9月2日，火山引擎V-Tech數(shù)據(jù)智能科技峰會召開，峰會上火山引擎新一代企業(yè)級數(shù)據(jù)產(chǎn)品數(shù)智平臺VeDI正式發(fā)布。

字節(jié)跳動數(shù)據(jù)平臺負責人羅旋表示：“增長，源于每個人做的每一次正確的決策，從戰(zhàn)略、管理到執(zhí)行。而決策是否正確，在沒有數(shù)據(jù)驅(qū)動的情況下，更像是一種玄學。數(shù)據(jù)驅(qū)動能夠讓決策方法變得更科學，而更科學的決策也就會無限趨近于正確。”

本文根據(jù)羅旋演講內(nèi)容整理。

字節(jié)跳動的數(shù)據(jù)文化、工具與組織

大家好，我是羅旋，負責字節(jié)跳動數(shù)據(jù)平臺。

首先我們來看一個，經(jīng)常被問到的問題：字節(jié)跳動的增長，是如何實現(xiàn)的？相信大家也都看過網(wǎng)上很多分析文章，也有些自己的判斷，有說運氣好的，有說戰(zhàn)略決勝的，有說賽道選的好，也有說網(wǎng)狀組織結構先進的……這些可能都對，但也比較局部。今天我想從數(shù)據(jù)驅(qū)動角度來解釋一下這件事情。

數(shù)據(jù)文化提升意識

字節(jié)跳動是一家非常注重數(shù)據(jù)的公司，甚至連一開始給“今日頭條”這個APP取名也是靠A/B測試。可以說，字節(jié)跳動是一家數(shù)據(jù)驅(qū)動的“數(shù)字原生”公司。作為一家把數(shù)據(jù)驅(qū)動作為文化基因的公司，字節(jié)跳動在各個角色、層級，從CEO、高管、中層管理者，到一線員工，都非常廣泛、細致的使用、依賴數(shù)據(jù)。對數(shù)據(jù)的依賴和應用程度，都是業(yè)界比較領先的。

從高管的視角來看，很多宏觀層面問題需要被解決，如公司的經(jīng)營狀況如何，收支狀況怎么樣，團隊是否健壯，組織是太肥了還是太廋了，宏觀經(jīng)濟形勢如何，公司策略是否要隨之調(diào)整……而在字節(jié)跳動，這樣的信息，都必須用數(shù)據(jù)指標，來描述和支撐，我們會把它們分類整理，承載到管理駕駛艙上。從覆蓋面和精細度來說，我們有上千個數(shù)據(jù)指標，使用頻度也很高，每天都有大量訪問。甚至有管理層手繪設計圖，來討論這些數(shù)據(jù)應該如何組織，數(shù)據(jù)產(chǎn)品應該如何交互。

最高決策層往下，就是各業(yè)務的中層管理者們。他們除了關心某個業(yè)務板塊的進展是否良好，有哪些待突破點等業(yè)務問題之外，也有很重的團隊日常管理工作。很多企業(yè)，都會用數(shù)據(jù)來監(jiān)測各項業(yè)務指標。但是在字節(jié)跳動，我們不僅監(jiān)測業(yè)務指標數(shù)據(jù)，還把數(shù)據(jù)驅(qū)動用在日常管理工作中。比如，目標制定、OKR追蹤管理、周報周會的進展同步、組織效率等等，這些都有大量的指標來刻畫，并使用各種數(shù)據(jù)產(chǎn)品來跟進、追蹤、對齊。

對一線同學來說，場景就更廣泛多元了。每個月直接使用數(shù)據(jù)產(chǎn)品的一線同學就超過10萬，字節(jié)一共只有十幾萬員工，這還不包括間接使用數(shù)據(jù)服務的情況。在日常的開會討論中，幾乎不可能出現(xiàn)一個會，存在沒有數(shù)據(jù)的情況，否則會被挑戰(zhàn)得很厲害。而在不同場景下，使用的精細度也非常高，甚至會有一些意想不到的地方。舉個例子，比如，在劣質(zhì)內(nèi)容的治理上，我們不只是用數(shù)據(jù)快速分析識別哪些是劣質(zhì)內(nèi)容，在對這些內(nèi)容的處罰中，也會用A/B測試來進行判斷，以選擇更有效的處罰策略。

數(shù)據(jù)工具推動執(zhí)行

通過剛剛的幾個case，大家可能對字節(jié)的數(shù)據(jù)驅(qū)動文化有了一定的感知。但光靠意念是不夠的，文化的落地需要有稱手的工具。

那字節(jié)跳動的同學們，用什么工具呢？這個是字節(jié)跳動數(shù)據(jù)平臺的產(chǎn)品架構圖。我們整體分成數(shù)據(jù)引擎層、數(shù)據(jù)建設管理層、數(shù)據(jù)分析應用層以及解決方案層。數(shù)據(jù)產(chǎn)品架構覆蓋了數(shù)據(jù)全生命周期的整條鏈路。如果快速總結一下，我們整體數(shù)據(jù)產(chǎn)品的特點，可以用兩個詞來概括，那就是敏捷和易用。

敏捷方面，簡單來說就是更快、更靈活。

● 快的方面，我們讓數(shù)據(jù)的各個環(huán)節(jié)都變快，不論是采集加工還是消費分析。比如，我們能實現(xiàn)海量數(shù)據(jù)的實時寫入、實時分析；十億級的數(shù)據(jù)的查詢可以做到亞秒級響應；搭建的實時數(shù)倉，能給正在直播的賣家們以數(shù)據(jù)反饋，讓他們及時調(diào)整自己的策略，抓住轉(zhuǎn)瞬即逝的機會。

● 靈活方面，主要體現(xiàn)在數(shù)據(jù)處理模式、使用姿勢的靈活性上。我們能讓一線同學基于明細數(shù)據(jù)自助分析，而不用預定義指標；支持定制化，而不僅是固化的數(shù)據(jù)標簽。因此當我們做數(shù)據(jù)治理時，就可以自定義目標，分階段定優(yōu)先級，采用對應治理規(guī)則等等。

易用方面主要體現(xiàn)在下面的三個方向：

● 門檻低。沒有任何技術背景的同學可以無代碼搭建數(shù)據(jù)門戶，沒有統(tǒng)計學背景的運營也能開啟AB實驗。

● 上手快。不會SQL也沒關系，只要你知道自己想要哪些指標，對數(shù)據(jù)元信息有了解，5分鐘就能搭建分析圖表。

● 協(xié)同廣。數(shù)據(jù)產(chǎn)品之間，數(shù)據(jù)產(chǎn)品和飛書、日歷、業(yè)務系統(tǒng)等多產(chǎn)品之間的無縫聯(lián)通，也讓大家更方面看數(shù)據(jù)，用數(shù)據(jù)。

1. 如果再回過頭來想想，為什么會是這兩個特點？其實也很好理解。因為更易用的產(chǎn)品，才能被用得更廣泛，才能讓公司的每個員工都用起來；更敏捷的產(chǎn)品，才能被用得更深入，才能夠，在直播這樣要求非常實時的場景，在數(shù)據(jù)需求的非常多變的情況下，也都能支持。

只有數(shù)據(jù)被用的又廣又深，數(shù)據(jù)驅(qū)動的文化，才能有效落地。

高效組織撬動飛輪

文化提升意識，工具落地執(zhí)行，是不是就夠了？對于業(yè)務復雜程度高，或者業(yè)務規(guī)模大的企業(yè)來說，好的組織模式是一個杠桿，其能夠更大程度撬動數(shù)據(jù)與業(yè)務這兩個飛輪互相驅(qū)動。那什么算好的組織模式呢？我們的選擇是中臺+BP的模式。當業(yè)務非常復雜，又存在多個形態(tài)差異大的業(yè)務時，完全通用共性的產(chǎn)品有時不夠貼近業(yè)務場景。這個時候我們用數(shù)據(jù)BP模式來解決，數(shù)據(jù)BP是一個更深入業(yè)務線的角色，類似于HRBP跟業(yè)務的深度協(xié)同關系。數(shù)據(jù)BP會根據(jù)不同業(yè)務特點，靈活組合數(shù)據(jù)中臺的產(chǎn)品技術能力，來解決更具體的業(yè)務問題。這非常類似于ToB場景中的解決方案角色，能站在客戶和實際業(yè)務痛點的視角看問題，從而規(guī)避了過于側重中臺和技術視角的風險。如果要做類比理解的話，中臺+BP的模式，非常類似于“中央廚房 + 終端餐廳”的關系。

上面講了我們在文化、在工具和在組織上的實踐案例和經(jīng)驗。再回到最初的問題，談談我們對增長的理解。我們認為：增長，源于每個人做的每一次正確的決策，從戰(zhàn)略、管理到執(zhí)行。而決策是否正確，在沒有數(shù)據(jù)驅(qū)動的情況下，更像是一種玄學。數(shù)據(jù)驅(qū)動能夠讓決策方法變得更科學，而更科學的決策也就會無限趨近于正確。字節(jié)跳動從第一天就相信數(shù)據(jù)驅(qū)動科學決策的重要性，多年來也一直堅定不移的在實踐。當然，我們承認，一定有其它重要的因素也在影響著業(yè)務發(fā)展，比如宏觀經(jīng)濟形勢，賽道趨勢等等。但數(shù)據(jù)驅(qū)動的文化，趁手的工具，高效的組織，這些一定會是增長的關鍵決定因素。

火山引擎數(shù)據(jù)智能平臺VeDI

講完了對數(shù)據(jù)驅(qū)動的理解和字節(jié)跳動的實踐經(jīng)驗，我們來看看火山引擎的數(shù)智平臺。火山引擎數(shù)據(jù)智能平臺VeDI，是我們對字節(jié)跳動數(shù)據(jù)經(jīng)驗的復刻。這個“智”，除了通常大家所理解的自動化、智能化之外，我們更想強調(diào)的是，融入產(chǎn)品的經(jīng)驗“智慧”。這也是字節(jié)十年來在數(shù)據(jù)領域的積累沉淀。我們希望把成功服務過抖音等諸多成功業(yè)務的經(jīng)驗拿出來，通過火山引擎服務更多外部企業(yè)。

上圖是我們整體數(shù)智平臺的產(chǎn)品家族圖譜。可以看到整體分成PaaS和SaaS兩部分，我們提供了覆蓋數(shù)據(jù)全生命周期的產(chǎn)品服務，與內(nèi)部產(chǎn)品完全對應。

PaaS層主要分為數(shù)據(jù)引擎和數(shù)據(jù)研發(fā)治理。分析引擎主要解決的是如何實現(xiàn)海量數(shù)據(jù)下既快又穩(wěn)還省的問題，這里面有湖倉一體分析服務的LAS，有開源大數(shù)據(jù)平臺的EMR，有提供極致分析性能的云原生數(shù)據(jù)倉庫ByteHouse。數(shù)據(jù)研發(fā)治理DataLeap，提供的是數(shù)據(jù)集成、開發(fā)、運維、資產(chǎn)管理等能力。而在字節(jié)的數(shù)據(jù)經(jīng)驗中，數(shù)據(jù)治理是其中比較有特色的一環(huán)。我們倡導分布式數(shù)據(jù)治理，提供工具，將治理過程做系統(tǒng)化抽象，讓它更流程化、自動化。同時，我們沉淀下來50多條治理規(guī)則，能讓各業(yè)務方依據(jù)不同業(yè)務的不同階段的優(yōu)先級，進行目標的自定義和自治，更大程度提升數(shù)據(jù)治理的適配性和效率。SaaS產(chǎn)品是我們這次重點升級的系列，目的是更大程度的將數(shù)據(jù)驅(qū)動融入到業(yè)務環(huán)節(jié)中去。我們提供了更具有場景化的模板，產(chǎn)品間協(xié)同性也顯著增強。

接下來，我會重點圍繞場景化和協(xié)同性這兩個特性，來發(fā)布我們升級后的產(chǎn)品。

場景更豐富

我們在面對客戶的時候，經(jīng)常會被問到一些問題：“我這個行業(yè)指標體系要怎么構建？數(shù)據(jù)可以有很多，但哪些是我這個場景下最關鍵最需要采集的？” 在DataFinder4.0中，我們特別發(fā)布“場景模板”來解決這類問題。我們在產(chǎn)品中預置了針對不同行業(yè)的核心場景模板，用戶可以自由選擇，一鍵生成看板。生成的看板則可直接用于對應的場景，滿足日常業(yè)務指標跟蹤或特定業(yè)務目標的分析等需求。

上圖展示的就是目前預置在DataFinder里各行業(yè)一些典型場景模板。我們在服務內(nèi)外部業(yè)務過程中，積累的分析經(jīng)驗和方法論，都抽象在這些場景模板中。

協(xié)同更融合

協(xié)同性方面，首先讓我們來看一個ABI產(chǎn)品DataWind跟飛書協(xié)同的案例。本次升級后的DataWind，會在多個方面與飛書高度協(xié)同。我們目前可實現(xiàn)：

● 通過飛書機器人，一鍵訂閱數(shù)據(jù)報告，數(shù)據(jù)實時觸達，定期掌握數(shù)據(jù)動態(tài)；

● 當出現(xiàn)關鍵數(shù)據(jù)波動時，及時向負責對象推送異動報警信息；

● 針對有疑問的數(shù)據(jù)，不但可以實時評論，還可以一鍵拉群，對數(shù)據(jù)問題進行討論和歸因分析；

● 分析后的BI圖表，可以嵌入回飛書云文檔中，做分析報告，總結沉淀。

對于數(shù)據(jù)量不大的場景來說，也可直接使用飛書表格作為數(shù)據(jù)集，接入DataWind分析。例如：某企業(yè)區(qū)域經(jīng)理要做經(jīng)銷商管理，經(jīng)銷商們可以通過飛書表格同步數(shù)據(jù)；而區(qū)域經(jīng)理則跳轉(zhuǎn)到Datawind進行多維度交叉分析，并且將分析結果制作成圖表；同時，在有數(shù)據(jù)權限精細控制的前提下，將分析圖表，分發(fā)到飛書群或是云文檔中。DataWind跟飛書的聯(lián)動，僅僅是其中一個例子。它代表了數(shù)據(jù)產(chǎn)品與協(xié)作辦公產(chǎn)品的打通，這也是將數(shù)據(jù)驅(qū)動的邊界，不斷向業(yè)務深處推進。

而我們在對外的產(chǎn)品協(xié)同性上會更激進一些，不僅是飛書，主流辦公協(xié)同工具都能集成使用。除了與協(xié)作平臺之間的聯(lián)通拓展之外，數(shù)智平臺內(nèi)產(chǎn)品與產(chǎn)品間的協(xié)同也更絲滑。以營銷套件內(nèi)的產(chǎn)品為例，協(xié)同具備以下特點：

● 數(shù)據(jù)共通：底層數(shù)據(jù)源統(tǒng)一采集、統(tǒng)一存儲、統(tǒng)一格式，多方產(chǎn)品共用；

● 標簽聯(lián)動：VeCDP內(nèi)創(chuàng)建標簽之后，Datawind中將自動生成標簽結果數(shù)據(jù)集，用戶可以直接進行分析，GMP、Finder也都能直接用；

● 體驗同步：不同產(chǎn)品中的數(shù)據(jù)看板可互相嵌入嵌出，比如DataFinder和DataWind；不同數(shù)據(jù)產(chǎn)品中，創(chuàng)建的群體也可以互相同步，比如DataWind和VeCDP；

● 設計統(tǒng)一：套件產(chǎn)品整體設計風格統(tǒng)一，以保障不出現(xiàn)產(chǎn)品設計體驗上的割裂感。

如果把這些能力用一個實際的場景串起來，大家可能更容易體會。某業(yè)務負責人早上醒來，在體內(nèi)數(shù)據(jù)驅(qū)動基因的驅(qū)使下，打開手機飛書。看了一眼自己訂閱DataWind看板卡片，發(fā)現(xiàn)昨天某活動的營收數(shù)據(jù)，顯著低于了預期目標。于是他立即一鍵拉群，并@了相應負責人。拉群之后，活動對應的負責人、分析師、數(shù)據(jù)研發(fā)同學等不同的角色都在群里了。大家點擊指標跳轉(zhuǎn)到DataWind里，通過使用DataWind內(nèi)置的智能歸因算法發(fā)現(xiàn)渠道因素的影響最大。做出這一步，也是最初步的診斷結論的時候，時間只過去了不到10分鐘。

接下來，還要做更詳細的診斷分析，看看不同渠道的轉(zhuǎn)化情況。而DataFinder其實更擅長解決渠道分析的問題，通過預嵌入DataWind的DataFinder看板，大家查看了不同渠道下的轉(zhuǎn)化漏斗對比，發(fā)現(xiàn)A渠道的人群跳失率太高了，基本上頁面點一下就馬上走了，說明這個渠道的投放都打了水漂。那該怎么補救呢？大家挑選了轉(zhuǎn)化率較好的B渠道，將他們的數(shù)據(jù)回流到VeCDP中，并建立了畫像標簽，并基于此對原來投放的目標群體畫像做了修正，使得其更精細化。

下一步就是投放，用VeCDP剛生成的畫像標簽和人群包，在抖音廣告體系內(nèi)做比之前更精準的定向投放。此時問題又來了，用什么樣的文案素材更好呢？通過DataTester，大家針對不同的人群，灰度測試選出了更適合，轉(zhuǎn)化率更高的素材。當正式投放開始后，DataFinder又可以繼續(xù)用來分析投放效果了。此外，還能針對引流過來的新用戶，通過GMP進行私域的push或者短信，提升私域用戶的活躍度。這就是一個企業(yè)如何利用火山引擎數(shù)智平臺，實現(xiàn)的數(shù)據(jù)驅(qū)動科學決策，進而解決業(yè)務問題的例子。有時候，它可能只是從小小的數(shù)據(jù)異常開始，但卻能貫穿了企業(yè)從上到下的各個角色和環(huán)節(jié)。

在整個數(shù)智平臺能力升級的背后，有我們一整套的數(shù)據(jù)技術能力在支撐。今天，我們也將首次對外發(fā)布數(shù)智平臺的技術棧，讓大家全方面了解數(shù)智平臺從數(shù)據(jù)引擎到數(shù)據(jù)管理以及數(shù)據(jù)應用上端到端的全鏈路數(shù)據(jù)能力。

這些技術能力，除了通過剛剛介紹的商業(yè)產(chǎn)品對外服務，也會通過部分開源的形式來對企業(yè)提供技術上的幫助。在字節(jié)數(shù)據(jù)平臺發(fā)展的過程中，我們也享受過開源社區(qū)帶來的便利，所以我們也將自己在實踐中自研比較成熟的系統(tǒng)開源出來，回饋給廣泛開發(fā)者。目前，我們即將開源的幾個項目包括數(shù)據(jù)集成項目BitSail和數(shù)據(jù)分析引擎ByConity開源項目等，預計年內(nèi)就會發(fā)布，大家敬請期待。

最后，讓我們簡單回顧一下。今天主要分享了字節(jié)跳動的數(shù)據(jù)經(jīng)驗以及我們?nèi)绾伟阉鼜涂淘诨鹕揭娌⑸壍摹Ｎ覀冋J為，所謂的數(shù)據(jù)驅(qū)動不是有數(shù)據(jù)就可以驅(qū)動，還需要文化理念，精良工具產(chǎn)品，合理的組織；數(shù)據(jù)產(chǎn)品除了產(chǎn)品技術能力之外，還需要有被驗證過的經(jīng)驗智慧的沉淀。火山引擎數(shù)智平臺VeDI，就沉淀了字節(jié)跳動在數(shù)據(jù)驅(qū)動方面的經(jīng)驗智慧。期望它能夠幫助大家深入業(yè)務，讓每一次業(yè)務決策更科學，從而驅(qū)動業(yè)務的發(fā)展。

謝謝大家！

（作者：袁夢）