自1999年創(chuàng)立以來，阿里巴巴的電子商務平臺取得了巨大增長。然而，筆者2006年進入阿里巴巴管理層全職工作，2007年管理團隊在浙江寧波一家簡陋的海濱酒店開會探討戰(zhàn)略，當時公司還并不像什么世界級大企業(yè)。我們對于電商發(fā)展趨勢雜亂無章的認知和觀點，在這次會議中逐漸匯聚成更大的未來圖景，最后達成共識：我們要“建立一個開放、協(xié)調(diào)、繁榮的電子商務生態(tài)系統(tǒng)”。阿里巴巴就是在那個時候真正啟航的。

我們發(fā)現(xiàn)，阿里巴巴獨到的創(chuàng)新在于可以真正建立起一個生態(tài)系統(tǒng)：有機體(多種類型的公司和消費者)相互作用、與環(huán)境(線上平臺和更大的線下實體基礎)互動組成的社區(qū)。我們的戰(zhàn)略要務是，確保平臺能夠提供網(wǎng)絡商務所需的一切資源或獲得資源的渠道，進而支撐這一生態(tài)系統(tǒng)演進發(fā)展。

我們構建的生態(tài)系統(tǒng)最初很簡單，只是把商品買方和賣方聯(lián)系在一起。隨著技術進步，更多功能上線，其中有廣告、營銷、物流和財務等傳統(tǒng)的業(yè)務職能，還有聯(lián)盟營銷、產(chǎn)品推薦及頭部社交媒體傳播等新興功能。我們對生態(tài)系統(tǒng)進行擴張，容納這些創(chuàng)新，在此過程中協(xié)助構建新型網(wǎng)絡商務，徹底重構了中國的零售業(yè)。

今天的阿里巴巴不只是一家電商公司。我們把零售相關的所有功能在網(wǎng)絡上整合，構成一個以數(shù)據(jù)驅動的大型網(wǎng)絡，連接起銷售者、營銷者、服務提供者、物流公司和制造者。換言之，阿里巴巴做到了美國的亞馬遜、eBay、PayPal、谷歌、聯(lián)邦快遞、批發(fā)商以及大部分制造商所做的事情，還有金融服務錦上添花。

在全世界價值最高的公司排行榜上，排名前十的企業(yè)有七家是商業(yè)模式與我們相似的互聯(lián)網(wǎng)公司，五家(美國的亞馬遜、谷歌和Facebook，中國的阿里巴巴和騰訊)問世不過20年。這些公司的價值和市場支配力為何能在短時間內(nèi)迅速崛起?原因在于它們都采用了新型的網(wǎng)絡協(xié)同和數(shù)據(jù)智能。與傳統(tǒng)行業(yè)相比，這些公司的生態(tài)系統(tǒng)經(jīng)濟效率更高，更加關注客戶。筆者將這些公司采用的方式稱為智能商業(yè)，相信這種方式能夠代表未來的主流商業(yè)邏輯。

智能商業(yè)是什么?

追求同一個商業(yè)目標(如零售、拼車)的參與者在網(wǎng)絡上協(xié)調(diào)合作，運用機器學習技術有效分析實時數(shù)據(jù)，就形成了智能商業(yè)。這種模式依托技術，由機器負責大半運營決策，讓公司得以隨時調(diào)整，迅速適應變化的市場狀況和客戶需求，與傳統(tǒng)商業(yè)相比有著巨大的競爭優(yōu)勢。

當然，充足的計算能力和數(shù)據(jù)資料是機器學習的燃料。算法引擎收錄的數(shù)據(jù)和迭代次數(shù)越多，給出的結果就越好。數(shù)據(jù)分析師給出特定行為的概率預測模型，然后算法綜合大量數(shù)據(jù)，實時提供經(jīng)過迭代的更好的決策。這些預測模型成為多數(shù)業(yè)務決策的基礎。因此，機器學習不只是技術創(chuàng)新，隨著人類決策越來越多地被算法取代，機器學習會逐漸改變我們做生意的方式。

螞蟻金融小額貸款是一個很好的未來圖景的例子。2012年阿里巴巴推出螞蟻金服的時候，中國大型銀行的貸款動輒數(shù)百萬美元，最低貸款金額(約600萬人民幣，不到100萬美元)遠遠超出多數(shù)中小企業(yè)的需求。銀行不愿為沒有信用記錄，甚至沒有商務活動必要文件的小公司服務。中國數(shù)千萬公司難以籌得業(yè)務增長所需的資金。

我們意識到，阿里巴巴擁有了眾多小公司經(jīng)過我們平臺交易產(chǎn)生的大量數(shù)據(jù)，可以建立一項高素質、可擴展、可盈利的中小企業(yè)貸款業(yè)務。因此在2010年，我們推出了開創(chuàng)性的數(shù)據(jù)驅動小額貸款業(yè)務，為企業(yè)提供100萬元人民幣(約16萬美元)以下的貸款。這個業(yè)務運營7年，為近300萬家中小企業(yè)提供貸款超過870億元人民幣(約134億美元)，平均貸款規(guī)模為8000元人民幣(約1200美元)。2012年，我們將這個借貸服務與成功的在線支付業(yè)務支付寶整合在一起，創(chuàng)立了螞蟻金服。這個名字的寓意是，我們要幫助所有像螞蟻一樣辛勤忙碌的小公司。

現(xiàn)在，螞蟻金服可以在幾分鐘內(nèi)處理幾百元人民幣(約50美元)的貸款。這是如何實現(xiàn)的?面對潛在貸款者，貸款機構只需回答三個基本的問題：是否應該貸款，應該貸出多少，利息怎么算。平臺上的賣家只要授權我們分析數(shù)據(jù)，我們就能夠回答這些問題。我們的算法可以通過交易數(shù)據(jù)評估商業(yè)運營情況、市場競爭力及合作伙伴信用級別等信息。

螞蟻金服運用這些數(shù)據(jù)，對比好的貸款者(按時還貸)和差的貸款者(不按時還貸)，總結出各自的特征，根據(jù)特征為貸款者計算出信用評分。誠然，貸款機構或多或少都會進行這一步驟，但螞蟻金服的分析是根據(jù)所有貸款者的實時行為數(shù)據(jù)自動完成的。每一筆交易、買賣雙方之間每一次交流、每一次使用阿里巴巴其他服務乃至在我們平臺上的任何動作，都會影響企業(yè)信用評分。與此同時，用于評分的算法本身也在實時進化，在迭代中不斷改進決策質量。

決定貸出多少、利息多少，需要分析阿里巴巴網(wǎng)絡內(nèi)部的許多不同種類的數(shù)據(jù)，如總利潤率和庫存周轉率，以及產(chǎn)品壽命周期、賣家的社會及業(yè)務關系質量等較難精確量化的信息。舉例來說，算法可以通過分析交流(即時信息、電子郵件或其他中國常用的通信方式)的頻率、長度和類型來評估關系質量。

在這一過程中，阿里巴巴的數(shù)據(jù)分析師是必不可少的。他們識別和測試哪些數(shù)據(jù)點可以提供他們需要的信息，然后設計算法，挖掘數(shù)據(jù)。這項工作需要分析師深入了解業(yè)務本身，并具備機器學習算法方面的專業(yè)知識。再以螞蟻金服為例。如果某個信用評分極低的賣家按時還貸，或者某個評分很高的賣家嚴重違約，算法顯然需要調(diào)整。工程師可以方便迅速地開始檢查，要增減哪些參數(shù)、加強用戶哪幾類行為的權重等。

經(jīng)過調(diào)整之后，算法給出的預測越來越精確，螞蟻金服的風險和成本穩(wěn)步下降，貸款者可以在有需求的時候獲得資金，利率也在可以承受的范圍內(nèi)。最終的結果非常成功：這項小型貸款業(yè)務違約率約為1%，遠遠低于世界銀行2016年估計的世界平均水平4%。

那么，這樣的業(yè)務要如何建立?

運營決策全面自動化

要想實現(xiàn)智能商業(yè)，公司必須盡量使運營決策自動化，讓實時數(shù)據(jù)支撐的機器取代人工數(shù)據(jù)分析。這方面轉型需要以下四個步驟。

第一步

將所有客戶交流“數(shù)據(jù)化”。螞蟻金服能夠訪問大量潛在貸款者的數(shù)據(jù)，在貸款業(yè)務中根據(jù)這些數(shù)據(jù)回答基本問題。然而對于許多企業(yè)而言，獲取數(shù)據(jù)的困難更大。不過，實時數(shù)據(jù)是建立反饋環(huán)所必要的，而反饋環(huán)是機器學習的基礎。

以單車租借公司為例。中國的初創(chuàng)企業(yè)利用移動通信、物聯(lián)網(wǎng)(智能單車鎖)和已有的移動支付及信用系統(tǒng)，將整個租借過程數(shù)據(jù)化。

以往的單車租借，需要前往租借地點，付押金，從工作人員那里獲得單車，使用單車，歸還，用現(xiàn)金或信用卡支付租金。中國幾家相互競爭的公司把一些新技術與原有技術相結合，將整個過程放到了線上。智能結算的二維碼和電子鎖的結合是一項關鍵創(chuàng)新。打開單車共享應用，就可以看到并預訂附近可用的單車，然后到達單車所在地點，用手機應用掃描單車上的二維碼。如果應用賬戶上有足夠的資金，而且符合租借條件，二維碼就會打開單車電子鎖。手機應用還可以通過芝麻信用(螞蟻金服新的線上產(chǎn)品，用于評估消費者信用等級)評估用戶信用歷史，允許用戶不付押金，進一步加快了租借流程。歸還單車時電子鎖上鎖，完成交易全過程。整個過程簡單直接，通常只需要幾秒鐘時間。

將租借流程數(shù)據(jù)化，大大提升了消費者體驗。公司根據(jù)實時數(shù)據(jù)，調(diào)遣貨車把單車運送到用戶有需求的地方，還可以提醒經(jīng)常使用的用戶附近有可用單車。中國單車租借的成本能夠降到每小時幾美分，很大程度上是因為這些創(chuàng)新技術。

追求數(shù)據(jù)化的企業(yè)大多為了建立因果模型而收集和分析信息，然后通過模型從大量可用信息中找出關鍵數(shù)據(jù)點。智能商業(yè)利用數(shù)據(jù)的方式與此不同。智能商業(yè)收集客戶及其他網(wǎng)絡用戶在溝通和交易過程中產(chǎn)生的所有信息，讓算法識別出有用的數(shù)據(jù)。

第二步

將所有活動“軟件化”。智能商業(yè)中所有活動(不只是知識管理和客戶關系)都以軟件處理，因此相關決策可以自動化。不是說公司必須購買或構建ERP軟件用于管理業(yè)務，其實恰恰相反。傳統(tǒng)的軟件使得行動流程和決策過程更加僵化，往往造成束縛，而智能商業(yè)的主導邏輯是實時反應。首先要為目前的人工決策過程建立模型，設法用軟件復制其中的元素加以簡化——這一步有時并不容易，因為許多人類決策的基礎是常識乃至下意識的神經(jīng)活動。

阿里巴巴集團旗下的中國國內(nèi)購物網(wǎng)站淘寶網(wǎng)，增長的推動力就是不斷將零售流程軟件化。淘寶網(wǎng)初期一批主要軟件工具里，有一款讓買賣雙方實時交流的即時通信工具“旺旺”。賣家用旺旺招呼買家，介紹產(chǎn)品，討價還價等，與傳統(tǒng)零售商店中的活動相同。阿里巴巴還開發(fā)了一些軟件工具，幫助賣家設計各種復雜的網(wǎng)店頁面。網(wǎng)店上線后，賣家可以運用其他軟件產(chǎn)品來進行發(fā)布優(yōu)惠券、打折、推出會員回饋項目等各種客戶關系活動，相互協(xié)調(diào)配合。

現(xiàn)今多數(shù)軟件在網(wǎng)絡上以服務的形式運營，將商業(yè)活動軟件化的一個重要優(yōu)勢是，在此過程中可以自然地收集實時數(shù)據(jù)，為運用機器學習技術打下基礎。

第三步

讓數(shù)據(jù)流動起來。生態(tài)系統(tǒng)中多方參與者相互聯(lián)系，商業(yè)決策要經(jīng)過復雜的全面協(xié)調(diào)。舉例來說，淘寶推薦引擎要跟賣家的庫存管理系統(tǒng)、多個社交媒體平臺的消費者檔案系統(tǒng)協(xié)作，交易系統(tǒng)要跟折扣以及會員項目配合，還要協(xié)調(diào)我們的物流網(wǎng)絡。

要讓數(shù)據(jù)在各方參與者之間流動，與此同時嚴格控制生態(tài)系統(tǒng)中數(shù)據(jù)的訪問和編輯權限，通信標準(如TCP/IP)和應用程序接口(API)發(fā)揮著極其重要的作用。讓不同軟件系統(tǒng)在線“交流”合作的工具API已經(jīng)成為淘寶網(wǎng)發(fā)展的核心。淘寶平臺從一個供買賣雙方交流和交易的論壇發(fā)展成為中國主要電商網(wǎng)站，網(wǎng)站上的商家需要第三方開發(fā)者提供越來越多的支持。新軟件必須與平臺上其他所有軟件廣泛配合，才能發(fā)揮價值。因此在2009年，淘寶網(wǎng)開始開發(fā)API供獨立軟件供應商使用。今天，淘寶網(wǎng)上的商家平均訂閱100多個軟件模塊，來自他們的實時數(shù)據(jù)流則大幅度降低了商家經(jīng)營成本。

妥善部署技術基礎設施還只是開始。建立通用標準，讓阿里巴巴所有業(yè)務部門得以使用和解讀數(shù)據(jù)，需要付出巨大的努力。此外，尋找合適的激勵框架說服公司共享數(shù)據(jù)，也是一大挑戰(zhàn)。還有大量工作亟待完成。當然，公司在這方面的創(chuàng)新，部分取決于所在國家有關信息共享的法規(guī)。不過總的方向非常明確：網(wǎng)絡中流動的數(shù)據(jù)越多，商業(yè)智能化程度就越高，生態(tài)系統(tǒng)創(chuàng)造的價值也就越大。

第四步

應用算法。商業(yè)活動全部放到線上，就會得到大量數(shù)據(jù)。要吸收、解讀和運用數(shù)據(jù)發(fā)揮作用，公司必須建立模型和算法，闡明潛在的產(chǎn)品邏輯或市場動態(tài)，實現(xiàn)業(yè)務優(yōu)化。這是一項艱巨的創(chuàng)新任務，要用到很多新的技能，于是需要大量數(shù)據(jù)分析師和經(jīng)濟學家。他們面對的難題是要明確指定希望機器完成怎樣的工作，而且他們必須非常了解特定業(yè)務背景下完成某項工作所需的要素。

淘寶網(wǎng)的目標從很早開始就是貼合每位用戶自身需求。如果沒有機器學習的進步，這個目標不可能實現(xiàn)。如今，淘寶用戶一登錄就會看到定制化的頁面，以及從幾百萬商家的上億商品中選出的推薦。推薦由淘寶網(wǎng)的強力推薦引擎自動生成，引擎算法專為優(yōu)化訪問轉化率而設計，利用的是淘寶平臺運營、客戶服務及安全等各環(huán)節(jié)產(chǎn)生的數(shù)據(jù)。

淘寶發(fā)展過程中的一個里程碑，是2009年從單純的網(wǎng)站瀏覽升級為搜索引擎。平臺訪問量和商品數(shù)目大量增加，瀏覽已經(jīng)無法滿足需求;搜索引擎有機器學習算法支持，能夠處理大量請求。淘寶還在嘗試圖像識別搜索算法，根據(jù)客戶提供的照片匹配平臺上的商品。雖然我們還處于這項技術的早期階段，但事實證明，這個功能很受客戶歡迎，每日絕對訪問量提升了1000萬。

2016年，阿里巴巴引入AI聊天機器人協(xié)助處理客戶咨詢。不同于人們熟悉的把客戶問題與幫助文檔中相應答案匹配的機械服務，聊天機器人由經(jīng)驗豐富的淘寶商家代表“培訓”，了解相應品類下的所有產(chǎn)品，且對阿里巴巴平臺的退換貨、運費等機制以及其他常見問題十分熟悉。聊天機器人運用語義理解、語境對話、知識圖譜、數(shù)據(jù)挖掘和深度學習等多種機器學習技術，迅速提升自動診斷及處理客戶問題的能力，而不是單純地給出靜態(tài)回應讓客戶自行采取行動。聊天機器人讓客戶確認可以接受它們給出的解決方案，然后予以執(zhí)行，全過程不需要阿里巴巴或商家提供人力。

聊天機器人還能顯著提升商家收入。服飾品牌森馬一年前開始使用聊天機器人，發(fā)現(xiàn)機器人促成的交易量比表現(xiàn)最好的銷售人員高出26倍。

商家總會需要人工客服處理復雜或個人化的問題，但利用聊天機器人應對常規(guī)問題的能力很有用，特別是在銷量非常高的促銷活動期間。以前平臺上多數(shù)大型商家會在促銷時雇用臨時客服應對消費者咨詢，以后就不必再這樣做了。2017年阿里巴巴銷量最高的一天，聊天機器人處理了95%以上的客戶咨詢，回答了約350萬名消費者的問題。

通過有創(chuàng)意的數(shù)據(jù)化，增加能夠利用的數(shù)據(jù)儲備，提升智能化程度;將業(yè)務軟件化，把工作流程和必要活動放到線上;設置統(tǒng)一標準和API，促成實時數(shù)據(jù)流動和協(xié)作;應用機器學習算法，促成“智能”商業(yè)決策。這四個步驟是建立智能商業(yè)的基礎，相關所有活動都是重要的新技能，需要新的領導能力。