一满乐张彦翔：代替企业数据分析师，机器学习让企业实现数据决策

大会上数据的决策不仅仅在招聘领域至关重要，在定价、个性化推荐、营销、生产优化、风控等场景也有不同的应用。 一满乐 创始人兼CEO张彦翔认为 数据决策 对企业决策具有重要意义， 机器学习 会成为支持企业做精细化运营的一个基础设施。

一满乐是来自美国硅谷的创业公司，其产品 Maxfun Data Labs 是为企业提供数据分析的建模服务 。公司主要创始人在硅谷的各大公司包括苹果、IBM都有丰富的工作经验，以下是张彦翔在“智能+新服务”大会上的精彩发言：

张彦翔：

今天很多行业都会用到一系列的软件系统，这些系统会沉淀各种各样不同的数据，企业希望围绕数据做一些决策，包括产品定价、个性化推荐、营销、生产优化、风控等，不同行业有不同的应用。

这个时候我们会问一个问题，这些数据如何应用起来？企业怎么样做数据决策？很多时候传统企业会有一个岗位叫数据分析师，他们围绕企业产生的数据进行建模、调参，目的就是输出更精准的模型，为企业的决策做支撑。一满乐做的事情很简单，我们想把中间的分析师建模环节改变掉，希望通过标准化的产品来持续输出有效的模型，为企业决策做支撑。

其实我们思考一下，在所谓机器学习怎么样落地到传统行业？我们会发现大多数行业里其实跑不掉四个关键环节： 生产、供应、展示、交易 。我们看一下不同行业在这个环节上面是怎么样体现的。

我用两个案例具体介绍，一个是在线交付网站，一个是在线电子机票零售商。先看在线招聘网站如何用AI的方式辅助企业去做更好的抉择。在线招聘网站之前的做法，是用户会在网页上面输入一些条件，比如说24岁到27岁，本科学历以上，月薪要求两万五到三万一个月，这是很典型的企业主在招聘网站上搜索简历的方式。

结果呢？一按搜索键有成千上万的简历出现，并且都符合需求。实际上企业不会为每一份付费的，既然不可能去阅读成千上万份简历，但是这些简历又都符合他的要求，如何提升转化率呢？

我们看一下具体一满乐实现的方式。我大概解释一下每一个表格代表一个维度，这是简历显示的维度，包括最高学历、胜任工作、月薪都可以通过筛选的方式哪找需求过滤出来。另外我们也可以把过往有过招聘需求的，就是JD的需求数据量化。最后我们看到左边这里有两个关键的数据，一个是有没有被点击以及付费下载，这个就是结果。我们把前面的数据设列成可变的数据。把过往的JD通过交叉的分析、机器学习，我们很快就可以找出类似这样的JD需要什么样的简历，所以我们很快就会帮助这个企业怎么样从上千份简历里挑选出最合适的简历放在整个排序的前面。

另外一个案例是电子机票在线的零售商。他们就是携程的上游，因为询价的量是非常大的，每天有上千万的人到OTA里去询价。他们的商业模式是什么样的？买来机票加个价再卖给OTA。从定价的角度来说，我们看到很多变量的数据，比如说供应商、座位数、航班、价格、具体位置、舱等都会影响机票的价格。

定价有一个最简单却很难掌握的方法，如果太贵没人买，太便宜利润就不高了。通过机器学习我们可以快速对票价进行定价，对他们来说不止是定价更精准、更科学，还能省去大量的人力去查看每一条航线是什么样的情况。目前为止我们为这家公司每天服务超过百万机票的定价。

以上是两个应用机器学习的案例，我们从开始做这家公司的时候就有的认知，我们认为机器学习会成为支持企业做精细化运营的一个基础设施。现在和传统行业老板谈到AI都会觉得遥不可及的东西，其实我们认为这些都应该是基础设施，很多小地方企业也可以应用机器学习得到更精准的决策。

当然数据决策在国内不同的企业存在不同的应用阶段。我们认为在数据应用里分四个阶段：

第一个就是采集数据的阶段， 这里就是对数据进行埋点和必要业务进行掌控。

第二个部分就是对数据的处理 ，这里包括数据的存储和管理，这是IBM、阿里云做的事情。

第三部分就是BI， BI软件可以这一块我们可以把高度关联的数据进行简单的分析和可视化展示。

第四个维度就是AI应用 ，让机器代替人去对数据进行处理并且理解，而且做相应的决策，一满乐可以帮助更多的企业在这个环节达到最上层的阶段。

最后介绍一下我们的团队，我们三位都是来自于硅谷，都有一些大公司经验，我在苹果工作过，CTO在IBM回来的，我们的COO也在现场，他是苏宁美国研究院回来的。同时我们几个都是连续创业者，我们很有幸在硅谷得到了吴军博士、朱会灿博士的指导，回过之后蔡文胜又对我们进行了新一轮的投资。我们认为一满乐和很多同行公司不太一样，我们做的事情很接地气，就是让数据有价值。

其实有很多友商他们都在数据链条的不同环节，所以我们希望不止是我们面对甲方客户，还有面对合作伙伴的时候，我们也希望奉献一满乐在数据分析上的能力，寻求跟友商的合作，共同把整个数据的市场达到另外新的高度，谢谢。