今天小編分享的科技經驗：當年給抖音取名的“大師”，已經成不少公司的标配了。，歡迎閲讀。
前段時間，差評君在網上衝浪的時候，看到抖音的名字據説是請得道高人算出來的。
但據差評君了解，抖音差點都不叫抖音。
當時字節跳動在内部做短視頻產品，取名字的時候，确實上了點套路。
不過這個套路的名字和五行八卦、周易算法都沒啥關系，它的學名叫做A/B testing ，也稱為拆分測試。
1747 年詹姆斯 · 林德做了現代意義上的第一次 A/B testing
找到了治療壞血病的藥方
簡單講就是為同一個目标制定 A 、 B 兩種方案，然後記錄、追蹤用户使用情況。
看看哪個更優，利用結果輔助做決策。
通過這個測試，最終形成一份長長的排名榜單， " 抖音 " 順利脱穎而出。
類似的，無論是取名字這種大活，還是 " 用户界面上兩個視頻之間的縫隙有多寬 " 。
利用 A/B testing 的數據反饋優化決策，基本是大廠們的必備手法。
雖然 A/B 測試在互聯網業内已經很常見了，但這幾年，它不但作為單獨的測試項目存在，更成為了一種新型數據驅動經驗模式的一環。
而這種模式就是火山引擎打造的數據飛輪。
數據飛輪其實就是 " 以數據消費促數據生產，以數據消費助業務發展 " 。
簡單説，就是在業務應用層上，利用各種數字化工具，把企業數據玩出花來，幫助公司業務做大做強。
在業務不斷發展的時候，又給公司不斷創造各種企業數據，再利用相對應的產品工具，把這些數據 " 煉 " 成數據資產。
這樣一來，公司業務和數據資產像一個輪子一樣越轉越流暢。
其實在數據飛輪出來之前，數據重要性已經成為各行各業的共同認識。
前些年最為流行的數據中台概念，也是為了強化企業數據的地位。
但數據中台側重于數據資產的統一性帶來的資產價值，數據飛輪則是更強調數據流轉與業務產生的互動關系。
那具體要説數據飛輪有啥用呢，還得結合大家實際體驗來以身説法。
其中最有标志性的就是收錢吧。
" 收錢吧到賬， 9 點 25 元 " ，相信大家聽到這句語音，總能想到半夜在樓下小賣部囤泡面的某個晚上。
作為聚合支付業内的頂流，收錢吧背後是千千萬萬個 " 小生意 " 。
他們雖小但數量着實不少，要把這些千頭萬緒的數據利用起來精細化運營，沒一個班的數據分析師想都别想。
于是，收錢吧選擇利用了火山引擎開發的 " 增長分析 DataFinder+ 客户數據平台 VeCDP+ 增長營銷平台 GMP " 的產品組合。
這套組合拳涵蓋了數據洞察、收集、處理、傳遞全流程。
在競争激烈的行業内，及時喚醒沉睡商户促進日活月活，一直是收錢吧的日常工作之一。
據了解，目前收錢吧有上萬名 BD 員工負責商户關系維護。
按照以前的操作，收錢吧 APP 一般每個月拉一次數據復盤沉睡用户，再将整理好的數據下發給 BD 員工進行 " 喚醒 " 。
但一個月的周期過長，且需要經過長時間的待喚醒商户和對應 BD 匹配，流程較長、時間較久。
這樣不及時的信息傳遞，不利于對商户的及時喚醒，甚至有可能就此流失。
直到用上了 " DataFinder+VeCDP+GMP " 三板斧。
這三板斧啥意思呢？
一板斧，利用 DataFinder （ 增長分析平台，數據洞察、分析 APP 内用户活躍情況的小助手，然後能夠根據内置的十幾種數據分析模型，幫助分析 APP 用户情況 ）進行實時數據洞察， APP 運營人員直接能在後台看到用户的活躍情況，并按照業務需求進行分類。
兩板斧，把前面洞察到的數據在 VeCDP （ 客户數據平台，快速分析用户、分類用户 ）中與對接的 BD 數據融合匹配，識别同一标籤下的多個非活躍商户。
三板斧，最後将這些商户信息通過 GMP （ 增長營銷平台，可以實現智能化營銷觸達 ）一鍵發給各地的商務 BD 們，他們就能迅速針對性地開展喚醒工作。
這樣一來，收集、分析、下發數據的操作全都簡易化、實時化了。
包括 APP 後台運營、商務 BD 在内的不同崗位員工，都能實時利用企業的數據資源，才真正做到了精細化運營。
而類似的場景在樂刻也在不斷上演。
在傳統健身館不斷爆雷、行業一片魚龍混雜的市場裏，樂刻可以説是國内最獨特的存在。
他們身上的互聯網基因、數字化水平，是他們能活下去的重要原因。
但在樂刻不斷發展的過程中，也遇到了企業大廠化的普遍毛病：試錯成本太高。
于是他們引入了火山引擎的 A/B 測試產品：DataTester 。
樂刻在加入内容個性化推薦業務時，内部拿不準多少比例的商品關聯内容能夠達到最高轉化率。
因為廣告跳出率關系着轉化率，但廣告出現太多，又會讓大家受不了棄坑，直接把用户數給幹崩了。
所以，在這些比例裏找到一個合适的數字非常關鍵。
最後還是靠 DataTester 确定了 30% 的策略，成功在保持住用户數的情況下，将轉化率提升了一截。
邏輯思維團隊創辦的得到 App 更是數據飛輪的忠實擁趸。
他們不僅和收錢吧、樂刻類似，構建出面向業務應用層的數據飛輪，幫助銷售人員觸達目标人群，提升了營銷效率，還在數據資產層也實現了數據飛輪各環節的全鏈路覆蓋。
他們通過引入火山引擎的大數據研發治理套件 DataLeap ，并邀請火山引擎專家團隊入場進行具體問題調整。
最終成功補足了得到的數據基建能力。
在數據研發方面， DataLeap 提供數據集成、數據開發、智慧運維等功能，替代了之前的一些開源架構。
在數據治理方面， DataLeap 包括了數據地圖、數據質量、 SLA 保障等一系列，在字節數據平台被驗證過的功能，大大解放了得到在治理系統自研上的資源投入。
另外，再搭上火山引擎湖倉一體分析服務 LAS ，幫助得到進一步優化了存儲成本。
一波操作下來，大大節省了得到在繁多的開源組件和系統自研上，投入的研發資源和人力，提升了至少 3 年的數據治理水平。
以前，不少人覺得數據消費是件很困難的事，費時費力費人。
" 我不會統計學怎麼搞數據 "" 我不會敲代碼怎麼弄數據門户 "" 不會 SQL ，怎麼做分析圖表 " 。。。
但在火山引擎數據飛輪背後，大量技術產品、應用（ 雖然名字看起來還是很費勁 ），做的就是 0 門檻玩數據的活。
比如這次火山引擎 V-Tech 數據驅動科技峰會上，他們發布的 " DataLeap- 找數助手 " ，可以直接進行拟人化查詢。
利用 " DataLeap- 開發助手 " ，只用文字描述或者數據模型，就能生成 SQL 代碼，或者修復 bug ，進行優化解釋等等。
利用 " DataWind- 分析助手 " ，只通過自然語言，就能實現表達式的生成。
所以無論你是開發、運營、產品、設計、銷售……
只要你想，甚至是保安大哥，在權限與安全允許的情況下，在自己職責範圍内也可以成為企業數據（如到訪人數、巡查次數等）的使用者，真正讓每個員工都能盡享數據飛輪帶來的數據普惠。
如今，身處在大數據時代，無論是企業的發展，還是大家的衣食住行，無一不是和數據緊密相連。
如果不能高效地利用數據，不僅是企業的損失，無疑也會極大增加大家日常工作、生活中的繁瑣，造成無謂的精神消耗。
但過去的企業，既沒有注意到或者足夠重視讓數據消費起來的重要性，也缺乏合适的產品進行系統化的數據處理。
直到數據飛輪的出現，既能喚醒對數據消費的需求，也能極大地降低大家的上手難度。
或許将來某天，當大家在生活中都能利用數智化產品玩數據飛輪的時候，一個真正的數據驅動的社會，或許又能向前跨了一大步。
