3/3 可免費閱讀文章篇數免費閱讀

本文出自

2018台灣執行長50強

2018台灣執行長50強

2018年9月號

阿里巴巴形塑未來企業

Alibaba and the Future of Business
曾鳴 Ming Zeng
瀏覽人數:4500
  • "阿里巴巴形塑未來企業"

  • 字放大
  • 文章授權
    購買〈阿里巴巴形塑未來企業〉文章授權
  • 購買文章
    購買〈阿里巴巴形塑未來企業〉PDF檔
    下載點數 10
阿里巴巴的「智慧商業」,形成一個資料驅動的網路,網路成員包括行銷商、服務供應商、物流公司和製造商。換句話說,阿里巴巴做了亞馬遜、eBay、PayPal,Google、聯邦快遞、批發商和許多製造商在美國做的事,還搭配金融服務。

2014年9月,阿里巴巴因為全球規模最大的股票首次公開發行(IPO)而成為頭條新聞。今日,該公司市值在全球排名前十大,全球銷售額超過沃爾瑪(Walmart),並已擴張進入全球所有主要市場。創辦人馬雲也成為家喻戶曉的人物。

自1999年成立以來,阿里巴巴的電子商務平台經歷大幅成長。然而,2007年管理團隊在浙江省寧波一間平凡的海邊飯店舉行外地策略會議時(我在前一年全職加入這個管理團隊),阿里巴巴看起來還不像是個世界一流公司。在那次會議期間,我們原本對於電子商務趨勢的雜亂觀察和想法,開始融合成對未來的一個更宏觀的看法,最終我們對願景取得共識。我們將「促進一個開放、協調、繁榮的電子商務生態系統的發展。」阿里巴巴真正的旅程就此展開。

我們明白,阿里巴巴的特殊創新在於,我們真正在建立一個生態系統:一個有機生物的群體(多種類型的企業和消費者),彼此互動,也與環境互動(環境包括我們的網路平台,以及更大的線下實體元素)。我們的策略要務,是確保我們的平台提供網路企業成功所需的所有資源,或者讓它們有管道可取得那些資源,進而支持這個生態系統的演進。

我們最初建立的生態系統相當簡單:我們連結商品的買方和賣方。隨著科技進步,更多的商務功能轉移到網路,包括原本就有的功能,如廣告、行銷、物流和金融等,還有新興的功能,如聯盟行銷(affiliate marketing)、產品推薦人和社群媒體影響者等。我們擴展自己的生態系統以容納這些創新,於是協助建立了新類型的網路事業,並在這個過程中,徹底改造了中國的零售業。

今天的阿里巴巴不再只是一家網路商務公司,而是提供與零售有關的所有功能,在網路上協調這些功能形成一個蔓延廣泛、資料驅動的網路,其中的成員包括銷售商、行銷商、服務供應商、物流公司和製造商。換句話說,阿里巴巴做了亞馬遜(Amazon)、eBay、PayPal、Google、聯邦快遞(FedEx)、批發商和許多製造商在美國做的事情,還搭配了金融服務很有益的協助。

在今日全球價值最高的前十大公司中,有七家是網路公司,它們的商業模式和我們類似,其中五家成立才差不多二十年,包括位於美國的亞馬遜、Google和臉書(Facebook),以及中國的阿里巴巴和騰訊。為什麼如此迅速地產生了這麼龐大的價值和市場力量?因為這些公司全都運用了網路協調和資料情報的新能力。它們管理的生態系統,比傳統產業更具有經濟效率,也更以顧客為中心。我稱這些公司採取的方法為「智慧商業」(smart business,或稱智能商業),我相信它代表未來的主要商務邏輯。

什麼是智慧商業?

智慧商業是指,達成一個共同商業目標(例如零售或共乘)所需要的所有參與者,在線上網路裡進行協調,並運用機器學習技術,以便有效率地即時運用各種資料。這種由科技促成運作的模式,大多數的營運決定是由機器來做,好讓公司動態地迅速調整因應不斷變化的市場狀況和顧客偏好,獲得比傳統企業更大的競爭優勢。

當然,龐大的運算能力和數位資料是機器學習的燃料。演算法引擎運用的資料和重複運算(iteration,或稱迭代)愈多,產出的結果就愈好。資料科學家針對特定行動提出機率預測模型,然後演算法進行大量資料的運算,在每次重複運算當中即時產生更好的決定。這些預測模型,成為大多數商業決策的基礎。因此,機器學習不僅僅是技術創新,也將改造商業運作的方式,因為有愈來愈多的人類決策將由演算結果來取代。

螞蟻小微金融服務(Ant Microloans)提供了一個引人注目的例子,顯示這種未來的樣貌。阿里巴巴在2012年推出螞蟻金服時,中國大型銀行提供的典型貸款規模是數百萬美元,最低貸款額度約六百萬人民幣(略低於一百萬美元),遠高於大多數中小型企業所需的金額。缺乏任何信用紀錄、甚至沒有足夠商業活動紀錄的公司,銀行都不願意提供服務,因此,中國有數千萬家企業很難取得營運成長所需資金。

在阿里巴巴,我們意識到自己握有一個元素,可以創造一個高效能、可擴充規模、可獲利的中小型企業貸款業務,這個元素就是:眾多小型企業使用我們的平台,所產生的大量交易資料。因此,我們在2010年推出一項開創性的資料驅動小額貸款業務,向企業提供的貸款金額不超過一百萬人民幣(約合16萬美元)。經過七年的經營,這項業務已向近三百萬家中小企業,貸出超過870億元人民幣(134億美元)。平均貸款金額為八千元人民幣,約合1,200美元。2012年,我們把這個貸款業務和我們非常成功的支付業務「支付寶」結合起來,形成螞蟻金服,我們希望新公司的名稱傳達的概念,是我們為這些小而勤奮、像螞蟻一樣的公司提供力量。

今日,螞蟻金服在幾分鐘內就能夠輕鬆處理幾百元人民幣(五十美元左右)的貸款。這是怎麼做到的?面對潛在的借款人時,放款機構只需要回答三個基本問題:我們該借錢給他們嗎?該借出多少?利率是多少?一旦我們平台上的賣家授權我們分析他們的資料,我們就能很好地回答這些問題。我們的演算法可以查看交易資料,以評估企業的營運狀況、它的產品在市場中的競爭力、它的合作伙伴是否有高的信用評等之類的問題。

螞蟻金服使用那些資料來比較好的借款人(按時還款的人),以及壞的借款人(不按時還款的人),以區分出這兩組人當中常見的特徵,然後用這些特徵來計算信用分數。當然,所有貸款機構都會以某種方式來做這件事,但螞蟻金服會自動針對所有借款人和他們的所有行為資料,即時進行分析。在我們平台上採取的所有行動,都會影響商家的信用分數,這些行動包括每筆交易、買賣雙方的每次溝通、與阿里巴巴提供的其他服務的每次連結等等。同時,計算這些分數的演算法本身也會即時演進,提升每次重複運算時的決策品質。

若要決定放款金額和收取多少利息,必須分析阿里巴巴網路內產生的多種資料資料,如毛利率和存貨週轉,以及數學上較不精確的資訊,如產品生命週期和賣方的社會和商業關係的品質。例如,演算法也許可以分析溝通的頻率、長度和類型(即時訊息、電子郵件或中國常見的其他溝通方式),來評估關係的品質。

阿里巴巴的資料科學家扮演重要角色,負責辨識和測試哪些資料點提供所尋求的見解,然後編寫演算法去探勘這些資料。這項工作既需要對業務有深刻的了解,還要有機器學習演算法的專業知識。以螞蟻金服為例,如果被認為信用不良的賣家按時還款,或信用極佳的賣家嚴重違約,那麼演算法顯然需要調整。工程師可以輕鬆快速地檢查他們的假設。應該增加或刪除哪些變數?應該提高哪些使用者行為的權重?

隨著重新調校過的演算法產生愈來愈準確的預測,螞蟻金服的風險和成本穩定下降,而借款人在有資金需求時,可以用他們負擔得起的利率獲得所需的貸款。結果造就了一項非常成功的事業:微型貸款業務的違約率約為1%,遠低於世界銀行(World Bank)2016年估計的全球平均值4%。

那麼,你要如何創造這種生意?

所有營運決策自動化

你的公司若要變成一家智慧型企業,就必須盡可能讓更多營運決策,是由機器根據即時資訊來做成,而不是由人類根據自己的資料分析來做那些決策。用這種方式改造決策流程,包括以下四個步驟。

步驟1:把所有顧客交流「資料化」

螞蟻金服很幸運能夠取得潛在借款人的大量資料,用來回答貸款業務中固有的問題。對許多企業來說,取得資料的過程更具挑戰性。但即時資料是建立回饋循環的基本要素,而回饋循環正是機器學習的基礎。

以自行車出租業務為例。中國的新創企業利用行動電話、物聯網(採用的形式是智慧型自行車鎖),以及既有的行動支付和信用系統,將整個出租流程資料化。

用傳統方式租借一輛自行車的流程包括:到租借地點,留下押金,有人把自行車交給你,使用自行車,歸還自行車,然後用現金或信用卡支付租金。數家彼此競爭的中國自行車出租業者,把多種新技術與現有技術整合起來,讓上述整個流程移至網路上。其中一個關鍵創新是QR碼和電子鎖的結合,巧妙地讓結帳流程自動化。想租借自行車的人只要打開自行車共享應用程式,就能看到可租借的自行車,並預訂在附近的自行車。租借人來到自行車停放處,就能用那個應用程式掃描自行車上的QR碼。假若這個人的帳戶裡有錢,並符合租借標準,QR碼就會打開自行車的電子鎖。那個應用程式甚至可以透過「芝麻信用」(螞蟻金服新的線上產品,可進行消費者信用評等),來驗證租借人的信用歷史,讓租借人得以略過支付押金的步驟,進一步加快這個流程。當自行車歸還時,把車上鎖就能完成交易。這個流程相當簡單、直覺,通常只需要幾秒鐘。

出租流程資料化大幅改善了消費者體驗。公司以即時資料為基礎,派遣卡車把自行車移到使用者需要的地方,還可以提醒經常租借的人附近有哪些自行車可租借。中國的自行車租借成本已降至每小時幾美分,主要得歸功於這些創新。

大多數追求更加由資料驅動的事業,通常會收集和分析資訊,以建立因果模型。然後這個模型會從大量可用的資訊當中,區分出關鍵資料點。智慧商業並不是用這種方式使用資料,而是要在公司與顧客和其他網路成員交流、溝通時,取得這個過程中產生的所有資訊,然後讓演算法去決定哪些資料是有意義的。

步驟2:把每個活動「軟體化」

在智慧商業中,所有活動(而不只是知識管理和顧客關係),都用軟體來設定安排,好讓影響這些活動的決定都可以自動化。這並不表示公司必須購買或建立企業資源規畫(ERP)軟體或類似的東西,來管理本身的業務,其實正好相反。傳統軟體讓流程和決策流程變得更加僵固,經常會成為束縛。相反的,智慧商業的主要邏輯是即時反應。第一步是建立人類目前如何做決定的模型,並找到方法,使用軟體來複製這個過程中的一些簡單元素,這不一定很容易做到,因為很多人為決定根據的是常識,甚至是潛意識的神經活動。

阿里巴巴集團在中國國內零售網站淘寶網的成長,是由零售流程的持續軟體化所驅動。淘寶上最早建立的主要軟體工具之一,是即時訊息工具「阿里旺旺」,買賣雙方可以透過阿里旺旺輕鬆交談。賣家使用這個工具歡迎買家,介紹產品,談判價格等等,就像人們在傳統零售商店裡做的事情一樣。阿里巴巴還開發了一套軟體工具,協助賣家設計和推出許多複雜的網路店面。一旦網路商店上線運行後,賣家就可以使用其他軟體產品來發行優惠券、提供折扣、運作忠誠會員計畫,以及進行其他顧客關係活動,所有這些活動會彼此協調。

現今大多數軟體都是當作一種服務在網上運作,因此,商務活動軟體化的重要優勢之一,就是可以很自然地收集即時資料,當成商務流程的一部分,為機器學習技術的應用奠定基礎。

步驟3:讓資料流動

當生態系統中有許多相互連結的參與者時,商業決策需要複雜的協調。例如,淘寶的推薦引擎必須與賣家的庫存管理系統合作,也要與各種社群媒體平台的消費者特性描繪(consumer profiling)系統合作。它的交易系統必須和折扣優惠與會員忠誠計畫一起使用,還要把資料提供給我們的物流網路。

通訊標準(如TCP/IP)和應用程式介面(API)很重要,有助於資料在多方參與者之間流動,同時確保能嚴格控制誰可以存取和編輯整個生態系統中的資料。應用程式介面是一套工具,可讓不同的軟體系統在網上彼此「交談」、相互協調,這一直以來都是淘寶開發工作的核心。隨著淘寶這個平台從買賣雙方可以接觸和銷售商品的論壇,發展成中國主要的電子商務網站,淘寶網站上的商家需要愈來愈多的第三方開發商協助。新軟體必須與這個平台上所有其他軟體廣泛互通(interoperable),才會有價值,因此,淘寶在2009年開始開發應用程式介面,供獨立的軟體供應商使用。今日,淘寶上的商家平均訂用超過一百個軟體模組,而這些軟體提供的即時資料服務,大幅降低了商家的經營成本。

建立適當的技術基礎設施,只是個開始。我們花了很大力氣建立共通的標準,好讓阿里巴巴旗下所有事業單位,都能用相同的方式使用和解讀資料。此外,另一個重要且持續存在的挑戰,是找出正確的誘因結構,來說服公司分享他們擁有的資料。需要做的還有很多。當然,公司在這個領域的創新程度,部分取決於營運業務所在國家的資料分享規範。但方向非常明確:網路中的資料流量愈多,這個商務就愈聰明,生態系統創造的價值就越大。

步驟4:應用演算法

企業一旦把所有的營運作業都放上網路之後,就會得到龐大的資料。為了吸收、解讀和運用這些資料來創造自己的優勢,公司必須建立模型和演算法,讓企業試圖優化的潛在產品邏輯或市場動態,變得清楚明確。這是一項龐大的創意工作,需要許多新的技能,因此很需要大量的資料科學家和經濟學家。他們的挑戰,是要具體說明希望機器做些什麼工作,而且他們必須非常清楚說明,在特定的商業環境中,如何才算是完美完成的工作。

我們從很早就為淘寶設定的目標,是要根據個人需求提供專屬服務。若沒有機器學習領域的進步,這根本不可能做到。現在當顧客登入時,會看到個人化的網頁上出現精選商品,篩選自我們平台上數百萬個賣家提供的數十億種商品。這些精選商品是由淘寶強大的推薦引擎自動產生的。它的演算法是設計來優化每次造訪網站的轉換率,它會使用來自淘寶整個平台裡的資料,從營運、顧客服務到安全等所有資料。

淘寶的成長在2009年寫下一個新的里程碑,從簡單的瀏覽(當平台的造訪人次和需要處理的產品很少時,可以運作得相當好),升級成一個由機器學習演算法驅動的搜尋引擎,能夠處理大量的查詢。淘寶也一直在實驗使用光學辨識搜尋演算法,這個演算法可讓顧客提供想要產品的照片,和平台上現有的產品比對是否有一樣的。在使用這個技術來推動銷售方面,我們雖然仍處於早期階段,但事實已證明這個功能非常受到顧客歡迎,每天帶來驚人的一千萬不重複訪客。

2016年,阿里巴巴推出一款人工智慧聊天機器人,協助處理顧客的查詢。這個機器人和大多數人所熟悉的服務機器人不同,後者的程式設計成把顧客的問題與它們內建資料庫裡的答案比對,找出符合的答案。阿里巴巴的聊天機器人由淘寶商家經驗豐富的代表來「訓練」。他們清楚了解所有類別裡的產品,並精通阿里巴巴平台的各種機制(包括退貨政策、送貨成本、如何更改訂單等),以及顧客常提出的其他問題。這些聊天機器人使用各種機器學習技術,例如語義理解、情境對話、知識圖、資料探勘和深度學習,因而能夠迅速改善自動診斷和處理顧客問題的能力,而不是簡單提供制式回覆,要顧客採取進一步行動。它會向顧客確認是否接受它提供的解決方案,然後執行那個方案。阿里巴巴或商家都不必採取任何人為動作。

聊天機器人還可以為賣家的營收做出重大貢獻。例如,服飾品牌森馬(Senma)在一年前開始使用聊天機器人,結果發現它的銷售額比自家的頂尖銷售人員高出26倍。

總是會有一些情況,需要人類的顧客服務代表處理複雜的或個人的問題,但聊天機器人處理例行查詢方面的能力非常有用,特別是在有大量查詢或特別促銷的日子。以前,我們平台上的大多數大型賣家在重大活動期間,都會聘僱臨時人員來處理消費者詢問。現在再也不必這麼做了。在阿里巴巴2017年最大的銷售日期間,聊天機器人處理超過95%的顧客問題,回應了大約350萬名消費者。

這四個步驟是建立智慧商業的基礎:進行有創意的資料化,讓資料庫更豐富,公司運用這些資料來變得更聰明;把商務軟體化,將工作流程和基本參與者放上網路;制定標準和應用程式介面,以實現即時資料流和協調;應用機器學習演算法來產生「聰明的」商業決策。這四個步驟當中的所有活動,都是重要的新能力,需要新類型的領導力。

領導人的角色

我在湖畔大學(Hupan School of Entrepreneurship)的智慧商業課程中,展示十位企業領導人的投影片,問學生是否認得出他們是誰。學生們輕易就能認出馬雲、伊隆.馬斯克(Elon Musk)和史帝夫.賈伯斯(Steve Jobs),但幾乎沒有人能認出花旗集團(CitiGroup)、豐田(Toyota)或奇異(General Electric)的執行長。

有一個原因可以解釋這樣的現象。奇異、豐田和花旗透過優化的供應鏈提供產品或服務,數位企業則不同,必須動員網路來實現願景。要做到這一點,他們的領導人必須激勵構成那個網路的員工、合作伙伴和顧客。他們必須高瞻遠矚,也要是熱情宣揚理念的布道家,毫不保留地傳達想法,傳統企業的領導人則不需要這麼做。

這些位居公司最高層級的數位布道家,必須了解未來可能的樣貌,以及所處的產業會如何演變,以因應社會、經濟和技術的變化。他們無法描述實現公司目標的具體步驟,因為環境變動太快,而他們需要的能力是不可知的。相反的,他們必須界定公司試圖實現的目標,並創造一個環境,讓員工能夠快速將實驗性的產品和服務串聯起來,測試市場,並擴大獲得正面反應的想法。數位領導人不再管理,而是要讓員工能夠創新,以及促進使用者對公司決策和執行做出回應的核心回饋循環。

在智慧商業模式中,機器學習算法自動進行調整,來提高整個系統的效率,因而承擔了漸進式改善的大部分工作。因此,領導人最重要的職責就是培養創意。他們的任務是提高創新的成功率,而不是改善營運效率。

智慧型企業是最終贏家

像阿里巴巴這樣的數位原生公司,具備先天就是網路企業和擁有現成資料的優勢,因此它們轉型成智慧商業是很自然的事。既然它們已經證明這個模式有效,並且正在改造舊的工業經濟,因此現在該是所有公司了解和應用這種新商業邏輯的時候了。這件事在科技方面可能令人望而生畏,但正逐漸變得愈來愈可行。雲端運算和人工智慧技術的商業化,讓所有人都可以運用大規模的運算和分析能力。的確,在過去十年中,儲存和運算大量資料的成本急劇下降。這意味機器學習的即時應用,目前在愈來愈多的環境中變得可行,而且成本可負擔。物聯網技術的快速發展,將進一步讓我們的實體環境數位化,提供愈來愈多資料。隨著這些創新在未來幾十年的積累,比競爭對手更快變得更「聰明」的企業,將會是贏家。

(劉純佑譯自“Alibaba and the Future of Business,” HBR, September-October 2018)



曾鳴

曾鳴 Ming Zeng

阿里巴巴集團學術委員會主席,總部位在中國杭州的阿里巴巴,是電子商務、零售和科技企業集團。他著有《智慧商業:阿里巴巴成功背後的未來策略》(Smart Business: What Alibaba's Success Reveals About the Future of Strategy, HBR Press, September 2018),也是湖畔大學教育長,湖畔大學是由阿里巴巴董事長馬雲和其他傑出的中國創業家共同創辦的私立商學院。


本篇文章主題策略