马云没有直接称我为“首席战略官”，是因为在

    他看来，首席执行官才应该是公司的首席战略官。

    [7] Sun Tzu, The Art of War, trans . Lionel Giles(Blacksburg, VA: Thrifty Books,2007).

    [8] 在中文中，“网红”是网络红人的缩写，字面意思是“互联网名人”，在西方科技媒体中时常被

    对应翻译成“internet celebrity”，本书英文版则更为简洁的将其称为“web celeb”。网红这个词可以

    追溯到2013年，当时在微博和其他中国社交媒体网站上出现了首批社交媒体意见领袖。此后，网红便成为某类特定年轻女性的常见绰号：在整形手术和照片编辑软件的帮助下，她们以刻板

    的女性美在互联网上寻求名气与财富。毋庸讳言，在一般的语境下，网红这个词通常带有一点

    贬义。本书中的“网红”是一个中性词，对其讨论仅限于中国的电子商务领域，并且主要关注其

    商业模式创新。

    [9] 淘宝和LIN这样的企业无竞争关系，后者通常在淘宝上运营，而不是在天猫上。淘宝的收入

    建立在广告模式的基础之上，企业在这种模式下为竞价排名和高质量流量付费。天猫是阿里巴

    巴为品牌商家提供的市场，以佣金为收入来源。根据行业和产品类别的不同，天猫收取的交易

    佣金为0.4%~5.0%。通过天猫全球运营的外国商户还需要为支付宝的外汇交易处理支付1%的交

    易费。有关阿里巴巴不同平台和业务的更多信息，参见附录A。

    第一部分

    智能商业的兴起

    “双十一”已经从网络调侃变成了人类历史上最大的购物日，淘宝也

    从一个小型的在线交易论坛成长为世界上最大的电子商务平台。要

    想知道阿里巴巴为何会取得如此惊人的成功，我们必须要分析其崛

    起背后的力量。通过了解阿里巴巴的故事，我们会真正看到中国企

    业的创新力量；通过了解中国人的创新，我们可以把握未来企业战

    略的全貌。

    本书前三章定义了智能商业的两大核心支柱，即网络协同和数据智

    能，同时阐释了如何发挥它们的作用。网络协同可实现大规模业务

    发展，数据智能则可确保高效运营和决策。通过解读阿里巴巴平台

    上的例子，我将论述数据和网络如何重塑商业战略。每个企业都需

    要知道这两个新功能如何改变价值创造的动力，以及这些功能将如

    何影响企业经营。

    第一章

    价值创造新动能

    为了了解智能商业在实践中的意义，我们需要仔细分析阿里巴巴。每天

    都有数百万企业通过阿里巴巴集团庞大的消费电子商务网络所创设的平

    台组织和协调起来。该平台由大品牌电商天猫和网店卖场淘宝组成，淘

    宝上有数量庞大的小型精品品牌、独立卖家和所谓的网红品牌店(详

    见“阿里巴巴概览”专栏)。这些网络为每位客户都提供了个性化的购物

    体验，每个购物者都有一个个性化的购物中心。在供给方面，卖家拥有运营在线店面的所有工具，也可以跟制造商和物流企业协调并安排在阿

    里巴巴自己的平台上完成在线支付。所有这些都是通过数据技术来组织

    完成的。

    阿里巴巴充分体现了智能商业，也绘制了生动的全新商业世界的图景。

    在这个新的商业世界里，企业使用机器学习从网络参与者中自动收集数

    据，并对客户的行为和偏好做出自动反应。智能商业通过网络协同和数

    据智能(定义和论述见下文)重构了整个价值链来实现规模效益和个性

    定制。这一双重力量促成了智能商业。

    阿里巴巴概览

    阿里巴巴成立于1999年，由马云和另外17位联合创始人共同创立，旨在帮助中国中小企业经营，并使之走向国际市场。 [1]

    如今，阿里巴巴是全球最大的零售商业公司。阿里巴巴的中国平台

    上有超过1000万家商家和超过4亿的活跃买家。阿里巴巴的中国零

    售市场业务总成交量超过0.5万亿美元。

    为了践行“让天下没有难做的生意”这一使命，我们帮助企业变革营

    销、销售乃至运营方式。我们提供了基础设施和营销渠道来帮助商

    家、品牌和其他企业利用互联网与其用户和客户开展互动。

    我们的业务包括商业、云计算、数字娱乐及其他数字媒体、创新行

    动和其他行业。通过投资菜鸟网络和口碑网，我们也参与物流和本

    地服务。另外，阿里巴巴还持股蚂蚁金服。蚂蚁金服是中国领先的

    第三方在线支付平台支付宝的运营集团。

    2003年，阿里巴巴推出了网购平台淘宝网，字面意思即为“淘换宝

    贝”。淘宝最初只是包含产品列表的论坛，但随着时间的推移，淘

    宝添加了图片及其他功能，最终成为今天的大型电子商务平台。用

    户依然可在淘宝上免费列出商品，当然现在淘宝主要依托征收广告

    费的业务模式。

    在随后的几年里，阿里巴巴集团孵化了几家专业公司(见表1-

    1)：

    ● 支付宝：2004年，这个托管账户系统成为独立公司。支付宝大大推动了中国的支付便利化，尤其是在信用卡和远程支付工具的普及

    率都比较低的中国。

    ● 天猫：2008年，天猫与淘宝分家，定位为大品牌和零售商的卖

    场。天猫卖家通常会支付0.4%到5%不等的佣金。

    ● 全球速卖通(AliExpress)：2010年上线，是一个面向全球市场

    的在线交易平台，它将中国卖家与世界其他地方联系起来。

    ● 菜鸟网络：2012年，阿里巴巴在中国推出了这个智能物流平台。

    ● 蚂蚁金服：2014年，阿里巴巴推出了蚂蚁金服。该公司现在向中

    国的消费者和小企业提供贷款。

    ● 网红公司：2014年，首家网红公司成立。

    有关阿里巴巴的更多背景和历史，请参阅附录A。

    表1–1 阿里巴巴一览阿里巴巴集团主要的投资对象和合作伙伴。

    智能商业的本质

    智能商业可归纳为一个简单的等式：

    网络协同+数据智能=智能商业

    这个简单的等式代表了阿里巴巴成功的秘诀，也代表了未来商业的所有

    密码。正如下文将要详述的，网络协同和数据智能这两个技术创造的新

    功能对传统商业流程和结构有着巨大的优势。

    从最广泛的意义上讲，网络协同就是将复杂的商业活动分解，以便不同

    企业或人群更有效地完成这些商业活动。 [2]

    从历史角度说，锁定在垂直

    整合结构或刚性供应链中的商业功能通过在线协同更容易实现。诺贝尔

    奖获得者罗纳德·科斯解释说，所有企业的结构都旨在管理高昂的交易

    成本。 [3]

    但新技术却在降低这些成本，并使网络化的方法成为可能。通

    过网络协同，销售、营销以及生产等业务活动可以被转变成去中心化

    的、灵活的、可规模生产的、可全球优化配置的过程。

    由天猫和淘宝实现的“双十一”购物狂欢就是一个很好的网络协同的例

    子。淘宝本身并没有库存，它是一个由超过千万卖家组成的平台。这些

    卖家又会与数百万合作伙伴协同，共同完成在线零售、交易处理以及配

    送货物等复杂任务。凭借人力是无法做到这些的，因此这样高水平的互

    动就是网络协同的本质：互联网上几乎无限规模和无数伙伴的自主协

    调。

    商业主体开展网络协同的同时，商业也变得越来越智能。因为实时的交

    互和在线流程会产生持续不断的数据流，然后形成连续反馈循环，使自

    动生成决策变得越来越“智能”。例如，今天淘宝上向客户推送产品等许

    多常规工作都是由机器来完成的，传统零售商则需要雇用数千名销售人

    员、橱窗设计、时尚编辑来实现同等效果。在淘宝上，机器学习是一种

    工具。在2017年的“双十一”，阿里巴巴数据库在高峰期每秒要进行4200

    万次运算。这个数字意味着机器学习算法当天要运行数十亿次，由此按

    照买家购买或浏览新款手机、巴厘岛机票甚至彩虹睡衣的记录来决定推

    送哪些产品。数据智能就是我所说的能根据消费者行为和偏好进行个性

    化产品和服务匹配的能力。 [4]

    这是今天大多数企业决定生产产品和提供服务的全新方法。

    数据智能也意味着企业迅速并自动改善机器学习技术的能力。产品推荐

    引擎就是初级的数据智能应用。这种最基本的数据智能标准业务是任何

    在线公司都会采用的，但我在此所说的数据智能要复杂得多。如果企业

    能实现自动化决策，并不断实时运行供应商运输时间、制造商完工通

    知、物流追踪以及消费者偏好等数据，那么企业就可以开发更高程度的

    数据智能应用。这种自动化是通过加强协调的机器学习算法实现的，并

    可优化价值链上的每个环节。随着越来越多的商业活动上线，所有与之

    相关的决策都可实现自动化并自动完善。这就是我所说的数据智能。

    机器学习的进步拓宽了企业运用数据智能的范围和效力，其功能要远远

    超过过去10年。正如机器对围棋和国际象棋规则的把握，算法也可应对

    长长的计算链或考虑多个场景以快速获得最佳解决方案。随着新结果的

    出现，算法又会考虑最新的信息而重新校准。算法通过连续更新来学

    习，其结果也会随着数据数量和多样性的增加而提高。通过机器学习，数据智能也会提升。随着越来越多的业务流程上线以及商业活动日益要

    求各商业主体相互协同，企业可以通过实现日常决策的自动化，以及借

    助远超人力的计算机来实现自我革新。这也是智能商业的本质。

    智能商业的兴起及其影响

    在阿里巴巴，价值链中的每个环节都被模块化，并按照技术优化的网络

    重新设置，而且大部分商业决策目前都由算法驱动。这种对创新技术的

    彻底运用改变了一切。数据是主要的资产，也是最关键的生产要素。战

    略不再意味着分析和规划，而变成了实时实验和客户参与的过程。

    正如本书下文所述，在智能商业中，传统的竞争因素正在逐渐消失，取

    而代之的是企业和无数实体之间的合作。当企业战略的出发点不再是竞

    争而是协调，创造价值的方式就彻底改变了。当企业不仅将机器学习应

    用于日常业务流程和消费者互动的自动化，同时也用来不断改善这些方

    面时，管理在创造价值方面的作用也会发生根本性的改变。企业组织不

    再是需要管理和控制的静态垂直结构，而是由无数实体组成的动态和灵

    动的网络，并为使命和机会开展协同。

    千万不要认为网络协同和数据智能只是跟所谓的互联网公司或数字化企

    业相关。我曾研究过中国的家具制造商、服装公司和美容院，这些传统

    企业也在利用这些新力量重塑业务。事实上，正是对全球企业的观察才让我得出这一新战略理论。网络协同和数据智能是将西方先进技术与东

    方创新商业模式结合的产物。

    中国的企业更善于利用网络协同，即通过互联网将业务实体结合在一

    起，而不是组建企业构架。因为大多数中国产业都缺乏完善的基础设

    施，也没有占据主导地位的企业，因此通过互联网来重塑行业的空间很

    大。美国企业普遍擅长数据智能，即应用最先进的机器学习技术实现知

    识创造自动化，或用先进技术解决图像识别、语言翻译和基因测序等问

    题。我对中美两国的企业研究多年，深信无论新老企业，无论企业位于

    何处，网络协同和数据智能对所有企业都有效果，两者相结合的威力更

    是强大。

    网络或数据都不是新概念，但此前从未被纳入整体理论中，它们是构成

    新商业DNA(脱氧核糖核酸)的双螺旋。只有对东西方企业进行观察才

    可得出全貌；只有当东西交融、阴阳交汇、数据与网络结合，我们才能

    看清未来；只有这样，我们才能制定好当下的战略。

    自20世纪90年代初以来，商学院中所教授的企业战略都把重点放在通过

    市场定位或培养核心竞争力来获得竞争优势上。但竞争优势的来源已发

    生巨大变化，企业需要全新的战略方法来适应网络和数据时代。在新环

    境中，企业将使用网络协同来实现超越竞争对手的价值和规模，并采用

    数据智能来让业务更加智能地应对外部环境和消费者观念的变化。不难

    发现，中美两国最成功的互联网企业都擅长网络和数据，因此，所有能

    决胜未来的企业也必然如此。

    诸多经济学家和企业战略家都在研究如何让波特的经典竞争分析适用于

    互联网时代，包括迈克尔·波特本人。这些对数字化和平台战略的研究

    很有启发意义。本书则试图在前人基础上更进一步，形成一个覆盖传统

    和数字企业的统一、全面的战略框架(书后附录C会有详细论述)。

    佛教有云，万法性空，“空”带来万事万物的变化。新观念和新模式的涌

    现看似令人眼花缭乱，但实际上新秩序正在形成。本书则提供了如何组

    织企业、创造价值以及在新秩序中制胜的框架。

    本书如何展开

    我写这本书有两个目的。首先，我想描述技术进步所带来的新力量，并

    阐释有关价值创造的新“统一理论”；其次，我希望揭示这些新发展对企业战略和组织的影响。

    本书主要以阿里巴巴为例，我将解释阿里巴巴的运营、战略制定和实施

    以及组织定义如何有别于传统企业。我也会谈到阿里巴巴平台上的网红

    店、蚂蚁金服，以及苹果、谷歌、优步等其他互联网企业的成功案例。

    在自我介绍、说明新商业环境和核心战略理论之后，我将在本书第二章

    和第三章中展开论述网络协同和数据智能这两个核心概念。

    本书第二部分“智能商业的竞争：战略原则”将通过三章内容来描述创造

    实时数据、消费者驱动和战略定位再思考这些核心战略原则。第四章阐

    述了如何将业务“上网”，并对工作流程进行“软件化”处理以实现自动化

    决策。一旦做到自动化决策，借助实时数据的机器学习就能创造良性循

    环，由此不断改善客户体验和业务效率。在第五章中，我将讨论围绕客

    户建模的战略重要性，我将此称为“C2B(客户对企业)模式”，在中国

    有许多这样的案例。在第六章中，我将解释智能企业定位战略的变化。

    企业战略和能力是相互依存的：必须将企业置于网络协同中以最大限度

    发挥其潜力，并为客户和合作伙伴创造更高的价值。

    在本书第三部分“智能商业如何运行：组织的含义”中，第七章介绍了新

    战略流程，第八章阐述了新管理愿景。网络和数字优化操作的散播重塑

    了企业功能和思维。智能企业可自动化处理大部分日常工作，但反过来

    也要求更多的测试。企业必须在愿景和行动之间不断检验，采取适应性

    甚至市场驱动的战略方法。这种新方法搭配愿景和文化来吸引合适的合

    作者。从企业内部说，由于日常业务活动都实现了自动化且各方都处在

    网络协同中，因此管理必须超越日常管理或提供激励。管理必须通过建

    立支持前沿创新的基础设施或打造有利于跨网络协同的机制来推动创

    新。

    今天的企业都是通过创新创造价值，而创新是人的创造力的产物。当创

    造力取代肌肉力量和知识操纵成为经济生产的关键因素后，我们将见证

    一场创造力革命，一场超越了管理大师彼得·德鲁克所言的“知识革

    命”的革命。这样的革命将会改变企业组织形态和人类体验。在第九章

    中，我将总结本书中的概念并归纳企业要面对的商业变化。

    这本书很大程度上借鉴了我在阿里巴巴担任企业战略高管的经验，以及

    对阿里巴巴业务模式的多年原创性研究。如果读者想要了解阿里巴巴及

    其商业模式，可参阅附录A。在本书中也穿插提到了阿里巴巴电商平台淘宝的故事，附录B是关于淘宝平台历史和发展的案例。附录C则介绍

    了有关智能商业的概念和理论，供有兴趣的读者深入了解。

    [1] 有关阿里巴巴以及淘宝早期与eBay的竞争，请参考波特·埃里斯曼的《阿里传：这是阿里巴

    巴的世界》(其简体中文版已由中信出版社于2015年出版)，以及邓肯·克拉克的《阿里巴巴：

    马云和他的102年梦想》(其简体中文版已由中信出版社于2015年出版)。

    [2] “网络协同”这个词是我在2007年6月针对阿里巴巴内部战略而创造的一个术语。这一概念借

    鉴了产业组织等经济学学科的经典理论以及网络科学等较新的跨学科理论。想了解更多关于基

    于网络的商业模式，参见David Easley and Jon Kleinberg, Networks , Crowds , and Markets :

    Reasoning About a Highly Connected World (Cambridge: Cambridge University Press, 2010).

    [3] 关于企业结构的这篇重要论文是科斯的《企业的本质》，参见Ronald H. Coase,“The Nature of

    the Firm,” Economica New Series ,4, no. 16(1937): 386–405(Blackwell Publishing)。随后，他

    发表了另一篇非常有影响力的文章《社会成本问题》，参见Ronald H.Coase, “The Problem of

    Social Cost,” Journal of Law and Economics 3(October 1960): 1–44。在组织经济学领域，包括诺

    贝尔奖得主奥利弗·威廉姆森在内的许多经济学家也都做出了大量的贡献。

    [4] “数据智能”这个词是我在2014年针对阿里巴巴内部战略创造的一个中文词汇。它描述了一种

    应用机器学习技术的策略方法。正如我在第三章中解释的，与机器智能、数据科学和大数据等

    相关术语不同，数据智能更多地关注数据和算法的实际使用及其所产生的相应商业结果。有关

    机器学习和数据科学的更翔实内容，参见Pedro Domingos, The Master Algorithm: How the Quest

    for the Ultimate Learning Machine Will Remake Our World (New York: Basic Books，2015)。

    第二章

    网络协同：互连的实体如何改变商业

    10月对中国消费者而言是极其重要的一个月份。每年10月开始的一周是

    中国的国庆假期，也是中国最长的公共假日之一。当国庆节结束，人们

    重新回到自己的工作岗位后的一个月，一个更重要的节日即将来到：11

    月11日，“双十一”购物狂欢节。由于当天会有大量的购物折扣和优惠，因此在这一天之前购物是不明智的。10月最好不要大量购物，因为“双

    十一”才值得血拼。10月也同样是制订来年旅行计划的好时机，因为“双

    十一”有最优惠的价格，甚至一些最重要的人生投资也值得等到那一

    天，例如买房、生娃或结婚。不管如何，人人都应提前列好购物清单，因为“双十一”要到了。

    但当“双十一”真正来临，一个令人头疼的问题就会出现——11月第二个

    星期的物流往往非常慢。在购物狂欢之后，中国的邮政和快递系统会陷入半瘫痪状态，至少这种情况曾出现过。

    2012年11月11日，中国网络购物的第四个“双十一”，当时的盛况让全国

    网民都难以忘记。阿里巴巴在24小时内的零售额接近200亿元(约30亿

    美元)。无论是大品牌还是小店铺，无论是国产货还是进口货，都卖疯

    了。在前几年，电子商务似乎还不足以影响到传统商家，但经过这一年

    的“双十一”，人们心里都清楚：电子商务的时代来了。曾经难以撼动传

    统商业的电子商务成为新的潮流，人人都想挺立潮头。

    但消费者却看到了不同画面，那就是全国物流系统的灾难性失败。因为

    无法处理创纪录的7200万个包裹，仓库里堆放不下，道路上货车拥堵

    (2010年和2011年“双十一”的包裹数量分别只有100万个和2200万

    个)。航空、铁路甚至船运都陷入拥堵。邮政员和快递送货人员加班加

    点，疲于奔命。那些在“双十一”发出的货物本来在正常情况下只要三五

    天就能送到，但那一年却足足花费了两个多星期，甚至到了11月底，有

    些包裹还没有送到买家手里。

    在看到中国消费者的消费力量，并确定来年的包裹数量至少要再增加

    50%的情况下，阿里巴巴和中国的物流公司开始行动起来。它们开始加

    大对基础设施的投资，更重要的是，它们开始寻求在新兴物流业中的协

    同机制和体系。2013年11月10日，物流业的高管们都捏了一把汗，不知

    道以前的物流瘫痪是否还会重演，但令人惊讶的是，这种情况再也没有

    发生。在9天之内，阿里巴巴平台上在“双十一”达成交易的1.52亿个包裹

    中有23送达了目的地。

    效率继续提升。2014年，在“双十一”交易完成的2.78亿个包裹中，有超

    过1亿个包裹在17日之前就完成了送货，即“双十一”后的第一周内。到

    2016年的“双十一”，只用了三天半时间就完成了1亿个包裹的投递。如

    今的中国消费物流配送系统可能是全世界最高效的(当然也必须如此，因为从2009年至2017年，“双十一”当日交易的包裹数量增加了令人瞠目

    的3123倍)。从全国各地发出的包裹一般在一两天内就可送达目的地，而且运费并不高，这与灾难性的2012年大相径庭。

    中国的物流升级和阿里巴巴的菜鸟网络故事完全可以写成另外一本书

    (请参阅附录B中的简述)，但真正推动行业快速发展的关键是网络协

    同。各类实体借助互联网平台和数据技术学会大规模协同作业。在本章

    中，我将阐述网络协同及其对阿里巴巴的重大意义，以及网络协同如何

    融入智能商业战略。从线条到网络

    网络协同是指对商业任务开展多方同步协作的自动化管理。这种协同所

    产生的结果与价值链直线作业结果大不相同，因为在传统直线作业中，命令是从上至下层层传递的。“双十一”是网络协同的好例子，所有销售

    商、买家、生产商、供应商和物流公司一起完成任何单一企业都无法完

    成的任务。这一切虽然是在阿里巴巴平台上完成，但并没有阿里巴巴的

    强制命令。网络协同让许多人或者企业在线合作解决复杂的商业问题，其效率和效果远远超过垂直整合的架构。这种新的方式就是阿里巴巴电

    子商务平台的力量所在，同时也为平台上的许多创新型商家创造了独特

    商机，例如前面提到的网红店铺。

    但阿里巴巴最初却不得不依靠网络协同，因为阿里巴巴缺少时间、技能

    和资源去构建企业内部所需的各项功能。例如卖家在阿里巴巴平台上卖

    掉了产品，而通过中国的邮政系统送货会非常慢，这时阿里巴巴工程师

    无法做到马上创建一家快递公司，但他们可以创建标准化的在线工具和

    其他可以整合阿里巴巴平台上服务的机制。借助这些工具和机制，工程

    师可以鼓励其他厂商努力提供卖家所需要的服务。通过这种方式，阿里

    巴巴把越来越多的服务商汇聚在平台上，由此也让阿里巴巴成了网络协

    同的平台。附录B详细描述了2003年淘宝成立之后，这种网络协同的演

    化和发展。

    网络协同将商业活动从传统的线性供应链形式中解放出来。传统的零售

    商，无论是线上还是线下，所要处理的信息流是线性的，即从供应商到

    客户，而阿里巴巴是一个在线的市场，要协调几乎无数“玩家”不断扩张

    的在线网络。在阿里巴巴获得成功的感召下，其他有前瞻性的中国企业

    也正在利用互联网，将传统行业中的线性结构改造成网状结构。这些企

    业正在重构从家具制造到在线教育等的各行各业，新的商业模式往往

    会“跨越”传统模式。事实上，只有去中心化的网络协同才能同时实现当

    今商业的核心要素：规模、成本、速度和定制。

    越来越多的商业功能将会被重构，不仅在中国，在全世界也是如此。在

    未来几十年，价值创造策略的重要驱动之一就是网络协同。下面我们可

    以用淘宝上的最新玩家——网红店主的故事，来说明在实践中网络协同

    如何发挥作用。

    本书前言中已经初步介绍了这些网红店主的故事。他们的品牌完全是在

    线品牌，没有任何线下销售渠道，库存在任何时候都不会超过销量的10%，制造和运输都是在下单之后的20天之内完成。在本书的第二部

    分，我还会介绍这些网红店主如何创造自己的品牌并实现柔性制造。但

    首先，我们需要挖掘其商业模式的根本优势——网络协同。

    网红背后：网络协同

    2014年下半年开始涌现大量网红，这让淘宝自身也感到惊讶。在没有线

    下实体店和大量广告投放的情况下，这些网红店铺却拥有超常的用户黏

    性和客户转化率。其销售周期也显得很奇特：或许平日完全没有业务或

    只有很少业务，但在某个销售爆发日却可能实现超过100万元(约15万

    美元)的销售额。由于这些商家的销售情况与淘宝上的普通电商截然不

    同，最初淘宝的员工还担心这些商家是否找到了隐秘的作弊方法。

    这些网店其实是新生事物。网红最初出现在女装类、热销休闲时尚和轻

    奢品类，针对的是淘宝网上最年轻的14~21岁用户群体。网红店主通常

    会在自己的淘宝店铺显示自己的新浪微博账号。这些网店的代言人无一

    例外都是年轻貌美的女性。网店中所有商品都会以网红为模特，但这些

    照片通常又是以非专业的方式拍摄的(主要是“自拍”)。这些网红并非

    严格意义上的职业模特或名人，她们销售的产品及其款式也很难归为传

    统的淘宝女装类别，例如网红店主主打的通常都是“韩范儿”、“欧洲

    风”或“原宿街头时尚”。

    这些网店每隔三四周就会发布一组新款。与传统的淘宝网店常常在虚拟

    货架上“挂”出几十款甚至几百款产品不同，网红店通常只有二三十款产

    品，以衣服为主，偶尔也会有鞋或配饰。在新款上架前几天，网红店主

    会提前宣布即将举行的促销活动并指定开始的时间，例如下午2点或晚

    上8点。每次销售前，都会有数以百计甚至成千上万的粉丝等在电脑或

    手机前准备抢购。在中国，这种销售方式被称为“饥饿营销”，即故意营

    造限量或缺货的“假象”来推高销售(如果你不买，别人就买走了)。大

    部分服装款式几乎都是“秒光”。

    一旦第一批货物售罄，网店就开始预售相同的款式。一般而言，流行的

    款式能有两三轮的预售，每轮都有相应的送货时间，例如在下单后10天

    内送到。许多粉丝甚至愿意等待一个月来购买他们最中意的款式，要知

    道在网购中一个月可是很长的时间(这与美国相比也很先进，美国零售

    商备货的时间常常会长达几个月)。网红店主和网红销售彻底重构了零

    售业。与全球大多数零售商不同，当网红店里的销售“完成”时，其卖出

    的大部分产品还未被生产出来。在微博上，网红的行为与普通大V(微博平台上获得个人认证，拥有众

    多粉丝的微博用户)也有很大不同。微博账户分为个人和企业两类。企

    业账户通常由机构或企业主导，例如阿里巴巴的官方微博或耐克的微

    博。显然，微博的大部分广告收入来自企业账户，它们是购买广告和其

    他服务的主要群体。大多数个人用户不会花钱去交朋友，然而网红虽然

    也是个人账户，却花费了大量广告费来获得新的粉丝。她们的账户内容

    看起来跟其他个人账户内容没什么区别：晒她们的生活方式、美图或旅

    行图片，但这些账户显然被用于商业目的，花费了大量广告费来进行精

    准广告投放。这种反直觉的行为反映了一个反直觉的事实：网红店铺是

    企业，尽管它有着“个人化”的面孔。

    微博

    新浪微博是新浪网于2009年创立的微博网站。(微博从字面理解就

    是“微小的博客”。最初中国也涌现了多家微博平台，但随着新浪微

    博一家独大局面的形成，微博也慢慢变成“新浪微博”的代名词。本

    书也遵循这种普遍用法。)

    虽然微博最初只是推特的翻版，但很快就演变成一个热闹非凡的社

    交平台，看上去更像是脸书、Reddit(社交新闻网站)和推特的组

    合，甚至还略带视频网站YouTube和实时流媒体的特征。因为中文

    的140个字符可以包含比相同拉丁字符更多的内容，所以与推特关

    注新闻标题相比，微博更适合开展实质性讨论和发表短篇文章。微

    博上的热门话题通常会引发大量“网民”长时间的热烈讨论。

    大多数西方人对中国社交媒体普及程度缺乏概念，实际上中国社交

    平台的运用比美国更为普遍。虽然近年来腾讯的撒手锏“微信”侵蚀

    了微博的主导地位，但微博仍然拥有主导地位，且全部内容均对所

    有用户可见(微信的社交功能看起来更像脸书，只可以看到共同朋

    友的动态)。在美国，如果你的推特账户被关闭，你还有其他的沟

    通方式，但在中国大规模社交平台的选项并不多。微博的内容可谓

    百花齐放，包括八卦新闻、名人逸事、个性化话语以及实时新闻和

    广告。对于大多数中国人来说，微博是获取突发新闻事件的渠道之

    一。除了企业外，政府办公室、火车站、学校和媒体等机构也经常

    通过微博发布信息和官方消息。

    2013年，阿里巴巴收购了新浪微博18%的股份。当微博在2014年上

    市时，阿里巴巴行使了增持权利，将其股权比例提高到32%。自阿里巴巴投资之后，电子商务平台淘宝和社交媒体微博开始深入整

    合，淘宝卖家可在微博上宣传，将自己的粉丝群变现。截至2017

    年，微博拥有近4亿活跃用户。

    这些企业运营的根本是粉丝：一个小型的网红店铺需要拥有至少数十万

    粉丝才能在行业中占据一席之地，大型网红则需要拥有数百万甚至数千

    万粉丝。更重要的是，这些年轻女性会花费很多时间与粉丝互动、回复

    评论、回答问题，并发布粉丝要求的内容。这些互动在某种意义上是在

    为粉丝提供销售服务：解释如何搭配着装、传授化妆技巧，以及对特定

    款式的缝制或细节进行深入描述。有些时候，网红也会和粉丝分享她们

    的情感或担忧，甚至抱怨自己的工作或男朋友。这些互动让人感觉真实

    而自然。

    到2017年，中国的整个电子商务行业都意识到，网红不是昙花一现的现

    象。许多网红店铺已进入淘宝服装类别的前十名。每当网红直播开卖

    时，其销售额必然会夺得当日销量的头把交椅。目前在淘宝平台上有超

    过400家具有相当规模的网红店铺，涉及服装、化妆品、体育用品、食

    品和快速消费品等不同的产品类别。在女装类别中，几家大型网红店铺

    每次的销售收入都会超过100万美元，年销售总额接近1亿美元。该类别

    下还有数十家二级店铺，它们的年销售额在1000万美元至2000万美元之

    间，还有更多的新兴网红店铺在奋起直追。

    那么，像张林超这样的年轻网红是怎样驾驭这种模式的呢？她们虽然具

    有敏锐的审美意识和一定的网络社会影响力，但毕竟缺乏具体的商业经

    验。在第五章中，我将详细分析网红的商业模式。就目前而言，我们可

    以说这些品牌创建者和创业者都获得了淘宝网庞大的商业功能和服务网

    络的支持，由此才能创业成功。由于淘宝平台上的所有企业都是通过技

    术连接在一起的，因此才能在几乎没有人为干预的情况下迅速组织或整

    合相关的服务。这样的基础架构可以使小企业利用现有的服务迅速崭露

    头角。

    “协同”15年：淘宝作为商业网络的经验

    淘宝的历史是将越来越复杂的业务功能添加到其网络中，从而支持日益

    复杂的业务增长。随着网络的扩大，越来越多的企业进入市场，促进更

    深层次的协同以及创新商业模式的涌现。淘宝网的成长案例完全可以写

    本书，感兴趣的读者可以参考附录B了解淘宝发展简史。在本章中，我

    将简要介绍淘宝平台的演变，借此让读者更好地了解中国电子商务的发展，以及网络协同和数据智能在其中的作用。

    2003年成立时，淘宝只不过是一个买家和卖家互相交流的论坛。一方

    面，中国政府鼓励经济发展，这使得中国存在大量的小规模卖家，但他

    们无法接触到广大的消费者。另一方面，买家也希望能看到并对比来自

    中国和世界其他地方的大量产品。当时像eBay这样的外国公司试图进入

    这一市场，淘宝的领导层意识到需要创建一个消费者对消费者的网上市

    场，但不知该如何入手。因此，淘宝平台的发展也是逐步进行的。 [1]

    最初，淘宝的员工尽其所能地搜罗尽可能多的产品来填充这个市场，逐

    步地将各种家居日用品信息上传网页。第二年，淘宝的目标变成尽可能

    多地引进独立网店。最后，随着2005年卖家数量激增，淘宝开始做广

    告，吸引买家加入网站。淘宝将自己描述为一个销售任何你能想象到的

    商品的平台。

    令人惊讶的是，淘宝平台还鼓励卖家加强联系，甚至在平台之外组建联

    盟。因为中国的电子商务没有先例可循，淘宝作为一个在线市场的价值

    迅速开始蔓延至线下世界，卖家形成了非正式的网络，并鼓励更多的服

    务提供商加入这个平台。西方读者可能会习惯性地想象，像阿里巴巴这

    样的公司应该会完全自己做出所有与自身业务相关的决定，但淘宝发展

    早期的情况与之恰恰相反。卖家加入淘宝，看到平台提供的工具和机

    制，然后与其一起经营。 [2]

    淘宝早期的许多卖家都是个人或一些脚踏实地学习的小团队。虽然在网

    上开店和开展业务是免费的，但学习使用淘宝提供的一系列工具来管理

    店面、维护客户关系以及处理交易仍然存在很大障碍(这些将在下文详

    述)。由于中国的零售和运输基础架构不发达，要想确保平台上的产品

    质量和有效供货也是个大问题。卖家经常会一起想办法，有时在淘宝官

    方论坛上，有时在平台之外，卖家相互学习，共同克服这些障碍来做生

    意。

    服务的时候叫“亲”

    为了与客户互动，淘宝在2005年开通了一项即时通信服务。淘宝上的每

    个店铺都在官方消息平台上有自己的账户，叫作“旺旺”(有生意兴隆之

    意)。通过旺旺，消费者可以随时向卖家提出任何问题，甚至可以讨价

    还价或者只是闲聊。负责店铺旺旺账户的客服代表很快扮演了重要的角

    色。为了与淘宝早期的“可爱”美学保持一致，客服语言甚至演变成自成一体的甜蜜话语体系，由新的惯用代词“亲”(“亲”既有“亲爱的”简写之

    意，也有“亲吻”的意味)来取代中文中的“您”。这种富含情感的称呼对

    于打破网络上陌生人之间互动时的冷漠和猜忌有着重要意义。这样一

    来，每个旺旺账户背后的人都是温暖的源泉，从而确保良好的消费者体

    验，并获得更多的客户理解。

    对于卖家而言，客服是一个高度专业化的角色，大型网店常常有两组客

    服员工，一组处理预售查询，另一组处理售后服务，两组客服都会对消

    费者提出的查询给予实时答复。除了专业服务的标准技术培训外，旺旺

    客服还必须非常了解网店的产品信息，以及如何处理纠纷和其他问题。

    这些客服是淘宝创建的许多新职业中最早出现的一种，这为数百万人提

    供了就业机会，尤其是那些受到地域限制或因身体残障而无法进入传统

    经济领域谋职的人群。

    支持独立服务供应商

    到2006年，淘宝市场已全面形成，淘宝参与者之间的协同开始走向深

    入。一些卖家看到了为成长型网店提供支持服务的机会，并开始调整其

    定位。淘宝进入快速增长阶段，因为第一批独立服务供应商(ISV)，即一个全新的至关重要的商业群体诞生了。

    例如，淘宝卖家早期主要的挑战之一是如何向客户有效地展示和描述产

    品。大多数客户至少需要见到产品图片，但在当时，智能手机尚未出

    现，拥有专业摄影设备和技能的卖家凤毛麟角，但他们愿意分享自己的

    技能。一开始，这些卖家愿意免费为附近其他卖家的商品拍照片。随着

    时间的推移，专业摄影团队开始提供服务，并演变成全职的服务提供

    商。摄影师、设计师和文案写手开始帮助卖家设计店铺。

    反过来，淘宝也开始推出新工具，包括系列店面标准模板“旺铺”(位于

    繁华地段的商店)，使卖家能够更好地管理在线业务。旺铺迅速成为一

    个平台，因为这个平台对其他独立软件开发商开放。很快，许多网站开

    发人员开始在上面设计定制店面，并为卖家创设更多服务。

    其中一个独立服务供应商就是由中国各地的网红构成，她们为淘宝平台

    上不断增长的服装卖家提供模特拍照服务。慢慢地，商家和顾客都知道

    哪类模特最适合其服装系列，然后他们就会使用和参照相应的模特。很

    快淘宝开发了一个连接这些独立服务供应商的平台，帮助他们找到合作

    商家，实现规模化经营。这些女性被称为“淘宝模特”，其职业生涯也是从淘宝开始的。

    公司领导层一直在与卖家讨论如何让经营变得更轻松。杭州的淘宝办公

    室每周都会有两个下午请五六个淘宝卖家来讨论新工具的使用情况。例

    如，淘宝网上最早的卖家过去常常要打印出每张订单，因为在线下业务

    中，要有单据才能开始业务流程。如果每天只有十几个或几十个订单，这样操作肯定没问题；但如果卖家每天要收到数百甚至数千个订单，就

    会产生一个滑稽但又非常现实的问题：办公室打印机过热，甚至会着

    火。显然，卖家必须让更多业务实现网络化来简化手续，这样才能更好

    地优化流程并避免火灾。如果没有这种改善整个流程直至物流的压力，那么在2012年物流崩溃之后诞生的菜鸟网络可能就不会出现。

    为网络扩张提供技术支持

    在最初几年，许多淘宝卖家都有线下业务和采购渠道，但到了2008年，许多新商家杀入淘宝平台淘金。他们面临着在网上从零创业的挑战。淘

    宝必须把线下销售的许多功能带到线上，让所有的线上网店都能使用这

    些功能。随着业务的发展，淘宝甚至开始孵化实体零售业从未尝试过的

    功能。

    淘宝无法自己提供所有实体零售的服务。受到早期旺铺店面平台等成功

    经验的启发(当时该平台吸引了许多软件服务商入驻)，淘宝制定了一

    项新战略：打造一个开放、协作和繁荣的电子商务生态系统。淘宝将自

    己定位为一个开发网络基础架构以推动电子商务的平台。由此淘宝进入

    了一个全新的发展阶段，其平台之上的网络协同业务开始出现爆发式增

    长。随着系统变得越来越复杂，必须开发数据智能以改善协同，淘宝的

    智能商业雏形初现。

    从2013年开始，淘宝开始将其服务向价值链上游扩展，比如营销和融资

    等领域。从那时起，公司主要的挑战就变成如何将淘宝平台与微博、蚂

    蚁金服、物流及供应链等外部平台连接。淘宝不提供这些外部网络提供

    的服务，但从技术角度看，电子商务平台的发展又需要这些外部平台提

    供安全可靠的服务。例如，在微博平台上与粉丝积极互动的网红一直都

    在推动这两个平台的整合，由此实现更顺畅、更直接的转化。数据智能

    可以协调平台之间的交互，并可改善各方的服务，使客户受益。

    鉴于淘宝生态系统的复杂性，我将仅阐述它为用户提供的一些重要业务

    功能。这些例子说明了淘宝发展的经验，也为淘宝未来的发展提供了指引。(有关详细信息，请参阅附录B。)

    独立服务供应商、淘宝合作伙伴和应用程序接口

    在淘宝网的发展过程中，我们经历了一些灵光乍现的时刻，使得我们不

    断完善战略。 [3]

    在线市场启动运行后，当简单的商家仍然是平台上唯一

    的机构类型时，淘宝平台上出现了一个新的关键角色——淘宝合作伙伴

    (TP)。作为淘宝合作伙伴的个人或企业负责店面运营以及品牌营销。

    这些淘宝合作伙伴在生态系统中起着关键作用。他们的专业知识使大型

    卖家得以进一步扩大销售，同时帮助北京和上海的大商家甚至国外的奢

    侈品品牌进入平台。如果你是一个没有在线销售经验的线下品牌，淘宝

    合作伙伴会帮你打理网店的日常运营(第六章将讲述淘宝最成功的淘宝

    合作伙伴之一：宝尊)。除了淘宝合作伙伴之外，还有大量的第三方服

    务提供商在淘宝上涌现。要有效运营业务，就需要用到各种软件，从客

    户关系管理到订单管理，从营销到搜索引擎优化。在单个企业或在合作

    伙伴之间，这些软件都必须协同工作。

    在淘宝生态系统中，将独立服务供应商与买卖双方连接起来的关键是数

    据。对于淘宝卖家而言，最重要的就是将订单中的数据贯彻到客服、采

    购、营销和物流环节。提供订单管理软件的第三方开发人员必须能够访

    问客户的交易数据；反过来，卖家应该能够与合作伙伴共享在淘宝上形

    成的数据，以有效地开展业务。随着在淘宝上做生意越来越有价值，淘

    宝吸引了越来越多的外部实体，它们都有兴趣与淘宝用户合作，并利用

    这些数据开展商业合作。

    2010年，淘宝推出了一项名为应用程序接口(API)的技术，这是一套

    让任何程序员都可以借此来创建与系统其他软件兼容的软件工具。 [4]

    应

    用程序接口是网络协同的技术基础，让独立服务供应商轻松地为卖家提

    供全面服务。应用程序接口技术对整个生态系统产生了深远的影响。

    (我将在第四章中对此展开论述。)

    对于淘宝和大多数企业而言，未来商业的发展是要将价值链上越来越高

    的部分实现网络化。广告和零售已成功转移到谷歌和淘宝等网络平台。

    从本质上讲，网红的出现意味着品牌建设的网络化。本书的第二部分将

    论述通过社交媒体搭建品牌的在线互动为什么要比传统方法更有效，以

    及企业该如何将内部核心功能实现数字化。一旦网络以这种新方式进行协同，各种新的商业模式和价值创造形式都

    会从新的商业联盟中产生。每当淘宝达到新的网络协同水平时，都会大

    大提升网络的覆盖范围，并丰富整个在线经济的广度。

    网络协同的基石：如何开始

    现在可以看到，许多新的商业角色和功能逐渐融入淘宝网络中，但网络

    协同究竟是如何运作的，我们又该如何进行网络协同呢？商业网络是以

    目标为导向的：各类企业聚集在一起为客户群解决复杂的商业问题。只

    有具有共同愿景并能够为解决方案做出贡献的参与者才能在线化，并协

    同努力来实现这一目标。根据我们在淘宝的经验，打造有效的网络协同

    有4项经营原则(见表2–1)。

    表2–1 网络协同的基石支持网络结构，鼓励直接沟通和互动

    网络化业务优于刚性的直线型组织，因为协作可以让各方直接连接，并

    迅速找到最合适的伙伴来开展协同，而不用去考虑如何设定角色。

    旺旺是淘宝鼓励买卖双方直接沟通的早期例子。相比之下，eBay隐藏了

    卖家的信息，卖家只能通过eBay联系买家。这一封闭式设置阻断了平台

    外交易，同时确保eBay能够有效地收取佣金。但淘宝认为，买卖双方直接沟通会增加参与度并带来更好的业务。为了鼓励各方在平台上完成交

    易，淘宝提供了交易保护和担保服务，采取增加价值而不是人为设置连

    接障碍的方式。关于淘宝网买家和卖家之间的互动有很多感人的故事，对于很多人来说，从经常打交道的客服所在的淘宝网店购买产品，就像

    从家门口附近的商铺买东西那样放心。这种对各方之间直接沟通的鼓励

    是淘宝击败eBay的一个重要因素，eBay在2007年放弃了中国市场。

    从那时起，进入淘宝网络的每个人或每家企业都能够最大限度地直接与

    其合作者互动。直接连接的主要优点是其具有灵活性。为了避免明显的

    交易成本，解决方案和机制必须允许全球协同，而不仅仅是本地协同。

    淘宝确保所有数据和软件在技术上集成，并可在整个平台上使用。淘宝

    卖家可以与第三方软件开发商合作来改善店面设计或加强营销活动，也

    可以与他们想要的物流提供商联系，并共享订单跟踪和运送订单信息。

    另一种直接沟通机制是淘宝客，这是由淘宝广告部门“阿里妈妈”设立的

    营销关联计划。淘宝客直接将数百万淘宝卖家与中国数以百万计的小型

    网站联系起来，以帮助卖家吸引新客户。当网站为淘宝卖家放置广告链

    接时，如果人们点击广告让卖家接触到新的买家，该网站就可获得固定

    比率的佣金。随着时间的推移，越来越多的广告链接由淘宝广告引擎推

    送，而数据智能使整个过程更加智能化。(有关阿里妈妈和淘宝客的更

    多信息，请参阅附录A和附录B。)

    允许角色演化而不要固化

    实现灵活性，就无法一板一眼地提前规划网络，网络必须根据进入的参

    与者及其服务的消费者情况来确定。这意味着在实践中，最初参与者角

    色的定义是模糊的。这种不固定的状态可能会牺牲一些效率，但也会推

    动协作创新方式的出现，由此带来新的功能和效率。当角色固化时，平

    台即可通过提供官方支持或给予其网络内地位来“承认”角色。在实践

    中，一般当一个参与者允许获得收入时，其角色即在系统中获得了承

    认。

    在淘宝网络中，第一个真正的创新角色是淘宝大学讲师。因为很多卖家

    都缺乏经验，公司管理层或平台新手经常要向经验丰富的老卖家请教。

    淘宝领导层意识到需要拓展业务来培训新手并支持淘宝大学的发展。为

    此淘宝创建了一个框架，让经验丰富的卖家给用户提供教学，学员可以

    通过淘宝网或淘宝专门为讲师创建的在线教育平台付费听课。另一个重要的早期角色是第三方软件工程师。随着淘宝的快速发展，淘

    宝提供的简单标准店面很快就跟不上卖家要求。淘宝最初提供了旺铺，但很快意识到这一平台根本无法满足这么多卖家的庞杂需求。于是淘宝

    决定向第三方软件开发商开放，而淘宝自身负责构建软件界面工具，并

    确定调解关系和费用的规则。这样的安排最终取得了良好效果——第三

    方工程师为卖家开发了大量定制解决方案。消费者也喜欢淘宝上各种风

    格不一的店铺，从冷静朴素到花团锦簇，应有尽有。更重要的是，这种

    协作和开放为后来淘宝的增长奠定了基调。平台上的这一新角色以及背

    后支持它的基础架构，成为日后许多新角色发展的模板。

    这些适应性的新角色填补了网络中的空白，也提供了卖家所缺乏的功

    能。然而，我们发现，一旦空白被填补之后，新的空白和新的角色就会

    不断出现。 [5]

    除了淘宝合作伙伴和独立服务供应商这些把线下功能带到

    线上的角色之外，更令人惊喜的是出现了解决老问题的新机会或新方

    案。这些机会或方案经常出现在不同网络聚合的情况下，并可创造巨大

    价值。网红就是其中的典型案例，第五章将对此进行详述。

    最近，基于个人计算机互联网和移动互联网的交叉领域就产生了许多新

    范例。这两个互联网领域通常甚少跟线下角色产生关联，但这一新交叉

    却产生了诸多新角色。例如，导购，即那些把淘宝产品分享给互联网消

    费者并赚取佣金的专业买手；直播，即在网上向世界实时宣传产品的推

    销者；以及撰写描述卖家和产品软文的内容创作者。这些人许多都赚到

    了丰厚的佣金。附录B介绍了这些新角色，而第六章则会描述这些角色

    在淘宝生态系统中的作用。

    从商业角度看，明确定义角色和职责似乎是达到经济高效协作目标的必

    要之举，但在线上世界里，这样的僵化设置往往会阻碍网络的发展。随

    着消费者及其需求的演变，企业也要不断发展。单个参与者应该能自主

    确定其对网络的最佳贡献和功能，网络中所有参与者都必须能不断探索

    以找到最佳解决方案。在真正把握住新机会后，角色才可以逐渐具体

    化。

    投资基础架构以推动网络效应

    在淘宝最初起步时，传统零售商并不相信淘宝的潜力，为此淘宝不得不

    加倍努力以吸引卖家。淘宝没有向卖家收取开店或日常运营的费用，尤

    其是在网络发展的早期阶段，这种免费入场的方式大大减少了尝试新平台的成本。就其核心而言，淘宝构建了整个在线市场的基础架构，这种

    基础架构形成了强大的网络效应。基础架构是指支持业务网络的工具和

    机制，例如商誉系统、搜索功能以及虚拟计算资源或应用程序接口。因

    此，基础架构包括了平台工作环境中每个参与者所需的基本服务。由于

    基础架构往往需要大量投资，其概念类似于经济学术语中的“公共产

    品”，其供应和维护往往不是任何一家单一机构可以承担的，因此，平

    台需要为市场创建基础架构，以实现协作并发挥网络效应。

    淘宝网不断推出新功能来解决交易过程中的障碍。最重要的早期创新之

    一是支付宝，其提供的保证服务大大减少了电子商务早期的信任障碍。

    在接下来的几年里，淘宝开始与新成立的物流公司合作，为卖家提供送

    货支持。再加上网站的大力推广以及新买家的涌入，淘宝的发展迅速出

    现良性循环，在线市场的销售不断增长。截至2006年年中，淘宝的日常

    商品销售额突破1亿元(超过1500万美元)，在没有平台不断投入的情

    况下，网络开始自我增长。那时候，淘宝团队觉得该平台已经渡过了第

    一道生存难关。

    在淘宝发展的每个阶段，该平台都有意专注于投资基本的业务基础架

    构，从营销(广告、搜索和推荐引擎)到协作(应用程序接口)再到IT

    运营(阿里云的云计算平台)，其中许多操作都是由数据智能驱动。在

    当前的移动互联网领域，淘宝在继续开发工具和资源来帮助卖家取得成

    功，这部分将在第四章展开论述。通过降低网络准入门槛和减少经营障

    碍，淘宝的网络效应迅速发挥并实现了业务高速增长。

    鼓励各方将信息和业务活动数字化、在线化

    下面两章将讨论所谓的商业数据化(将活动或现象编码成计算机可理解

    的形式)和“软件化”，即使用数字软件重构业务及其决策过程，以便充

    分地实现网络协同和数据智能。但需要提醒的是，只有当尽可能多的业

    务活动上线时，网络协同才能发挥作用。淘宝发现，我们最具创新性的

    平台用户总是会努力将业务运营的各个方面转变为数字形式并将其上

    线。生产顶级网红服装的工厂都在使用复杂的设计、裁剪和缝纫软件，这种方法允许制造商在不同商家和生产步骤之间进行无缝协同。当生产

    信息和指令可以以完美的清晰度和即时性进行数字传输时，整个网络便

    可顺畅运行。

    在此其实已经谈到了第三章要讲述的数据智能优势。数据化的迅速进步

    推动了网络协同，更多的网络协同又会产生更多数据，这自然会导致数据智能。实际上，我所说的网络协同和数据智能这两项智能商业的核心

    即代表了未来商业DNA相互交织和相互加强的“双螺旋”。尽管这两种力

    量在某种程度上都是独立出现的，且读者对单个力量也相对了解，但这

    两股力量的交互正在使当今商业世界处在变革的临界点。推动这两股力

    量出现的许多技术和商业进步以及两者相互交织所产生的放大效应，正

    在创造一个商业新世界，我将在接下来的章节中展开论述。

    美国的网络协同

    虽然本章重点关注网络协同在中国的发展，但网络协同在美国经济中也

    发挥着越来越重要的作用。维基百科等新媒体就是明显的例子。虽然维

    基百科系统的收入模型可能无法复制，但维基百科通过松散网络形式汇

    聚全世界力量来制作信息更加全面、准确的在线百科全书，这一点充分

    证明了网络结构的力量。

    如果软件开发中没有开源合作，那么就不可能实现网络协同。1991年，林纳斯·托瓦兹(Linus Torvalds)发布了操作系统最基本的代码，即

    Linux操作系统内核的初始版本，这一举动开启了所谓的“开源运动”。

    当时，可用于计算机用户的唯一操作系统是专有的且成本高昂。这套系

    统也常常会出现故障并需要定期更新，而且非常难以实现个性化操作。

    所有这些问题都可通过引入Linux来解决，Linux现在是世界上最常用的

    操作系统。与维基百科一样，Linux也在不断地由来自全球各地的程序

    员进行更新和改进，并且由于源代码对所有人开放，因此操作系统易于

    定制。托瓦兹的初始动机是高尚的，他认为软件作为计算机语言应该是

    免费的。但他的创新不是非此即彼的：它既创造了新的道德标准，也催

    生了更好的软件。

    Linux的开放性和多功能性是无与伦比的，这也成为其他许多软件开发

    项目的典范。每次修改代码时，系统都会对其进行标记和存储，以便跟

    踪进度，这样开发出来的软件就会更加可靠和通用。众人拾柴火焰高。

    多用户开发模式更易发现系统错误并予以修补。此外，开发人员可以使

    用和重复使用经验证的基本代码，并简单地对其进行修改，从而使软件

    开发更加高效，而无须动辄推倒重来。

    Linux启动了开源运动，但很快就有其他机构跟上，包括开发了

    Spark(一种计算引擎)、Hadoop(分布式系统基础架构)、Databricks(基于Spark的云服务)和MySQL(关系型数据库管理系统)

    的Apache软件基金会(发布MySQL的公司现在归甲骨文公司所有)。这些程序对于当今互联网和云计算公司都至关重要。从1998年发布其浏

    览器源代码的网景公司开始，互联网公司在推动开源运动方面不断突破

    界限。以前固守专有软件的大多数公司也不得不将系统部分开源，例如

    开放源代码，但依然售卖基于这些代码开发的专有产品。开放应用程序

    接口正是这一运动的重要组成部分。 [6]

    加强网络协同：数据智能

    在美国，网络协同主要是在以互联网为中心的产业中发挥作用，但在中

    国，网络协同已经开始深入并重塑中国的产业。中国企业家比美国企业

    家更善于改造制造业和服务业等传统产业，并创造新型的互联网企业。

    从商业上讲，网络是动态的商业组织形式，可以为消费者提供他们所需

    的即时个性化服务。

    但要实现网络协同，企业需要的不仅仅是一个网络结构，还需要技术解

    决方案来协调整个网络的活动。该解决方案就是数据智能，即确保高效

    网络协同所需的数据、算法和机器学习。数据智能和网络协同互为表

    里、阴阳互济，产生推动网络增长和演化的无形力量。这也是下一章的

    主题。

    [1] 有关2003年中国经济和电子商务崛起的更多背景资料，参见Porter Erisman, Alibaba s World :

    How a Remarkable Chinese Company Is Changing the Face of Global Business (New York:

    St.Martin’s Press, 2015)。

    [2] 淘宝的发展是一个通过网络外部性构建平台来服务互相依存的买家和卖家的经典实践。更多

    的卖家带来更多的买家，更大的卖家需要更多的服务。在经济学中，行为的外溢效应被称为“外

    部性”。外部性与行动的目标无关或间接相关，它可以是正面的，也可以是负面的。阿里巴巴的

    经验告诉我们，培育和利用外部性是平台业务的关键工作。更多细节详见附录C。以淘宝的孵

    化为例，外部性的积极波动成功孵化了平台。这些外部性甚至溢出了平台：卖家创建了非正式

    线下组织，致力于改善淘宝的商业环境。

    [3] 经济学和管理学对平台战略的最新关注展现出了对网络环境下战略的重新思考。阿里巴巴走

    在了这些学科的前沿，而本书，尤其是第六章，体现了阿里巴巴内部所诞生的诸多新观点。关

    于这个话题，参见Geoffrey G. Parker, Marshall W. Van Alstyne, and Sangeet Paul Choudary,Platform Revolution : How Networked Markets Are Transforming the Economy and How to Make Them

    Work for You (New York: W. W. Norton Company，2016)。

    [4] 关于应用程序接口的起源有很多故事，但计算机科学家罗伊·菲尔丁(Roy Fielding)的重要

    贡献不可忽略。参见“Architectural Styles and the Design of Network-Based Software

    Architectures,”(PhD diss., University of California, Irvine, 2000)。[5] 在社会学领域，这些空白被称为“结构性漏洞”。罗纳德·S.伯特(Ronald S. Burt)在其著作

    《结构洞:竞争的社会结构》中分析了这些漏洞在竞争网络中的重要性，并分析了占据这些漏洞

    以创造新形式价值的企业家的策略。我们发现，在淘宝，网络的演化相当于一个新的结构性漏

    洞不断出现的循环，在此之后，平台帮助创业者有效地“堵”住这些漏洞。

    [6] 维基媒体基金会(www.wikimediafoundation.org)有关于维基百科的大量信息，包括它的历

    史和运营。Linux基金会(www.linuxfoundation.org)维护开源Linux环境，记录Linux的历史，解

    释操作系统如何工作，并提供培训。网景在1999年被卖给了美国在线。网景的浏览器和其他开

    源工具后来在1998年被拆分成一个独立的公司，即Mozilla组织。2003年该组织更名为Mozilla基

    金会，并与美国在线脱钩。该基金会有一个全资子公司，即Mozilla公司。有关基金会及其其他

    工具的信息可以在www.mozillafoundation.org上找到。

    第三章

    数据智能：机器学习如何利用数据让商业更智能

    淘宝应用程序每个月的浏览量超过5000亿人次。这些用户徜徉在世界上

    最大的虚拟购物中心，在不同商家之间切换，浏览着世界上最令人兴奋

    的商品和无可比拟的价格。但他们看到的仅仅是阿里巴巴市场的冰山一

    角。普通消费者很少知道自己所看到的只不过是从阿里巴巴数百万卖家

    所提供的15亿件产品列表中精选出来的若干子集而已(相比之下，2017

    年，沃尔玛只有1700万件产品，而亚马逊也只有3.5亿件产品)。

    [1]

    卖家的体验也是如此。普通卖家只需要知道阿里巴巴的工具和仪表板就

    行，因为据此就能找到必要的服务来优化业务。在2017年“双十一”期

    间，卖家通过天猫的在线数据分析访问了超过110亿次的数据，借此来

    实时监控销售情况(在这一天的24小时里，商家平均花费93分15秒的时

    间浏览和分析流量及销售数据)。很少有商家知道，为了确保市场的健

    康，阿里巴巴的安全算法在全天候不间断工作，梳理垃圾短信和欺诈行

    为。该算法每天执行300亿次保护性扫描，对网络入侵进行微级别检

    测，并对数万亿个数据点进行防护。

    这个庞大的零售网络的表象背后是我们战略秘籍的后半部分，即数据智

    能，这是数据、算法和机器学习的统称。将买家和卖家服务加总，阿里

    巴巴平台每天要处理相当于2000万部高清电影的数据。我们的技术栈，即处理计算机或平台基础架构的软件集，在峰值时要处理80亿个内部数

    据访问调用。确保这些内部数据顺畅流动本身就是一项工程壮举，这也

    是阿里巴巴和亚马逊这样的零售公司能成为全球领先的云计算服务提供

    商的奥秘所在。我使用“数据智能”这一术语来强调，机器学习算法能通过使用用户交互

    过程中产生的持续数据流来使商业变得更加智能。谷歌的关键词搜索、淘宝的推荐引擎、优步的打车匹配都是数据智能的实例。这些公司不断

    运行它们通过算法收集的数据，实时向客户提供优化和高度相关的搜索

    结果服务。这些公司的大多数运营和客户互动都无须人为操作。没有人

    给优步司机分配乘客，也没有淘宝业务员推荐礼服，算法在运行一切。

    虽然创建这些服务需要付出大量的人力和创造力，但一旦这项工作完

    成，业务实际上就可自行运行。

    因此，这样的模型有着惊人的效用和规模。通过零售流程自动化，阿里

    巴巴约3万名员工就可实现与沃尔玛200万名员工相同的销售额(阿里巴

    巴在全球拥有超过5万名员工，但并非所有员工都参与核心的电子商务

    业务)。计算机在阅读地图并找出最佳路线方面要远远超过人类调度

    员，因此优步在减少等车时间方面具有优势。数据智能正在成为竞争优

    势的最重要来源。

    然而，尽管如今媒体对机器学习技术大事报道，但很少有商家真正了解

    如何将其运用到经济活动中。现在有充分的理由相信，云计算和移动互

    联网的结合、数据化的推进，以及人工智能的进步，必将创造新的功能

    来彻底改变企业运行和竞争的形态。本章将描述使用机器学习技术将数

    据智能构建到商业活动中，并使其变得智能化的相关商业策略。

    机器学习：数据智能中的智能

    从技术上讲，机器学习是人工智能领域中的一项技术，但机器学习的快

    速发展实际上掩盖了许多其他创建人工智能的方法。机器学习使用描述

    优化参数或预期目标的算法，但并不给出需要遵循的一系列规则。缺乏

    预设规则使得机器学习不同于许多其他人工智能方法，那些方法大多是

    自上而下的基于规则的指令，确切地告诉计算机做什么、怎么做。机器

    学习程序更像是自然选样，什么合适就得到发展，什么不合适就会慢慢

    消亡。简单来说，想象一下在解决问题的时候有一台类似于配镜验光机

    的设备，它可以不断测试来找到最合适的眼镜度数。验光师会用不同的

    镜片进行测试，通过远端墙上的字母确定是更清晰还是更模糊。验光师

    会不断重复，直到确定最佳的度数。算法的工作方式与此类似。它对需

    要获取的每一条新数据都会进行询问：这是否会产生更好的结果？

    机器学习算法通过验证大量数据来实现自我训练和自我改善。2017年，AlphaGo(阿尔法围棋)作为机器学习的象征在全球引发热潮，尤其是在中国，因为这套系统竟然击败了中国的围棋世界冠军。围棋的落子组

    合比国际象棋多出数亿种可能性。工程师通过让AlphaGo自己跟自己玩

    数以百万次的数字围棋游戏来加以“训练”，因此它已模拟了无数的棋局

    和应对方法。该程序“知道”在各种棋局下如何走出最优的一步，然而计

    算机对围棋其实一无所知。AlphaGo的编程设计不是要让计算机学会下

    围棋，而是分析对手的棋子在棋盘上的位置，然后借助其数百万次运行

    的经验计算下一步落子的概率，最后选择最佳的方案。

    数据科学家不断发现将问题建模或对机器学习算法进行编程的新方法来

    让算法更加强大。他们还对算法进行分层并让其协同运行。优步的基本

    算法引擎以最快速度匹配乘客和车辆。优步还开发出能实现动态差异化

    定价的算法，这样即使在倾盆大雨之夜，只要乘客愿意多付费，也能打

    到车。谷歌通过其算法中内置的拍卖模式拿下数十亿美元的广告，该模

    型是通过广告效用，即销售转化或点击次数来设定广告价格。淘宝的推

    荐引擎则借助个人和集体知识将最有可能对消费者产生吸引力的商品推

    荐给他们。 [2]

    大数据的贡献

    随着计算能力的不断提高和数据的过剩(包括大型数据集和在线交互所

    产生的连续数据流)，机器学习算法的能力也不断得到提升。AlphaGo

    可以通过自我训练来学习，但大多数机器学习算法需要通过处理大量数

    据来学习——通常只有经过这一阶段才会向公众开放。机器学习的迭代

    过程需要通过海量数据运算，并对算法不断进行内部校准，由此得到更

    为准确的结果。一旦运行成功，企业就可将算法用于真实的客户开始实

    时运行。随着数据流不断涌入，算法也会不断改善，比如2017年“双十

    一”当日，阿里巴巴平台在峰值时每秒要处理32.5万笔交易，相当于每分

    钟约2000万笔交易。

    云计算的影响

    处理像这样规模的数据需要强大的计算能力，如果没有云计算的发展，这一切都是不可能的。在美国，亚马逊是云计算的先驱，此前这一领域

    被IBM(国际商业机器公司)和微软等传统IT运营商占据。亚马逊最初

    开发云计算，是用来处理其仓储和物流服务所产生的巨大服务器负载。

    云计算允许企业访问大量廉价服务器以获得运算能力、运算速度、可靠结果和成本节约。从商业上来说，云计算允许企业购买部分计算机运算

    能力，从而将投资内部服务器的高额固定成本转化为可变成本。亚马逊

    云部门的支出占公司总销售额的10%以上。 [3]

    阿里巴巴最近对云计算的

    大量投资并非源于对亚马逊的艳羡，而是在2008年，公司领导层意识到

    支付给思科和甲骨文等公司的IT费用很快将超过整个集团的收入，而不

    仅仅是其电子商务的收入。为了避免被高昂的IT开支拖垮，阿里巴巴决

    定投资自己的云计算。但这项大规模投资在公司内部遭到了强烈抵制。

    工程师被搞得疲惫不堪，一些工程师决定离职。与此同时，运营团队常

    常抱怨错误和系统故障。

    云计算复杂且开发成本极高。如果没有严峻的内部需求，亚马逊和阿里

    巴巴都无法成为IT行业的佼佼者，因为云计算毕竟与其核心业务相关度

    不高。但今天，阿里云是中国最大的云计算提供商，也是国际奥委会的

    官方云服务合作伙伴。阿里云还为用户开发了更丰富的数据和算法驱动

    服务，并培育了一个全国性的开发人员和应用程序社区。最重要的是，云计算的商业化使得任何人都可获得大规模的计算能力，计算机运算成

    了某种程度的公共设施。自世纪之交以来，存储和计算大量数据的成本

    急剧下降。对于企业而言，这意味着机器学习的深度和实时运用将不再

    困难和昂贵。

    移动计算的作用

    另一方面，移动计算正在创建大量数据并使其可供使用，因为移动计算

    可以在现实世界中的任何地方记录数据，并通过Wi-Fi(无线宽带)或

    其他方式上传至网络，例如智能手机上的诸多功能，包括交互式地图、电话、短信、照片、搜索和视频，就将大量数据上传到网上。新兴的物

    联网(IoT)甚至更前进一步：物联网将以创新方式对我们所处的世界

    进行数据化。越来越多的新技术可量化许多令人苦恼的问题和不确定的

    现象，也为企业提供了利用这些数据获得商机甚至开创新业务的机会。

    举一个可以唤起你回忆的小例子。总部位于纽约和以色列的初创公司

    Augury开发了一种类似听诊器的专用设备，这台设备可收听各种商用机

    器产生的声音。通过云计算中的算法，Augury能对机器进行“体检”，然

    后通过手机应用程序把体检结果反馈给技术人员。如果机器“不健康”，Augury可诊断病情并提出解决方案；如果一切正常，Augury会将检测结

    果记录下来以备将来参考。基于此，Augury不断积累关于机器的趋势和

    统计数据，然后将这些信息卖给制造商或为客户提供更好的服务。工业物联网市场正在快速增长，预计2020年将达到3200亿美元规模。凭借数

    据智能，机械维护等看似平淡的业务正成为一项利润丰厚的智能业务。

    2017年6月，Augury完成了B轮融资，获得1700万美元，并继续将其技

    术商业化。 [4]

    当所有这些工具集合在一起后，就可以创建数据智能。在业务过程中生

    成数据，然后通过机器学习算法处理，最后反馈到业务决策中，由此形

    成智能反馈循环，为业务决策提供支持。这种良性的数字化循环就是数

    据智能的本质。企业无时无刻不在学习，产品随着客户需求变化而不断

    调整，最终获得更令人满意的全新结果。

    谷歌地图最初是通过个人计算机上的网页浏览器访问的地图应用程序。

    当谷歌地图在苹果手机上推出时，它成为世界上最早的成功的移动服务

    之一。这种组合真正构成了智能商业。在谷歌地图之前，使用GPS(全

    球定位系统)的体验非常糟糕——只有一张带着僵化指示的静态地图，从来不会有交通延误或施工绕路的提醒。谷歌地图则使导航变得轻松简

    单。随着用户使用频率的增加、地图的扩展以及更高效路线的发现，谷

    歌地图的引擎变得日益强大，导航服务也越发可靠。谷歌地图随时为用

    户服务，错过转弯路口也完全没问题，因为系统会马上重新规划路线。

    这款大众导航系统还增添了让个人用户添加实时数据的功能，例如马路

    上出现的坑洞位置或交警方位。

    现在让我们看看阿里巴巴旗下的蚂蚁金融服务公司是如何利用智能数

    据，并将其发展成为市值超过600亿美元(2017年数据)的超大企业

    的。

    蚂蚁金服和网商银行的数据智能

    中国的金融系统并不发达。中国的银行在历史上是一个行政职能部门，专为大型国有企业和个人储蓄者服务。中国的大多数银行机构不知道怎

    么对中小企业(SME)贷款，而在美国，中小企业是商业融资市场的重

    要服务对象。后来，随着越来越多股份制银行的出现，中小企业贷款在

    中国也有了发展。但中国的小企业贷款仍然只意味着每笔100多万美元

    的贷款，无法真正满足成千上万家实体小企业的需求。

    由于中国没有小企业贷款的历史，因此也没有可靠的信用记录。许多小

    企业都是依靠非正规或个人途径获得资金。更糟糕的是，中国的一般小

    企业不会充分甚至准确记录其业务活动，这使得贷款申请几乎不可能获批，即便最慷慨的银行机构也很难放款。结果就导致小企业贷款难，这

    些小企业往往被迫找当地高利贷机构或非正规渠道借钱，承担超额利

    息。阿里巴巴平台上的大多数企业规模都很小，在获得贷款以扩大经营

    方面存在很大困难。 [5]

    2012年，阿里巴巴看到了客户的这种需求，意识到可以推出这种有价值

    的互补业务服务。随着机器学习的发展和大量相关数据的积累，阿里巴

    巴具备了提供高效率、规模化和可盈利的中小企业贷款业务的必要条

    件。这项业务最初名为阿里巴巴小额贷款，成为支付宝的一部分，后来

    成为蚂蚁金服的一部分。如今这项微金融业务属于网商银行

    (MYbank，全称为浙江网商银行股份有限公司)。网商银行是2014年

    成立的在线贷款机构，是中国首批5家真正意义上的私有银行之一。网

    商银行是一家完全的虚拟银行，没有任何实体网点。(蚂蚁金服持有网

    商银行30%的股权。之所以叫蚂蚁金服，是因为蚂蚁象征着微小但努力

    的群体，这也是我们想要服务的所有类似于蚂蚁的大量小微企业。除了

    吸引小企业外，我们希望这个名字可以传达我们的策略：由于每只蚂蚁

    只吃一点儿，因此我们并不威胁传统的大型贷款业务。)

    我们的小额贷款业务是从为淘宝和天猫上数百万卖家提供服务开始的，即提供最高不超过100万元(约16万美元)和最少数百元(约50美元)

    的贷款，贷款期限最长为3个月。截至2016年12月，网商银行(及其贷

    款业务的前身阿里巴巴小额贷款)已向全国32个省、直辖市、自治区超

    过30万的小微企业和创业者提供超过870亿元(约134亿美元)的贷款。

    仅网商银行就为117万中国农村用户提供了超过400亿元(约61.5亿美

    元)的贷款，其中近40亿元贷款发放给了国家级贫困县的186万个小企

    业主。 [6]

    超过一半的在线银行贷款都发放给了中国三、四、五线城市的

    企业和个人(51%的小微企业的所有者年龄在30岁以下)。这些用户甚

    至可以申请1元(约0.15美元)的贷款，平均每笔贷款申请额只有约

    8000元(约1231美元)。 [7]

    提供一组数字作为参考：当阿里巴巴的小额

    贷款业务开始经营时，中国的银行机构平均最低贷款额约为600万元

    (略低于100万美元)。

    网商银行的许多客户都有资质、证照不全的问题。他们无法出具抵押资

    产，甚至拿不出像样的资产负债表。当这些卖家申请贷款时，他们无须

    提交任何相关材料，他们的贷款申请在几秒钟内就会被批准或拒绝。他

    们的贷款能在短短3分钟内存入其支付宝账户。最重要的是，即使规模

    如此庞大，网商银行的贷款业务也是可持续的：贷款违约率一直保持在1个百分点左右。网商银行的成功要归功于其内置的数据智能，一种基

    于机器学习的贷款引擎。

    在最基本的层面上，贷款机构在面对借款人时只需回答三个问题：我们

    是否借钱给他们？我们应该借给他们多少钱？利率是多少？任何申请贷

    款的人都知道，这些问题的答案取决于借款人的信用记录或信誉程度。

    这种贷款审批的传统方法是查阅和处理大量文书来获得信用信息。

    相比之下，网商银行可以轻松查到借款人的信息，因为他们都在阿里巴

    巴平台上开展业务，或者有支付宝和蚂蚁金融产品的使用记录。在获得

    授权后，贷款人就可查看交易数据以获得相关问题的答案：卖家的业务

    好吗？卖家是否有过失信行为？网商银行甚至可以掌握传统银行难以调

    查的信息：卖家的朋友是否有很高的信用评级？卖家花多少时间在网上

    开展业务？卖家的产品在市场上是否具有竞争力？这些数据比银行的文

    书和传统信用评分体系更为丰富和准确。

    机器学习：蚂蚁模式

    阿里巴巴小额贷款业务成功的关键不仅在于其拥有淘宝卖家的海量数

    据，还在于其在商业模式中建立的数据智能最有效地利用这些数据。网

    商银行的数据科学家将“好借款人”(按时还款的人)与“坏借款人”(不

    能按时还款的人)群体进行比较，得出两个群体的共性和差别，然后以

    此为基础来计算所有客户的信用评分。这种数据驱动的信用评分方法可

    能听起来简单甚至过时，但具有革命性意义的是，这种比较是通过计算

    机程序或算法自动完成的，实时覆盖所有借款人(而不仅仅只是样本)

    的数千甚至成千上万项行为特征数据。每笔交易、每次卖家与买家的沟

    通、网店里的所有商品以及他们在淘宝上使用的所有服务，都可能影响

    其最终信用得分，即卖家在平台上的每个行动都会被记录下来。

    同时，计算信用评分的算法本身也在实时演变，从而提高了决策质量。

    网商银行的模型建立在概率推理的基础上，而不是静止地确定某些行为

    能确切区分是“好借款人”还是“坏借款人”。算法通过连续迭代提升了预

    测能力。如果信用记录差的卖家按时偿还贷款，或者信用记录良好的卖

    家突然违约，那么算法显然需要调整。算法应该可以数字化检验假设，也可以做出细小而重要的改变。比如，应添加或删除哪些参数？与哪种

    用户行为相关的哪些参数应该给予更大权重？大多数银行至少需要半年

    才能校准其模型。网商银行使用类似的方法来确定借款额和利率。为了算出确切的信用额

    度，网商银行的数据科学家必须分析更多类型的数据：毛利率、存货周

    转率，以及像产品生命周期和卖方社会与商业关系质量等这样难以精确

    的信息。在产品生命周期方面，数据科学家可能会问，其特定产品是否

    为正在获得市场份额的新产品？产品是否在售？产品是否接近生命周期

    尾部并开始出现价格下降？在关系质量方面，数据科学家会考虑沟通的

    频次、长度和类型(即时消息、电子邮件或其他在线沟通方式在中国互

    联网环境中比在美国更常见)。数据科学家研究和测试哪些数据点提供

    了所探求的信息，他们会设计算法来完成这些信息的采集。更丰富的数

    据和更优越的数据模型意味着可以更准确地确定贷款额和利息。借助机

    器学习，网商银行得以稳步降低风险和成本。最终，借款人的体验变得

    更好，当他们需要资金时能迅速获得支持，利息也会在其可承受的范围

    内。

    智能商业的三大基石

    网商银行的商业模式需要三大基石来实现数据智能：适应性产品、数据

    化和机器学习(迭代算法)。首先，网商银行的动态流程创造了适应性

    强的产品，贷款数额、利息和条款都取决于客户的需求。其次，网商银

    行将借款人业务的所有方面全部在线记录并数据化。最后，公司数据科

    学家精心设计的机器学习算法来使用这些被记录的数据。 [8]

    适应性产品

    算法无法在没有产品的情况下进行迭代——在线消费者界面直接影响消

    费者体验，同时收集消费者反馈以调整算法模型。谷歌著名的搜索栏已

    经成为产品设计的典范(见图3–1)。用户在一个简单的搜索栏中输入

    关键词，立即就能看到搜索结果页面，即产品。谷歌为此投入了大量资

    源，以便用户能够更快更好地搜索到他们想要的内容。图3–1 数据智能反馈循环

    当阿里巴巴最初开展在线贷款业务时，采用的方式也基本相同。将贷款

    产品嵌入淘宝卖家的在线操作界面，如果客户需要借款，他只要点击一

    下，阿里巴巴就会立即提供资金。消费者界面的智能设计对于互联网公

    司的成功至关重要：脸书的消息和提醒、推特的字符数量限制、Snapchat(色拉布，一款照片分享应用程序)的“阅后即焚”功能都是既

    诱人又简洁的消费者界面。更重要的是，这些功能与云计算中的数据智

    能引擎协同工作(消费者不用看到后端计算)。它们提供正确的反馈循

    环，与机器学习算法配合使用，随后得出的结论又用于改善产品本身来提升用户体验。从这个意义上说，未来的产品能够自己适应用户和环境

    从而变得“智能”。

    这些产品有着相通的设计理念。对于企业而言，在线产品是机器学习技

    术与业务问题之间的关键接口。在业务方面，产品界面将消费者连接到

    公司，因此公司得以观察消费者的行为和偏好，由此公司就能专注于需

    要为客户解决的关键问题。在此交互过程中形成的数据将成为算法处理

    的原始资料。因此，界面设计的优劣决定了消费者数据的数量、特征和

    质量。在技术方面，产品是将机器学习的结果传递给消费者的介质。产

    品设计和实施决定了机器学习技术能在多大程度上实际影响消费者体

    验。精心设计的产品为机器学习提供了充分的机会来创造实际价值，例

    如网商银行的灵活贷款。

    对于许多传统行业而言，创造适应性强的产品是一项真正的挑战；对于

    智能商业来说，创造适应性强的产品是其生命线。无论企业生产和销售

    什么样的实体产品，未来的每个企业可能都将拥有互联网成分的产品，从而与它们的消费者进行直接互动。即使产品不直接面向最终消费者，企业仍可获取信息并与消费者互动。价值链中的数据智能也将推动更广

    泛的网络协同。

    数据化和实时数据

    网商银行小额贷款智能系统的起点是将业务问题编码为数字形式。如何

    将线下业务活动转化为数据？除了简单的操作和销售指标(其中数字更

    易于数字化)之外，还可以通过使用更多间接数据点来回答其他有价值

    的问题。例如，为了衡量卖家的诚信和活跃程度，阿里巴巴小额贷款最

    早的贷款产品就是考察卖家响应消费者问询以及回复消费者对产品和服

    务的评论所花费的时长。当然这样做的前提是在线记录这些数据的成本

    可以忽略不计。渐渐地，蚂蚁金服和网商银行开始涉足更复杂的数据，利用它来构建卖家的社交网络或估算其业务的毛利率。

    顾名思义，数据化就是要将活动或现象编码为计算机可理解的形式。数

    据化并不容易实现，实现起来也不便宜，但这是实现数据智能的必要步

    骤。在这里，我使用“数据化”而不是更常见的“数字化”，是为了强调所

    记录的数据类型的广度，以及将其用于应用程序和知识创建的意图，数

    字化则更强调将文本和数字转换成二进制代码。数据化需要人类的聪明

    才智和努力工作才能实现。谷歌通过其网络抓取工具(在网络上寻找特

    定信息的简单化、重复性程序)将无尽的网页转换为数据。脸书将社交关系在线化；Fitbit(一家记录器生产公司)和运动程序已开始对人类身

    体的运动数据化。事实上，日本工业技术高级研究所(Japan’s

    Advanced Institute of Industrial Technology)的越水重臣教授已开发了人

    体背部的数字坐标。这不是简单的好玩儿，这项技术可以识别驾驶座上

    的司机是否是未经授权的用户，或司机是否出现打瞌睡或注意力不集中

    的问题。 [9]

    获取业务所需的数据可能是一项艰巨任务。打个比方，现在农村仍然需

    要电气化。第四章中将讨论数据化的步骤，这些步骤将帮助企业应对这

    一挑战。如果蚂蚁金服完全需要自己收集模型所需的必要数据，那么阿

    里巴巴的小额贷款业务可能永远也无法问世。即使是最基础层面的数

    据，例如店面经营，也是淘宝网10年发展的积累。同样，谷歌的广告引

    擎运作良好，因为其搜索功能已经进行了无数次搜索。智能商业很难单

    打独斗，因为即使知道要收集哪些数据，也不容易做到。数据化是具有

    创造性但昂贵的试错过程。然而，随着越来越多的数据上线，例如物联

    网技术和设备的扩展，数据化的难度将急剧下降。随着越来越多的业务

    数据源的涌现和交互，企业就可利用其来创造新的价值而几乎不用额外

    的投资。

    机器学习：迭代算法

    数据只能通过机器学习引擎处理后才能创建价值。对于企业而言，算法

    必须将企业正在试图优化的基础产品逻辑或市场动态明确化。除了持续

    自我完善之外，算法引擎还可测试各种场景以提升业务表现。例如，网

    商银行的数据科学家在贷款界面中做了一个实验，他们为不同的卖家群

    体提供不同利率，并查看实时响应率。每当模型给卖家一个给定利率

    时，平台就会实时记录卖家的反应，包括卖家是否接受贷款、是否按时

    偿还等；反过来，这些数据又被输入贷款模型中来调整参数，由此整个

    模型就在不断优化调整中。

    在这些实践中，研究人员比较两个变量(A和B)，以查看哪个变量可

    以获得更好的结果，这种做法通常被称为AB测试，这在互联网公司中

    很常见。通过实时在线实验，算法可以从消费者那里获得有关其表现的

    直接反馈，因此就能不断自我调整。数字响应随后又触发下一次调整，产生另一个消费者响应，触发另一次调整，由此循环往复，成为改善产

    品和用户体验的“永动机”。当所有业务运营都在线化时，所有组成部分和流程都会产生大量数据

    流。企业必须努力吸收、解读和利用这些数据。全球的商业领袖都已意

    识到，许多商业决策不能再仅仅依靠人的判断，而必须利用数据智能。

    网络协同将越来越依靠这种智能。未来，自动化的竞标可能会将生产数

    量分配给竞争工厂或安排必要的采购。这种发展仍处于起步阶段，但潜

    力巨大。

    行动中的数据智能

    判断数据智能是否适用于你的企业的最佳标准是，特定业务决策是由机

    器直接做出还是必须由人在数据分析支持下做出。

    阿里巴巴在2016年推出了一款智能会话客服机器人，以帮助处理消费者

    问询。这个名为“云小蜜”的客服机器人与大多数人熟悉的服务型机器人

    不同。大部分常见的机器人只是根据程序来匹配他们对所提问题的答

    案，但云小蜜却依靠淘宝商家那些经验丰富的客服来进行培训。在这

    些“机器人培训师”的帮助下，每个商家的聊天机器人都对店内所有类别

    的产品了如指掌。同时，云小蜜也精通阿里巴巴平台的机制，对退货政

    策、运费、更改订单或投递地址的方法等都很清楚，因此对消费者可能

    会询问的任何问题都有准备。借助语义理解、情景对话、知识图、数据

    挖掘和深度学习等各种机器学习技术，云小蜜正在迅速提高其自动判断

    和解决消费者问题的能力，而不是简单地重复同样的内容，让消费者怒

    不可遏。云小蜜能与消费者商讨解决方案，并在确定方案后迅速执行。

    这样一来，阿里巴巴或阿里巴巴电商就能减少人工成本。聊天机器人甚

    至还能提高卖家的销售业绩。服装品牌森马2016年开始使用云小蜜，后

    来发现云小蜜卖出了2亿元(约3080万美元)的产品，这是森马顶级销

    售人员业绩的26倍。

    当然，现在可能还是需要有人在阿里旺旺上处理更复杂或更加私人化的

    问题，但自动处理常规查询的能力在销售火爆期间依然非常有用。在大

    型销售日，许多大型卖家都需要聘请临时工来处理消费者的问询。那么

    聊天机器人到底有用吗？在2017年“双十一”当天，云小蜜承担了95%以

    上的消费者问询，解决了350多万个消费者的疑问和顾虑。(请注意，虽然我们对自己开发的聊天机器人感到非常自豪，但云小蜜并无意成为

    苹果、谷歌或脸书多年来一直致力打造的通用数字助理。)

    未来就是现在随着淘宝继续将数据智能应用于更多业务问题，其竞争优势也将变得难

    以超越。以图像识别技术为例，该技术已在平台的许多领域运行。光学

    字符识别软件能识别隐藏在看似无害产品照片中的恶意广告。淘宝应用

    程序已开始为用户提供手机拍照搜索产品的功能，用户只要将产品拍照

    上传，算法就可以识别并确定该产品是否在平台上有售。图片搜索产品

    的结果越来越精确，也备受消费者欢迎，目前每天拥有超过1000万的独

    立用户访问量。

    数据智能可产生巨大的先行者优势，因为正向回馈可不断改善数据智

    能。要想获得海量数据并不容易，成本也很高，但数据智能可获得的数

    据越多，商业的价值就越高。例如高德地图和谷歌地图就是如此，使用

    这些产品的用户越多，程序算法所依据的数据就越多，结果地图导航就

    会越来越精确。这样的循环不同于物理产品，因为在这样的循环优化过

    程中，回报不会递减。因此，一旦当某项智能商业起步之后，后来者就

    很难再追赶。

    [1] 数据挖掘初创公司Scrapehero表示，亚马逊和沃尔玛分别提供了5亿多件产品和近1700万件产

    品。作为非正式的统计，这些应该被理解为下界。参见“Number of Products sold on Amazon

    vs.Walmart—January 2017,” January 26, 2017, https:www.scrapehero.com number-of-products-

    sold-on-amazon-vs-walmart-january-2017;and “How Many Products Does Amazon Sell?—January

    2018,”January 11, 2018, https:www.scrapehero.commany-productsamazon-sell-january-2018。

    [2] 相比于计算机科学，机器学习在商业上的应用涉及更多的技术和专业知识。机器学习依赖于

    通过对大数据的统计分析来识别隐藏的模式，而这并不总是一种解决业务问题的划算方法。大

    多数寻找模式的现代机器学习方法理应只存在有限的条件约束，因为约束条件的缺失使得计算

    机能够找到人类专家看不到的深层隐藏模式。但由于缺乏约束，算法的搜索空间大大增加，寻

    找模式的计算和数据成本也因此非常大。鉴于此，包括本章提到的许多科技行业最尖端的数据

    智能应用，并不仅仅使用机器学习。它们是计算机科学与其他两个学科——经济学和最优化的

    结合。经济学提供了人类行为的基本数学模型，极大地限制了隐藏模式的搜索空间。之后，可

    以使用机器学习方法来获取和清理相关数据，并针对所涉及的业务问题计算出模型的正确参

    数。最优化方法(也称为数学规划)可用于确保模型和计算方法在给定的时间和有效预算约束

    内的效率。企业家必须记住，尽管机器学习的概率方法代表了战术决策的革命性变化，但机器

    学习本身并不是一颗“黄金子弹”。

    [3] 可以从亚马逊提交给美国证券交易委员会的文件中获得相关数据，参见http:phx.corporate-

    ir.netphoenix.zhtml?c=97664p=irolseccontrol_selectgroup=Annual%20Filings。

    [4] 有关Augury，参见Klint Finley, “Augury’s Gadget Lets Machines Hear When They’re About to

    Die,” Wired , November 4, 2015, www.wired.com201511augury-lets-machines-hear-when-theyre-

    about-tobreak-down; and Ethan Parker,“Augury Secures 17 Million Series B Funding Round to Power

    the Future of IIoT,” Business Wire , June 19, 2017,www.businesswire.comnewshome20170619005161enAugury-Secures-17-Million-Series-Funding-Power。

    [5] 有关中国民营企业(非上市、非国家)的融资状况，参见FranklinAllen, Jun Qian, and Meijun

    Qian, “Law, Finance,and Economic Growth in China,” Journal of Financial Economics

    77(2005):57–116;and Meghana Ayyagari, Asli Demirgü?-Kunt, and Vojislav Maksimovic, “Formal

    versus Informal Finance: Evidence from China,” Review of Financial Studies 23, no.8(2010): 3,048–

    3,097。这些论文表明，银行以外的融资方式可能占企业融资的80%，其中很大一部分来自非正

    规渠道或地下渠道。阿亚加瑞(Ayyagari)等人特别指出，中国最小的公司几乎完全不依赖银

    行融资。感谢北京大学金融学助理教授唐涯、博士生李慧轩(Li Huixuan，音译)就中国中小企

    业融资提供的意见和信息。

    [6] 根据国务院扶贫开发领导小组办公室，中国的“扶贫开发重点县”(在此之前称作“国家级贫

    困县”)的选择是基于贫困人口数量、农民收入水平、基本生产生活条件和扶贫开发工作情况，适当兼顾人均国内生产总值和人均财政收入等综合指标。重点贫困县每10年重新评估一次: 在

    2001—2010年和2011—2020年，全国共有(近3000个县级行政单位的)592个县获得了扶贫重点

    县资格。参见《国家扶贫开发工作重点县管理办法》，http:www.cpad.gov.cnart2010223art_46_72441. html，2010年2月23日。

    [7] 关于网商银行的信息来源于其网站mybank.cn，以及《网商银行2016年经营报表(中文):网

    商银行2016年年度报告》，https:gw.alipayobjects.comosrmsportalfzrfoibdovsaemuzewn.pdf，2017年5月。

    [8] 数据、算法和适应性产品源于我自己的公式。有关机器学习和算法的更多背景知识，参见

    Pedro Domingos, The Master Algorithm : How the Quest for the Ultimate Learning Machine Will

    Remake Our World (New York: Basic Books, 2015); 以及John MacCormick, NineAlgorithms That

    Changed the Future: The Ingenious Ideas That Drive Today’s Computers(Princeton, NJ: Princeton

    University Press, 2011)。

    [9] 我是在维克托·迈尔–舍恩伯格和肯尼思·库克耶所著的《大数据时代》一书中第一次了解到

    越水重臣，参见Victor Mayer Sch?nberger and Kenneth Cukier, Big Data: A Revolution That Will

    Transform How We Live, Work, and Think(Boston: Houghton Miffl in Harcourt, 2013)。更多信息

    可在工业技术高级研究所网站(www.aait.ac.jp)获得。

    第二部分

    智能商业的竞争：战略原则

    第一部分描述了网络协同和数据智能主导下的商业图景转变。传统

    的商业策略被彻底打破，但具体到企业又该如何适应？企业应该在

    新环境中如何生存发展？

    在智能商业中，并不是所有企业都必须成为淘宝、谷歌或脸书。所有企业，无论其规模大小，无论其属于传统大企业还是高科技创业

    公司，都可在新环境中制胜，但前提是要掌握智能商业的基本逻辑

    和新商业环境的战略特征。第二部分各章节就讲述了智能商业的基

    本原则和操作方法。

    第四章

    自动化决策：如何战略性利用机器学习

    网络协同和数据智能在各个层面都颠覆了传统战略思想，在制定商业决

    策方面这一变化显得更加剧烈。智能商业会尽可能将决策制定自动化。

    无论是在响应消费者方面还是在有效协同网络方面，数据智能使得这些

    自动化决策变得越来越睿智。借助数据智能和网络协同，企业可以同时

    进行规模扩展和提供个性化服务。这是互联网和人工智能带来的终极商

    业优势。

    自动化决策的五步骤

    在最基础的层面上，要将任何商业转变为智能商业，商业决策必须由机

    器(由实时数据驱动)直接进行，而不是传统的商业信息处理方法，即

    最终是由人通过数据分析支持来做出决策。这就是我们的第一项战略原

    则：如果不能通过机器学习将几乎所有商业决策实现自动化，那么就无

    法打造智能商业在市场中的竞争。实现自动化决策需要5个步骤(见表

    4–1)。

    表4–1 自动化决策的5个步骤自动化第一步：将物质世界数据化

    第三章讨论了数据化。成本低廉和广泛存在的计算能力的融合推动了技

    术爆炸和数据编码机会的激增，这意味着企业将拥有更多的数据。但

    是，任何企业所需要的数据都将决定于其自身情况。企业可获得公共数

    据或租用另一个实体的数据，但最有价值的数字信息则是企业自身业务

    流程所生成的实时数据。

    将物理环境全部数据化是项令人生畏的任务，但物联网等新技术的出现

    使其变得相对容易。只有在企业能够完成这种数据转换之后，企业才能

    有效地将现实世界里发生的商业活动数据化。数据化含义的本身就包含

    将业务上线的意思。这为现实世界的商业创建了数字镜像，也是企业实

    现数据智能的先决条件。

    当业务上线后，它可以通过互联网连接并生成实时数据反馈循环，这是

    机器学习的基础，即连通算法和实时用户反馈。如今的智能互联网公司

    都建立在此基础上：以低成本的方式实时记录消费者的在线行为。目

    前，电视台还无法记录观众在电视机前的行为，这就是为何电视台还未实现智能运营。如果消费者看到的内容可以直接被数字化，例如通过

    AR(增强现实技术)眼镜，那结果将是革命性的。

    许多业务的重要方面目前仍然没有在线记录，需要采取创新手法对物理

    目标或环境进行数据化。下面是中国蓬勃发展的共享单车的案例。

    中国共享单车服务的数据化

    到2016年年中，中国大多数主要城市的繁华街道都增添了新的街景。共

    享单车公司选择橙色、蓝色、绿色和黄色为主打色彩，大量色彩明快的

    共享单车为中国城市出行提供了“彩虹色”的解决方案。为了帮助步行者

    和解决最后一公里的城市交通瓶颈，十几家公司几乎在一夜之间将大量

    自行车摆放在了人行道上。摩拜单车、ofo小黄车、哈啰单车和小蓝单

    车这样的公司估值骤然飙升，目前最大的共享单车企业估值超过20亿美

    元，并开始向海外扩张。 [1]

    事实上，有时共享单车看起来更像街头的彩色困扰，大量的劳动力和运

    输车队忙着将闲置的自行车运送到需求较高的其他地方。出于市场进入

    门槛低、制造能力充分、风险资本热捧，以及中国大城市的公交服务难

    以满足出行需求等因素，中国的共享单车掀起热潮。但导致这种狂热现

    象的一个不太明显但更为关键的原因却是创新和创造性数据化，在短时

    间内，这一原因使得共享单车铺天盖地。实时数据已深深融入这些共享

    单车企业的运营模式中。

    中国的单车共享服务都要通过手机，这一点类似于优步的共享汽车解决

    方案。通过打开单车共享应用程序，用户可以看到可用的自行车，并预

    约附近的一辆。一旦骑车人到达预约自行车所在地，就能使用该应用程

    序扫描自行车上的QR码(一种矩阵二维码)。假设骑车人的账户中有

    钱且符合租赁标准，则QR码会解锁自行车，之后骑车人就可以骑到日

    落或者一直骑下去。停放好并锁上自行车后就会自动结束服务，租赁费

    用将从骑车人的账户中自动扣除。整个过程简单、易操作，用时通常只

    需几秒钟。

    在这一相对直接的过程中，数据化已在若干节点发生。

    首先，嵌入在移动电话中的GPS系统和自行车本身允许实时跟踪自行车

    位置。就像优步一样，这种实时跟踪只有在地图技术支持的情况下才能

    实现。地图技术已创造性地对中国城市的位置进行了数据化。其次，应用程序本身依赖于租赁注册过程的数据化版本，尤其是筛选用

    户。除了常规的身份验证要求之外，例如上传的骑车人的身份和押金，越来越多的共享单车公司正在与支付宝和芝麻信用(蚂蚁金服推出的消

    费者信用评级产品)整合。如果用户的芝麻信用评分足够高，那他就可

    以直接租用自行车而不用上传身份资料。芝麻信用本身是将信用程度数

    据化的复杂业务，它通过来自蚂蚁金服的支付宝移动钱包和支付服务的

    财务数据，以及淘宝消费数据等资料来确定消费者的信用度。

    最后，QR码和电子锁的组合巧妙地使结账过程自动化。固定式自行车

    租赁服务需要物理认证，例如要刷公共交通卡来实现，但新的单车共享

    模型已将登记和结账流程数字化来实现自动服务。这种自动化水平需要

    先进的移动通信技术：来自应用程序的信号可即时解锁自行车，并在归

    还自行车时再次将其锁定。

    这第三个领域的创新，即对某种特定活动(自行车租借和归还)的数据

    化是单车共享场景中的一项新创新，也是推动其发展的重要力量。另外

    两个领域的创新则利用了为其他应用程序创建的现有数据结构和智能业

    务基础结构。实时数据使企业能够识别骑车人，跟踪每辆自行车，最重

    要的是，企业可记录自行车和骑车人之间的每次互动。租用自行车只需

    要通过手机“扫一扫”。通过将他人所做的数据与自己的创新相结合，共

    享单车企业开辟了高效而智能的商业领域。正如这里所展示的，任何特

    定领域的数据通常都可为创建智能商业开辟许多新途径。因为数据记录

    和数据存储技术的成本越来越低，在现实世界中收集和编码现象的新技

    术也越来越多，因此智能企业的数量正在不断增长。

    淘宝早期的创新数据化

    数据化的另一个很好的案例是淘宝网在成长初期的活动，当时淘宝将大

    量零售活动进行了创造性编码。淘宝由此也逐渐从一个论坛发展成一个

    电子商务市场，该市场能售卖天下一切能销售的产品，并拥有庞大的数

    据库，各行各业的数亿产品都可编码成可搜索的产品。当然这一过程既

    不快也不容易。每个卖家都有自己描述产品的方式。对于非标准化或非

    常规产品，挑战就变得更加严峻。曾有淘宝卖家以近1美元的单价出售

    死蚊子，这在当时也成为热门新闻。那么，如何将这些产品放入数据库

    并让消费者轻易地搜索到？这不是一项简单的任务。因此，产品的数据

    化一直是淘宝的核心并且经历了多次迭代。最近淘宝在尝试使用机器智

    能的先进技术构建产品的“知识图”。淘宝不得不以多种方式将零售业数据化，其中一些数据是远离普通用户

    的。例如，由于庞大的交易量，淘宝目前拥有世界上最大的物理地址存

    储库之一。如何存储和管理这些遍布全国的地址，对平台来说是一个挑

    战，也给物流合作伙伴带来了麻烦。例如，“紫禁城”“故宫博物院”“景

    山前街”“穿过天安门广场”可能指的是北京的同一地点。

    在阿里巴巴之前，中国的消费者物流行业并不存在。此前，中国唯一的

    大型物流服务商是国有的，且效率不高。淘宝电子商务平台帮助启动了

    在中国运营的十几家物流公司的增长，其中许多公司现在与阿里巴巴菜

    鸟网络合作。物流行业的每一个标准都必须从零创建，由此才能适应中

    国复杂的环境(有关淘宝对中国消费者物流行业贡献的信息，请参见附

    录B)。现在，菜鸟网络面临的挑战是将数据智能应用于中国快速数据

    化的物流行业，并在全国乃至全球范围内建立起布局优化且运行高效的

    运输体系。

    自动化第二步：将每项业务软件化

    每个决策步骤都必须软件化，即配置到软件中实现在线操作。2011年，网景创始人马克·安德森写了一篇题为《为何软件正在吞噬世界》的著

    名文章。 [2]

    他的观察当时并不完全成熟，但也没有错。要使智能商业能

    够运行，必须对每项商业活动进行软件化。企业必须将每个商业活动都

    变成数字形式，而不是仅仅将知识管理和客户关系软件化，由此商业决

    策才能实现自动化。 [3]

    软件化的重点是利用软件的某些特性，这些特性对所有行业中的企业都

    有裨益。非数字行业的业务与使用软件的业务有很大不同。传统型或硬

    件型企业具有强大的惰性和很高的交易成本，也很难以低成本方式进行

    监控或根据情况进行临时调整。决策需要时间，特别是当涉及生产制造

    时，企业的运营缺乏弹性。软件型企业恰恰相反：工程师可以迅速做出

    改变，进行动态调整和全局优化。虽然这些优势并不能完全移植到硬件

    行业，但业务软件化的目标是尽可能地植入这些优良特性。在实践中，这意味着计算机需要像人类那样理解业务并操作业务。

    软件化不是一个简单的过程。由于机器缺乏天生的智能，我们必须将决

    策链中的每一步都进行软件化。从本质上讲，我们需要了解人类如何在

    这些环境中做出决策，然后智能商业才能找到将人类决策自动化的方

    法。使这种复杂的活动自动化是一项艰巨的任务，因为许多人类的决策建立在常识或很少被完全理解的潜意识活动之上。因此，一些专业领域

    或行业(如健康和教育)的自动化进程会较慢。在这些领域里，人类的

    智慧和情感永远是不可缺少的。

    软件化并不意味着企业需要购买或开发软件，如企业资源计划(ERP)

    软件，来管理其业务。实际上，软件化往往是相反的。传统软件往往旨

    在提升企业内部某项确定的功能的效率。但由于它实际上是巩固了流程

    和决策过程，传统软件常常会变成束缚创新的紧身衣。相比之下，智能

    商业的主要特征是按需求采取行动来实时应对市场变化，同时与多个职

    能领域的合作伙伴和客户进行有效协同。如果企业希望以指数级别的规

    模发展，那就必须具备这些特征。因此，软件化是通过软件重组业务、人员和资源的过程，由此实现网络协同和数据智能。这样的目标最终要

    求彻底协同商业活动，并且通常需要企业与其他合作伙伴或平台协同推

    进。

    软件化是确保企业内部资源可以灵活分配的重要步骤。一旦现实世界中

    的资产或能力通过数据传输上线，就必须利用软件来运用这些资源。使

    用软件是全球协调和优化运营的先决条件，这一点将在后续三个步骤中

    阐述。

    上文提到的共享单车业务就是软件化的典型案例。自行车租赁完全由在

    线软件操作，无人为干预。效率的提升是显著的：现在中国用户只要花

    很少的钱就能租用一辆自行车。

    自动化第三步：让数据流动起来

    在智能商业中，机器必须能彼此“交谈”。商业决策很少是单独发生的简

    单操作，尤其是在网络协同环境下。在实践中，这种沟通需要让数据在

    网络的每个实体间流动，并使机器在线相互协调。

    这种协调是通过TCPIP(网络通信协议，实现互联网上不同机器之间通

    信的规则)等通信标准实现的，并通过最近出现的应用程序接口进行创

    新。应用程序接口是一组工具、协议和例程，任何程序员都可以使用它

    来创建与系统中其他软件兼容交互的程序。实际上，应用程序接口允许

    应用程序(其输出通常是某种决定)彼此通信。当应用程序可自动通信

    时，涉及多方的复杂商业决策最终能由机器有效处理。只有将在线决策

    自动化之后，企业才能实现数据智能，并从这一核心能力的不断改善中

    获益。随着淘宝从买卖论坛发展成为中国主要的电子商务网站，不仅商家的业

    务在增长，他们对平台支持的需求也在增长。唯一的解决方案是创建更

    多的基础架构。这种基础架构的关键是翻译其他机器的语言，这样这些

    机器才能在平台上顺利进行交互。因此，从2009年开始，淘宝就开始开

    发自己的应用程序接口。在淘宝上，普通卖家可能会订阅平台提供的

    100多个软件模块。由于软件通常是由第三方提供商开发的，因此应用

    程序接口和实时数据服务大大降低了在平台上做生意的成本。

    亚马逊历史上的重要时刻之一是2002年贝佐斯下了最后通牒，要求公司

    必须完全建立内部应用程序接口。当某一部门与其他部门共享数据或代

    码时，必须记录交互结果，这就迫使每个部门都要把数据定义成其他团

    队或机器可以理解或使用的方式。最终，这些应用程序接口确保了亚马

    逊能在全球范围实现对业务的优化管理。 [4]

    自动化第四步：完整记录实时数据

    一旦业务流程的每个步骤都实现了数据化、在线化和智能连接，企业就

    可以开始将机器学习应用于商业问题。但如果没有数据可用，那机器学

    习就会变成无源之水。这就是为何第四步必须是记录实时数据，我将其

    定义为在开展业务过程中实时收集和使用数据。

    实时数据的概念并不复杂，但将这种理解转化为正确的行动会颠覆商界

    解决问题的许多传统理念和思路。企业家所熟悉的是数据驱动，即用精

    心挑选的数据和指标来支持提议或解决方案。但遗憾的是，这种方法与

    实时数据的运行方式完全相反。智能商业使用实时数据将商业设置的全

    部运作“复制”为数据语言，而不是挑选或选择性地复制。由于机器没有

    人的推理能力，只会记录什么才能产生更好的结果，因此目标是要尽可

    能完整地创建业务的“数字副本”，这样数据智能和机器学习才能开始优

    化操作。为此，企业必须在商业运营时全面记录数据，不能只收集跟某

    项决策相关的数据。

    在当前的运营环境中，实时数据是一项至关重要的竞争优势，而不仅仅

    是锦上添花的点缀。与实时数据相对应的是等待“日后分析”的存储静态

    数据。虽然这种静态数据仍然有用，但过时的数据在快速变化的环境中

    会很快失去价值。(可以想象一下，如果谷歌地图根据你在10天前所处

    的位置或几个小时前高峰时段的路面情况给你提示。)如果无法获得新

    鲜而丰富的数据，即使是最前沿的算法对企业也没什么价值。无论是从战略角度还是从战术角度看，实时数据对于改善商业运作都是极其重要

    的。

    使用实时数据要做许多艰苦而复杂的事情。前文已经描述过数据化的挑

    战，但许多企业在数据化之后往往忽略了有组织地使用数据的复杂技术

    挑战。实时数据需要有相应的指标体系和基础架构来解释和评估数据，智能商业必须在使用的算法及其数据智能引擎中开发这些指标体系和基

    础架构。从实时数据中得出的结论最好来自数据本身，通过系列动态测

    试和调整获得，例如通过第三章中所说的AB测试。

    自动化第五步：应用机器学习算法

    实时数据会不断变化和更新。随着机器学习算法处理实时数据，数据会

    得到改进，业务也会越来越有效率。显然，机器学习算法对于商业决策

    自动化至关重要。

    智能商业的核心是算法。优步的算法匹配汽车和打车人，从而最大限度

    地减少等待时间，同时使优步的位置测算能力远远超过任何人类调度

    员。为此，优步聘请了数千名数据科学家来不断提升算法。如果业务不

    是由算法驱动，那么所谓智能商业根本就无从谈起。

    淘宝转型成为智能企业的最重要里程碑事件就是将其索引引擎替换为搜

    索引擎。最初，买家要查看淘宝上的分类才能找到自己想要的产品。但

    随着产品列表几乎每天都在增加，越来越多的人开始使用搜索栏来查找

    产品。显然淘宝需要升级搜索体验，这样才能为买卖双方创造更多的价

    值。

    搜索的关键问题在于如何排序。最初，淘宝搜索排序主要是看销售产品

    的周期。当卖家上传产品时，他们可设置该产品在网站上保留的天数，例如7天或14天。按周期排序意味着即将从网站撤下的产品将显示在搜

    索结果的顶部。这样的规则在早期是简单而直接的，当时大多数卖家都

    是兼职开网店，卖家之间很少直接竞争。但遗憾的是，这种方法只会激

    励卖家重复发布产品，却没有给买家提供有用的信息。

    2006年，淘宝网将搜索排序方法改为根据受欢迎程度排序。根据交易量

    和信誉分数等核心指标来显示产品。人气搜索背后的逻辑是，销售良好

    且用户评价高的产品是高质量的产品，因此理应在搜索结果中出现在更

    高的位置以作为奖励。同时，这种方法有助于买家找到好的产品，有利于优胜劣汰。事实上，许多淘宝的早期卖家通过人气搜索都实现了巨大

    的销售增长。

    但按人气排序会产生严重的哲学问题。虽然这种搜索方法乍看上去合乎

    逻辑，但在实践中，对于已经很复杂的市场来说，这种排序方法过于简

    单化。根据这样的规则，销售好的产品变得更加成功，而新卖家要想出

    头却很难。为确保平台生态系统健康和平衡发展，大小卖家应在同等条

    件下发展，因此人气搜索显然存在极大缺陷。所以从2008年开始，淘宝

    不断升级其人气搜索规则。卖家千方百计提高网店声誉来提升在搜索结

    果中的排名，许多卖家也通过利用搜索流量迅速发展壮大。

    但人气搜索不是机器学习驱动的，它只是简单汇总卖方数据，这就变成

    了比大小的游戏。因此，那些拥有资源迅速做大规模的卖家就能利用这

    一点在平台上实现更快的发展，而中小卖家则举步维艰。这个问题的核

    心在于纯粹的规模计算并不智能。它只是解决问题的一种有效的人类战

    术方法。真正的数据智能需要机器方法，而不是人类大脑逻辑的简单机

    器升级。

    借助机器学习，淘宝在2010年推出了第一款真正大规模的搜索产品——

    阿基米德(Archimede)。从技术角度来看，阿基米德在改善人气搜索

    方面有了巨大进步。除了传统的转换率、平均客户支出和交易价值等指

    标，阿基米德还增加了一系列与卖家服务水平相关的指标。淘宝收集了

    超出纯粹交易之外的大量数据。例如，淘宝会看买方是否退货、是否有

    需要平台介入的交易纠纷、买家对卖家的投诉，以及卖家是否具有良好

    的信用评级等。当买家寻找产品时，他们也在寻找值得信赖的卖家和优

    质服务。因此，将这些先前被忽略的指标纳入考虑范围是合乎逻辑的，但如何确定使用哪些指标来影响搜索结果，以及如何确定这些指标的权

    重呢？

    经过多年搜索功能和搜索技术的改善，阿里巴巴开始实施之前所述的机

    器学习形式。在强化学习中，机器从最终目标(“找到买家最愿意买的

    产品”)开始，努力将引导到这一最终目标的各个节点连接起来。数据

    工程师通过进行无数的在线实验来确定搜索算法，例如之前所说的AB

    测试，即同时采用不同变量测试并监控反馈以梳理消费者偏好。如果搜

    索引擎将这样的结果显示给消费者，消费者是否会点击？他们会不会

    买？最后会有退货吗？最后得到一个非常精巧强大的在线算法体系，这

    套体系会持续在后台运转并给出越来越适合系统的结果。在阿基米德推出后的几年里，淘宝的搜索量开始以更合理的方式分配，不仅分配给大型卖家，也让许多拥有优质产品和良好服务的小卖家获得

    流量，而那些服务差或缺乏诚信的商家的业务会缩小。总体而言，买家

    会更容易找到优质产品，卖家的业务也得到提升。经过过去几年的发

    展，搜索结果在网店流量中的比重越来越大，逐渐超越了分类浏览所创

    造的流量。搜索引擎通过其算法极大地改善了市场的整体结构和动态。

    但搜索引擎的漫长变革过程也说明了实施自动化决策的不容易。

    淘宝的移动推荐：自动化五步骤的实践

    2016年“双十一”是阿里巴巴移动推荐引擎的“诞生纪”。在24小时内，平

    台在消费者和产品之间进行了数万亿次智能匹配，利用机器学习生成近

    千亿个个性化产品展示。当用户浏览打折和特别优惠信息时，个性化推

    荐每小时都会更新一次。推荐引擎带火了销售，让消费者看到足够丰富

    的产品，并有效提升了转化率。最重要的是，它将淘宝员工的直接管理

    运作降到了最低程度。这是智能商业的胜利，这一场景在2017年重现。

    淘宝以能够为海量消费者打造个性化商店甚至个性化商城而自豪。但当

    整个在线商城浓缩到小小的手机屏幕上时，必须要有创意。淘宝移动推

    荐引擎背后的故事充分展示了企业如何通过对商业经营的清晰、完整和

    创新思考来实现数据智能。

    在互联网行业，我们要以产品视角来谈论用户体验的各个方面。淘宝应

    用程序有数亿用户，每个用户都是在手机上访问同一个应用程序，但每

    个用户都会看到不同的产品和内容。从应用程序顶部的横幅广告到行业

    文章和服务内容，再到用户产品评论、直播频道内容以及算法驱动的产

    品推荐，淘宝应用程序为每个用户都给出了个性化的界面。

    淘宝应用程序的许多功能现在都使用推荐技术，但以前情况并非如此。

    2013年底，阿里巴巴彻底重组了针对智能手机的整个电子商务市场。最

    初，手机内容和结构是从网页电商直接复制过来的。普通消费者进入淘

    宝网的主要通道是产品分类清单(例如，男士服装、食品和饮料、母婴

    产品)、搜索条目(例如，明前龙井、黑色紧身裤)，以及由淘宝或天

    猫的团队策划的特别活动和促销。浏览器窗口的充足空间为消费者提供

    了探索的自由。对于许多中国年轻人来说，在淘宝网上随意浏览(所谓

    的逛淘宝)成为常见的消遣方式。

    然而这种方法在手机世界不再适用。用户在手机上的购物时间不长。手机屏幕较小，显示信息的空间很有限。于是用户开始更多地依赖搜索

    栏，但即使他们搜索了不常用的关键字，小屏幕上也仅能显示不多的产

    品列表。卖家接触消费者的空间收窄，可能会对中小卖家的生意造成不

    利影响。如果设计不当，那么移动购物环境可能会让消费者和商家都受

    损。我们需要一种新的方法去探索。

    但答案并不显而易见。在淘宝的组织架构里，产品推荐由不同的工程团

    队管理，具体取决于他们在应用程序中的位置。淘宝首页的推荐也是阿

    里巴巴最昂贵的在线领地，需要由上层管理人员批准才能变更，而单个

    产品页面的底部推荐或者交易完成页面出现的推荐则是由另外的团队负

    责。浏览这些不同推荐的消费者可能会看到非常不同的产品。他们对这

    些推荐产品的反馈(例如，购买或忽略)与管理这些推荐的不同团队基

    本无关。在桌面情境中，让不同团队管理不同的产品是有道理的，因为

    每个独立的产品业务设置都需要不同的卖家和消费者支持团队。但在移

    动世界中，即使客观上离散的业务问题也需要各部门协同才可得出有效

    的解决方案。

    行业外人士习惯将“移动”等同于手机上的应用程序。但实际上，移动是

    指一系列组织和技术架构，包括收集、使用和评估数据的方式。如果没

    有智能商业的思维方式以及上面列举的5个自动化步骤，企业就无法做

    到位，也就无从发挥数据智能的力量。

    在淘宝，我们迅速采取行动，整合搜索部门下的各个推荐团队，因为搜

    索部门拥有最好的技术工具和基础架构，因此能做到不同推荐产品之间

    的协同效应。我们还聘请了一些国际技术人才，因此我们有专门人才在

    开发算法，研究如何实现将大规模实时计算所需的复杂工程结合在一

    起。所有数据流及其接口和指标都必须与新算法协调。我们的产品和行

    业团队必须要根据拓展后的产品推荐重新定义许多规则和机制。当消费

    者买了一件商品之后，给他的推荐算法要跟其他算法相结合，例如，当

    消费者下载了新应用程序之后的推荐算法，或在消费者搜索服装但并未

    最后下单后给出的推荐算法。这样的结合产生了明显的效果。使用推荐

    产品的用户的销售和交易量开始稳步增长。

    这里的关键信息是，运用数据智能不仅仅是增加工程师团队预算的问

    题。它需要企业使用这5个步骤对业务整体进行清晰而全面的思考。我

    们对移动推荐的变革说明了自动化的每一个步骤。在重新思考何处需要

    运用推荐解决方案时，我们需要新的数据化方式和软件化；推荐必须能

    相互影响，因此推荐引擎需要可以相互“交谈”；我们还需要实时数据思维模式，由此所有消费者的所有行为都被记录在同一个地方，最后将其

    输入相同的机器学习算法。

    激活智能商业

    在第一部分中，我们介绍了智能商业的概念。从本章开始，读者应认识

    到，智能商业的复杂协同需要以新的方式思考数据。企业对业务流程活

    动的理解决定了如何将其变成数据，而数据又决定了可用来解决业务问

    题的产品和服务。为了使这些有关产品和服务的决策自动化，智能商业

    应遵循本章所列的5个步骤。第一，要以创新数据化的手段来丰富相关

    数据库，为商业企业奠定数据基础；第二，要将业务软件化，即把工作

    流程和基本参与者都上线；第三，应用程序接口支持实时协同；第四，完整地记录实时数据；第五，对生成的丰富的实时数据进行机器学习，从而创建数据智能。

    前面两章主要关注数据智能及其对商业的意义，以及实现这一新功能的

    正确策略。读者还应该明白，除了实现数据智能之外，本章所示的5个

    步骤也是网络协同的基础。到目前为止，你应该清楚地看到为什么我将

    网络协同和数据智能称为智能商业DNA的双螺旋。这两者不可分割。在

    双螺旋框架下，现在是时候讨论网络协同的战略重要性，以及企业应如

    何与自己的消费者和合作伙伴协同了。

    [1] 更多关于中国共享单车热潮历史的背景资料，参见“Chinese Startups Saddle Up for Bike-

    Sharing Battle,” Wall Street Journal ,October 25, 2016,www.wsj.comarticles chinese-startups-saddle-

    upfor-bike-sharing-battle-1477392508;Didi Kirsten Tatlow, “In ......