前段时间，差评君在网上冲浪的时候，看到抖音的名字据说是请得道高人算出来的。
但据差评君了解，抖音差点都不叫抖音。
当时字节跳动在内部做短视频产品，取名字的时候，确实上了点套路。
不过这个套路的名字和五行八卦、周易算法都没啥关系，它的学名叫做A/B testing ，也称为拆分测试。
1747 年詹姆斯 · 林德做了现代意义上的第一次 A/B testing，找到了治疗坏血病的药方
简单讲就是为同一个目标制定 A 、 B 两种方案，然后记录、追踪用户使用情况。
看看哪个更优，利用结果辅助做决策。
当年的抖音就经历了这么一遭，他们内部把短视频产品 demo 拿去跑了一遍 A/B 测试，看用户对产品名字的关心程度、吸引力程度、下载转化率等。
通过这个测试，最终形成一份长长的排名榜单， “ 抖音 ” 顺利脱颖而出。
类似的，无论是取名字这种大活，还是 “ 用户界面上两个视频之间的缝隙有多宽 ” 。
利用 A/B testing 的数据反馈优化决策，基本是大厂们的必备手法。
虽然 A/B 测试在互联网业内已经很常见了，但这几年，它不但作为单独的测试项目存在，更成为了一种新型数据驱动经验模式的一环。
数据飞轮其实就是 “ 以数据消费促数据生产，以数据消费助业务发展 ” 。
简单说，就是在业务应用层上，利用各种数字化工具，把企业数据玩出花来，帮助公司业务做大做强。
在业务不断发展的时候，又给公司不断创造各种企业数据，再利用相对应的产品工具，把这些数据 “ 炼 ” 成数据资产。
这样一来，公司业务和数据资产像一个轮子一样越转越流畅。
其实在数据飞轮出来之前，数据重要性已经成为各行各业的共同认识。
前些年最为流行的数据中台概念，也是为了强化企业数据的地位。
但数据中台侧重于数据资产的统一性带来的资产价值，数据飞轮则是更强调数据流转与业务产生的互动关系。
那具体要说数据飞轮有啥用呢，还得结合大家实际体验来以身说法。
其中最有标志性的就是收钱吧。
“ 收钱吧到账， 9 点 25 元 ” ，相信大家听到这句语音，总能想到半夜在楼下小卖部囤泡面的某个晚上。
作为聚合支付业内的顶流，收钱吧背后是千千万万个 “ 小生意 ” 。
他们虽小但数量着实不少，要把这些千头万绪的数据利用起来精细化运营，没一个班的数据分析师想都别想。
于是，收钱吧选择利用了火山引擎开发的 “ 增长分析 DataFinder+ 客户数据平台 VeCDP+ 增长营销平台 GMP ” 的产品组合。
这套组合拳涵盖了数据洞察、收集、处理、传递全流程。
在竞争激烈的行业内，及时唤醒沉睡商户促进日活月活，一直是收钱吧的日常工作之一。
据了解，目前收钱吧有上万名 BD 员工负责商户关系维护。
按照以前的操作，收钱吧 APP 一般每个月拉一次数据复盘沉睡用户，再将整理好的数据下发给 BD 员工进行 “ 唤醒 ” 。
但一个月的周期过长，且需要经过长时间的待唤醒商户和对应 BD 匹配，流程较长、时间较久。
这样不及时的信息传递，不利于对商户的及时唤醒，甚至有可能就此流失。
直到用上了 “ DataFinder+VeCDP+GMP ” 三板斧。
这三板斧啥意思呢？
一板斧，利用 DataFinder （ 增长分析平台，数据洞察、分析 APP 内用户活跃情况的小助手，然后能够根据内置的十几种数据分析模型，帮助分析 APP 用户情况 ）进行实时数据洞察， APP 运营人员直接能在后台看到用户的活跃情况，并按照业务需求进行分类。
两板斧，把前面洞察到的数据在 VeCDP （ 客户数据平台，快速分析用户、分类用户 ）中与对接的 BD 数据融合匹配，识别同一标签下的多个非活跃商户。
三板斧，最后将这些商户信息通过 GMP （ 增长营销平台，可以实现智能化营销触达 ）一键发给各地的商务 BD 们，他们就能迅速针对性地开展唤醒工作。
这样一来，收集、分析、下发数据的操作全都简易化、实时化了。
包括 APP 后台运营、商务 BD 在内的不同岗位员工，都能实时利用企业的数据资源，才真正做到了精细化运营。
而类似的场景在乐刻也在不断上演。
在传统健身馆不断爆雷、行业一片鱼龙混杂的市场里，乐刻可以说是国内最独特的存在。
他们身上的互联网基因、数字化水平，是他们能活下去的重要原因。
但在乐刻不断发展的过程中，也遇到了企业大厂化的普遍毛病：试错成本太高。
于是他们引入了火山引擎的 A/B 测试产品：DataTester 。
乐刻在加入内容个性化推荐业务时，内部拿不准多少比例的商品关联内容能够达到最高转化率。
因为广告跳出率关系着转化率，但广告出现太多，又会让大家受不了弃坑，直接把用户数给干崩了。
所以，在这些比例里找到一个合适的数字非常关键。
最后还是靠 DataTester 确定了 30% 的策略，成功在保持住用户数的情况下，将转化率提升了一截。
逻辑思维团队创办的得到 App 更是数据飞轮的忠实拥趸。
他们不仅和收钱吧、乐刻类似，构建出面向业务应用层的数据飞轮，帮助销售人员触达目标人群，提升了营销效率，还在数据资产层也实现了数据飞轮各环节的全链路覆盖。
他们通过引入火山引擎的大数据研发治理套件 DataLeap ，并邀请火山引擎专家团队入场进行具体问题调整。
最终成功补足了得到的数据基建能力。
在数据研发方面， DataLeap 提供数据集成、数据开发、智慧运维等功能，替代了之前的一些开源架构。
在数据治理方面， DataLeap 包括了数据地图、数据质量、 SLA 保障等一系列，在字节数据平台被验证过的功能，大大解放了得到在治理系统自研上的资源投入。
另外，再搭上火山引擎湖仓一体分析服务 LAS ，帮助得到进一步优化了存储成本。
一波操作下来，大大节省了得到在繁多的开源组件和系统自研上，投入的研发资源和人力，提升了至少 3 年的数据治理水平。
以前，不少人觉得数据消费是件很困难的事，费时费力费人。
“ 我不会统计学怎么搞数据 ”“ 我不会敲代码怎么弄数据门户 ”“ 不会 SQL ，怎么做分析图表 ” 。。。
但在火山引擎数据飞轮背后，大量技术产品、应用（ 虽然名字看起来还是很费劲 ），做的就是 0 门槛玩数据的活。
比如这次火山引擎 V-Tech 数据驱动科技峰会上，他们发布的 “ DataLeap- 找数助手 ” ，可以直接进行拟人化查询。
利用 “ DataLeap- 开发助手 ” ，只用文字描述或者数据模型，就能生成 SQL 代码，或者修复 bug ，进行优化解释等等。
利用 “ DataWind- 分析助手 ” ，只通过自然语言，就能实现表达式的生成。
所以无论你是开发、运营、产品、设计、销售……
只要你想，甚至是保安大哥，在权限与安全允许的情况下，在自己职责范围内也可以成为企业数据（如到访人数、巡查次数等）的使用者，真正让每个员工都能尽享数据飞轮带来的数据普惠。
如今，身处在大数据时代，无论是企业的发展，还是大家的衣食住行，无一不是和数据紧密相连。
如果不能高效地利用数据，不仅是企业的损失，无疑也会极大增加大家日常工作、生活中的繁琐，造成无谓的精神消耗。
但过去的企业，既没有注意到或者足够重视让数据消费起来的重要性，也缺乏合适的产品进行系统化的数据处理。
直到数据飞轮的出现，既能唤醒对数据消费的需求，也能极大地降低大家的上手难度。
或许将来某天，当大家在生活中都能利用数智化产品玩数据飞轮的时候，一个真正的数据驱动的社会，或许又能向前跨了一大步。
