enter image description here

蒋凡, 现任百度外卖技术委员会主席、总架构师,拉扎斯集团高级科学家。主要研究方向是物流调度、个性化推荐、智能营销和画像建模。译有《推荐系统》(人民邮电出版社出版)和《推荐系统:技术、评估及高效算法 》(机械工业出版社出版)。作为“百度外卖智能调度”项目负责人,获得2017年“吴文俊人工智能科技进步奖”(企业技术创新工程项目)。

近日,蒋凡根据多年工作所感,出版了《智能增长》一书。从数据、模型、场景、团队等几个方面系统全面地总结了企业数据智能化的方法论,剖析了大数据时代的“智能增长”的来龙去脉。

enter image description here


访谈实录:

学生时代的专业是什么?有学习经济管理方面的经历吗?

本科和研究生都是计算机专业,研究的方向是数据挖掘和人工智能。

选报专业的时候,就预见了大数据和人工智能的辉煌前景吗?

没有,那时候并没有预测到技术发展的趋势。只是觉得计算机专业很神秘,毕业以后工作应该也很好找。毕业以后,我到了百度研究搜索引擎,属于自然语言处理领域,也是人工智能技术的重要应用。至于经济管理方面的知识,主要是通过参加公司组织的培训课程,以及业余时间读过的经济管理和互联网经济方面的书籍获得的。我倒是挺推荐,德鲁克的企业管理系列和克里斯坦森的创新者系列图书。

后来,怎么从推荐系统团队转到了物流调度团队?这算不算是很大的跨越,工作中出现了哪些新的技术要求?又是如何学习这些新技术的?

2014年百度开始发展O2O战略,外卖是当时最具代表性的产品。我比较看好这个项目,所以就来到了百度外卖团队。当时外卖业务首要解决的问题就是智能调度,我也很快开始了这方面的工作。

不管是之前的搜索引擎还是推荐系统,我其实都是在处理文本信息流。但外卖业务非常接地气,要解决用户的订餐需求和骑士的运力调配问题,直接面对实际难题和突发状况。所以,我需要快速准确地了解业务的痛点,基于已有的技术经验对实际问题抽象建模,转化成工程和模型上可解的技术问题。具体来说,包括:地理定位、数据挖掘、动态规划、机器学习以及很多工程上的挑战。

这些都不是新技术,而是相对成熟的技术在垂直业务领域的综合应用。开发人员要对这些技术的特点做到深刻理解并灵活运用。好在我们的团队有源自百度系大数据、云计算和人工智能领域的积累,再加上我们对外卖业务的钻研,很快就克服了这些技术难题,在业界最早开发出了智能物流调度系统。

回顾不同的历史阶段,推动经济发展的增长力分别有哪些?

历史上,经济的发展曾经经历过几次快速增长的阶段:

第一次是18世纪60年代的英国工业革命,以棉纺织业的技术革新为开始,后来瓦特改良蒸汽机并广泛使用,以十九世纪三四十年代机器制造业的机械化为结束。推动这一阶段的增长力,是工具的机械化。

第二次是伴随着电磁学理论的进展,工程技术专家敏锐地意识到电力技术对人类生活的意义,纷纷投身于电力开发、传输和利用方面的研究。随着电力、电子、化学、汽车、航空等一大批技术密集型产业的兴起,经济生产更加依赖科学技术的进步,技术从机械化时代进入了电气化时代。这一阶段的增长力主要是电力。

第三次是在20世纪,由于微电子技术的发明和应用,人类在原子能、电子计算机、微电子技术、航天技术、分子生物学和遗传工程等领域取得了重大突破,涉及科学技术各个重要领域和国民经济的一切重要部门,技术从电气化时代进入了信息化时代。计算机成为了工业经济在这一阶段的典型代表,计算能力成为了促进经济增长的主要力量。

第四次是进入21世纪后,在计算机技术迅猛发展的带动下,原先嵌入在工业经济各个环节(生产、运输、销售和消费)的计算机不断小型化并且借助网络通讯技术产生了互联。信息可以瞬时传遍整个世界,不再受到地理位置的限制,每一个上网的人都可以快速地接受和发布信息,工业经济的活力得到了进一步地提升,因而进入了互联网经济阶段。信息的互联,或者说是通讯能力成为这一阶段经济的增长力。

最近一次,也就是现在的智能时代,数据成为了新的增长力。

智能时代下,推动经济增长的力量有什么特殊性?

互联网经济发展的标志性节点是,计算机硬件方面的智能手机的出现,通讯技术方面的4G通讯网络,还有算法方面以卷积神经网络模型为代表的机器学习算法。从2010年起,移动互联网经济开始席卷国民经济的方方面面。而互联网经济,尤其是移动互联网经济的未来发展方向,就是逐步智能化地满足人类更底层需求的过程。这个过程的终点就是智能经济。

和之前曾经发生过的机械化、电气化和信息化所经历的事情类似,智能化过程也是要用新的技术手段改造生产、运输、销售和消费活动的旧有形态,激发出落后组织方式所掩盖的潜能。

这一轮智能技术变革的特点在于大数据、云计算和人工智能三者的倍乘效应。这是对企业自身组织形态和业务流程的全新改造,极大提升了公司内部产品开发和外部销售运营的效率,从而能以更小的成本向社会提供更高品质的服务,推动智能经济的发展。

从什么时候开始关注大数据智能驱动增长这个方法论的?

2015年O2O市场开始大规模增长,我们在激烈竞争的外卖业务中,逐渐地意识到更有效、更持续地增长的重要。于是,开始在公司内部组建增长团队,实践大数据智能驱动增长的课题。

数据驱动增长和数据智能驱动增长的区别?

虽然有字面上的差别,但谈到数据驱动增长的时候,一般也都默认采用智能的方式,强调从大数据中挖掘出智能营销方案,去做预测和判断,而不仅仅是分析和解释数据的层面。

您为什么建议公司内部成立专门负责增长指标的团队?原来的数据分析团队不能胜任吗?

通常来说,数据分析团队是依附于业务团队的辅助部门,他们按照业务团队的要求提供相应的业绩报表和实时趋势图表,所以数据决策的作用很难发挥出来。

成立专门负责增长指标的团队以后,团队有责任、也有权力整合公司内部的数据资源和技术资源,以便更早、更快、更有效率地看到数据,从数据中发现问题,找到应对方案,推动执行。这是成立增长团队的目的。并不是说传统的业务团队+数据分析团队就不能做到类似的事情。外部环境发生了巨大的变化,数据的流动性和复杂度对团队的组织结构提出了新的挑战,公司必须做出相应的调整。

数据智能驱动增长方法的核心观点是什么?

一言以蔽之,经济增长过程产生了丰富的数据,现在这些数据要被人们用来进一步促进经济增长,形成正向反馈的自循环。判断驱动过程是否智能的标准是,我们是否基于历史数据准确预测未来,并采用相应方案。

智能增长不像机械力和电力那样会给自然环境带来影响,相反它会尽可能地优化资源的配置和消耗,比如,智能物流调度就能节省更多的配送运力,减少对电力和油料的使用,降低环境污染。

相比计算机和互联网的应用,智能增长除了在解放人的体力劳动和简单智力劳动之外,还进一步替代了人的部分复杂智力劳动,在某些领域甚至比人做得更好,比如智能物流调度系统能替代人工调度员的工作,而且是可以做到全年无休、任劳任怨。

为了适应智能时代,您推荐哪些人阅读《智能增长》?

我想以下几类读者会从本书中获益:

1、对所处时代正在发生的变化拥有好奇心的消费者和从业者。他们在经历了科技改变传统商业模式、体验了便利的服务之后,愿意花些时间了解这些变革背后所依赖的机制。

2、对参与这场技术变革充满信心和热情的参与者,以及从事移动互联网行业研发、产品和运营的人员。他们想知道如何将最前沿的数据挖掘、数学建模和机器学习等人工智能技术应用到传统行业,以催生更多的互联网新经济增长点。

3、对智能增长、互联网+经济分析预测的观察者。因为本书从微观和方法论层面提出了一套崭新的理论和实践框架,他们可以通过这个框架得知诸多增长团队所面临的实际问题及解决方案。


更多精彩,加入图灵访谈微信!