专访 | TalkingData崔晓波：转变、跨越，数据时代的先行者

“未来十年，不在‘新流量体系’里，找增量就很难。”与十年前创业时相比，崔晓波对现在的市场形势、商业逻辑、未来方向已有了更清晰的洞察。或许源于数据智能企业天然的趋势推算，也或许源自崔晓波十年浮沉的切身思考体悟。 

2011年，从甲骨文离开的1年多后，崔晓波筹备创立TalkingData，开始时并没有明确的方向，但是看到大数据与移动互联网的巨大潜力，他知道这两者的结合就是自己想去探索的那条路。从为APP开发者提供数据统计分析产品，再深入到游戏、电商等细分领域，崔晓波在移动互联网数据服务领域找到了立身之地。 

初创企业在起步时总会很艰难，不过在众多大大小小的坑面前，崔晓波首先要跨的，是很多人都弯不下腰来的“外企关”。在外企待久了的人出来创业，身上都有个通病，不太接地气。遇到点困难，就老是想着“大不了回外企”。但一个优秀的创业者既要能在展会舞台上发表自己的商业见解，也要能在展会门口做地推、发产品宣传册。这一关过不了，会进退两难。 

成立的第三年，TalkingData 已经成为行业领先的第三方移动数据服务平台，移动互联网的渗透也开始触及传统行业。在外企做了多年 ToB 服务的崔晓波又看到了新机会，开始利用在移动互联网行业的数据能力和运营经验，帮助金融、零售、地产等传统企业做数字化转型。

理工科出身的人往往严谨、理性、专注，这些特质成就了其独有的魅力，但市场对创业者是苛刻的，一个只痴迷于技术的人相当于在晚上过独木桥，不观察清周围环境，掉下去的风险会非常大。这是崔晓波的第二关，数据思维重，业务思维轻。 

包括崔晓波在内，TalkingData 团队里的很多人出身于IBM、Oracle，而完全软件思维的人很难关注到技术以外的事。2017年到2018年，TalkingData 面临继续深入软件研发还是寻找商业模型的抉择，崔晓波通过思考后发现，企业要进入下一阶段，还有更多在技术、产品之外需要解决的问题，比如市场、管理、营销甚至个人修行。 

因此在那段时间，以往常年关注 Python、CSharp、开源架构等工具信息的崔晓波，开始密集阅读管理类、前沿科技类的书籍，书看得很杂，但帮助他对个人、对市场都有了全新的理解。经济发展周期性波动，与之相关联的产业处在随时变迁当中，ToB 企业需要以敏锐的嗅觉捕捉各行业发展轨迹。 

2018年，TalkingData 内部做了重大调整，开始转型将数据能力和算法能力作为公司核心。这无论对TalkingData还是崔晓波个人都是一个重大转折，但崔晓波坚信，相比于降本增效，各行业需求在很长一段时间内还在于业务的增长，算法模型+业务场景将有可能创造更大的价值。 

三、四年前，在业务场景上架构算法模型还不是十分普遍，在互联网行业也仍处于技术创新和摸索的阶段。更不用说在传统行业，无论营销推广还是生产销售，都是依靠人的经验。这个时候，将大量资源投在预测算法、隐私计算、联合建模、情景感知等科技研发上，需要一定的魄力和见地。 

对崔晓波来说，对前沿技术“过于超前”的投入，是个教训，却也是个契机。在突发疫情和经济结构调整的双重压力之下，各行业的数字化和线上化进程一下子加速了，当时“尚不成熟的市场”和“尚未产生的需求”也开始迎来爆发。 

去年疫情初期，人们出行受限，以线下业务为主的行业受到重创，“人的经验”在面对黑天鹅事件时显得力不从心。像一家知名快消品企业，以往的生产量、配货量都基于人的经验来决策，但疫情影响难以靠经验预测，TalkingData就根据疫情管控等多种因素构建算法模型，计算可能产生的产品需求和销量，帮助这家企业按需生产和配货，减少损失。之后，也有更多的企业来找崔晓波咨询，想采购类似的系统和算法模型，让那些在当时“过于超前”的投入最终得到了市场认可。 

现在，数字化转型已经不是“选择题”，而是“必答题”。数据、算法的影响逐渐扩大化，从降低损失、增加盈利到抵御不可抗力，从消费行业再到其他传统行业，是线上化、数字化加速发展使然，也是崔晓波说的“业务发展要匹配经济周期”的自然结果。而崔晓波的数据思维也更多向业务发生倾斜。

于是，在直播电商等新营销方式，抖音、快手等新流量渠道兴起之后，崔晓波提出了“未来十年，要在新流量体系里找增量”的想法。新流量以短视频+直播为核心，以更具互动性的主播、达人加入为特征，相比传统的图文模式，是一种全新的形态。 

几年前，线下生意不好做，房租成本、人员成本收不到相应的回报，中小企业主转而跟淘宝等电商平台绑定就能找到一条出路。但现在，很多企业主都不得不安排专门的团队运营淘宝，另一个团队运营抖音，快手和小红书也不能落下。 

这表明，不是企业开始尝试新的获利途径，而是新的流量盘子已经铺开，各行业不得不在新体系里寻找增量。“当流量体系开始分化的时候，机会就出来了”，十年的流量红利结束，各行业进入增长乏力阶段，但有时候，困境往往意味着转机，不破不立，就像崔晓波说的，“生态体系中的新形态已经诞生了。” 

新形态指什么？按照崔晓波的说法，是新渠道、新产品、新品牌。新流量产生之后，可以看到，以短视频、直播为代表的新流量渠道已经吃到了第一波红利，新渠道是新形态的第一站。但流量平台会对新的渠道进行一定的限制和降权，因此崔晓波推测，新渠道的红利期时间不会太长。 

新渠道之后是新产品，在做数据分析时，TalkingData 团队发现，年轻人在某些商品上面表现出强大的购买力。为了弄清背后的关系，他们将不同的品牌的同类商品投放到同样的渠道进行对比测试，看哪个商品销量更好，结果发现，很多商品的增长其实不是由品牌带来的，而是品类。针对细分人群打造创新品类、提供个性化商品，很容易出爆款，之后便催生出新品牌。 

崔晓波最初提出“新渠道、新产品、新品牌”的2019年，新形态尚未全面爆发，但数据智能公司的价值就在于对市场发展的趋势预测。就像几年前崔晓波对数据模型将赋能业务增长的判断在今天得到验证一样，数据智能企业或许能以一个第三方的旁观者角度对整个市场做出更清晰的解读。 

数字化转型已成必然趋势，但并不是所有企业都知道如何去做。比如传统企业做数字化转型，在没有考虑清楚问题的情况下，很多企业一上来就要建数据中台，结果投入太高，短期又看不到正向收益。这是崔晓波提醒的第一个误区，即“唯中台论”。 

除此之外，有的企业过于迷信咨询，习惯依赖咨询公司提供的顶层设计，却难以快速落地；有的公司则交给IT部门来负责，采购成批的IT工具，却又积累很多遗留问题。但事实上，选择这几种方式都没有从更聚焦的业务场景考虑问题，都是传统企业转型应避免的误区。在崔晓波看来，无论是建系统还是建模型，对促进业务增长的作用有多大、投入产出比有多少，才是最核心、最本质的问题。

根据这几年的经验，崔晓波将企业数字化转型大致分为四个阶段：业务数据化、数据业务化、数据资产化及应用智能化。业务数据化阶段除了数据收集、存储，更重要的是做数据治理，把积累的数据搭载在业务场景里应用，再对数据进行纠错，提高数据质量。业务数据化的目的是用数据优化流程和效率，而不只是把业务以数据的形式记录下来。 

数据业务化阶段则改善的是决策。将数据形成算法，在业务流程里面去用，例如金融机构要不要给贷款申请者放款、零售企业选择店面开在哪里等等，数据模型将会提供出建设性的方案，来提高决策的效率和准确率。 

到了第三个阶段，有了之前的基础就会明确数据对业务场景的价值，才会有意识地积累更多利于场景的数据，进而形成数据资产。 

而到应用智能化阶段，将会越来越多地用数据模型替代人工决策，营销就是非常典型的应用场景，从用户画像到人群细分，从广告投放到广告归因，都在数字化和智能化。在这个基础上，TalkingData 提出了全域营销闭环，全面打通之前不连贯的前链路和后链路，形成全域营销的完整闭环。 

闭环形成后会怎么样？之前，企业投放广告产生一批广告数据，消费者购买商品产生一批销售数据，这两种数据是无法连接的。接入新的算法模型之后，就可以找到广告投放与商品销售之间的因果关系，明确广告投放对产品销售的转化率到底如何，也就能够基于此对营销和销售进一步优化。 

在新流量里做营销，不管是直播间还是短视频，当供应商可以直接拿到反馈数据，便能够及时调整组货和配货。这一过程便是“品效销合一”的过程，而这一效果的实现得益于围绕场景服务的全链路归因模型，前后链路打通，营销因此变得更简单、更直接。 

崔晓波说，TalkingData 会更像自来水厂一样提供服务，由合作伙伴来建水管水龙头这样的基础设施，TalkingData 来提供水——数据服务和算法模型，用户每调用一次模型，TalkingData 收取一次费用，既便利了用户，又实现了公司盈利的可持续，整个过程体现的是一个理性的共赢思维。而这一思维如果能扩大化，为整个社会创造更大价值，应该是每个企业最初创立时的初心和愿景。

未来十年是新旧动能转换的关键十年，中国目前的供应链体系和消费品市场已基本形成一个有韧性的经济闭环，崔晓波认为，如果将前文的全域营销闭环的思路运用在经济网络，将会形成一个高效的终极闭环。而其将成为未来中国最核心的能力，让中国在大国博弈中占据优势。 

那么数据智能何以发挥如此大的作用，其基本逻辑是什么？首先，算法模型的能量已在互联网领域得到验证，过去做B2C生意，商家要从厂家手里拿到货，再通过各渠道分销给消费者。如今商家入驻电商平台，个性化引擎帮助商家以最快速度定位目标客群，能极大缩短决策链条。 

而在传统行业，电商高度发达后，对整个供应链要求非常高，要有弹性，要有快速反应能力、定制化生产能力。如果数字化改造能接入传统行业，即使线下供应链的链条要复杂一些，一旦实现，整个供应链体系的效率就会得到全面提升。如今在中国，给工厂或制造商下订单，即使很小的批次都可以完成，这在国外是绝对做不到的。 

我们可以将互联网行业分为消费互联网及产业互联网。客观来讲，产业互联网离消费市场是相对较远的，需求从产业链前端一步步传到后端之后很可能会脱离实际，生产、制造、供应因此变得盲目。但如果用数据智能将前后链路打通，用消费互联网的数据直接驱动供应链完成全面升级改造，效率将达到最优。 

“以前我国的优势是成本——供应链成本低，但未来不是，未来的优势在于效率是最高的。”崔晓波说。数据智能和整个网络形成协同闭环，用数据串联产业链，这既是崔晓波对未来的美好设想，也正是他们当前正在努力的方向。 

可以预见的是，数据的价值将在未来得到更充分的释放，但过程中，围绕数据合规、个人信息保护等问题也逐渐暴露，作为离数据最近的企业，挖掘价值的同时必须重视数据应用与数据保护之间的平衡问题。 

“不管是《网络安全法》《数据安全法》，还是《个人信息保护法》。从我个人认为，规则的界定越来越清晰、细分，是越好的事情。”比起更多对数据安全合规的担忧，崔晓波反而认为规则越明确，会让他们更有安全感。 

虽然合规要求在短期内会对很多企业带来一些压力和困惑，但是长期上是整个行业更良好发展的基础，崔晓波认为，TalkingData 走到今天业务能逐渐拓展，也在于规则越来越清楚，才能配合规则提供更多的服务。另外很重要的一点是，与监管机构要有足够的沟通，目前所有规则都是在完善的过程中，如果没有充分沟通，就很容易产生误判。 

可以看到，从最初对数据的探索到对业务思维的转变，从市场营销到数据合规，从数字化转型到整个经济闭环，崔晓波离十年前的自己已经很远，但当初“数据改变企业决策，数据改善人类生活”的愿景却一直没变。 

人生总会过很多关，创业更是如此。崔晓波的愿景或可称之为好高骛远，但拥有为之坚持初心、保持前行的目标，才不会让人迷失方向。说到底，逐步缩短与目标之间的距离，也是人生价值的实现。 

一关一关过，不是想比其他人走得快些，而是能为其他人开出一条路来。

TalkingData——用数据说话

每天一篇好文章，欢迎分享关注