让数据的飞轮再转一会

每个时代都期盼一个英雄来挽救，就似乎IT界每个期间须要一个新理念来承载一切人的幻想一样，哪怕有些幻想注定难以变成理想，也能让幻想得以间断。

数据中台的演化

企业数字化转型的初期，阿里云的“数据中台”横空入世，它处罚了一批人为之争斗，不惜投入少量人力物力。一度，人们以为建起了数据中台，就能处置数字化转型遇到的一切疑问，企业就能一步迈入数智化时代。

起初的演化大家都知道了。一个个消耗少量财力物力搭建起来的数据中台，用起来就像启动一头硕大无朋，重大拖慢了企业数字化转型的进程。在“拆中台”的环节中，大家才开局不时反省，企业最外围的目的不是建中台而是要把数据用起来。

任何一个行业的开展都是如此，当遭逢到幻想与理想的渺小鸿沟，而见招拆招就是最好的招。IT行业亦如此。于是，原来山盟海誓要建中台的企业主逐渐醒悟，大而全的数据中台对大局部企业用户来说齐全没有必要，原本那只是专属于BAT这样的互联网巨头的池中物。

最幽默的是，原本数据中台这个新理念的始作俑者阿里云，在2021年将原来的技术中台拆分红两个中台。其中，“业务中台”并入了淘宝，“数据中台”则被从新注册成立一家独立公司——瓴羊，保管了原来阿里云“数据中台”的弱小基因。

不过自此，瓴羊将其外围产品服务定位为DaaS（Data intelligence as a Service，数据智能即服务），显著没有以前那么高调了，不再留恋造新概念的执念，而是务虚地为提供数字化革新的工具。

只是，从新定位为DaaS数字化革新的工具，瓴羊至今其实并没有在业界激起多大的浪花。理由很便捷，原来数据中台没有什么竞品能出其右，但是如今DaaS的赛道太普遍了，很多服务都可以称为数据即服务，而且概念上也是老生常谈。比如，提供数据传输才干的叫做数据传输服务，提供数据存储才干的叫做数据存储服务，提供各种类型数据剖析的叫做数据剖析服务，还有提供数据安保治理的叫做数据安保服务等等。

数据飞轮会是数据中台的接力棒吗？

IT行业从不不足新理念，很多人慨叹数据中台之后还有谁可以拿下接力棒。2023年4月，火山引擎提出了数据驱动的新范式——数据飞轮，以数据生产为外围，经过频繁的数据生产，让数据活起来用起来，用生产数据再反哺原始数据，进而构成双轮驱动，使企业数据流充沛融入业务流，增强业务开展能源。

近期，笔者征询一位还在瓴羊到任的好友，让他谈谈对数据飞轮的认识。他感觉“数据飞轮”这个新概念蛮贴切，经过生产数据促成业务开展，经常使用数据环节中又会发生新数据反向促成业务，这种双轮驱动的逻辑是十分认可。其实，很多原来的数据中台都在野着这方向加长，只是这个概念是最先由火山引擎把它提炼之后定义为“数据飞轮”。

每个数据中台的实质只象征着成功了数据资产的初步树立。再往后，大家势必都在野着各种数据运行方向拓展，肯定会发生相似飞轮的运行场景。比如，促成营销增长、促成供应链优化，到达降本增效的目的。而后，经过数据生产带动业务增长和变动，在业务开展环节又会发生新数据的留存，新数据会补充到数据中台中被循环经常使用起来。

所以，从这个角度来看数据中台与数据飞轮的区别。数据中台更强调做数据资产的一致和积攒，有人打比如数据中台像一个中央厨房，前台担任搜集顾客需求，后盾就像一个资料粗加工场，数据中台依据前台的需求将后盾预加工后的资料，经过烹饪间接提供应前台端给顾客享受。

而数据飞轮就是协助企业最大化应用数据资产的价值并构成惯性增长。数据飞轮不论企业有没有建成数据中台，它处置的是如何把数据用起来，并且是以数据生产为外围驱能源，以此驱动数据能够构成惯性增长，就像一个自转起来的飞轮。

数据的飞轮效应

谈数据飞轮不得不提一下飞轮效应（Flywheel Effect）。有一种认识以为，飞轮效应是指为了使运动的飞轮转动起来，一开局肯定用很大的外力重复地推进。飞轮转动越来越快，当到达某一临界点后，飞轮的重力和冲力会转化成一种自驱力，即使中止施加外力，飞轮照旧可以自发地不停极速转动。

这个场景，笔者想起小时刻在乡村生存的日子，每无所谓冷启动拖延机的时刻，都会经过一个金属摇把用手摇带动转轮高速旋转，随着逐渐放大手臂力气和转动惯量，使活塞迅速紧缩发生高温，当转速到达肯定临界值，喷油遇到高温即可熄灭后发生推力，推进发起机继续转动。

笔者以为，正如手摇拖延机施加的外力以至转轮发生的自驱力，数据飞轮也是宿愿经过特征工具促使企业外部的数据构成的飞轮效应。

以热火朝天的汽车智能驾驶为例。智能驾驶最外围模块是感知系统和决策系统，汽车经过感知系统实时采集路况数据，并实时传输给决策系统启动判别，接上去是继续反常行驶、刹车、还是转弯。

普通状况下，汽车厂商都会提早在实验室训练好一批数据输入决策系统，让汽车具有一些经常出现场景下的判别才干。如遇到红绿灯、行人过马路、路障等，便于决策系统以最极速度做出反响。下个阶段，为了更凑近实践生存，汽车厂商还会让智能驾驶汽车走上实验场地甚至是实在路况，进一步尝试新的运行场景并同步搜集各种新数据。比如遭逢气球、假人、修建物阴影、沉没的塑料袋等不凡场景。汽车厂商经过搜集新运行场景下的新数据，从而丰盛了新的数据模型，拓展了决策系统的决策才干。同时，新数据又能推进构成愈加优异的数据产品，生产新的数据产品又能带来运行层面的翻新和高效，相互促成。

这就是火山引擎“数据飞轮”不时所推崇的以数据生产为终点，一方面让数据赋能业务，减速洞察决策，另外一方面，数据得以继续迭代优化，优化了数据研发效率，发生更优异的数据产品让业务人员获益更大。

不过，为了更好应用数据的飞轮效应。火山引擎的做法更值得称道，经过与大模型联合，应用大模型带来的逻辑推理才干，降落数据生产门槛，使得业务更容易被数据驱动，从而成功数据资产和业务运行的优化，激起企业生机。经过固化这样的机制，让数据飞轮能够带动企业高速开展，成功业务与数据的良性循环和继续优化。

理想上，早在数据飞轮被火山引擎定义之前，很多国内互联网大厂都在应用数据的飞轮效应来优化他们的产品和服务。如亚马逊的介绍系统就是经过不时搜集和剖析用户的购物数据，来不时优化介绍商品的共性化展现，进而优化用户的购物体验，吸引更多的用户经常使用，构成一个数据飞轮。

只是，最近几年很少再看到亚马逊再对Data Flywheel做进一步的解读和宣传。笔者征询一位亚马逊到任的好友获取印证，亚马逊确实很多年不提数据飞轮了，不清楚详细要素。

从2023年4月至今，火山引擎推出数据飞轮至今一年多的期间里，IT界人士也开局逐渐认同和接受了这个新理念。

但是瞎话说，数据飞轮在互联网上并没有激起太普遍的讨论。比如，经过互联网大厂对数据飞轮的搜查结果来看，网友对“数据飞轮”这个关键词的关系搜查量远不如曾经成为明天黄花的数据中台。从百度付费搜查推行中来看，除了火山引擎还没有其余厂商购置数据飞轮这个关键词的搜查推行。

但是无需着急，既然数据有飞轮效应，商业何尝没有飞轮效应，可以让数据的飞轮再转一会，当临界点来到的时刻，一切就会水到渠成。