數(shù)據(jù)驅動助力小米科技創(chuàng)新

馬云瑞

小米有三項主營業(yè)務。第一是硬件、手機、電視等生態(tài)鏈。第二，互聯(lián)網(wǎng)?；ヂ?lián)網(wǎng)領域我們搭建了自己的云服務平臺。第三，新零售，包含小米商城、小米之家、全網(wǎng)電商等。

到目前為止，小米有超過5億臺生態(tài)鏈聯(lián)網(wǎng)設備，這些設備源源不斷為小米積累了大量的大數(shù)據(jù)。小米不僅僅是一家生產智能手機的公司，我們認為小米更是一家以手機、智能硬件和IoT平臺為核心的互聯(lián)網(wǎng)公司。

在我們各種互聯(lián)網(wǎng)服務中匯聚了大量數(shù)據(jù)，這些數(shù)據(jù)是小米公司進行數(shù)據(jù)應用和數(shù)據(jù)驅動的基石。那么小米的大數(shù)據(jù)有什么優(yōu)勢？我們的大數(shù)據(jù)優(yōu)勢在于生態(tài)多樣性，我們有系統(tǒng)、IOT、云平臺等，這些都會產生大量的數(shù)據(jù)，并形成全生態(tài)多樣性數(shù)據(jù)。小米的互聯(lián)網(wǎng)業(yè)務已經(jīng)全面受益于大數(shù)據(jù)，包括人工智能、新零售、廣告、金融業(yè)務等。

那么我們在企業(yè)內部，如何把這些數(shù)據(jù)應用起來？我們認為有兩個關鍵詞，第一是數(shù)據(jù)驅動，第二是AI賦能。我們將數(shù)據(jù)驅動分為四個層次，輔助層、智能層、創(chuàng)新層、顛覆層。在輔助層包含了AI技術，我們將智能商業(yè)化數(shù)據(jù)進行統(tǒng)計分析，輔助我們制定商業(yè)決策，所以我們將輔助層設置為最底層。而輔助層的上一層是智能層。什么是智能層？目前越來越多業(yè)務，包含搜索推薦和廣告業(yè)務都會開始使用我們的程序化算法和機器學習算法來幫助提升業(yè)務。

而第三個層我們認為是創(chuàng)新層，我們把創(chuàng)新層分成兩個方面。第一我們認為要創(chuàng)造一些新的業(yè)務形態(tài)。舉一個例子，我們的互聯(lián)網(wǎng)金融，互聯(lián)網(wǎng)貸款都是基于大數(shù)據(jù)驅動的全新業(yè)務形態(tài)。而這些業(yè)務所涉及的是風控、獲客和資金接入。風控和獲客全部依靠大數(shù)據(jù)驅動，由于我們有大量的數(shù)據(jù)，我們只需要通過數(shù)據(jù)分析，就可以開發(fā)出優(yōu)秀的風控產品。第二，我們希望把小米的大量業(yè)務，通過大數(shù)據(jù)的方法進行整合，從而提升我們的業(yè)務效率，從本質上講商業(yè)競爭就是效率競爭，所以我們需要利用大數(shù)據(jù)，將業(yè)務進行整合。

最后是顛覆層。小米正在利用人工智能技術來顛覆傳統(tǒng)行業(yè)。

小米的大數(shù)據(jù)發(fā)展就是圍繞這四個數(shù)據(jù)驅動層次，我們的業(yè)務需要輔助層和智能層進行發(fā)展，同時我們也會打造小米的大數(shù)據(jù)平臺，幫助業(yè)務在輔助層和智能層進行提升，小米的大數(shù)據(jù)庫也擁有數(shù)據(jù)科學家團隊，并為創(chuàng)新層和顛覆層提供服務。為了建設大數(shù)據(jù)平臺，我們打造了小米大數(shù)據(jù)整體架構，我們的目標是解決一致性問題，避免產生數(shù)據(jù)孤島，所以我們需要把所有數(shù)據(jù)匯總起來。同時為了提升效率，我們會對數(shù)據(jù)進行治理和規(guī)范。在數(shù)據(jù)服務方面，我們匯總公司所有業(yè)務對數(shù)據(jù)查詢和訪問的需求。之后，我們基于數(shù)據(jù)服務開發(fā)大量的數(shù)據(jù)產品。

在安全合規(guī)控制方面，我們需要創(chuàng)新和規(guī)劃，我們就需要一個高效的大數(shù)據(jù)平臺。舉一個例子，我認為大多數(shù)公司在開發(fā)大數(shù)據(jù)時，OLAP（聯(lián)機分析處理）有很多不同的特點。我們可以基于相應的技術進行多維分析，但是有些業(yè)務需要實時數(shù)據(jù)分析，在這種情況下更需要靈活性和速度。所以我們打造了統(tǒng)一的OLAP引擎，通過引擎我們能夠對查詢進行分發(fā)。OLAP引擎幫助我們提高了公司各業(yè)務在OLAP時的效果。

在創(chuàng)新方面，以小米的新零售為例。我們對新零售的關注點是要打通線上、線下的數(shù)據(jù)，針對新零售我們做兩件事，第一我們基于小米的大數(shù)據(jù)和AI技術，為小米的線下零售體系建立了一套風險控制模型。第二經(jīng)營，我們?yōu)槊恳粋€線下商戶和加盟合作伙伴開發(fā)了信用體系，有了這套信用體系我們就可以了解到每家商鋪的經(jīng)營情況，同時我們也可以了解小米的政策傾向和服務品牌特權等。平臺公司評估一個B端的商戶時候，會用到一些指標，包括商品描述是否和實物一致，以及物流速度等，但是他們不會評估經(jīng)營效率。小米則不同，小米有自己的評估體系，小米之家都是我們自有的商鋪。

質量和品質是小米的生命線，如何把小米的硬件指標、軟件指標做到極致，是我們最關心的問題，但是公司內部和質量相關的部門非常多。舉個例子，我們三大服務體系包括物流、客服和售后。在這三個體系中，我們每天會收到近百萬的用戶反饋。原來小米各部門在處理這些反饋時各自為政，每個部門自己進行數(shù)據(jù)采集和數(shù)據(jù)分析。這就導致我們的研發(fā)效益相對較低，所以我們在發(fā)展大數(shù)據(jù)時做了三件事。第一，故障診斷。當我們發(fā)現(xiàn)一個故障時，我們通過大數(shù)據(jù)手段進行故障診斷。第二，故障預警，我們每天要處理大量的用戶反饋，所以我們利用自然語言處理和異常監(jiān)測等方法，排查出重要問題，讓我們的研發(fā)優(yōu)先解決重要問題，同時我們還要對當天所收集的數(shù)據(jù)進行預估和預測。第三，故障預防。既然小米有大量的數(shù)據(jù)和信息，那么當故障發(fā)生之前，我們是否可以利用移動設備端進行故障識別并防范？這也是我們正在進行探索的事情。對小米來講，我們認為發(fā)展大數(shù)據(jù)不止是把數(shù)據(jù)收集起來，因為這種行為只會增加成本，所以我們想盡一切辦法使數(shù)據(jù)發(fā)揮出自身的價值。

（根據(jù)演講內容整理，未經(jīng)本人審核）