2023，DaaS駛入「AI大航海時代」

　　2002年，在競爭激烈的美國職業棒球聯盟，奧克蘭運動家隊無論在人員和物質配備以及資金實力上都只是“下三流”之列。

　　然而在數據分析高材生的幫助下，經過分析數據和晦澀難解的棒球統計學，球隊經理找到了一批奇怪的棒球手，他們性格怪癖，但卻在棒球運動上擁有*能力。

　　在突破傳統的數據經營模式下，最終取得驕人的比賽成績，比肩實力雄厚的紐約揚基隊的程度。

　　這是由真實事件改編的一個故事，后來被拍成電影——《點球成金》。事實上，利用數據分析、挖掘在球賽中取勝的案例，遠不止于此。美國著名的國家籃球隊的教練，就曾利用IBM公司提供的數據挖掘工具臨場決定替換隊員。

　　目前，大約有超過20個NBA球隊使用了IBM數據挖掘應用軟件來優化他們的戰術組合。

　　教練可以用便攜式電腦在家里或在路上挖掘存儲在NBA中心的服務器上的數據。每一場比賽事件，都會按得分、助、攻、失誤等統計分類。

　　用大數據，贏得一場球賽，看似不可思議，卻早已成為該行業公開的制勝策略。

　　如今，“制勝”亦是所有行業、企業的共同命題。數字化已行至中程，數據壁壘正在被逐漸打破，也使得企業看到了新的增長之道。

　　“去年我們發布這個DaaS產品的時候，大家投放的量級基本上是幾十萬左右，二三十萬，三四十萬的規模。去年Q4開始，我們開始陸續接到百萬級的投放、營銷預算。”某業內人士對產業家說。

　　站到臺前的DaaS，正在駛入屬于它的大航海時代。

　　一、DaaS，云起

　　2021年12月1日，阿里云發布新產品瓴羊，將其核心產品服務定位為“DaaS”，其本質是以數據驅動為增長引擎，打通整合企業的商業流、數據流和工作流，讓數據智能在企業的生產和經營中發揮*價值。

　　瞬間引起業內一陣熱議。

　　今年3月，京東云首次發布數智平臺“優加”，面向品牌增長，錨定的也是DaaS新賽道。

　　兩個互聯網巨頭的入局，逐漸讓這個賽道再次熱鬧了起來。

　　實際上，DaaS并不是一個新領域。在過去的幾年時間里，DaaS賽道已經跑出了幾家相對垂直的明星廠商，如麥聰軟件、有米云、華坤道威等等。此外，一些涉及數據中臺業務的廠商，也早就進入了這個賽道。

　　早在2015年前后，伴著自動駕駛的東風，DaaS便火過一把。

　　DaaS(數據即服務)側重于以數據 API 的方式按需提供各種來源的數據，一般DaaS 平臺還包括元數據管理，數據治理，數據開發等功能，其根本作用是幫助企業將數據資產便捷地轉化成業務能力(應對企業應用之間、系統之間數據即時交換、共享、使用的需求)，最終解決企業最核心的增長問題。

　　目前來看，以數據源來劃分的話，DaaS賽道可分為三個陣營，一是以阿里云、京東云為代表的數據即服務平臺，基于自家零售平臺產生的第二方數據來提供更廣泛的數據服務。

　　互聯網巨頭的優勢，一是由于數據來源于零售的各個方面，在營銷上有著更大的優勢。加之大廠強大的生態構建能力，以及業務體系，可從一體化、全棧式層面打造優勢。

　　除此之外，互聯網云廠商也可以結合自身的優勢賦能企業，為DaaS產品做一些增值服務。例如京東優加可以基于自身一體化供應鏈優勢，在賦能企業營銷策略時，可以通過供應鏈能力快速驗證。

　　二是以Datablau數語科技、數數科技、神策數據等為代表的垂直廠商，其數據源來自商家客戶自己的經營情況，為其進行用戶分析服務。優勢在于數據清理、分析的能力上，且在垂直領域扎的夠深，可以與企業實現更強的綁定關系。例如數數科技作為一家游戲數據分析服務商，在泛娛樂領域就有著較大的優勢。

　　三則是以有米云、天眼查為代表的廠商，數據源來自公開渠道，主要針對不同的客群提供不同的解決方案。優勢在于調查分析類，可滿足各行各業的數據需求。

　　例如有米云平臺上有巨量的商品、廣告、企業、消費者等商業信息，使得其在電商、游戲、短劇賽道都有涉獵，且有著一定的優勢。

　　總體而言，這些廠商各有各的優勢，但也各自存在一些短板。

　　新玩家魚貫而入，老玩家持續打磨，資本追捧，大廠看好，DaaS賽道的爆火并不意外。但不為人知的是，DaaS行業做起來并不簡單。

　　二、看得見的落地難

　　某電商公司曾嘗試如何使用DaaS平臺來改善其營銷效果，其主要方式則是更好地了解其客戶，提供個性化的推薦和優惠，并提高營銷活動的轉化率。

　　然而，在實際應用中，該公司發現數據質量不可靠，數據采集不全面，而且數據分析和應用的效果也不盡如人意。

　　首先，該公司在使用DaaS平臺時發現數據質量存在問題，例如數據缺失、數據不準確和數據過時等問題。這些問題導致公司無法準確地了解客戶，也無法進行準確的個性化推薦和優惠。

　　其次，DaaS平臺的數據采集往往不夠全面。盡管該平臺聲稱可以提供全面的數據，但實際上該公司發現平臺無法收集一些重要的數據，如用戶的購買歷史、瀏覽歷史和搜索記錄等。這些數據的缺失使得公司無法深入了解客戶的行為和偏好，也無法進行精準的營銷活動。

　　最后，即使該電商公司花費了大量時間和資源來采集和分析數據，但實際上這些數據分析和應用的效果并不理想。比如根據數據分析結果進行的個性化推薦和優惠并沒有提高轉化率，反而導致一些用戶的反感和不滿。

　　事實上，DaaS在絕大多數業務場景應用潛力極大，這是一個取得了充分共識的結論。企業對于利用DaaS改善經營充滿希望，并積極投入資源開展嘗試。但對于絕大多數企業而言，大量DaaS項目未取得預期的顯著提升。

　　總結來看，數據質量不可靠、數據采集不全面以及數據分析和應用效果不佳等問題，直接反映了DaaS落地難的現狀。

　　實際上，這些問題不僅在DaaS廠商本身，也更在其與ISV合作有很大關系。

　　例如，DaaS平臺與企業內部配合時，DaaS平臺提供的數據可能與企業內部的數據格式和標準不統一;企業內部可能存在多個不同的系統和平臺，DaaS平臺需要與這些系統進行對接，接口開發和調試的難度較大;DaaS平臺處理的數據可能涉及企業的機密和隱私，需要采取有效的安全措施，保證數據不被泄露和篡改等諸多問題。

　　而DaaS與ISV合作時，DaaS平臺提供的數據服務需要通過API接口與ISV系統進行對接。但是不同系統的API接口不同，對接復雜度高，需要耗費大量時間和資源進行開發和調試。

　　加之DaaS平臺處理的數據往往具有較高的敏感性，如客戶信息、交易數據等，因此在數據傳輸和存儲過程中需要采取有效的安全措施，確保數據不被泄露和篡改。

　　三、“真假DaaS”背后的數據業務驅動

　　元氣森林，一個以“0糖、0脂、0卡”的健康理念，快速占領氣泡水市場的行業TOP品牌。但在茶飲賽道，競爭異常激烈，不進則退。元氣森林亦需要加強氣泡水品類優勢，不斷擴大市場。

　　在這種需求之下，瓴羊為其定制了DaaS解決方案。

　　首先是定位新品研究方向。元氣森林通過對飲料市場細分品類的分層分析，定位氣泡水、茶飲、植物蛋白、果飲四大果飲趨勢。確定了氣泡水品類仍是飲料市場突出品類，可延續在氣泡水市場的多元優勢，并持續發力。

　　其次是制定差異化營銷戰略。通過描摹四大品類特征和用戶洞察，制定新品差異化營銷方向。例如氣泡水新品菠蘿口味順應季節打爆;植物蛋白新品選擇通過高能媽媽的破圈在兒童市場發力。

　　最后是全年多峰策略落地。618打響多品類布局*槍;在雙11大促期間實現更大生意轉化，年輕人群持續滲透。

　　2022年，元氣森林雙11同比618，客單價增加近10%，消費者購買意愿加強。且與618相比，A人群資產量級增加超五成;年輕人群增速和去年雙11相比明顯增加，品牌人群結構逐漸被優化。

　　在元氣森林的案例中，可以發現DaaS落地成功的幾個關鍵細節。

　　一是營銷數據、應用方向確定；二是以*的專業度不斷洞察市場變化數據；三是規劃數據管理的“長線作戰方案”。

　　這是解決問題、DaaS落地的關鍵，然而，對于很多企業而言卻往往會被忽略。

　　企業在進行數據治理時，將關注點放在管理數據程序、腳本和任務上。這種做法導致企業的數據治理無法聚焦于提升數據價值。這可能導致數據的準確性和可靠性受到影響，從而影響企業的業務決策。

　　很多企業在部署DaaS時，自身的需求并沒有被滿足，導致了誤區型治理，難聚焦。

　　此外，企業在進行數據治理時，以完成項目交付為目標。然而在項目交付完成后，企業沒有繼續關注數據治理的長期性和持續性。因此，即使完成了項目交付，后續的數據管理仍然缺乏延續性和穩定性。

　　管理斷點，數據難統一，往往會導致數據安全系統降低，導致了項目型治理，難延續。

　　要知道數據的統一是DaaS落地的基礎，從這點來看，其部署的似乎并不是一個“真正的DaaS”。

　　除此之外，企業在數據治理中由員工兼職管理。這些員工在數據治理方面缺乏專業知識和技能，導致職責不清晰、主動性不強。導致企業無法確保數據治理工作的順利實施，這種情況下數據的質量和可靠性便無法保證，數據的安全和隱私便也不無保證。

　　企業內部不具備相應的IT條件，導致兼職型治理，也是DaaS難落地的重要因素。正如有米云創始合伙人&CTO 蔡銳濤所言，“在現在的數字化時代，善于解讀數據的團隊將會有巨大優勢。”

　　綜上所述，DaaS落地難的*層邏輯逐漸清晰，即誤區型治理下的“頭痛醫腳”；項目型治理下的“真假DaaS”；以及兼職型治理下的“力不從心”。

　　值得注意的是，大模型的推出，或將改變傳統模式下數據治理面臨的困境。

　　四、大模型，讓數據更有價值

　　“咱們得要認識到一個事，品牌商比我們在Know-how上更專業，我們有的只是數據跟分析能力、技術，但是在Know-how上他一定比我們更專業。”京東科技解決方案中心增長解決方案部負責人朱冰對產業家說。

　　其實，就目前來看，企業手握大量有價值的數據，但這部分數據帶來的優勢以及能力，DaaS廠商無法替代。正如朱冰所言，“整體來說，還是要把自主性、主觀能動性教給我們的品牌商，給我們這些品類的伙伴。我認為他自己做這件事情是最專業的。”

　　然而，對于很多企業而言，這是很難跨越的一步。值得期待的是，進入“大模型+”時代，DaaS也出現了一些新的可能。

　　比如在模型訓練與優化方面，DaaS平臺可以提供大模型的訓練和服務平臺，幫助企業進行模型的訓練、調整和優化等操作。企業可以利用DaaS平臺上的大量數據和計算資源，對大模型進行訓練和優化，從而提高模型的準確性和性能。

　　在模型部署與管理方面，DaaS平臺可以提供模型部署和管理功能，使企業可以將訓練好的大模型快速部署到生產環境中。企業可以通過DaaS平臺，對模型進行版本控制、更新等操作，確保模型的穩定性和可靠性。

　　在數據預處理與增強方面，DaaS平臺還可以提供數據預處理和增強功能，幫助企業將原始數據進行清洗、轉換和標注等操作，以便用于大模型的訓練和測試。DaaS平臺還可以提供數據增強功能，通過對數據進行各種變換和增強，提高模型的泛化性能和適應能力。

　　此外，在自然語言處理領域，DaaS平臺可以提供文本分類、情感分析和語言生成等服務。在圖像識別領域，DaaS平臺可以提供目標檢測和圖像分割等服務。企業可以通過DaaS平臺，直接使用這些服務，而不需要自己構建和訓練模型。

　　在業務之外，安全也是其一大特點，即DaaS平臺還可以提供數據安全和隱私保護功能，確保企業數據的安全性和隱私性。DaaS平臺可以提供數據備份、恢復和版本控制等功能，確保數據的安全性和可靠性。同時，DaaS平臺還可以提供數據加密、訪問控制和安全審計等功能，保護數據的隱私和完整性。

　　換言之，AI大模型之下，DaaS廠商或將積累越來越多的行業Know-how，企業的需求也將愈發得到滿足；大模型與DaaS的結合，可以使企業可以更加高效和準確地利用大模型。

　　在傳統模式下，企業需要自己構建和訓練模型，需要投入大量的資源和時間。而且，這些模型的效果可能會受到多種因素的影響，如數據質量、算法選擇等，通用大模型也將加速企業邁過這道坎。

　　總體來看，「大模型+DaaS」將會很大程度上改變當下DaaS固有的頑疾，使其走向一個更加良性的發展，推動其進入“大航海時代”。

　　或許，在未來每個行業都能被DaaS重塑，正如文章開頭所言的那部電影用數據“點球成金”。