你在大數據的海里游泳摸魚，硬核的人已經開船捕鯨_風聞

文 |史中

來源 |淺黑科技

在一個名叫白虎山的風景區，荒無人煙，你偶遇一個妹子，生得那是：冰肌藏玉骨，衫領露酥胸，柳眉積翠黛，杏眼閃銀星。她衝着你直勾勾地走來，你會腫麼辦？

A 湊上去：“女菩薩，你府上在何處住？是甚人家？”

B 拿根鐵棒子，掄圓了照着臉拍下去。。。

沒錯，上面這個情節選自《西遊記》，A就是唐僧，B就是孫悟空。是大家再熟悉不過的“三打白骨精”橋段。

吳承恩老師看似在寫神話故事，其實是在科普。他告訴我們一個真理——“數據”能救命。

沒看懂？聽中哥解釋：

正常人面對陌生人，只能通過一套數據源——肉眼視覺——來判斷好壞；而孫悟空卻有兩套數據源，除了肉眼看到表面的“顏值”，還能通過火眼金睛看到對方頭頂的“妖氣值”。

唐僧，作為西天取經項目組的領導，屢屢判斷失誤，觀眾都跟着着急。其實他不是真的傻，他只是缺少數據。（注意，唐僧可以通過緊箍咒控制着孫悟空的數據通路。這是另一門屌炸天的技術。）

來，我們回到現實。

身邊的世界雖然不像《西遊記》那麼極端險惡——稍微判斷失誤就成了妖怪的點心。

但人們確確實實每天都要做好多數據計算。

舉個例子：

魯迅就曾經糾結到底是要“從醫”還是“從文”。

他的計算是這樣的：治人肉體，只能點殺；治人靈魂，一次一梭子。後者更划算。

歷史最終證明他算對了。

結論就是：人的大腦就是個計算機，誰的腦袋能處理更多的數據，誰的腦袋能更快地處理數據，誰就能獲得競爭優勢，一不小心還能名揚後世。

在過去的一萬年裏，這都是個顛撲不破的真理。

然而，從2012年開始，遊戲規則發生了變化。這一年是“世界末日”；這一年 Facebook 上市；這一年今日頭條誕生；這一年喬布斯的遺作 iPhone4S 帶着人工智能助手 Siri 成為最暢銷的手機，在手機的海洋裏，人類每天生產的數據超過2.5EB，也就是25000000000000000000000000000個字節。

我要回老家考公務員還是留在北京深圳創業？我的有個創業想法應該先做成 App 還是小程序？為了留住寶貴的用户爸爸我應該給他們打折券還是代金券？

以2012為界，數據開始爆炸。再聰明的人，也沒辦法純靠大腦做出準確判斷了。數據徹底擺脱了人腦的物理計算極限，成為了計算機的專屬——大數據。

不妨想象一個場景：

2012年以前，數據世界是一條平靜的河流。狗刨也能勉強橫渡到河對岸；

2012年以後，數據匯成洶湧的海洋。哪怕菲爾普斯也會被沸騰的海水淹沒。大人，時代變了。你需要的根本不是肌肉，而是船。

於是，世界開始裂開。

手握大數據的人做出淘寶、拼多多、今日頭條、抖音、快手、特斯拉、瑞幸咖啡，開啓了屬於他們的大航海時代；遺落在碼頭上的人們看着對手越行越遠，星辰大海，傻傻分不清，羨慕嫉妒恨。

分裂沒什麼不對，難道獅子要開個補習班，把捕獵的技巧告訴羚羊嗎？難道候鳥要組織個講座，把南方的温暖描繪給秋蟲嗎？

但世間總有例外。

有一羣人，他們恰好懂得如何造船。他們決定留下來，為那些仍然在水裏摸魚的創業者製造一艘大數據世界的“捕鯨船”。

（一）如果王者永遠是王者，那青銅腫麼辦？

先介紹一下故事的主人公於揚吧。

雖然這麼説有點顯老，但於揚堪稱中國互聯網的“活化石”，槓槓的。（就像他的名字一樣，必須寫成繁體的“揚”，特別古老的感覺。）

於揚

他的故事得從1993年講起。那年他辭職下海創立了一家營銷公司。這波操作過於超前，要知道那時候馬雲的翻譯社也才在杭州開張，李彥宏還在美國讀書。

如果站在衞星上俯瞰，當時的中國正發生一次“外來物種大遷徙”——IBM、惠普、intel

這些外企排着隊進入中國。於揚所服務的公司正是這些科技企業，所以他以一種近距離旁觀的姿態見證了中國互聯網巨頭們的創生。甚至早在2001年，他就認識了到處為騰訊找融資的馬化騰。

踩對節奏，於揚毫無懸念地成為北京城最早的一批“壕”，有錢到切糕隨便買，摔倒的老太太隨便扶。他當即就準備退休了。

不過，1999年，陪家人在加拿大釣魚釣到手抽筋的於揚突然覺得不能這樣度過餘生，還是得回國重新搞事情。

由此，我們的故事進入了主線。

2000年，於揚開了一家名為“易觀”的公司。易觀的業務很特別，它專門為互聯網創新企業提供“作戰地圖”。這裏需要解釋一下，具體的做法是這樣的：

1）易觀麾下召集了很多“分析師”，他們就像達爾文研究各個物種一樣，對很多企業進行研究、訪談，然後繪製一張全景生態圖譜。

2）一家互聯網企業想要開設新業務，拿不準靠不靠譜的時候，就會從易觀那裏買來“研究報告”，看看自己要做的事情在整個生態裏出於什麼位置，成功率有幾成。避免因為信息不全而踩坑。

這個營生，用一個詞概括就是“諮詢”。

**過去，易觀會做大量的數據研究，然後形成這樣的報告。**給你截個圖感受下。

當然，諮詢背後最值錢的東西其實還是數據——分析師實地探訪得到的數據，以及從這些數據中得出的結論。

只不過，彼時的數據都靠人肉收集，人腦運算，並不是什麼“大數據”。

這裏，我提醒你注意一個真相——能用得起“諮詢”的公司必定是大公司。

只有大公司買得起諮詢報告，越買報告，他們的決策準確度就越高，他們成長得就越快，反過來就能用更多的錢買更多的諮詢和數據。這是個死循環。

這麼一來，數據成為了一種貴族特權。王者永遠是王者，青銅永遠是青銅，差距還越拉越大，廢號重練也不行。

這是個大問題，於揚也直嘬牙花子。

説實話，當時易觀在整個中國互聯網行業，已經是教父級別的諮詢公司了，錢是一點都不缺。但只服務於“貴族”（巨頭公司），並不是於揚的追求。然而，畢竟這麼多金牌分析師個個都拿着金領的工資，做調研做訪談人吃馬喂，“報告”就像私人飛機一樣，天生就不是普通公司和普通人能買得起的東西。

又想讓人人都買得起，又被成本卡着，平民化不下來，這可怎麼辦？

既然數據收集主要靠“分析師”，那麼，有沒有一種數據收集方式，既能擺脱對分析師的依賴，又能給中小企業提供有用的數據參考呢？

機會終於來了，因為時間走到了我們的重大節點——2012。

（二）從摸魚到捕鯨

這一年，手機成了“標配”。

“標”這個字很神奇，無論什麼東西，一旦能夠標準化，就能夠大幅降低成本。當年福特汽車正是用流水線的方式，讓汽車生產變得標準化，才造就瞭如今人人都能開得起車的世界。

人手一部手機，除了 iOS 就是 Android，於是只要在 App 中寫入一段代碼，它就可以自動幫你統計全世界到底有多少人在用你的 App，俗稱“日活”和“月活”。（日活躍用户和月活躍用户）

“日活”“月活”這兩個數據太重要了，因為它直接説明了你的 App 有多受歡迎，也可以那這個數字和同行比較。

這有點像小學教室牆上貼的小紅花。你得了三朵小紅花，同學得了一萬朵小紅花，一目瞭然。那麼，接下來要不要積極舉手回答問題，要不要課後主動留下來掃地，要不要扶老奶奶過馬路，你心裏還沒個數麼？

於是，有的電商、新聞客户端企業就拿着自家 App 的月活數據來找易觀：“你們能不能幫我看看，我這個月活跟競爭對手比到底誰多啊？我好決定下一步是進攻還是防守，是劍走偏鋒還是守正出奇，還是乾脆不幹了啊！”

你可能會問，易觀又不是神仙，怎麼知道你的競爭對手月活是多少嘞？？

這裏有個小常識，可以偷偷科普下。（有點繞，但是很有意思）

在當時的 Android 系統中，一個 App 是有權利調用本機應用列表的。通俗來講，它能知道在這個手機上自己和哪些 App 是“鄰居”。所以，App A 能夠知道在它安裝的手機上，有多少比例安裝了 App B。這個數據很有價值，但顯然還不夠，因為沒有安裝 App A 的手機也有可能安裝了 App B。這個數據沒地方獲得，就得靠分析師多年積累的行業經驗來補全了。

好，重點來了。

如果能把分析師的經驗變成算法，那麼就能造出一個系統，自動算出同行業所有 App 的日活和月活，從而為這個行業的所有 App 提供競爭對手的數據參考。

於揚一拍桌子，説幹就幹。

拍完桌子想起來，滿公司都是分析師，既沒人懂產品，也沒人懂技術。。。。

大旗立起來，天下聚義。

那時候互聯網研究雙雄，一個是艾瑞，一個是易觀。所以老於（於揚）找我，我基本沒有猶豫，就加入了。

朱江坐在我對面，很坦誠地説。

2015年，朱江放棄了自己已經到達C輪的數據創業公司，成為易觀大數據的 CPO（首席產品官），他的任務很清晰：造出那個“日活”“月活”的競品分析產品——易觀千帆。

朱江

站在今天回望，“易觀千帆”是很多創業者的標配，名震江湖。但是在當時，易觀的分析師們都冷眼看着朱江，心裏想：“我們每天做調研，出報告，客户不斷，公司招財進寶，我們也日進斗金，為什麼這個人天天來煩我們，要讓我們配合，把經驗做成產品？”

朱江只能軟磨硬泡，一邊天天拉着分析師們喝酒聊天談心，一邊還得招兵買馬“忽悠”算法工程師加盟。

就這樣一年多下來，易觀千帆總算是醜媳婦見公婆了。

這裏多説一下，千帆拿到用户數據，是需要得到用户授權的，所以當時他們和合作夥伴一起推動了“APP用户體驗計劃”。

回頭再説千帆。這玩意兒很好玩，因為人們可以自己動手操作。比如我可以設定條件：在過去一個月，晚上10:00-12:00，最活躍的電商 App 是哪些。點擊按鈕，系統就會自動幫你運算出符合要求的排序。

這是2020年1月某天，千帆上的App月活總排行榜。你感受一下。

這就讓互聯網公司的運營團隊有事兒幹了。過去只能每隔三個月等一份易觀的行業研究報告，現在每天都能自己變着花樣鼓搗數據，什麼時間段App活躍度差，就專門在這個時間做一些促銷。

怎麼樣，看上去很簡單吧。

最開始我也覺得很簡單，但是朱江告訴我，每一次查詢運算，背後都是數以十億計的大數據，那些全國大排名的指標，後台的服務器集羣預處理就得大半天。所以在當時，千帆用户查詢到的排名分析，只能使用三天以前的數據。

即使是這樣，千帆的後台系統也經常“卡殼”，動不動就出錯。於揚和朱江都很着急，他們需要一位真正的技術大牛，給這個年輕的大數據系統保駕護航。

郭煒就是這個時候走進了他們的視野。

（三）捕鯨的“硬核引擎”

數據是有靈魂的，我將用我的一生追尋它。”這是我的座右銘。

郭煒對我説。

以我的經驗看，這種把自己一輩子説豁出去就豁出去的技術人，必然是個狠角色。

事實證明確實如此。郭煒畢業於北大計算機系，根紅苗正。當時他正任聯想大數據部門總監。我估計很多淺友都接到過中國移動的客服電話，根據你過往的消費記錄來推薦更合適的套餐。這就是郭煒當時主導的大數據項目之一。

郭煒

不過，聯想終歸是一家硬件公司，郭煒難以施展拳腳，正在這時，於揚找到了他。於揚三顧茅廬邀請郭煒加盟，不是為了給易觀大數據裝點門面的，而是真的要解決一大堆棘手的技術問題。

果然，剛剛加盟沒幾天，郭煒就遇到了一個重大事故。

有一個用户 App 的日活增長太快，直接衝破了1億。這本來是好事，但是這麼大的數據量回傳卻把易觀千帆的數據庫接口給沖垮了。

同學們都傻眼了，如果數據傳不回來，那麼千帆就“沒米下鍋”，沒辦法進行計算了啊！所有人衝上去緊急修復，然而，一天、兩天、三天過去了，愣是沒能建起一阻擋數據洪流的堤壩。

一直指揮大家“抗洪”的郭煒看到情況不對，只能咬咬牙：“待我親自出馬！”

那天晚上他一夜沒睡，摸清了技術架構，自學了 Lua 語言。太陽昇起來的時候，他開始一行行敲出代碼，太陽西沉時，補丁上線，眼看着帶寬佔用像退潮一樣一浪比一浪低。

一個小時後，一切終於恢復正常，數據重新回到河道，支脈縱橫，流向數據庫。

“巧了，那天正好是我的生日。”郭煒笑。

也正是從這一刻開始，郭煒招兵買馬，吸引來一眾技術極強的工程師們，易觀從一個諮詢公司，漸漸變成了技術公司。

萬丈高樓需要穩固的地基，對於大數據系統來説，這個地基就是“數據調度引擎”。

聽起來好專業，舉個例子你就明白了：

如果把大數據運算比作廚師炒菜的過程，那麼數據調度就是新鮮食材的供應。炒魚香肉絲，大廚一伸手，幫廚就得遞過來蘿蔔絲、豬肉絲。如果大廚伸手，遞過來的都是什麼羊肉片、牛腱子，再好的大廚也炒不出魚香肉絲。

2016年，郭煒面臨的就是“基礎不牢，地動山搖”的局面。

首先是機器硬件，當時預算有限，整個千帆底層的十幾台服務器，都是一萬塊錢一台的二手服務器；其次是軟件代碼，由於使用了開源的框架，整體比較粗糙，所以裏面有很多細節的“坑”，一旦觸發就會卡死。

易觀千帆當時的節奏是：每天的數據收回來，從午夜12點開始運算，到早晨8點才能出結果。凌晨2-4點是運算最集中的時候。

然而，由於數據調度引擎過於酥軟，動不動就卡死，幾乎每天都要有同學值班“守夜”，郭煒，作為技術最高負責人，每週都妥妥的會被從睡夢裏叫醒一次，緊急解決技術問題。

郭煒下定決心，不就是寫代碼麼，這麼多年老子寫代碼還沒怕過誰！咱們從頭開發一整套數據調度系統！

半年多過去了，一套獨創的底層數據調度引擎終於調通了。

這套引擎厲害在什麼地方呢？不論底層的機器出什麼錯，上層的軟件都能超強糾錯，從哪裏跌倒就從哪裏爬起來，數據上傳錯誤就自動找到那個節點重新上傳。用專業術語來説，這套大數據調度系統的“魯棒性”特別強。

這有點像當年的超強糾錯 VCD，一張光盤哪怕被小孩當飛碟扔了一天，糾錯技術仍然能給你讀出來。。。

這羣技術宅給這個大數據調度引擎起名為“DolphinScheduler”（海豚調度器）。

從此，守夜值班、午夜兇鈴什麼的，統統成為了歷史，都付笑談。易觀千帆變得非常皮實，這才漸漸成為了今天家喻户曉的競品分析平台。

説到這，還有個有趣的往事。

在 OfO 和摩拜拼殺最激烈的2017年，千帆成為了兩家公司的“必備武器”。如果 OfO App 在A城的日活突然翻了一倍，那不用説，肯定是在A城大量投放了自行車，這時摩拜就可以根據自己的戰略選擇跟進還是按兵不動。

就這樣，依靠千帆的數據，雙方几乎在下明棋，誰也騙不了誰，“明修棧道暗度陳倉”這些三十六計統統用不上，拼到最後就看誰成本控制能力強，就看誰對用户的需求把握得準，就看誰的策略選擇最優。

從這個角度上講，大數據從來都是讓商業世界更加公平。

郭煒作為一個技術人，深知 Dolphin 的價值，他和技術團隊提議把 Dolphin 的源代碼開源，並且貢獻給阿帕奇基金會，讓全世界更多的技術大牛在此之上繼續完善。阿帕奇基金會在審計過代碼之後，也確認這個引擎非常有價值，鄭重接受了易觀的捐贈。

雖然開源意味着沒辦法從 Dolphin 上賺錢了，但無論是郭煒還是於揚，都覺得這件事意義非凡。

很多技術人一生的夢想，就是得到那個“Apache.org”後綴的郵箱，這代表了全世界技術社區對你貢獻的認可。這是錢永遠買不來的。

於揚説。

Dolphin 在 Github 上的頁面

從2012年到2016年，千帆用了五年時間，終於成為了一個完整的技術產品。這幫技術人拼了老命，到底想要得到什麼？

這就又回到了我們最初的比喻。

大人，時代變了。數據已經匯成洶湧的海洋，這時再磨練肉身分析的“泳技”已經意義不大。想在大數據時代裏活到下一集，你需要兩樣東西：“一條船”和“開船的技巧”。

數據引擎，恰恰就是大數據時代的船。

事實證明，有了易觀千帆，大多數公司都上了“船”。就拿手機 App 來説。易觀定義了三百多個細分領域，每個領域的前十名，幾乎都在用千帆做競品對標分析。

於揚把自己做的這件事稱為：數據能力平民化。

然而於揚覺得，每個細分行業的前十名採用數據分析，這依然不夠。既然是“平民化”，就要讓更多創業團隊都能有一艘小船，在大數據時代起碼不要被大公司拉開技術代差。

他們需要什麼樣的數據能力呢？

（四）“方舟”

並不是人人都關心鄰居午飯吃什麼，但人人都關心自己午飯吃什麼。

同樣的道理，並不是所有 App 都關心競爭對手的用户活躍數據，但他們肯定關心自己的用户活躍情況。

用術語來説，別人的數據叫“第三方數據”，自己的數據叫“第一方數據”。

舉兩個例子：一家銀行 App 可能會關心，為什麼一個用户在理財界面轉悠了半天，甚至都選定了一款理財產品，就在最終輸入密碼確認前選擇了退出；一個新聞客户端 App 可能會關心，用户打開一篇文章之後，是仔細看完還是一掃而過。

這些一方數據都能幫助 App 改善自己的產品體驗。

事實已經證明，最近幾年大火的互聯網服務幾乎都是靠數據驅動的。淘寶上的明星店鋪，每天都在根據用户購買的行為調整頁面佈局和圖片搭配；瑞幸咖啡根據用户在 App 上下單的密度，調整線下門店的位置；特斯拉收集用户開車時的行為習慣，從而讓它的自動駕駛變得更聰明。這樣的例子一天一夜都舉不完。

實際上，不斷有朋友和客户找到易觀，問他為什麼不推出一個靠採集數據來進行精細化運營的系統。

看到這裏，估計有人會跳出來：什麼，App 回傳用户行為數據？這合法嗎？

這裏正好可以解釋一下：

從理論上來説，每個 App 都要向自家的服務器回傳信息，比如你在淘寶下單買了一個杜蕾斯大顆粒，淘寶當然要回傳信息——它要知道你在什麼時間點擊了下單按鈕，才能為你發貨；它要知道你之前有過一段時間的人類瀏覽行為，才能判斷你不是機器羊毛黨。

這有點像海底撈，服務員必須一直盯着你吃飯，才能在合適的時候遞過來餐巾、酒杯和菜餚。我知道有人不喜歡這樣的服務，但畢竟這種玩法被多數人認可，而且並不違規。

不過，法律明確規定的“用户隱私數據”，例如你在聊天界面的一對一談話內容，App 是不能收集的。就像海底撈的服務員雖然殷勤，但是卻不能偷聽顧客談話一樣。

實際上，你每次安裝一個 App，劈頭蓋臉跳出來的《用户協議》，主要就是在明確哪些數據 App 是要回傳的。

從2017年開始，易觀的產品和技術團隊就開始基於歐盟《計算機數據保護法》（也就是後來的 GDPR）製造這麼一個智能用户運營套件——易觀方舟。

如果千帆的難度是1，那麼方舟的難度就是100。

於揚吐槽。

易觀方舟究竟難在哪呢？

首先，難度在數據的採集上。

這裏簡單科普一下，用户在一個 App 裏的行為，需要“埋點”才能採集。什麼叫埋點呢？它有點像大廈裏的監控攝像頭。你在三樓走廊前裝一個攝像頭，那麼有人從這裏走過時他的身影就會被捕捉到。如果這裏沒有攝像頭，那麼有一萬個人從這裏過，你也不知道。

攝像頭放置得越多，能採集到的信息也就越多，當然成本也更高。在 App 裏埋點越多，能採集到的用户行為也越多，當然這些代碼對 App 的影響也越大。

所以，如何科學埋點，其實是一門手藝。

即使過了埋點這一關，也不能保證傳回來的數據絕對完整。用户使用 App 的場景是千差萬別的，有時候網絡抖動，一小段信息就丟了，前後行為對不上；有時候用户突然從4G網絡切換到 Wi-Fi，前後的數據又對不上。

用“繩命”追尋數據靈魂的郭煒帶着團隊一個坑一個坑地趟，終於把數據收集的準確率維持在95%以上。

數據採集好了，就萬事大吉了嗎？不可能。

其次，難度在數據的計算效率上。

剛才説了，千帆判斷的是你和其他 App 的實力對比，用三天前的數據進行計算也勉強可以。但是 App 運營者要根據用户的行為實時做出反應，方舟必須用實時（大概幾秒鐘以前）的數據進行計算，而且計算的時間不能太長，就像海底撈的服務員，必須眼疾手快，客户筷子掉地下，必須一秒鐘衝過去給他一雙新的。

這就要求計算引擎必須像 F1 賽車引擎那樣頂尖。

本來在2017年，易觀方舟就研發成功了，但是引擎效果的表現總是差強人意，為了達到效果，只能增加硬件成本，結果導致產品很貴，願意使用的客户寥寥無幾。。。

這個問題，又要交給郭煒來解決。

為了找到合適的引擎，郭煒可是死去活來。市面上所有的引擎全部試了個遍，結論是：沒有一個夠快的。

2018年，大家在會議室苦思冥想，一位同學突然舉手：“我們能不能把一個引擎拆成幾個引擎，不同的子任務用不同的引擎完成，最終把它們的結果組合在一起？”

郭煒一拍手，這個主意妙啊！

於是，他們花了好幾個月的時間，寫出了一套可以組合各個計算引擎的框架，起名為IOTA（這個名字是第九個希臘字母：“ι”），在 IOTA 裏，一共有三部引擎，每一個引擎都像U盤一樣可以熱插拔，如果技術界出現了更好的引擎，只要拔下來換上新的就好。

這個位置就是三個引擎的組合。

2019年秋天，最新版的易觀方舟實現了“可插拔”，速度提高了兩三倍。現在，像程序員都熟悉的 CSDN，還有做健康設備的歐姆龍，連鎖商場上品折扣，還有很多證券、銀行、地產，都開始用易觀方舟做分析和運營。 

上面就是易觀方舟的截圖，可以分析網站、App，或者小程序上面的用户情況，用來智能分析和用户運營。

然而，那個困擾了於揚無數年的大問題，還是縈繞在他身邊。

易觀方舟好用是好用，但是別忘了，好用的前提是 App 裏的埋點要做好，使用的技巧要得當。

但是，很多企業的腦子裏並沒有給大數據運營留出一塊地方，什麼“埋點”、“轉化漏洞”聽上去都好陌生，也沒有懂得精細化運營的人才。直接把易觀方舟給他們，他們反倒覺得沒有那麼神奇。。。

這有點像你給女票分析了半天CPU、GPU、OLED屏幕的手機配置，最後她説：這個粉色背殼好漂亮，我要買這款。

茫茫海洋上，仍然有95%的企業不懂得數據驅動，仍然在“肉身游泳”。易觀只好組建了一支強大的服務團隊，幫助客户掌握埋點技巧，掌握計算模型、掌握運營技巧，教他們“開船”。

然而，這就使得成本急劇提高，小企業又買不起了。。。

眼看創新企業在數據能力上被越甩越遠，而這些巨頭越來越強，普通人的手機屏幕已經快被巨頭家的 App 填滿了，於揚心裏五味雜陳。數據能力平民化的夢想，難道就真的這麼難實現嗎？

（五）人手一條船

2018年底，易觀的會客廳裏，於揚、朱江、郭煒還有一眾老闆圍成一個圈，大家表情嚴肅。

“來投票吧。”於揚説。

他們在討論一個產品團隊提出來的意見，這個意見聽上去有點兇狠，那就是把辛辛苦苦研發出來的易觀方舟對外發佈一個免費版本，誰都可以下載來用。

這意味着，小團隊可以不花一分錢，就能得到一個基礎的數據能力，這相當於給在數據海洋裏游泳的人，每人免費發了一個小船。

沒想到，在座的所有人都投了贊成票。

這個免費版叫做 Argo，2019年3月上線，由產品、技術人自發組建的隊伍運營。

這就是 Argo 的界面。

朱江帶着同學們為 Argo 寫了十幾萬字的使用文檔。理論上説，小團隊在使用 Argo 過程中的絕大多數問題都能在這十幾萬字裏找到答案。只要下決心學習“駕船”的團隊，看着“説明書”練習足夠長的時間，就一定能學會數據驅動的基本知識。

然而這個舉動，卻引起了軒然大波。

首當其衝就是易觀內部的銷售團隊不理解。我這賣易觀方舟賣得得這麼努力，很多公司馬上就要掏錢了，結果有了 Argo，人家直接選擇免費版了，我的業績馬上就泡湯了。。。

於揚智能苦口婆心地給大家開會：現在中國還有95%的人在“游泳”，讓他們學會“開船”是比賺錢更緊迫的事情。

內部的衝突還算好解決，Argo 突然推出，其實讓友商們感覺到了冒犯。

在中國市場上，數據驅動智能用户運營這個賽道上還有兩個重磅玩家——Google 和 Adobe。他們有着非常豐富的數據經驗，每一單動輒就是30w到100w。突然易觀把最核心的數據運營產品免費了出來，自己可怎麼和掏了大價錢的客户解釋呢？是不是要退錢給他們呢？

事實上，一年過去了，為了運營 Argo，易觀投入的資金已經有好幾億元。這個數字大大超過了於揚當時的預判。

好在這樣的投入還是得到了回報。

2019年底，Argo 的日活是200，這意味着每天有超過200個團隊在使用 Argo 做智能運營。有的團隊甚至用 Argo 打通了自己的客户信息系統，可以對每一個客户精準地服務。

然而這個數字，仍然太少了。

“如果成本巨大，Argo 還要一直免費下去嗎？”我問。

説實話，如果我知道會投入這麼大的成本，當初也許真的不敢讓 Argo 免費。但是既然已經做了，我們就沒有停下來的理由。總有人要揹負苦難，以救世人。

於揚説。

技術的浪潮從來沒有為誰停留。移動互聯網的數據運營尚未真正普及，IoT 的世界又來了。

現在非常火爆的“新零售”就是其中一例。

人們走進一家線下超市，無數攝像頭開始捕捉顧客的表情，動作。顧客拿起了某個商品，他是在微笑還是在搖頭。拿起某個商品後，是放在購物車裏，還是放回貨架上。這些數據都成為了精細化運營的依據，可以指導超市的貨品擺放，也可以為每個顧客量身定做優惠券。

這一切，都需要大數據的基礎設施作為底座。

數據海洋的風浪只會越來越急，為了活下去，人們需要製造小舟、艦艇和航空母艦。諾亞方舟正在停靠，每一位乘客都將做出選擇，是否相信洪水將至。