阿里巴巴的大数据之梦
2013-1-18 10:25:58 来源：南方周末 我要评论（）
“为了迎接即将到来的大数据时代，各大互联网公司都在争分夺秒。阿里巴巴在公布大数据分享平台之后的半年中，也全面启动了攻势。但即使是这个行业的先行者，离大数据时代也还有不小的距离。”
刚刚过去的2012年，秦予有个很大的遗憾，就是没能招聘到自己想要的数据科学家，浪费了公司给的招人名额。他是支付宝用户价值创新中心的负责人。这个中心是支付宝大数据业务的核心部门。
阿里巴巴2012年的进人指标只有200个，具体到支付宝公司，基本是只出不进，只有秦予所在的部门得到了难得的两个进人名额。但她只招到了一个合适的。
事实上，各大互联网公司都在寻找这样的人。腾讯网络媒体事业群总裁刘胜义2012年年中就公开表示：随着用户各类数据的累积，大数据时代已经来临。腾讯各大产品线中都拥有自己的数据挖掘团队。而腾讯最新财报显示，QQ用户数接近8亿人，活跃用户数近2亿人。
阿里集团2012年7月10日就已宣布，设立首席数据官岗位（CDO），负责推进“数据分享平台”战略。同日，阿里发布“聚石塔”平台，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。
阿里巴巴集团表示，如何挖掘、分析和运用这些数据，并和全社会分享，是这个战略的核心所在。阿里巴巴是年交易额过万亿元的中国最大的电子商务平台，目前有两万人左右，其中近千人从事数据业务工作。
可以看到，从数据中掘金，已经成为各大互联网公司的共识。但在这个即将到来的大数据时代，这些公司具体将如何推进呢？
“离大数据时代还有不小距离”
秦予要找的并不是一般的数据分析师。
“国内不缺数据挖掘人才，但很难找到数据科学家。”秦予对南方周末记者说，秦予的团队有7个人，他们在支付宝内部被称为“数据科学家”。
一般的数据分析师是根据支付宝的各种数据进行分析，给公司决策层和各个业务部门提供咨询支持。这也是目前很多公司都设有的商业智能部的主要职能。但数据科学家们做的事情是开发出具体可以销售的商用化的大数据产品。
所谓大数据，一般是1000T以上的数据，如果按照一般机器配置，相当于400台到500台电脑。对这些数据信息的商业化开发就是大数据产业链。
《大数据时代》一书中提到，未来，数据将会像土地、石油和资本一样，成为经济运行中的根本性资源。数据科学家被认为是下一个十年最热门的职业。
而大数据跟个人最为密切的关系是对隐私的可能侵入。比如，亚马逊监视着我们的购物习惯，谷歌监视着我们的网页浏览习惯，微博似乎对我们和我们朋友的关系无所不知，QQ圈子能给你推荐你不愿意再见面的某个女生的照片和动态信息。
秦予是从美国归国的计算机模拟博士后，在摩根大通和汇丰银行工作过多年，2010年加入支付宝公司，负责支付宝和淘宝集市的大数据业务。支付宝公司拥有中国仅次于银行业的个人数据信息。
“阿里巴巴有海量的数据，对于做大数据的人来说，阿里巴巴是中国最好的平台，很吸引人。因为我的金融背景所以选择支付宝。”秦予对南方周末记者说。
回国进入大数据行业之后，秦予参加了很多大数据的论坛和研讨会，她最大的体会是，看到的新东西很少。
“别说大数据，连小数据都很少。现在很多公司说的大数据，大都是数据的搜集和整理。这是底层的工作。”秦予说，“中国离大数据时代还有不小距离。”
即使是作为国内大数据业务的先行者阿里巴巴，其大数据业务发展也依然是分散在各个子公司，并在2012年下半年才开始推出少量的商用产品。
“从人出发，先去找人”
支付宝曾经在八年前公司成立第二天就建立了数据部门，但真正有大数据业务，是在2010年的事情。正是那时候，支付宝从招商银行信用卡中心招来一批专业的金融人才。秦予也是那时候加入支付宝的。
“金融行业的大数据业务已经很成熟了。”秦予说。
支付宝的数据科学家每天做的工作就是，把客户分成50个族群进行研究。比如，细分出都市轻熟男群体，这个群体的特征是每次买的不贵，均价七八十元，收入中等，但很喜欢在网上买东西。
还有一个族群被称作“千金美少女”，其特征是收入并不高，但家里有钱，买得多，买得贵。
按照分群研究的思路，秦予的团队把淘宝、天猫、支付宝和聚划算的用户做系统研究，通过观察他们喜欢看什么媒体，上什么网，来“生动地”知道用户是个怎样的人，进而推荐商品供用户购买。
能识别用户之后，在写商品推荐文字的时候，不再是过去那样千篇一律地使用“亲”作为开头。
“今天很多网站犯的错误就是，根据个人购买记录，推荐一个类似的产品。其实用户很可能买过了。用户要的是你给他推荐一个跟他相似的人买的东西。”秦予对南方周末记者说，以前的数据研究思路是从产品出发，大数据时代是从人出发，先去找人。
支付宝发展大数据业务，目前主要是为内部服务。比如，过去支付宝很重视新客户的获取，但后来发现开账户的人多，关账户的人也不少，通过数据分析，支付宝建立了一个流失预警模型，预测每一个人未来三个月是否会离开支付宝，并对潜在的流失用户做一些唤醒。
“支付宝是准金融行业，数据比较敏感，涉及用户隐私，还没有到开放的阶段。”秦予对南方周末记者说，支付宝非常忌讳提供商用化产品给商户，很多合作方惦记着的是支付宝的数据，但这是支付宝的高压线。
“支付宝发展大数据的目的，跟淘宝和天猫有点偏差。我们更多地是为内部服务，淘宝和天猫更多地强调商业化。”秦予对南方周末记者说，阿里巴巴集团的大数据业务商用主要是淘宝平台的几个公司在推进。
“数据分享平台”战略
淘宝平台的数据大概可以分成三块，一是离线的数据，比如什么地方的人最爱吃大闸蟹。另外一些在线数据，主要是图片，淘宝一些大的卖家都把图片存在淘宝里面。还有一些信息是用户的淘宝收藏夹。
2010年3月，淘宝宣布将面向全球首度开放数据，并制定了两条大原则：数据分层次开放；涉及消费者个人或者企业隐私的数据绝对保护。
淘宝的数据开放一是对公众的免费信息，比如推出类似于宏观经济数据的“淘宝指数”。商家可以根据以往的销售信息和“淘宝指数”进行生产、库存决策。对于大众来说，淘宝的数据发布就像是统计局和价格监测机构的功能，淘宝指数相当于行业和宏观经济的各项指标。
作为针对企业的数据开放的商用产品，淘宝推出了数据魔方产品，通过淘宝数据魔方平台，商家可以直接通过数据魔方产品获取行业宏观情况、自己品牌的市场状况、消费者行为情况等，但是不能获得竞争对手的数据。
2011年4月，数据魔方正式上线。在“店小二”的推广下，林氏木业成为第一批使用者。林氏木业是一家完全依靠互联网平台销售家具的电商公司。
该公司一位市场推广人员对南方周末记者介绍了数据魔方的具体运用过程：依据数据魔方关于热词的各项数据变化，及时调整优化商品标题，提高宝贝排名，进而获取更多流量，提高销量。
以销售面膜为主的素野天猫旗舰店的运营经理陈林告诉南方周末记者，素野选择数据魔方专业版本，支付3600元/年的费用，除魔方外，还可以使用量子恒道（淘宝官方推出的一款免费数据分析工具）。
“数据魔方带来的更多是虚的概念，对流量、销售额这种具体指标意义不大。”陈林说。
2011年6月，淘宝一分为三，变成天猫、淘宝集市和一淘网。这之后，淘宝系的大数据发展的主要任务放到了商家已经形成了付费习惯的天猫平台。目前天猫的主打大数据商用产品是聚石塔。
2012年7月，阿里巴巴集团的“聚石塔”正式发布，“数据分享平台”战略全面展开。聚石塔是阿里巴巴首次联合全集团大数据力量打造的一款大数据商用产品。其中，天猫及淘宝网主要负责寻找合作伙伴，发展商家，阿里云负责提供云主机，万网负责客户服务。
同时，阿里巴巴B2B公司CEO陆兆禧出任集团首席数据官岗位，向CEO马云直接汇报。马云在聚石塔发布的时候宣布了阿里集团未来新战略：平台、金融、数据。
聚石塔提供数据存储、数据计算两类服务。根据官网上的指导价格，若需要内存为1200M、50G容量的数据存储服务，优惠价为6090元/年；如果购买英特尔双核处理器、内存4G、硬盘500G、带宽5M的弹性托管服务，价格约在7700元/年。
广州衣酷服饰有限公司的运营总监敬小虎对南方周末记者表示，他们公司是2012年9月开始使用聚石塔服务的，正好赶上“双十一”大促销，两天之内发完了所有的货，总共3万多票。他负责该公司在天猫上的店铺皓盾天猫旗舰店的运营。
“没有这个软件，半个月都发不完这些货。”敬小虎对南方周末记者说，如果按照2011年没有加入聚石塔时候的“双十一”销售情况，光把订单人工下载下来就花费了三五天时间。而且还出现过很多漏单和重复下载问题。
不过，敬小虎表示，如果店铺一天的销量能做到500票以上，购买聚石塔服务比较划算，否则软件买下来除了应对“双十一”这样的大促销，基本就闲置着。
刚刚过去的2012年，秦予有个很大的遗憾，就是没能招聘到自己想要的数据科学家，浪费了公司给的招人名额。他是支付宝用户价值创新中心的负责人。这个中心是支付宝大数据业务的核心部门。
阿里巴巴2012年的进人指标只有200个，具体到支付宝公司，基本是只出不进，只有秦予所在的部门得到了难得的两个进人名额。但她只招到了一个合适的。
事实上，各大互联网公司都在寻找这样的人。腾讯网络媒体事业群总裁刘胜义2012年年中就公开表示：随着用户各类数据的累积，大数据时代已经来临。腾讯各大产品线中都拥有自己的数据挖掘团队。而腾讯最新财报显示，QQ用户数接近8亿人，活跃用户数近2亿人。
阿里集团2012年7月10日就已宣布，设立首席数据官岗位（CDO），负责推进“数据分享平台”战略。同日，阿里发布“聚石塔”平台，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。
阿里巴巴集团表示，如何挖掘、分析和运用这些数据，并和全社会分享，是这个战略的核心所在。阿里巴巴是年交易额过万亿元的中国最大的电子商务平台，目前有两万人左右，其中近千人从事数据业务工作。
可以看到，从数据中掘金，已经成为各大互联网公司的共识。但在这个即将到来的大数据时代，这些公司具体将如何推进呢？
“离大数据时代还有不小距离”
秦予要找的并不是一般的数据分析师。
“国内不缺数据挖掘人才，但很难找到数据科学家。”秦予对南方周末记者说，秦予的团队有7个人，他们在支付宝内部被称为“数据科学家”。
一般的数据分析师是根据支付宝的各种数据进行分析，给公司决策层和各个业务部门提供咨询支持。这也是目前很多公司都设有的商业智能部的主要职能。但数据科学家们做的事情是开发出具体可以销售的商用化的大数据产品。
所谓大数据，一般是1000T以上的数据，如果按照一般机器配置，相当于400台到500台电脑。对这些数据信息的商业化开发就是大数据产业链。
《大数据时代》一书中提到，未来，数据将会像土地、石油和资本一样，成为经济运行中的根本性资源。数据科学家被认为是下一个十年最热门的职业。
而大数据跟个人最为密切的关系是对隐私的可能侵入。比如，亚马逊监视着我们的购物习惯，谷歌监视着我们的网页浏览习惯，微博似乎对我们和我们朋友的关系无所不知，QQ圈子能给你推荐你不愿意再见面的某个女生的照片和动态信息。
秦予是从美国归国的计算机模拟博士后，在摩根大通和汇丰银行工作过多年，2010年加入支付宝公司，负责支付宝和淘宝集市的大数据业务。支付宝公司拥有中国仅次于银行业的个人数据信息。
“阿里巴巴有海量的数据，对于做大数据的人来说，阿里巴巴是中国最好的平台，很吸引人。因为我的金融背景所以选择支付宝。”秦予对南方周末记者说。
回国进入大数据行业之后，秦予参加了很多大数据的论坛和研讨会，她最大的体会是，看到的新东西很少。
“别说大数据，连小数据都很少。现在很多公司说的大数据，大都是数据的搜集和整理。这是底层的工作。”秦予说，“中国离大数据时代还有不小距离。”
即使是作为国内大数据业务的先行者阿里巴巴，其大数据业务发展也依然是分散在各个子公司，并在2012年下半年才开始推出少量的商用产品。
“从人出发，先去找人”
支付宝曾经在八年前公司成立第二天就建立了数据部门，但真正有大数据业务，是在2010年的事情。正是那时候，支付宝从招商银行信用卡中心招来一批专业的金融人才。秦予也是那时候加入支付宝的。
“金融行业的大数据业务已经很成熟了。”秦予说。
支付宝的数据科学家每天做的工作就是，把客户分成50个族群进行研究。比如，细分出都市轻熟男群体，这个群体的特征是每次买的不贵，均价七八十元，收入中等，但很喜欢在网上买东西。
还有一个族群被称作“千金美少女”，其特征是收入并不高，但家里有钱，买得多，买得贵。
按照分群研究的思路，秦予的团队把淘宝、天猫、支付宝和聚划算的用户做系统研究，通过观察他们喜欢看什么媒体，上什么网，来“生动地”知道用户是个怎样的人，进而推荐商品供用户购买。
能识别用户之后，在写商品推荐文字的时候，不再是过去那样千篇一律地使用“亲”作为开头。
“今天很多网站犯的错误就是，根据个人购买记录，推荐一个类似的产品。其实用户很可能买过了。用户要的是你给他推荐一个跟他相似的人买的东西。”秦予对南方周末记者说，以前的数据研究思路是从产品出发，大数据时代是从人出发，先去找人。
支付宝发展大数据业务，目前主要是为内部服务。比如，过去支付宝很重视新客户的获取，但后来发现开账户的人多，关账户的人也不少，通过数据分析，支付宝建立了一个流失预警模型，预测每一个人未来三个月是否会离开支付宝，并对潜在的流失用户做一些唤醒。
“支付宝是准金融行业，数据比较敏感，涉及用户隐私，还没有到开放的阶段。”秦予对南方周末记者说，支付宝非常忌讳提供商用化产品给商户，很多合作方惦记着的是支付宝的数据，但这是支付宝的高压线。
“支付宝发展大数据的目的，跟淘宝和天猫有点偏差。我们更多地是为内部服务，淘宝和天猫更多地强调商业化。”秦予对南方周末记者说，阿里巴巴集团的大数据业务商用主要是淘宝平台的几个公司在推进。
“数据分享平台”战略
淘宝平台的数据大概可以分成三块，一是离线的数据，比如什么地方的人最爱吃大闸蟹。另外一些在线数据，主要是图片，淘宝一些大的卖家都把图片存在淘宝里面。还有一些信息是用户的淘宝收藏夹。
2010年3月，淘宝宣布将面向全球首度开放数据，并制定了两条大原则：数据分层次开放；涉及消费者个人或者企业隐私的数据绝对保护。
淘宝的数据开放一是对公众的免费信息，比如推出类似于宏观经济数据的“淘宝指数”。商家可以根据以往的销售信息和“淘宝指数”进行生产、库存决策。对于大众来说，淘宝的数据发布就像是统计局和价格监测机构的功能，淘宝指数相当于行业和宏观经济的各项指标。
作为针对企业的数据开放的商用产品，淘宝推出了数据魔方产品，通过淘宝数据魔方平台，商家可以直接通过数据魔方产品获取行业宏观情况、自己品牌的市场状况、消费者行为情况等，但是不能获得竞争对手的数据。
2011年4月，数据魔方正式上线。在“店小二”的推广下，林氏木业成为第一批使用者。林氏木业是一家完全依靠互联网平台销售家具的电商公司。
该公司一位市场推广人员对南方周末记者介绍了数据魔方的具体运用过程：依据数据魔方关于热词的各项数据变化，及时调整优化商品标题，提高宝贝排名，进而获取更多流量，提高销量。
以销售面膜为主的素野天猫旗舰店的运营经理陈林告诉南方周末记者，素野选择数据魔方专业版本，支付3600元/年的费用，除魔方外，还可以使用量子恒道（淘宝官方推出的一款免费数据分析工具）。
“数据魔方带来的更多是虚的概念，对流量、销售额这种具体指标意义不大。”陈林说。
2011年6月，淘宝一分为三，变成天猫、淘宝集市和一淘网。这之后，淘宝系的大数据发展的主要任务放到了商家已经形成了付费习惯的天猫平台。目前天猫的主打大数据商用产品是聚石塔。
2012年7月，阿里巴巴集团的“聚石塔”正式发布，“数据分享平台”战略全面展开。聚石塔是阿里巴巴首次联合全集团大数据力量打造的一款大数据商用产品。其中，天猫及淘宝网主要负责寻找合作伙伴，发展商家，阿里云负责提供云主机，万网负责客户服务。
同时，阿里巴巴B2B公司CEO陆兆禧出任集团首席数据官岗位，向CEO马云直接汇报。马云在聚石塔发布的时候宣布了阿里集团未来新战略：平台、金融、数据。
聚石塔提供数据存储、数据计算两类服务。根据官网上的指导价格，若需要内存为1200M、50G容量的数据存储服务，优惠价为6090元/年；如果购买英特尔双核处理器、内存4G、硬盘500G、带宽5M的弹性托管服务，价格约在7700元/年。
广州衣酷服饰有限公司的运营总监敬小虎对南方周末记者表示，他们公司是2012年9月开始使用聚石塔服务的，正好赶上“双十一”大促销，两天之内发完了所有的货，总共3万多票。他负责该公司在天猫上的店铺皓盾天猫旗舰店的运营。
“没有这个软件，半个月都发不完这些货。”敬小虎对南方周末记者说，如果按照2011年没有加入聚石塔时候的“双十一”销售情况，光把订单人工下载下来就花费了三五天时间。而且还出现过很多漏单和重复下载问题。
不过，敬小虎表示，如果店铺一天的销量能做到500票以上，购买聚石塔服务比较划算，否则软件买下来除了应对“双十一”这样的大促销，基本就闲置着。