柯潔也哭了。

在確定0:3敗給AlphaGo之后，這個驕傲的年輕人淚灑發(fā)布會現(xiàn)場。去年，他在李世乭告負之后曾說“就算AlphaGo戰(zhàn)勝了李世乭，但它贏不了我”。而在一年后的烏鎮(zhèn)，他哽咽著說：“我會繼續(xù)改變自己，而AlphaGo將會繼續(xù)改變世界?！?/p>

AlphaGo已經被視為“圍棋上帝”。雖然中國圍棋協(xié)會已經授予它“職業(yè)圍棋九段”的稱號，但棋圣聶衛(wèi)平覺得遠遠不夠?！爸辽龠_到了二十段的水平”，他說。

也許AlphaGo并不足以代表人工智能的全部，但它絕對是那個扣動“人工智能”概念普及的扳機。人們從它的所向披靡中，第一次直觀感受到了AI的魔力，并開始對它抱有著比以往多得多的期待?，F(xiàn)在，置身于每個互聯(lián)網參與的場合，“人工智能”都是無法逃脫、必然要討論的概念。

如百度這樣的巨頭也已經將它提升到了戰(zhàn)略的層面?！盎ヂ?lián)網只是前菜，人工智能才是主菜。”李彥宏在不同的地方反復重復著這樣的觀點。

人們明確了方向，但誰都知道不可能一步登天。無論速度多快，人工智能在真正到來之前必然也得有一些循規(guī)蹈矩的過程。針對這個問題，【友盟+】廣告營銷數據業(yè)務總經理李春元告訴Morketing：“DI是通向AI的必經之路?！?/p>

【友盟+】廣告營銷數據業(yè)務總經理李春元

他認為在人工智能時代真正來臨之前，數據量的累積及基于這些數據進行的算法模型迭代與更新將成為一段時間內競爭的焦點。只有走過了這個階段，人類才能拿到通往AI的鑰匙，否則只會“求門而不入”。

當我們抬頭仰望人工智能的星空時，也得腳踏實地地走好路上的每一步。

從BI到AI，先過DI這關

DI，DataIntelligence，翻譯成中文就是“數據智能”，它是指以數據為基礎，不局限于對數據本身的統(tǒng)計和分析，而是運用先進的研究模型對其潛在價值進行深入挖掘。簡而言之，它的核心就是“數據”。

到今天，數據的重要性已經無人否認。

早在2012年3月，美國政府發(fā)布的《大數據研究和發(fā)展倡議》中就提到大數據是“未來社會發(fā)展的新石油”。這一說法隨后流傳開來，經過馬云以及英特爾等商業(yè)領袖與企業(yè)的“布道”，逐漸成為業(yè)界的共識。

這是一種以工業(yè)時代為節(jié)點出發(fā)產生的聯(lián)想，所以，那個時候的產業(yè)邏輯可以幫助我們更好地理解當下的現(xiàn)狀：人們首先得學會如何駕馭石油——從它的開采、存儲、傳輸直至使用，他們架起了油田、建立了輸油管道、制造出發(fā)動機，最終才有了汽車、飛機和工廠，進而支撐起了整個工業(yè)社會。

所以，當我們邁入美國學者尼葛洛·龐帝所說的“數字化生存”時代時，需要學會的首個技能就是如何駕馭數據。這也是李春元口中“DI是通向AI的必經之路”的邏輯原點，所有從業(yè)者不可能指望一蹴而就，只有當對“數據”本身研究得足夠透徹之后，“人工智能”才可能發(fā)揮出它理想當中的作用。

為了說明“數據”仍然是目前最重要的競爭焦點，李春元講了一個故事：同樣是做翻譯，IBM基于自有的樣本和數據進行訓練，雖然擁有最好的科學家和最好的算法，但準確率只有80%左右;谷歌在做這件事的時候，即使用很普通的算法工程師，最終得出的算法準確率也能達到97%。

背后的差異就來源于兩家公司掌控的數據量。一方面，龐大的數據量能夠讓算法擁有更多的分析素材，這會讓產出的結果更接近于真實狀態(tài);另一方面，更多的數據能使算法接受到更多的訓練，這本身也會讓模型在不斷迭代中更加完善。

李春元認為商業(yè)世界對數據的利用可以劃分成三個階段：

早期是BI(商業(yè)智能)階段，人們通過數據來驅動業(yè)務，商業(yè)模式以B2B為主，需要大量的人力主導分析過程，這不僅會帶來大量的人工成本，還會受到分析人員水平與能力不一的局限;

隨后是DI(數據智能)階段，商業(yè)模式以B2B2C和B2B為主，重視探究“因果分析”，通過大數據的分析與挖掘取代人肉分析，完成策略、業(yè)務與數據的高效循環(huán);

最終演進到AI(人工智能)階段，商業(yè)模式以B2C、C2C為主，技術的使用門檻大幅降低，機器學習使其實現(xiàn)智能的自我進化，從而釋放出巨大的商業(yè)潛力。

不難發(fā)現(xiàn)，從BI、DI再到AI是一個循序漸進的過程。伴隨著模式的不斷進化，人力在其中的參與程度逐步降低，機器的智能化程度不斷提高，商業(yè)效率也持續(xù)提升。但無論如何，這個過程的核心仍然是對數據的理解，尤其當我們正處于DI這樣的過渡階段時，數據的重要性是任何元素都無法替代的。

能建起數據工廠嗎？

“天氣預報為什么能做到精準？因為它積累了很長時間內的歷史數據，通過它來預測會不會下雨?！崩畲涸嬖VMorketing。

所以，當迎接DI時代到來前，互聯(lián)網以及廣告營銷業(yè)內的公司都需要問自己這樣一個問題：我攢夠“新石油”了嗎？

“回歸到【友盟+】來說，它的核心是什么？數據工程師和科學家;但建模是我們的根本嗎？不是，我們的根本是已經采集到的數據?！崩畲涸J為數據保有量將成為【友盟+】在這個強敵環(huán)伺的戰(zhàn)場上獲得優(yōu)勢的保證。

目前，【友盟+】每天收集的應用場景數據280億，覆蓋的設備數量達到14億，如果折算到人，這個數值也將達到7億之多，這樣的數據規(guī)模在國內位居前列。以阿里作為對比，目前在阿里生態(tài)內活躍的品牌大號數也只是剛剛跨過四億大關。

從成立之初就意識到數據量的重要性，讓【友盟+】在發(fā)展過程中始終注意數據量的累積。雖然自身并不產生數據，但通過對大量網站和APP等數據的采集，它同樣能夠搭建起數據池，并且這種更為多元的數據來源能夠更好地對沖經營過程中的風險。顯然，它的舉措為那些嘗試在數字化環(huán)境中生存下去的中小企業(yè)提供了一種新的思維路徑。

“我們原來是做統(tǒng)計的，像今日頭條、墨跡天氣這些頭部App也同樣在使用。這個采集的方式延續(xù)下來，使我們成為了細分市場中最大的企業(yè)，目前在移動端中已經占據了七成的市場規(guī)模?！崩畲涸f。

所以對于【友盟+】而言，構建起的“數據工廠”成為了目前最具優(yōu)勢的競爭力來源。通過全域數據的采集，目前已經能覆蓋到680萬網站和125萬APP。獲得的數據類型也非常多元，包括網站統(tǒng)計、App統(tǒng)計、線下以及廣告監(jiān)測等多維度的數據，并且通過打通這些數據解決“數據孤島”的問題。

不過在目前的互聯(lián)網生態(tài)下，繞開BAT這些巨頭會非常危險，已經成為無需贅言的事實。公眾號“老道消息”此前的一篇《賣給BAT要趁早》，在互聯(lián)網及創(chuàng)投圈引發(fā)的波瀾足以證明這一點。

剛好，【友盟+】本身也背靠著阿里巴巴這座大山。2016年初友盟、締元信、CNZZ三家公司進行合并成立新品牌——【友盟+】，這使得【友盟+】在算法迭代上有了更多的優(yōu)勢。雖然無法直接對外輸出結果，但【友盟+】能夠獲得阿里數據的授權。當龐大且最具價值的電商數據被授權使用，對模型訓練的幫助顯而易見。

當然，所有的結果都需要用數據來驗證。

“我們進行過試驗，通過比較多個媒體上的實際游戲，金融廣告精準投放與通投數據，可以發(fā)現(xiàn)經過算法模型處理之后，點擊率至少提升了144%?！崩畲涸脑捴袔е湴粒讱鈦碜杂谑斋@的效果。

百雀羚廣告的啟示

此前百雀羚長圖廣告的火爆，意外引爆了廣告營銷圈一次大范圍的討論：當廣告邁入數字化時代時，它到底需不需要為轉化率負責。

雖然這場爭論的引爆純屬偶然，但從更長的時間維度看，它帶有著必然的意味。在傳統(tǒng)媒體環(huán)境下，人們很難對廣告效果進行歸因分析;但當數字媒體打通了廣告和銷售間的鏈路，所有的數據都可監(jiān)測、可尋址后，企業(yè)對ROI的追求也就變成了必然。

畢竟，找回浪費的那一半廣告費，是廣告主們一直以來的追求。就在不久前，戛納國際創(chuàng)意節(jié)主席TerrySavage在一次公開演講中，就曾提到“戛納攸關創(chuàng)意，創(chuàng)意攸關投資回報率?！?/p>

雖然對百雀羚廣告轉化率的抨擊過于苛責，但卻無法掩蓋效果已經成為廣告主最優(yōu)先考慮事項這一事實。“只在效果廣告上講品是沒有意義的，落到品牌廣告上也要講品效?！崩畲涸f。

【友盟+】相對獨立的第三方身份使得它有機會將媒體監(jiān)測數據與調研問卷數據打通，全面評估品牌力的提升，同時能將媒體監(jiān)測數據與廣告主的數據打通做歸因，將消費者的興趣行為轉化與廣告觸達掛鉤，實現(xiàn)品牌效果的統(tǒng)一。這將避免品牌廣告只走效果廣告這一條狹窄的路徑，當企業(yè)有的放矢、并能判斷出品牌廣告的實際效果時，品牌廣告也能在數字環(huán)境中重新煥發(fā)生機。

但真正完成這一步仍然任重而道遠。雖然廣告行業(yè)已經成為了一個相對成熟的行業(yè)，但這里的氛圍也相對浮躁，大家總希望引入新的概念讓廣告主買單。

但李春元對此有清晰的認識，有些技術能夠馬上落地實施，有些還只是美好的烏托邦。

就像他們所提的DI一樣。與其在巨頭的帶領下想象美好的AI未來，不如用數據累積起自己的城墻，用更切實的態(tài)度換取激烈競爭下的生存空間。