阿里巴巴|阿里的象限聚焦和瓴羊独立的关键命题( 二 )



这些产品很多都曾经辉煌过 , 也被各自团队倾注过不少心血 , 即便放在如今的数据智能行业 , 也都能有各自发挥的场域 , 但解耦就意味着有些产品就要被合并、甚至被割舍 , 手心手背都是肉 , 如何抉择变成了一件极为考究的事 , 因为对于小芃来说 , 他不仅要做出适应外部发展趋势的判断 , 还要给阿里内部一个合理的交代 。
据瓴羊团队里的成员回忆 , “瓴羊更像是一个创业团队 , 自打瓴羊启航会之后 , 大大小小共创会已经成了家常便饭 , 和其它会议不同 , 瓴羊的共创会除了会邀请公司内部的产品和业务同学进来 , 还会邀请一些客户过来 , 询问他们的真实需求和意见 , 瓴羊最终的产品矩阵就是在这个过程中诞生的 。 ”
在小芃看来 , 无论产品模块怎么划分 , 都必须围绕一个核心思想:排列组合、解耦重构都是为了能让瓴羊能更好地服务客户 。 他以“三流”(数据流、工作流、商业流)为喻 , 瓴羊要做的其实就是解决“三流”协同的最大公约数问题 , 而这个问题也是当下数据智能行业的烟囱难题 , 市面上很多公司提供的产品和服务只能定向地单点解决某个问题 , 超过需求范畴后 , 企业原本启用这个服务的数字化成本就要升高 , 更别谈降本增效了 。
严格意义上讲 , 虽然全球数字经济如火如荼 , 也能看到国外数据库领域的Databricks和Snowflake各自称霸一方 , 但国内始终没有一家现象级的公司出现 , 资本追着海外风口跑、玩家被项目推着跑 , 造成了中国数据智能行业的一个怪圈——大量的、不合理的需求端连接着活跃的、相对低质量的供给端 。
对于瓴羊来说 , 这就是机会和突破口 。 在日常的工作中 , 总有人会问小芃 , 数字化建设路上的捷径是什么?但在他看来 , “数字化并没有什么捷径可言 , 避免走老路、走弯路、走错路就是最大捷径 。 ”拿瓴羊的第一个客户阿里巴巴为例 , 这些年瓴羊陪伴了像淘宝、天猫、盒马、淘特、淘菜菜等 , 有的是从0到1的创新业务 , 有的是从1到N的高速成长阶段的业务 , 换句话说 , 瓴羊和其它公司的最大差异在于 , 它是在国内最大的零售商业实践场景中成长起来的 。
02象限聚焦:Not SaaS , But DaaS
没有人会想到 , 萨提亚·纳德拉会成功主导了微软的云转型 , 在“移动为先 , 云为先”的战略指引下 , 现在微软已经摆脱了Windows依赖 , 从盖茨时代的软件公司成功转型为一家名副其实的云计算公司 。 他在《刷新》中谈到 , “每一个人、每一个组织乃至每一个社会 , 在到达某一个点时 , 都应该点击刷新——重新注入活力、重新激发生命力、重新组织并重新思考自己存在的意义 。 ”
作为阿里巴巴“最懂数据的组织” , 瓴羊沉淀了阿里数字化实践的经验与能力 , 这个团队此前曾支撑起阿里双11数据大屏、88VIP会员等数智项目孵化 , 并服务过LVMH、现代斗山、红星美凯龙、小鹏汽车、老板电器、海底捞等众多企业的数字化建设 。 从构建阿里数据公共层 , 到打造数据中台 , 到对外开放中台能力 , 过去十年瓴羊团队一直在往前走 。
但时间到了2021年底 , 这些开始显得远远不够 。 阿里的决策层意识到 , 面向正在到来的全方位的数字化时代 , 他们为商家提供的服务还不够厚 , 在上层的流量价值与底层的数字基础设施之间 , 缺少了至关重要的数据驱动的能力板块 。
疫情加速了企业向数字化转型的必要性、紧迫性 。 但现实情况是 , 很多企业的数字化基础依然十分薄弱 , 内部数据分散 , 不会用数据、用不好数据的现象屡见不鲜 。 尤其是有着多平台经营需求的企业 , 面临多渠道、多仓储、多用户触点的环境 , 如何在数据安全和隐私合规的前提下 , 把企业内部资源变成数字化资产 , 让数据智能成为一种生产力 , 这是迫在眉睫的挑战 。