你在大数据的海里游泳摸鱼，硬核的人已经开船捕鲸
你在大数据的海里游泳摸鱼
硬核的人已经开船捕鲸
文 | 史中
在一个名叫白虎山的风景区，荒无人烟，你偶遇一个妹子，生得那是：冰肌藏玉骨，衫领露酥胸，柳眉积翠黛，杏眼闪银星。她冲着你直勾勾地走来，你会肿么办？
A 凑上去：“女菩萨，你府上在何处住？是甚人家？”
B 拿根铁棒子，抡圆了照着脸拍下去。。。
没错，上面这个情节选自《西游记》，A就是唐僧，B就是孙悟空。是大家再熟悉不过的“三打白骨精”桥段。
吴承恩老师看似在写神话故事，其实是在科普。他告诉我们一个真理——“数据”能救命。
没看懂？听中哥解释：
正常人面对陌生人，只能通过一套数据源——肉眼视觉——来判断好坏；而孙悟空却有两套数据源，除了肉眼看到表面的“颜值”，还能通过火眼金睛看到对方头顶的“妖气值”。
唐僧，作为西天取经项目组的领导，屡屡判断失误，观众都跟着着急。其实他不是真的傻，他只是缺少数据。（注意，唐僧可以通过紧箍咒控制着孙悟空的数据通路。这是另一门屌炸天的技术。）
来，我们回到现实。
身边的世界虽然不像《西游记》那么极端险恶——稍微判断失误就成了妖怪的点心。
但人们确确实实每天都要做好多数据计算。
举个例子：
鲁迅就曾经纠结到底是要“从医”还是“从文”。
他的计算是这样的：治人肉体，只能点杀；治人灵魂，一次一梭子。后者更划算。
历史最终证明他算对了。
结论就是：人的大脑就是个计算机，谁的脑袋能处理更多的数据，谁的脑袋能更快地处理数据，谁就能获得竞争优势，一不小心还能名扬后世。
在过去的一万年里，这都是个颠扑不破的真理。
然而，从2012年开始，游戏规则发生了变化。这一年是“世界末日”；这一年 Facebook 上市；这一年今日头条诞生；这一年乔布斯的遗作 iPhone4S 带着人工智能助手 Siri 成为最畅销的手机，在手机的海洋里，人类每天生产的数据超过2.5EB，也就是25000000000000000000000000000个字节。
我要回老家考公务员还是留在北京深圳创业？我的有个创业想法应该先做成 App 还是小程序？为了留住宝贵的用户爸爸我应该给他们打折券还是代金券？
以2012为界，数据开始爆炸。再聪明的人，也没办法纯靠大脑做出准确判断了。数据彻底摆脱了人脑的物理计算极限，成为了计算机的专属——大数据。
不妨想象一个场景：
2012年以前，数据世界是一条平静的河流。狗刨也能勉强横渡到河对岸；
2012年以后，数据汇成汹涌的海洋。哪怕菲尔普斯也会被沸腾的海水淹没。大人，时代变了。你需要的根本不是肌肉，而是船。
于是，世界开始裂开。
手握大数据的人做出淘宝、拼多多、今日头条、抖音、快手、特斯拉、瑞幸咖啡，开启了属于他们的大航海时代；遗落在码头上的人们看着对手越行越远，星辰大海，傻傻分不清，羡慕嫉妒恨。
分裂没什么不对，难道狮子要开个补习班，把捕猎的技巧告诉羚羊吗？难道候鸟要组织个讲座，把南方的温暖描绘给秋虫吗？
但世间总有例外。
有一群人，他们恰好懂得如何造船。他们决定留下来，为那些仍然在水里摸鱼的创业者制造一艘大数据世界的“捕鲸船”。
（一）如果王者永远是王者，那青铜肿么办？
先介绍一下故事的主人公于揚吧。
虽然这么说有点显老，但于揚堪称中国互联网的“活化石”，杠杠的。（就像他的名字一样，必须写成繁体的“揚”，特别古老的感觉。）
于揚
他的故事得从1993年讲起。那年他辞职下海创立了一家营销公司。这波操作过于超前，要知道那时候马云的翻译社也才在杭州开张，李彦宏还在美国读书。
如果站在卫星上俯瞰，当时的中国正发生一次“外来物种大迁徙”——IBM、惠普、intel 这些外企排着队进入中国。于揚所服务的公司正是这些科技企业，所以他以一种近距离旁观的姿态见证了中国互联网巨头们的创生。甚至早在2001年，他就认识了到处为腾讯找融资的马化腾。
踩对节奏，于揚毫无悬念地成为北京城最早的一批“壕”，有钱到切糕随便买，摔倒的老太太随便扶。他当即就准备退休了。
不过，1999年，陪家人在加拿大钓鱼钓到手抽筋的于揚突然觉得不能这样度过余生，还是得回国重新搞事情。
由此，我们的故事进入了主线。
2000年，于揚开了一家名为“易观”的公司。易观的业务很特别，它专门为互联网创新企业提供“作战地图”。这里需要解释一下，具体的做法是这样的：
1）易观麾下召集了很多“分析师”，他们就像达尔文研究各个物种一样，对很多企业进行研究、访谈，然后绘制一张全景生态图谱。
2）一家互联网企业想要开设新业务，拿不准靠不靠谱的时候，就会从易观那里买来“研究报告”，看看自己要做的事情在整个生态里出于什么位置，成功率有几成。避免因为信息不全而踩坑。
这个营生，用一个词概括就是“咨询”。
过去，易观会做大量的数据研究，然后形成这样的报告。给你截个图感受下。
当然，咨询背后最值钱的东西其实还是数据——分析师实地探访得到的数据，以及从这些数据中得出的结论。
只不过，彼时的数据都靠人肉收集，人脑运算，并不是什么“大数据”。
这里，我提醒你注意一个真相——能用得起“咨询”的公司必定是大公司。
只有大公司买得起咨询报告，越买报告，他们的决策准确度就越高，他们成长得就越快，反过来就能用更多的钱买更多的咨询和数据。这是个死循环。
这么一来，数据成为了一种贵族特权。王者永远是王者，青铜永远是青铜，差距还越拉越大，废号重练也不行。
这是个大问题，于揚也直嘬牙花子。
说实话，当时易观在整个中国互联网行业，已经是教父级别的咨询公司了，钱是一点都不缺。但只服务于“贵族”（巨头公司），并不是于揚的追求。然而，毕竟这么多金牌分析师个个都拿着金领的工资，做调研做访谈人吃马喂，“报告”就像私人飞机一样，天生就不是普通公司和普通人能买得起的东西。
又想让人人都买得起，又被成本卡着，平民化不下来，这可怎么办？
既然数据收集主要靠“分析师”，那么，有没有一种数据收集方式，既能摆脱对分析师的依赖，又能给中小企业提供有用的数据参考呢？
机会终于来了，因为时间走到了我们的重大节点——2012。
（二）从摸鱼到捕鲸
这一年，手机成了“标配”。
“标”这个字很神奇，无论什么东西，一旦能够标准化，就能够大幅降低成本。当年福特汽车正是用流水线的方式，让汽车生产变得标准化，才造就了如今人人都能开得起车的世界。
人手一部手机，除了 iOS 就是 Android，于是只要在 App 中写入一段代码，它就可以自动帮你统计全世界到底有多少人在用你的 App，俗称“日活”和“月活”。（日活跃用户和月活跃用户）
“日活”“月活”这两个数据太重要了，因为它直接说明了你的 App 有多受欢迎，也可以那这个数字和同行比较。
这有点像小学教室墙上贴的小红花。你得了三朵小红花，同学得了一万朵小红花，一目了然。那么，接下来要不要积极举手回答问题，要不要课后主动留下来扫地，要不要扶老奶奶过马路，你心里还没个数么？
于是，有的电商、新闻客户端企业就拿着自家 App 的月活数据来找易观：“你们能不能帮我看看，我这个月活跟竞争对手比到底谁多啊？我好决定下一步是进攻还是防守，是剑走偏锋还是守正出奇，还是干脆不干了啊！”
你可能会问，易观又不是神仙，怎么知道你的竞争对手月活是多少嘞？？
这里有个小常识，可以偷偷科普下。（有点绕，但是很有意思）
在当时的 Android 系统中，一个 App 是有权利调用本机应用列表的。通俗来讲，它能知道在这个手机上自己和哪些 App 是“邻居”。所以，App A 能够知道在它安装的手机上，有多少比例安装了 App B。这个数据很有价值，但显然还不够，因为没有安装 App A 的手机也有可能安装了 App B。这个数据没地方获得，就得靠分析师多年积累的行业经验来补全了。
好，重点来了。
如果能把分析师的经验变成算法，那么就能造出一个系统，自动算出同行业所有 App 的日活和月活，从而为这个行业的所有 App 提供竞争对手的数据参考。
于揚一拍桌子，说干就干。
拍完桌子想起来，满公司都是分析师，既没人懂产品，也没人懂技术。。。。
大旗立起来，天下聚义。
那时候互联网研究双雄，一个是艾瑞，一个是易观。所以老于（于揚）找我，我基本没有犹豫，就加入了。
朱江坐在我对面，很坦诚地说。
2015年，朱江放弃了自己已经到达C轮的数据创业公司，成为易观大数据的 CPO（首席产品官），他的任务很清晰：造出那个“日活”“月活”的竞品分析产品——易观千帆。
朱江
站在今天回望，“易观千帆”是很多创业者的标配，名震江湖。但是在当时，易观的分析师们都冷眼看着朱江，心里想：“我们每天做调研，出报告，客户不断，公司招财进宝，我们也日进斗金，为什么这个人天天来烦我们，要让我们配合，把经验做成产品？”
朱江只能软磨硬泡，一边天天拉着分析师们喝酒聊天谈心，一边还得招兵买马“忽悠”算法工程师加盟。
就这样一年多下来，易观千帆总算是丑媳妇见公婆了。
这里多说一下，千帆拿到用户数据，是需要得到用户授权的，所以当时他们和合作伙伴一起推动了“APP用户体验计划”。
回头再说千帆。这玩意儿很好玩，因为人们可以自己动手操作。比如我可以设定条件：在过去一个月，晚上10:00-12:00，最活跃的电商 App 是哪些。点击按钮，系统就会自动帮你运算出符合要求的排序。
这是2020年1月某天，千帆上的App月活总排行榜。你感受一下。
这就让互联网公司的运营团队有事儿干了。过去只能每隔三个月等一份易观的行业研究报告，现在每天都能自己变着花样鼓捣数据，什么时间段App活跃度差，就专门在这个时间做一些促销。
怎么样，看上去很简单吧。
最开始我也觉得很简单，但是朱江告诉我，每一次查询运算，背后都是数以十亿计的大数据，那些全国大排名的指标，后台的服务器集群预处理就得大半天。所以在当时，千帆用户查询到的排名分析，只能使用三天以前的数据。
即使是这样，千帆的后台系统也经常“卡壳”，动不动就出错。于揚和朱江都很着急，他们需要一位真正的技术大牛，给这个年轻的大数据系统保驾护航。
郭炜就是这个时候走进了他们的视野。
（三）捕鲸的“硬核引擎”
数据是有灵魂的，我将用我的一生追寻它。”这是我的座右铭。
郭炜对我说。
以我的经验看，这种把自己一辈子说豁出去就豁出去的技术人，必然是个狠角色。
事实证明确实如此。郭炜毕业于北大计算机系，根红苗正。当时他正任联想大数据部门总监。我估计很多浅友都接到过中国移动的客服电话，根据你过往的消费记录来推荐更合适的套餐。这就是郭炜当时主导的大数据项目之一。
郭炜
不过，联想终归是一家硬件公司，郭炜难以施展拳脚，正在这时，于揚找到了他。于揚三顾茅庐邀请郭炜加盟，不是为了给易观大数据装点门面的，而是真的要解决一大堆棘手的技术问题。
果然，刚刚加盟没几天，郭炜就遇到了一个重大事故。
有一个用户 App 的日活增长太快，直接冲破了1亿。这本来是好事，但是这么大的数据量回传却把易观千帆的数据库接口给冲垮了。
同学们都傻眼了，如果数据传不回来，那么千帆就“没米下锅”，没办法进行计算了啊！所有人冲上去紧急修复，然而，一天、两天、三天过去了，愣是没能建起一阻挡数据洪流的堤坝。
一直指挥大家“抗洪”的郭炜看到情况不对，只能咬咬牙：“待我亲自出马！”
那天晚上他一夜没睡，摸清了技术架构，自学了 Lua 语言。太阳升起来的时候，他开始一行行敲出代码，太阳西沉时，补丁上线，眼看着带宽占用像退潮一样一浪比一浪低。
一个小时后，一切终于恢复正常，数据重新回到河道，支脉纵横，流向数据库。
“巧了，那天正好是我的生日。”郭炜笑。
也正是从这一刻开始，郭炜招兵买马，吸引来一众技术极强的工程师们，易观从一个咨询公司，渐渐变成了技术公司。
万丈高楼需要稳固的地基，对于大数据系统来说，这个地基就是“数据调度引擎”。
听起来好专业，举个例子你就明白了：
如果把大数据运算比作厨师炒菜的过程，那么数据调度就是新鲜食材的供应。炒鱼香肉丝，大厨一伸手，帮厨就得递过来萝卜丝、猪肉丝。如果大厨伸手，递过来的都是什么羊肉片、牛腱子，再好的大厨也炒不出鱼香肉丝。
2016年，郭炜面临的就是“基础不牢，地动山摇”的局面。
首先是机器硬件，当时预算有限，整个千帆底层的十几台服务器，都是一万块钱一台的二手服务器；其次是软件代码，由于使用了开源的框架，整体比较粗糙，所以里面有很多细节的“坑”，一旦触发就会卡死。
易观千帆当时的节奏是：每天的数据收回来，从午夜12点开始运算，到早晨8点才能出结果。凌晨2-4点是运算最集中的时候。
然而，由于数据调度引擎过于酥软，动不动就卡死，几乎每天都要有同学值班“守夜”，郭炜，作为技术最高负责人，每周都妥妥的会被从睡梦里叫醒一次，紧急解决技术问题。
郭炜下定决心，不就是写代码么，这么多年老子写代码还没怕过谁！咱们从头开发一整套数据调度系统！
半年多过去了，一套独创的底层数据调度引擎终于调通了。
这套引擎厉害在什么地方呢？不论底层的机器出什么错，上层的软件都能超强纠错，从哪里跌倒就从哪里爬起来，数据上传错误就自动找到那个节点重新上传。用专业术语来说，这套大数据调度系统的“鲁棒性”特别强。
这有点像当年的超强纠错 VCD，一张光盘哪怕被小孩当飞碟扔了一天，纠错技术仍然能给你读出来。。。
这群技术宅给这个大数据调度引擎起名为“DolphinScheduler”（海豚调度器）。
从此，守夜值班、午夜凶铃什么的，统统成为了历史，都付笑谈。易观千帆变得非常皮实，这才渐渐成为了今天家喻户晓的竞品分析平台。
说到这，还有个有趣的往事。
在 OfO 和摩拜拼杀最激烈的2017年，千帆成为了两家公司的“必备武器”。如果 OfO App 在A城的日活突然翻了一倍，那不用说，肯定是在A城大量投放了自行车，这时摩拜就可以根据自己的战略选择跟进还是按兵不动。
就这样，依靠千帆的数据，双方几乎在下明棋，谁也骗不了谁，“明修栈道暗度陈仓”这些三十六计统统用不上，拼到最后就看谁成本控制能力强，就看谁对用户的需求把握得准，就看谁的策略选择最优。
从这个角度上讲，大数据从来都是让商业世界更加公平。
郭炜作为一个技术人，深知 Dolphin 的价值，他和技术团队提议把 Dolphin 的源代码开源，并且贡献给阿帕奇基金会，让全世界更多的技术大牛在此之上继续完善。阿帕奇基金会在审计过代码之后，也确认这个引擎非常有价值，郑重接受了易观的捐赠。
虽然开源意味着没办法从 Dolphin 上赚钱了，但无论是郭炜还是于揚，都觉得这件事意义非凡。
很多技术人一生的梦想，就是得到那个“Apache.org”后缀的邮箱，这代表了全世界技术社区对你贡献的认可。这是钱永远买不来的。
于揚说。
Dolphin 在 Github 上的页面
从2012年到2016年，千帆用了五年时间，终于成为了一个完整的技术产品。这帮技术人拼了老命，到底想要得到什么？
这就又回到了我们最初的比喻。
大人，时代变了。数据已经汇成汹涌的海洋，这时再磨练肉身分析的“泳技”已经意义不大。想在大数据时代里活到下一集，你需要两样东西：“一条船”和“开船的技巧”。
数据引擎，恰恰就是大数据时代的船。
事实证明，有了易观千帆，大多数公司都上了“船”。就拿手机 App 来说。易观定义了三百多个细分领域，每个领域的前十名，几乎都在用千帆做竞品对标分析。
于揚把自己做的这件事称为：数据能力平民化。
然而于揚觉得，每个细分行业的前十名采用数据分析，这依然不够。既然是“平民化”，就要让更多创业团队都能有一艘小船，在大数据时代起码不要被大公司拉开技术代差。
他们需要什么样的数据能力呢？
（四）“方舟”
并不是人人都关心邻居午饭吃什么，但人人都关心自己午饭吃什么。
同样的道理，并不是所有 App 都关心竞争对手的用户活跃数据，但他们肯定关心自己的用户活跃情况。
用术语来说，别人的数据叫“第三方数据”，自己的数据叫“第一方数据”。
举两个例子：一家银行 App 可能会关心，为什么一个用户在理财界面转悠了半天，甚至都选定了一款理财产品，就在最终输入密码确认前选择了退出；一个新闻客户端 App 可能会关心，用户打开一篇文章之后，是仔细看完还是一扫而过。
这些一方数据都能帮助 App 改善自己的产品体验。
事实已经证明，最近几年大火的互联网服务几乎都是靠数据驱动的。淘宝上的明星店铺，每天都在根据用户购买的行为调整页面布局和图片搭配；瑞幸咖啡根据用户在 App 上下单的密度，调整线下门店的位置；特斯拉收集用户开车时的行为习惯，从而让它的自动驾驶变得更聪明。这样的例子一天一夜都举不完。
实际上，不断有朋友和客户找到易观，问他为什么不推出一个靠采集数据来进行精细化运营的系统。
看到这里，估计有人会跳出来：什么，App 回传用户行为数据？这合法吗？
这里正好可以解释一下：
从理论上来说，每个 App 都要向自家的服务器回传信息，比如你在淘宝下单买了一个杜蕾斯大颗粒，淘宝当然要回传信息——它要知道你在什么时间点击了下单按钮，才能为你发货；它要知道你之前有过一段时间的人类浏览行为，才能判断你不是机器羊毛党。
这有点像海底捞，服务员必须一直盯着你吃饭，才能在合适的时候递过来餐巾、酒杯和菜肴。我知道有人不喜欢这样的服务，但毕竟这种玩法被多数人认可，而且并不违规。
不过，法律明确规定的“用户隐私数据”，例如你在聊天界面的一对一谈话内容，App 是不能收集的。就像海底捞的服务员虽然殷勤，但是却不能偷听顾客谈话一样。
实际上，你每次安装一个 App，劈头盖脸跳出来的《用户协议》，主要就是在明确哪些数据 App 是要回传的。
从2017年开始，易观的产品和技术团队就开始基于欧盟《计算机数据保护法》（也就是后来的 GDPR）制造这么一个智能用户运营套件——易观方舟。
如果千帆的难度是1，那么方舟的难度就是100。
于揚吐槽。
易观方舟究竟难在哪呢？
首先，难度在数据的采集上。
这里简单科普一下，用户在一个 App 里的行为，需要“埋点”才能采集。什么叫埋点呢？它有点像大厦里的监控摄像头。你在三楼走廊前装一个摄像头，那么有人从这里走过时他的身影就会被捕捉到。如果这里没有摄像头，那么有一万个人从这里过，你也不知道。
摄像头放置得越多，能采集到的信息也就越多，当然成本也更高。在 App 里埋点越多，能采集到的用户行为也越多，当然这些代码对 App 的影响也越大。
所以，如何科学埋点，其实是一门手艺。
即使过了埋点这一关，也不能保证传回来的数据绝对完整。用户使用 App 的场景是千差万别的，有时候网络抖动，一小段信息就丢了，前后行为对不上；有时候用户突然从4G网络切换到 Wi-Fi，前后的数据又对不上。
用“绳命”追寻数据灵魂的郭炜带着团队一个坑一个坑地趟，终于把数据收集的准确率维持在95%以上。
数据采集好了，就万事大吉了吗？不可能。
其次，难度在数据的计算效率上。
刚才说了，千帆判断的是你和其他 App 的实力对比，用三天前的数据进行计算也勉强可以。但是 App 运营者要根据用户的行为实时做出反应，方舟必须用实时（大概几秒钟以前）的数据进行计算，而且计算的时间不能太长，就像海底捞的服务员，必须眼疾手快，客户筷子掉地下，必须一秒钟冲过去给他一双新的。
这就要求计算引擎必须像 F1 赛车引擎那样顶尖。
本来在2017年，易观方舟就研发成功了，但是引擎效果的表现总是差强人意，为了达到效果，只能增加硬件成本，结果导致产品很贵，愿意使用的客户寥寥无几。。。
这个问题，又要交给郭炜来解决。
为了找到合适的引擎，郭炜可是死去活来。市面上所有的引擎全部试了个遍，结论是：没有一个够快的。
2018年，大家在会议室苦思冥想，一位同学突然举手：“我们能不能把一个引擎拆成几个引擎，不同的子任务用不同的引擎完成，最终把它们的结果组合在一起？”
郭炜一拍手，这个主意妙啊！
于是，他们花了好几个月的时间，写出了一套可以组合各个计算引擎的框架，起名为IOTA（这个名字是第九个希腊字母：“ι”），在 IOTA 里，一共有三部引擎，每一个引擎都像U盘一样可以热插拔，如果技术界出现了更好的引擎，只要拔下来换上新的就好。
这个位置就是三个引擎的组合。
2019年秋天，最新版的易观方舟实现了“可插拔”，速度提高了两三倍。现在，像程序员都熟悉的 CSDN，还有做健康设备的欧姆龙，连锁商场上品折扣，还有很多证券、银行、地产，都开始用易观方舟做分析和运营。
上面就是易观方舟的截图，可以分析网站、App，或者小程序上面的用户情况，用来智能分析和用户运营。
然而，那个困扰了于揚无数年的大问题，还是萦绕在他身边。
易观方舟好用是好用，但是别忘了，好用的前提是 App 里的埋点要做好，使用的技巧要得当。
但是，很多企业的脑子里并没有给大数据运营留出一块地方，什么“埋点”、“转化漏洞”听上去都好陌生，也没有懂得精细化运营的人才。直接把易观方舟给他们，他们反倒觉得没有那么神奇。。。
这有点像你给女票分析了半天CPU、GPU、OLED屏幕的手机配置，最后她说：这个粉色背壳好漂亮，我要买这款。
茫茫海洋上，仍然有95%的企业不懂得数据驱动，仍然在“肉身游泳”。易观只好组建了一支强大的服务团队，帮助客户掌握埋点技巧，掌握计算模型、掌握运营技巧，教他们“开船”。
然而，这就使得成本急剧提高，小企业又买不起了。。。
眼看创新企业在数据能力上被越甩越远，而这些巨头越来越强，普通人的手机屏幕已经快被巨头家的 App 填满了，于揚心里五味杂陈。数据能力平民化的梦想，难道就真的这么难实现吗？
（五）人手一条船
2018年底，易观的会客厅里，于揚、朱江、郭炜还有一众老板围成一个圈，大家表情严肃。
“来投票吧。”于揚说。
他们在讨论一个产品团队提出来的意见，这个意见听上去有点凶狠，那就是把辛辛苦苦研发出来的易观方舟对外发布一个免费版本，谁都可以下载来用。
这意味着，小团队可以不花一分钱，就能得到一个基础的数据能力，这相当于给在数据海洋里游泳的人，每人免费发了一个小船。
没想到，在座的所有人都投了赞成票。
这个免费版叫做 Argo，2019年3月上线，由产品、技术人自发组建的队伍运营。
这就是 Argo 的界面。
朱江带着同学们为 Argo 写了十几万字的使用文档。理论上说，小团队在使用 Argo 过程中的绝大多数问题都能在这十几万字里找到答案。只要下决心学习“驾船”的团队，看着“说明书”练习足够长的时间，就一定能学会数据驱动的基本知识。
然而这个举动，却引起了轩然大波。
首当其冲就是易观内部的销售团队不理解。我这卖易观方舟卖得得这么努力，很多公司马上就要掏钱了，结果有了 Argo，人家直接选择免费版了，我的业绩马上就泡汤了。。。
于揚智能苦口婆心地给大家开会：现在中国还有95%的人在“游泳”，让他们学会“开船”是比赚钱更紧迫的事情。
内部的冲突还算好解决，Argo 突然推出，其实让友商们感觉到了冒犯。
在中国市场上，数据驱动智能用户运营这个赛道上还有两个重磅玩家——Google 和 Adobe。他们有着非常丰富的数据经验，每一单动辄就是30w到100w。突然易观把最核心的数据运营产品免费了出来，自己可怎么和掏了大价钱的客户解释呢？是不是要退钱给他们呢？
事实上，一年过去了，为了运营 Argo，易观投入的资金已经有好几亿元。这个数字大大超过了于揚当时的预判。
好在这样的投入还是得到了回报。
2019年底，Argo 的日活是200，这意味着每天有超过200个团队在使用 Argo 做智能运营。有的团队甚至用 Argo 打通了自己的客户信息系统，可以对每一个客户精准地服务。
然而这个数字，仍然太少了。
“如果成本巨大，Argo 还要一直免费下去吗？”我问。
说实话，如果我知道会投入这么大的成本，当初也许真的不敢让 Argo 免费。但是既然已经做了，我们就没有停下来的理由。总有人要背负苦难，以救世人。
于揚说。
技术的浪潮从来没有为谁停留。移动互联网的数据运营尚未真正普及，IoT 的世界又来了。
现在非常火爆的“新零售”就是其中一例。
人们走进一家线下超市，无数摄像头开始捕捉顾客的表情，动作。顾客拿起了某个商品，他是在微笑还是在摇头。拿起某个商品后，是放在购物车里，还是放回货架上。这些数据都成为了精细化运营的依据，可以指导超市的货品摆放，也可以为每个顾客量身定做优惠券。
这一切，都需要大数据的基础设施作为底座。
数据海洋的风浪只会越来越急，为了活下去，人们需要制造小舟、舰艇和航空母舰。诺亚方舟正在停靠，每一位乘客都将做出选择，是否相信洪水将至。
深渊的泉源尽裂
天上的水闸打开