在了解网络协同之后，接下来要向大家介绍智能商业的第二个核心概念——数据智能。数据智能的本质就是机器取代人直接做决策，和传统的BI（商业智能）完全不同，这一点至关重要。如今，大多数企业都会有BI部门，用来分析数据，提供决策支持；核心的服务人群是高层管理人员。而数据智能强调的是运营决策直接由机器决定。比如每天上亿人到淘宝购物，每个人看到的商品都不一样，这么复杂的决策只能由机器来完成。在你的公司里，由人操作的环节能不能让机器直接代替，这是一个非常有效的评判标准，只要能替代，就是向智能商业的一次质的飞跃。

当然，想要让机器取代人进行决策，有几个非常重要的前提条件——云计算、大数据和算法。云计算和大数据相辅相成，如果没有云计算，我们就没有办法用极低的成本存储和计算海量的数据；而正因为有了处理大数据的需求，我们才会对云计算的要求越来越高。二者推动了整个数据行业不断高速发展。但想要让云计算和大数据真正创造价值，背后还需要“大脑”的支撑，也就是算法。

其实算法严格来说并不是机器，而是人，是算法工程师。它会将人的思考和人的角色进行模拟，抽象成一个模型，然后用数学方法给这个模型找到一个近似的解，之后再用代码把这个解变成机器可以执行的命令，这样就完成了一个机器大脑的构建。所以，算法其实就是将人对特定事情的理解转换成机器可以理解和执行的模型与代码。就今天人工智能的发展水平来说，它和人脑还是有很多不一样的地方。它的核心是靠海量数据的不断学习来优化决策，所以如果没有大数据的支撑，算法也就变成了无本之木，再也无法显露神通。

所以大数据和算法是机器学习的本质，这两者的结合才产生了快速迭代和快速优化。最好的例子就是2016年万众瞩目的AlphaGo大战世界顶级围棋棋手李世石。AlphaGo的计算能力特别强，学习效率也非常高，它可以把人类历史上所有的棋谱都快速学会，在此基础之上进行优化。这种突出的学习和计算能力，使它很快就打败了人类棋手。此后不久推出的AlphaGo Zero在原有版本的基础之上，又取得了更大的突破，在某些方向上也代表了未来。AlphaGo Zero甚至可以不用人的历史数据，不看历史棋谱，只靠左右手互搏，就能够达到一个更强的算法水平。因此，AlphaGo Zero很快就打败了AlphaGo，这一结果也从侧面证明了未来算法的突破还有很大的空间。

机器学习都基于反馈闭环，谷歌是最典型的例子。用户在搜索结果页上的每一次点击（或者一次点击都没有）的行为数据被实时记录，并反馈到算法引擎，不仅优化了用户的搜索结果，而且优化了任何搜索这个关键词的人得到的搜索结果。机器学习的反馈闭环必须是业务天然的一个有机部分，用户行为本身留下来的数据在帮助机器学习，这才是一个自然的智能商业循环。所以，在未来，任何一个企业都是服务企业。因为用户真正要的是服务，而不是产品。也就是说，在未来，每一个企业都必须有一个和目标客户在线互动的界面。除此之外，我们还能得出另一个推论：任何一个硬件制造商未来可能都会是这个服务组合中的一部分。制造不再会成为一个独立企业，而是成为他人服务闭环里的一个承载者，或者自己建立一个2C（对消费者）的沟通渠道。(www.daowen.com)

对于绝大多数企业来说，今后10年，最难的其实是创造一种产品和服务方式，把原来离线的用户在线化，产生一个持续的互动，这样才能实时记录用户的反馈，也才能优化算法、优化服务。谁先完成这个闭环，谁就占据了最大的优势。

“客户服务”就是这样一个典型应用。阿里巴巴过去非常头痛的一件事就是需要大量的客户服务人员，并且随着每年业务的增长还要增加一两千的客户服务岗位。所以我们从2015年的“双十一”开始，就在内部尝试能不能用人工智能的方法，让机器人承担客服工作。随着测试的成功，我们在2016年就请了9家主要商户一起来创造客服机器人，并且在2016年的“双十一”批量上线。到2017年，已经有3万个商户使用了我们的人工智能，也就是“阿里小蜜”。

我们还有一个更有意思的发现，就是当我们在担心人工智能越来越多地取代人的工作时，它却创造了一个新的工种，我们将它命名为“人工智能训练师”。阿里小蜜只有数据训练出来的“智商”，大概相当于一个五六岁的小孩。然后我们将比较优秀的客服人员培养出来，跟机器进行互动，帮助机器学习。作为训练人工智能的人，他们得到了整个客服领域最高的薪资。

所以，我们不需要担心人工智能超越人的能力。人的创造力和机器智能进行有机结合，这可能是未来另外一个非常重要的趋势。