当年给抖音取名的“大师”已经成不少公司的标配了

　　简单讲就是为同一个目标制定 A 、 B 两种方案，然后记录、追踪用户使用情况。

　　当年的抖音就经历了这么一遭，他们内部把短视频产品 demo 拿去跑了一遍 A/B 测试，看用户对产品名字的关心程度、吸引力程度、下载转化率等。

　　通过这个测试，最终形成一份长长的排名榜单， “ 抖音 ” 顺利脱颖而出。

　　类似的，无论是取名字这种大活，还是 “ 用户界面上两个视频之间的缝隙有多宽 ” 。

　　利用 A/B testing 的数据反馈优化决策，基本是大厂们的必备手法。

　　虽然 A/B 测试在互联网业内已经很常见了，但这几年，它不但作为单独的测试项目存在，更成为了一种新型数据驱动经验模式的一环。

　　数据飞轮其实就是 “ 以数据消费促数据生产，以数据消费助业务发展 ” 。

　　简单说，就是在业务应用层上，利用各种数字化工具，把企业数据玩出花来，帮助公司业务做大做强。

　　在业务不断发展的时候，又给公司不断创造各种企业数据，再利用相对应的产品工具，把这些数据 “ 炼 ” 成数据资产。

　　但数据中台侧重于数据资产的统一性带来的资产价值，数据飞轮则是更强调数据流转与业务产生的互动关系。

　　“ 收钱吧到账， 9 点 25 元 ” ，相信大家听到这句语音，总能想到半夜在楼下小卖部囤泡面的某个晚上。

　　他们虽小但数量着实不少，要把这些千头万绪的数据利用起来精细化运营，没一个班的数据分析师想都别想。

　　于是，收钱吧选择利用了火山引擎开发的 “增长分析 DataFinder+ 客户数据平台 VeCDP+ 增长营销平台 GMP” 的产品组合。

　　在竞争激烈的行业内，及时唤醒沉睡商户促进日活月活，一直是收钱吧的日常工作之一。

　　按照以前的操作，收钱吧 APP 一般每个月拉一次数据复盘沉睡用户，再将整理好的数据下发给 BD 员工进行 “ 唤醒 ” 。

　　但一个月的周期过长，且需要经过长时间的待唤醒商户和对应 BD 匹配，流程较长、时间较久。

　　一板斧，利用 DataFinder （ 增长分析平台，数据洞察、分析 APP 内用户活跃情况的小助手，然后能够根据内置的十几种数据分析模型，帮助分析 APP 用户情况 ）进行实时数据洞察， APP 运营人员直接能在后台看到用户的活跃情况，并按照业务需求进行分类。

　　两板斧，把前面洞察到的数据在 VeCDP （ 客户数据平台，快速分析用户、分类用户 ）中与对接的 BD 数据融合匹配，识别同一标签下的多个非活跃商户。

　　三板斧，最后将这些商户信息通过 GMP （ 增长营销平台，可以实现智能化营销触达 ）一键发给各地的商务 BD 们，他们就能迅速针对性地开展唤醒工作。

　　包括 APP 后台运营、商务 BD 在内的不同岗位员工，都能实时利用企业的数据资源，才真正做到了精细化运营。

　　在传统健身馆不断爆雷、行业一片鱼龙混杂的市场里，乐刻可以说是国内最独特的存在。

　　乐刻在加入内容个性化推荐业务时，内部拿不准多少比例的商品关联内容能够达到最高转化率。

　　因为广告跳出率关系着转化率，但广告出现太多，又会让大家受不了弃坑，直接把用户数给干崩了。

　　最后还是靠 DataTester 确定了 30% 的策略，成功在保持住用户数的情况下，将转化率提升了一截。

　　他们不仅和收钱吧、乐刻类似，构建出面向业务应用层的数据飞轮，帮助销售人员触达目标人群，提升了营销效率，还在数据资产层也实现了数据飞轮各环节的全链路覆盖。

　　他们通过引入火山引擎的大数据研发治理套件 DataLeap ，并邀请火山引擎专家团队入场进行具体问题调整。

　　在数据研发方面， DataLeap 提供数据集成、数据开发、智慧运维等功能，替代了之前的一些开源架构。

　　在数据治理方面， DataLeap 包括了数据地图、数据质量、 SLA 保障等一系列，在字节数据平台被验证过的功能，大大解放了得到在治理系统自研上的资源投入。

　　另外，再搭上火山引擎湖仓一体分析服务 LAS ，帮助得到进一步优化了存储成本。

　　一波操作下来，大大节省了得到在繁多的开源组件和系统自研上，投入的研发资源和人力，提升了至少 3 年的数据治理水平。

　　“ 我不会统计学怎么搞数据 ”“ 我不会敲代码怎么弄数据门户 ”“ 不会 SQL ，怎么做分析图表 ” 。。。

　　但在火山引擎数据飞轮背后，大量技术产品、应用（ 虽然名字看起来还是很费劲 ），做的就是 0 门槛玩数据的活。

　　比如这次火山引擎 V-Tech 数据驱动科技峰会上，他们发布的 “ DataLeap- 找数助手 ” ，可以直接进行拟人化查询。

　　利用 “ DataLeap- 开发助手 ” ，只用文字描述或者数据模型，就能生成 SQL 代码，或者修复 bug ，进行优化解释等等。

　　利用 “ DataWind- 分析助手 ” ，只通过自然语言，就能实现表达式的生成。

　　只要你想，甚至是保安大哥，在权限与安全允许的情况下，在自己职责范围内也可以成为企业数据（如到访人数、巡查次数等）的使用者，真正让每个员工都能尽享数据飞轮带来的数据普惠。

　　如今，身处在大数据时代，无论是企业的发展，还是大家的衣食住行，无一不是和数据紧密相连。

　　如果不能高效地利用数据，不仅是企业的损失，无疑也会极大增加大家日常工作、生活中的繁琐，造成无谓的精神消耗。

　　但过去的企业，既没有注意到或者足够重视让数据消费起来的重要性，也缺乏合适的产品进行系统化的数据处理。

　　直到数据飞轮的出现，既能唤醒对数据消费的需求，也能极大地降低大家的上手难度。

　　或许将来某天，当大家在生活中都能利用数智化产品玩数据飞轮的时候，一个真正的数据驱动的社会，或许又能向前跨了一大步。