想要把数据智能融入具体商业，要做好三件事：数据化、算法化和产品化。

数据化：商业创新的基础

对于当下的商业而言，智能化指的是商业决策会越来越多地依赖机器学习，依赖人工智能。机器将逐步取代人，在越来越多的商业决策上扮演非常重要的角色，它能取得的效果远远超过今天人工运作产生的效果。伴随着互联网技术，特别是物联网、数据科学和计算能力持续的高速发展，几乎可以断言，基于数据智能的商业必将超越1913年横空出世的福特流水线，给人类整体的生产力带来一次根本性的巨大突破。正是在这个意义上，我们强调，这是一场商业模式的范式革命。未来10年，最大的商业价值就是如何创造一个个智能商业，带来用户体验的飞跃。

所谓数据化，不仅包括客户的经营数据，还有更多维度的数据被记录、分析和融入，构成了对客户全方位的描摹。

数据化本质上是将一种现象转变为可量化形式的过程。它来源于人类测量、记录和分析世界的渴望，是文明进步的基础。我们已经看到，自己在互联网上留下的每一处“足迹”都被数据化地记录下来，成为各种应用推送个性化服务的关键依据。我们还看到文字被数据化、地理方位被数据化、情绪感受被数据化。与我们每个人更息息相关的是身体健康状况的数据化。

互联网技术使我们终于可以低成本、全方位地记录数据，而只有当我们拥有了足够大量、足够多维度的“大数据”时，才可能真正客观、真实而深刻地理解我们周遭的环境、事物的本原以及我们自己。 这是激动人心的历史性努力。本质上，就如同蒸汽机是我们进入工业文明的第一步、电是我们迈入电气化的现代工业的第一步，数据化毫无疑问是我们进入以数据智能为核心的智能商业世界的第一步，也是我们这个时代最重要的创造之一。

有效的数据初始化是大数据创造价值至关重要的第一步。可以说，没有数据的初始化，就没有后继的商业创新。而成本高昂的数据初始化工作能否创造巨大的客户价值，就成为当下海量创业项目能否存活立足的重要考验。企业家的创造性也将在这一领域中大放异彩。

如果我们更全面地检视蚂蚁小贷的业务，就会发现它做了三件关键的事：特定商业场景的数据化、忠实于商业逻辑的算法及其迭代优化，以及将数据智能与商业场景无缝融合的产品。这三件事融会贯通、相互包含，在反馈闭环中共同演化，这就是未来智能商业的样貌。蚂蚁小贷是智能商业的一个经典案例。信贷如此古老而复杂的商业活动，被抽象、极简地表达成了一个人机交互的输入框；传统上烦琐得令人望而生畏的信贷流程，变成了“输入信贷需求—机器做出决定—资金自动汇入”三个简单的动作；过去高度依赖人的判断力的贷款审核，变成了由机器自动决定。

算法化：智能商业的“引擎”，而非“工具”。

算法是什么？让我们回到这个基础问题上。算法是按照设定程序运行以获得理想结果的一套指令。算法是什么？让我们回到这个基础问题上。算法是按照设定程序运行以获得理想结果的一套指令。

在商业语境下，算法就是一组反映了产品逻辑和市场机制的计算指令的集合。完成了商业场景的数据化之后，算法就是提炼数据价值的思路，而DT时代的数据价值就是商业价值。算法看似高精尖，但实际上，算法在我们的日常生活中早已无所不在。不仅是手机和汽车，在房子里、电器里、玩具里都藏有算法。现在的银行是错综复杂、规模巨大的算法聚合，只是当中会有人时不时地微调一下罢了。真正“不知疲倦”地记录各种数据，做出空单或者多单决策的同样是算法，而交易员常常只是算法决策的执行者。算法制定飞机航程，然后把飞机开走；算法管理厂房，进行贸易，控制货物流通，兑现利润，甚至做账。

不过，随着算法对我们日常生活的渗入，一个小错误就可以击垮整个系统，导致火箭陨落、电网崩溃、市场坍塌，前两者我们或许还没见到实例，但是因为算法的一个小错误引发连锁反应导致市场崩盘的惨剧确实发生过。

算法是“机器学习”的核心——笨机器用笨办法，靠着算法的持续迭代优化，变得越来越聪明。即便是一个非常粗糙的算法模型，也可以在实时在线、全本记录的数据中，通过没有预判和方向的数据探索，来发现那些广泛潜伏但我们无从察觉的关系结构，并持续优化。

机器学习的原材料是数据，数据越多越好。并且机器学习能够克服各种复杂情况，只要数据足够丰富，简单的学习算法可以轻松编写百万行长的新算法，工程师的工作轻松多了。工业革命使得体力劳动自动化，信息革命使得脑力劳动自动化，而机器学习使得自动化过程本身自动化。数据时代的智能商业对算法提出了全新的要求：算法的迭代方向、参数工程等，都必须与商业逻辑、机制设计，甚至价值观融合为一。当算法迭代优化时，决定其方向的不仅是数据和机器本身的特性，更包含了我们对商业本质的理解、对人性的洞察和对创造未来商业新样貌的理想。 这就是我们将算法称为智能商业的“引擎”而非“工具”的关键理由，它是智能的核心。基于数据和算法，完成“机器学习”，实现“人工智能”。第三次工业革命发展到今天，计算方法已经产生了从量变到质变的飞跃，可以说是数据时代最根本的特征。

产品化：数据智能和商业场景的最终载体

真正把用户、数据和算法创造性地连接起来的是“产品”，这也是互联网时代特别强调产品重要性的根本原因。

产品和数据、算法的互补作用可以形象地比喻成“端+云”。“端”就是产品，是与用户完成个性化、实时、海量、低成本互动的端口，它不仅直接完成用户体验，同时使数据记录和用户反馈闭环得以发生，和“云”互动；而“云”则是数据聚合、算法计算的平台，它通过算法优化，更好地揣摩用户需求、提升用户体验。

产品设计直接影响用户体验

产品的功能是否齐全、界面是否友好以及交换是否自然，都是产品能否取得成功的关键因素。苹果公司这10年的成功，特别是Iphone的跨时代意义，充分显示了这一点。

上传：将“端”的行为数据向“云”反馈。

下达：将“云”的数据智能传递到“端”。

上传下达，双“管”齐下，数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接、交互友好、价值明确的互联网产品上，其智能的价值才能真正体现出来。

智能商业的成功，最关键的一步往往是一个极富想象力的创新产品：针对某个用户问题，定义了全新的用户体验方式，同时启动了数据智能的引擎，持续提升用户体验。这样的智能商业才是对传统商业的颠覆，才能真正实现降维攻击，胜者一骑绝尘，败者万劫不复。谷歌超越雅虎、脸书超越MySpace（一个社交网站）、优步颠覆出租车行业等，莫不如此。

数据化、算法化加上产品化构成了智能商业的三大基石。

用户行为通过产品的“端”实时反馈到数据智能的“云”上，“云”上的优化结果又通过“端”实时提升用户体验。在这样的反馈闭环中，数据既是高速流动的介质，又持续增值；算法既是推动反馈闭环运转的引擎，又持续优化；产品既是反馈闭环的载体，又持续改进功能，在为用户提供更好的产品体验的同时，也促使数据反馈更低成本、高效率地发生。

一言以蔽之，数据化、算法化和产品化就是在反馈闭环中完成了智能商业的“三位一体”。

产品借助互联网的巨大能量成为数据智能和用户实时互动的端口时，我们终于可以说，我们找到了促使这个反馈闭环成本更低、效率更高，甚至自动运转的颠覆性工具。它可以被视作数据智能的“永动机”，只要有在线的互动，有数据的反馈，这台机器就永不停歇地学习，实时敏捷地进行优化。 数据、算法、产品在反馈闭环中“三位一体”，唯有如此，智能商业才能完成对传统商业的降维打击，DT时代的商业跃升才有发力点。

活数据：让反馈成为闭环

想要让数据与现实生活无缝衔接，就需要数据在线，实时记录而不是主动采集；要不断更新，随时可用来产生洞察；需要在实际业务场景中被灵活使用，驱动下一个决策的产生。这个概念我称为“活数据”。

“活数据”一定是始终在线且不断更新的，可以随时被使用。“活数据”在不断地被消化、处理，产生增值服务，同时又能产生更多的数据，形成数据回流。

“活数据”的三大重要特征：1.全本记录，而非样本抽查 2.先有数据，后有洞察 3.数据就是决策（数据智能的引擎机器要能够直接做决策，而不是支持人的决策，不存在任何人为干预）。

以上三大特征结合在一起，也就形成了反馈闭环的概念。只有“活数据”，才能让整个反馈闭环顺畅运作。你跑业务的时候自然会产生数据，这些数据会被自动、全部地记录下来，然后经过算法处理直接形成决策，用以指导你的业务，并通过客户反馈不断地优化你的决策。如此一来，整个企业的业务发展就走上了反馈闭环的正向循环，也就是走上了智能商业的发展道路。

企业智能化=在线化+自动化

产品提供反馈闭环，数据作为原料，交给算法去处理，三位一体，你的业务就变成了一个智能业务，你的商业有了数据智能这一核心引擎，你就能跑在竞争对手之前。

核心业务在线化：运用IoT技术让线下场景变成线上场景。

业务环节自动化 ：比如“流利说”，也就是将学口语变成一个非常简单的自动化过程。你的录音都会得到系统的反馈，你可以针对反馈不断提升自己的口语水平，也可以随时调整课程的进度，这其实就是机器人AI老师的概念。

在某个特定的业务场景下，通过在线化和自动化形成智能商业的初步闭环，这是接下来最值得大家去研究的事情。