滴滴为啥值3600亿？看它的数据中台就知道了
|
我们在这儿是没有商业模式护城河，唯一一个护城河是来自于数据智能，怎么样通过更好的算法找到更好的匹配，怎么去做供需的预测，怎么去做调度，怎么去做时间的分配，怎么去鼓励司机在什么样的情况下往哪个方向去。 我们在每一个出行环节里面我们都需要用数据进去结合起相应的算法，把这个效率做到最高。 所以从这个角度来讲在滴滴去做数据平台或者做数据中后台工作压力非常大的。因为整个公司的护城河是依赖数据的，网络效应在我们这儿是大大缩小。 中台数据体系建设的核心困难 我们再看一下为什么在滴滴中台数据体系建设这么困难?数据其实是要在两条价值线上去发挥价值。 第一个每天日常生产价值线，每天业务要保障正常运转，要从一个状态变到另一个状态，用户进来要从一个业务做完，要稳定的生产，让我们客户能打到车，这里面很多的算法通过数据，生产加工到最后产生价值。
这里面随时随地在提三个词，质量、效率、成本，因为我们没有大规模的网络效应，我们依赖网络效应去做创新的空间没有那么大，我们只能在各个业务的环节，用数据去发现这样的效率增加的地方，或者在里面去做模式的挖掘。 这样对于数据来去驱动创新的压力更大了，我们可能不像抖音，或者是说不像淘宝，我们可以做一个消费者靠主观感受发现有哪些模式可以把网络效应激发出来。 对于我们来讲必须用数据看整个滴滴出行网络里面有些什么样的模式，有些什么样的问题，有些什么样关联的情况能够被我们发现出来，有哪些 idea 去做实验，一堆筛选以后找到一个真正产生正价值的 idea。 每个这样的想法要通过大量的数据分析、数据驱动的方式，才能最终融入到数据生产价值线来。这个时候对于数据平台团队来讲意味着很纠结了，一条线要求稳定。 另外一条线要求数据质量高情况下还要快速，必须得尽快把相应的数据支援到我，你希望把很多没有稳定下的数据业务背后的数据支援到我，这是非常困难的一件事情。 因为滴滴把竞争力放在了数据智能这块，意味着我们是互联企业里面对于数据场景使用最多的一个企业了。 总结了一下大概有 13 个主要数据使用场景，从最简单的看报表、临时分析、做对比，再去做相应的聚类分析，再去做模式挖掘，再去做算法、人工智能驱动，每一个环节需要大量的数据和平台支撑它。 另外，用的场景越多，涉及到的链路越复杂，这个背后代表的是团队，大家知道了人多了就有江湖，有了江湖很多事情就很麻烦，组织上我们会面临巨大的困难。 两个不同的目标，这么多的场景，这么多的组织在一起，这时我们需要支撑 6 个最大业务场景的人员，数据工程人员，业务分析的人员，产品研发的人员，数据科学的人员，人工智能，其实背后还有一个财务。 每个人的诉求都不一样，每个人在数据链条的环节都不一样，他们每一个人的能量也不一样，所以做一个数据平台团队是如履薄冰，我们面临非常大的困难。 我们怎么来解呢?因为滴滴和车有关系，我们背后是这么复杂的，这条链是稳定的高质量数据交付，在整个全世界的生产制造环节里面，什么样的链式制造在哪个行业里面最复杂、最稳定的呢? 是汽车制造行业。在这里面做的最好的是丰田，我们就借鉴了丰田精益制造的理念，以它为基础变成了我们精益数据的管理体系。 首先我们定义目标，我们究竟做数据平台的目的是什么，是要处理更多的数据，还是要算的更快，还是说出各种各样很好看的报表。 我们认为最核心的是高价值、高可靠、高效率、低成本、少浪费的做数据服务的交付。 我们不一定做应用，不一定自己去拿到很好的业务效果，但是我们关键是要把数据赋能业务的同学，把数据的价值交付出去。 基于这样的目标，我们认为最关键的点首先要有文化，不然组织间的摩擦会有很大。 这个东西也是和滴滴高层管理一起往下推，从庙堂和江湖之间一起去发力。 关键的两个：一个是持续改进，我们认为数据平台、数据体系或者数据中台不是一天能够建成的，也不是一个大项目做了数据治理，做了数据资产管理，这事就完事了。 很多企业，尤其是传统产业企业领导觉得数据这件事情交给 CIO 或者数据平台的领导者就好了，把这个数据弄好，后面就好了，其实不是这样子的。 数据是跟着业务在发展和生产的，必须得持续改进才能跟上业务的节奏。 数据本质上背后是人，人用数据，人开发的 AI 用数据，我们必须得尊重人，尊重人是什么样的意思? 尊重人的创意，我们应该让每一个人都有机会平等用上数据，所以要把这个门槛降到最低。 第二个数据的链路里面涉及到的方方面面各种各样的人，我们一定要让每一个链路中的人意识到，你做的任何一件事情都有可能会影响到上游或者下游，那核心价值观是不要给别人添麻烦，客户第一。 以这个为基础的价值观遇到很多问题的时候，我们就回到这样的初心，再来看怎么做持续改进。 滴滴精益数据管理体系 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
