《智能商业》丨互联网×

　　最近看了不少战略方面的书籍，读到曾鸣先生充满智慧的《智能商业》，觉得极妙，于是忍不住写下这篇读书笔记。书中谈到取势、造势，最核心的论点是围绕网络协同和数据智能，把它们比作智能商业的双螺旋，讲述在这个充满变革与挑战的时代，二者如何相互作用？以及置于其中的我们又该如何抉择和顺应，合力推动人类商业文明向智能化方向不断演进。

　　网络协同指的是通过大规模、多角色的实时互动来解决特定问题，比方说：淘宝，它不是零售商，平台不拥有任何一件商品，是一个赋能各方的生态圈。它为卖家提供社交、渠道、广告、支付、金融、物流、营销、店铺装修、拍摄、修图、文案、代运营、实时沟通、效果监测、培训指导等诸多服务，即使是一个非常小的新卖家，也可以在线同时与几百个服务商合作，只需要有一个API接口，就能调动相关的数据和服务，如：打通微博的社交与品牌运营渠道、蚂蚁金服的理财金融渠道、旺旺的工作流客群维护渠道、蜂鸟配送的物流渠道以及各种引流和流量变现渠道。与传统的线性协作相比，这样的网状结构使身处其中的卖家可以充分利用平台提供的各项服务和资源，大大节省了开店成本，提高了运营效率。这也是为什么很多品牌试图离开平台，打造自己的品牌网站，却失去了生态内流量的同时陷于繁琐而庞杂的事务，最终回归淘宝、天猫、京东的缘故。被冠以平台或生态的头部互联网公司，其本质都是一副非常复杂的网络协同图，核心机制就是连接和互动的不断深化与演化。

　　与传统的BI不同，BI是人为的分析数据，提供运营支持；而数据智能强调的则是运营决策直接由机器决定。比如每天上亿人浏览淘宝，看到的商品都不一样，在头条上看新闻，接收到的信息流也不一样。这么庞杂的推送决策，只能由机器来完成。这其中有几个非常重要的前提条件——云计算、大数据和算法，三者相辅相成。算法严格来说不是机器，是人，是算法工程师，它会将人的角色与思考进行模拟，抽象成一个模型，然后用数学方法给这个模型找到一个近似的解，再用代码把这个解变成机器可以执行的命令。一次次的执行，便是机器学习。而且，这样的学习不带预判，是一种纯粹的探索，于是具有更卓越的发现那些潜伏着但我们人脑难以察觉的关系结构的能力。同时，机器学习及其反馈闭环需要成为业务天然的一部分，完整记录、储存用户行为数据，并在其中不断调适、优化，才能形成一个自然的智能商业循环。

　　1.将物质世界数据化，将功能和资产上线。因为最有价值的是在业务过程中生成数据，通过机器学习算法处理，然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。这种良性的数字化数字化循环也是数据智能的本质。

　　2.将每项业务软件化，将决策链编码。通过软件重组业务、人员和资源，使多个职能领域的合作伙伴能有效协同。

　　4.完整记录实时数据。越是作业流程对时间要求敏感的，对数据的实时性要求越高。例如农产品，尤其是叶菜类，保质期通常只有两到三天，从产地经理人到一批档口主间的运输、卸货、交接稍有耽搁，成吨的产品就只能烂掉了。

　　5.应用机器学习算法。比方说：淘宝通过记录和分析用户的点击动作、浏览时间、成交转化等各个指标，通过算法，为每个用户进行千人千面的个性化推荐，既优化了用户的逛淘宝体验，又提高了商家的转化效率。每一次浏览、成交，都让智能的淘宝更懂我们心。

　　与早年consulting公司常做的数年做一次、一次调全身的战略规划不一样，新兴企业的模式和发展速度决定了，在终极愿景保持不变的基础上，战略是需要实时做出调整的，而这个实时取决于反馈闭环中的数据更迭，也可以看作基于企业愿景的商业实验。

　　传统的consulting公司或 in-house的战略规划部门，提供的是基于静态分析的战略选择和执行计划，交由管理层去实施。这样的模式不适用于今天高速发展、并应该有充分的数据做支撑反映其运营状况的新兴企业了。新的战略规划工作可以将所有与客户交互、合作伙伴往来的活动数据化，然后机器学习算法可以通过自动调整来检测实验结果、提高系统效率，实现自动调优。比方说：网商银行的产品能够学习借款人的行为，通过其信用评级、历史销售业绩、客情维护等诸多指标判定其履约能力和意愿，从而评估出对其的借款额度、期限和利率。在此轮履约或违约之后，此次业务的数据又被汇入数据库，一方面更新其画像，另一方面加入用于迭代整个模型的参数。于是，整个业务形成不断改进、不断降低平台整体违约率的闭环。

　　机器学习算法的目标在于生成、测试，通过不断的详尽筛选，放大有利结果。基于数字的是最客观的战略选择。那么，CEO要做的是什么呢？是决定目标函数，即算法的总体目标，及参数，用数据化的方式定义企业试图优化的方向。在这个函数中，不会再割裂地评估任何一个小单元的贡献，而是从全局的动态优化角度考虑这个组织应该如何调配资源，下一步应该朝哪个方向努力和改进，才能保证长期目标的有效实现。例如：Facebook的新闻流产品的目标函数是广告收入和用户参与度，衡量标准是评论数量；通过改变这两个指标的相对权重，可以动态平衡用户体验和财报表现。

　　每个企业在每个不同阶段都需要1-2个关键衡量指标，例如初创期的互联网公司往往首要任务是抢占市场，那么这时候用户量的权重就应高于收入；而生产实物的传统企业，若签单量巨大而利润起不来，就要对产品结构和客群分析调整了。企业的定位，及相应的重点指标确定，就是CEO一定得亲自把控好的。

　　2. 将业务软件化，核心业务流程上线. 尽可能的让数据在机器间自动交互，不通过人为干预，利用应用程序接口支持机器间的实时协同；

　　说到活数据，是指实时记录而非主动采集，不断更新随时可用来洞察，并在实际业务场景中被灵活使用，驱动下一个决策的产生的数据，要具备全本记录、先有数据后有觉知、数据即决策的特点。产品提供反馈闭环，数据作为原料，交给算法去处理，是能实现自动生成、海量匹配的三要素。例如：淘宝提供在线购物服务，用户所有浏览和购买行为自然就被记录下来了，这不是额外的动作，而是自然的业务过程，是记录数据而非收集数据。类比来说，某垂直领域通过收银软件将销售数据实时录入了，并且每个经营户有自己的特色经营品种，那么，当数据量足够大以后，便能掌握市场情况，甚至预判价格走势，从而指导上下游的采销匹配。这样的数据一定是意义非凡的！但是，海量数据将形成巨大的数据压强，只有引入机器学习，将数据指导决策（推送）自动化，从而最大限度、最准确、非人为干预地对接采销方，提高匹配效率，才是平台价值突显的时候！

　　从我生产什么你买什么的1.0模式B2C，到个性化定制的2.0模式C2B，是商业逻辑的颠覆，但在这中间，会有1.5模式起承转合，这个中间模式就是S2b2c，由S和小b共同服务c端，成立的前提是它创造的价值比单独某方服务c的价值高。所以必须基于供应链整合，提供增值服务。另外要注意，此b非彼B，即c不是通过一个大B直接服务的，而是由多个小b来对接，而小b又是利用S的供应平台完成服务的。小b在供应链、营销、品牌等方面的标准化能力不足，无法期待大规模获客，其价值在于能够深度完成对c端实时的低成本互动。因此，平台对小b赋能的重点在于：提供中后台的云协同能力，以及帮助小b在实时互动方面提供场景化的支持，让小b自主发挥他们最擅长的触达和服务客户的能力。

　　平台对S赋能的重点在于：给予S供应链管理能力的输出，使S能为小b提供SaaS化工具、资源的集中采购、共同的品质保证、网络协同和数据智能。SaaS工具是赋能的第一步，但价值还非常有限，单就这一条做不到S2b2c，要迈入第二步——资源的集中采购，才是触及重要价值点。例如说：“大搜车”在完成行业高覆盖率的SaaS铺设之后，抓住了新车的所有权和使用权分离的历史契机，从部分整车厂争取到特定车型的销售权，再授权部分核心零售商户销售，使这些曾经根本没机会销售新车的零售商拥有了货源渠道，同时整车厂也提高了市场覆盖率。针对第三点，由于S对小b不是传统的特许加盟模式，而是共创的合作关系，所以没办法做到品牌的统一，不过若是完全做到，小b将会失去个性化、创造性服务的能力；但是，很有可能S对c会有一定的品牌露出，也有可能走双品牌战略，所以要与小b做出共同的品质保证。网络协同和数据智能后面会详细讲到，这里就先不赘述了。

　　S对小b的赋能力度越大，S的价值则越大；如果小b对c的服务有价值，S+小b对c的价值就高于传统的B2C，这个模式所创造的价值也就越大。

　　要足够贴近c端，深刻感知和满足其需求；广泛获取小b，构建足够大而密的网络；对S讲究有效性，通过上述五点赋能使其具有充分支持小b的能力，从而反向重构供应链，加深客户触达，提高反馈效率，使这个生态持续正向优化。

　　相对于工业时代封闭的线性供应链管理体系，网络化协同是互联网时代的创新合作机制，可以做到实时、动态的全局优化，可以实现个性化、低成本、高速等度的全新价值组合。生态是智能商业的核心概念，商业生态是一个协同网络，是多元角色的复杂在线协同对于传统供应链管理的超越，是平台和多元物种的组合。生态强大的竞争优势正是来源于协同效应。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。与eBay为了将客户交易留存在自己平台上而能收取成交佣金相比，阿里巴巴反而破除人为设置连接障碍，鼓励买家和卖家的直接连接，以提高成交效率、提升用户体验为导向。这是符合阿里巴巴“让天下生意不难做”的初心的。也正因为此，当卖方拥有了更多的流量、更高的销量，买方买到更高性价比的商品、享受到更舒心的购物体验时，其他商家、其他购物者都自发跟进，注册成为这个网络中的一份子。这既符合消费心理学，也符合双边市场的经济理论。

　　回看这些年阿里巴巴的发展历程，的确都是在围绕其使命而展开。公司早期打造的是“一家服务于中国小型出口企业的电子商务公司”，这一具体目标促使阿里巴巴在那个阶段将重点放在了为中国制造商提供国际销售平台的站上；之后，随着市场的不断发展，公司对实现愿景的具体路径也在演化，中国国内消费出现爆发式增长的前夕，马云认识到公司业务应该从出口扩展到国内消费市场上，于是2003年推出了淘宝网，有了B2C、C2C商业模式的确立；这时候，阿里巴巴又意识到，中国消费者需要的不仅仅是一个买卖市场，而是需要增强对在线购物的信心，并确保付款资金安全，当时的中国还没有信用卡，也没有为个人提供服务的担保平台，支付手段还非常传统和低效，于是推出了支付宝。这一系列的演化，大大加快了电子商务在中国的渗透，也让今天的中国，无论强势的传统大品牌，还是新兴的营商个体，无论相关的支付，还是物流，都能有生意可做，高效地做生意。

　　以前读商学院的时候，牢牢印刻在我脑海里的战略定位就是Micheal Poter的三种定位战略：总成本领先战略、差异化战略和利基市场战略。最经典的问题就是：谁是你的客户？你的的价值主张是什么？与同类竞争者相比你有什么优势？而在曾鸣先生的论著中，战略则被分为了三种定位：点、线、面。它们存在于整个生态之中，没有优劣之分，但从所从事的商业活动本质属性，到商业活动中的关注点与具体操作，以及谁才是自己的竞争对手，谁可以为我们所用，都有明确区分。

　　不需要复杂的运营流程，例如：淘宝模特、修图师、代工厂，都在其列。这类从业者拥有技能专长，但进入门槛并不高，重要的是审时度势，在有红利的时间点选择最好的平台，在上面生根发芽，赚取每一单的收入。比方说，二十年前的漂亮女孩去纸媒做模特是不错的选择；后来很多网红选择了互联网，在新浪微博以图片出道，有了自己的粉丝、流量甚至品牌；现如今，直播、短视频成了最合适涨粉和引流的方式。不同时代造就了不同的呈现形态，但他们的技能点都一样，都是用美貌转化为品牌输出和带货能力。

　　2.线：创建的是一种产品或服务，通过整合点的服务，打造产业链，形成自己的品牌输出能力。例如：雪梨和张大奕打造的如涵控股，所谓“网红带货”只是呈现到粉丝和消费者眼前的显性形态，其实微博、淘宝直播的露出和互动背后，是柔性供应链的打造，上新前的预热、互动，是与粉丝一起共同完成设计以及测试产品热度，根据预售情况再向生产企业按需补货，通常库存量不超过10%，整个上新周期也被压缩在数周之内，这样的速度是传统服装企业、甚至Zara这样的快时尚品牌都望尘莫及的。这便是因为其动态整合了产业链上下游，通过实时互动预先取得数据，然后进行just-in-time的零库存管理。网红电商之所以能实现如此爆发式的增长，根本原因在于其对传统服装供应链的颠覆，极大提升了供应链的整体效率。这种效率提升的背后，就是网络协同的力量。它是依赖于面的支撑发展起来的线；同时，线的开放，又会吸引更多点的加入，连接困难之处就有商机，进一步催生新的点的出现。

　　3.面：搭建平台，构筑生态，赋能点和线的增长，设计系统和机制，促使广泛连接、全局利益优化，通过匹配效率的大幅提升来创造价值。如：谷歌，匹配搜索用户和广告；Facebook，匹配社交网络用户和信息；阿里巴巴，匹配买家与卖家。这些企业的竞争优势在匹配效率。收入来源则是匹配过程的货币化（如：匹配带来的流量分成、广告收入及衍生业务）。盈利能力取决于匹配的准确度，而匹配的准确度则来源于强大的网络效应带来的高效的、规模化的用户获取能力。面的产品就是整个市场，而这个市场需要基础设施建设，也需要相关制度，因此作为市场的管理运营方，面的工作就是通过技术设计来管理用户群、优化系统、创建并实施相关规则和制度。面的价值在于孵化出比传统同行更有效率的公司。同时，越大的生态越需要低的门槛，这样才能保证足够大的容量，实现增量演化，从而使平台有足够的弹性和张力。

　　点、线、面之间，并不直接竞争，它们只和自己同维度的企业竞争；它们之间相互依存、共同演化。面的职责是不断提升效率，派生出不同的点，支持更多的线；线的工作是找到最合适的点，把他们整合到自己产业链中，降低交易成本，实现质量提升和规模经济；点的任务是完成好自己的分工，更好的支持线，提升面。回看我们的portfolio，有野蛮生长的面型企业，也有整合上下游的线型企业（可能是我的认知局限，对于点会更建议它打磨自身专业实力，以传统生意的模式埋头赚钱，而不迫切奔向资本市场，所以至今还未投过点型企业），他们的生长路径是完全不一样的。面型企业的初期核心竞争力其实相对较弱，没有绝对的壁垒，但在项目成型前就会形成对构建生态的路径规划，找到一个用户痛点明确的点切入，打透，快速占领市场，用量去构建壁垒，然后渗透、延伸出线，之后由线构建面。线性企业则往往拥有一到两项核心竞争力（如技术、产业资源），聚焦产业中最有价值的环节打磨，而后向上下延伸，但其张力一般不足以以线带面，形成生态，整合自身产业链就是其最好的未来形态设计了。但无论点、线还是面，都可以利用网络能力和网络效应，大大加快成长速度。

　　远见显示了企业对未来产业终局的判断，但判断只是假设，有概率问题，所以这个判断要不断地被实践验证和挑战，从而纠偏。这个实践就是快速的行动，但这种行动不是盲目的或在既定道路上走到黑的，而是disciplined experiments，有纪律的实验。这是一个持续实验的过程，目的是证实或证伪远见，然后将它带去更正确的轨道。于是，传统的战略制定过程变成了远见和行动间的快速迭代，成为动态调整的过程。

　　我们看到外部的商业环境由网络协同和智能生态推动，组织内部实际上也在贯彻同样的原则。领导者的目的不是管理，而是支持；团队成员的驱动力不是传统的劳动报酬，而是成就感和社会价值。未来组织最重要的职能应该是提高整体创造力的成功概率。让有着相同愿景使命价值观的创造者的兴趣、动力，与合适的挑战相匹配，通过组织设计，刺激人和人之间的有效互动。所以赋能分为两方面：

　　愿景使命价值观是企业战略的核心之一，相辅相成而略有不同。愿景是公司对未来世界图景的理解；使命是公司未来的发展方向，需要被明确定义、清晰阐述、具体落实；价值观则是存在于内心的衡量准则，是当几点利益出现冲突时的取舍。

　　灯塔效应，有着相同愿景使命价值观的人会彼此吸引，聚拢到一起，而这份相同的愿景使命价值观又使这帮志同道合的人更加凝聚，进而影响一批批新人。有对未来的愿景，才能有近日的有效行动。人是企业内部形成协同网络的节点，具有相同愿景使命价值观的人越多，所激发的连接就越多，能协同的资源也越多，这张网就被织得越来越密、越来越大。

　　要实现这样的业务和组织结构的自动调优，除了全体高度一致的愿景使命价值观这样的上层建筑以外，作为企业，要做的就是搭建能提供支持性服务的平台，设计出赋能型的内部创新机制，然后确保其流畅运转，让主动性、独立性和创新性，这些激发组织生命力的品质蓬勃生长。

　　通过创建内部平台和基础设施来进行共享，内部指标评估系统通过实时提供的结果和反馈来促进实验。组织的作用不再是管理员工，而是使员工能够快速的连接实验产品和服务，测试市场，将能引发用户积极反馈的想法加速落地。

　　用类似于Linux这种开源的、基于网络的开放基础设施替换传统的IT架构，使其拥有通用标准——应用程序接口和可搜索的信息存储库，将跨部门和已获得业务的所有编码和开发工作整合到同一个平台上，使产品和团队之间可以交叉和共享，学习和实验就可以在整个系统中得以尝试、应用和调整。合并代码之后，人力资源管理、资源配置、项目协调、预算编制等许多职责都可以转为平台服务，协作与竞争、配置与优化便能以动态调整的方式自驱实现。例如：谷歌的全面基础设施可以最大限度的降低创新的成本和时间，有时候改进一个小的算法就可带来数百万甚至十亿美元的收入，因为底层架构和数据已经充分存在，技术人员只需要像玩乐高积木一样，做出合适的改动和拼接，就可撬动魔法般的改变。

　　2.构建一个智能的关键绩效指标体系，包括指标研究、在线监控系统、A/B测试的设计和运行系统。这些指标必须是可实施、可量化、可评估的，如转化率、留存率、活跃度等。智能的监控能够即时调整参数，并将监控结果形成反馈输出给用户交互界面及监控者。例如：阿里云的人工智能和机器学习平台包括含有代码、算法和模型的协作平台PAI，含有项目和流程管理的软件Aone，针对各业务部门提供业务分析、用户研究的平台和工具，以及用于协同连接和外部共享的标准、协议及规范系统。Aone诞生之前，测试代码查找错误是一件工作量浩繁的事情，测试团队必须手工确认大量细节，并反复与工程师核实，以确保程序达到可发布水平；有了Aone，所有编程和测试都在云端进行，代不断得到更新并于所有相关人员共享，平台开放、便捷、可协同，消除了团队间的沟通障碍，大大降低了程序的构建时间和成本。除了编程以外，Aone还能够对员工的活动、会议和工作流程进行综合记录并存储，并向整个组织开放，使系统开放、透明，所有的业务协作、人员考核都有据可依，公平公开。

　　赋能组织采用网络化的平台组织结构，完全实时化连接、同步和协同内外部信息活动，采取指标评估系统集中协同、局部自适应的决策流程，由公司提供基础设施，弹性自调整资源分布，在透明开放的技术环境下协作竞争，创新驱动，关注增长，将创新实验顺势、自主地推进、优化。网络协同和数据智能是新兴企业实现自我生长、打破边界，进入几何级增长、形成质变、创造生态的双螺旋。祝愿我的被投企业们，疫情过后，都能用上这双螺旋，顺心如意驶上发展的快车道 ♥