股票配资最低多少钱

近期，清华管理评论发表了一篇名为《AI时代如何构建数据飞轮》的文章，引起了我们的重点关注。文章指出，随着AI时代来临，以缓慢的知识循环为基础的数据飞轮，已经无法满足企业需求。只有在AI大模型和其他数字化工具辅助下构建高效的数据飞轮，才能提升数据要素在企业发展中的作用。那么，数据飞轮转动的快与慢，对企业有何影响？AI时代企业应该如何构建高效的数据飞轮？未来数据飞轮有哪些重要的发展趋势？带着这些问题，我们采访了清华大学经济管理学院教授、清华经管商业模式创新研究中心主任朱武祥。

    

朱武祥，数量经济博士，公司金融与商业模式学者，清华大学经济管理学院金融系教授、博士生导师，清华大学经济管理学院商业模式创新研究中心主任，魏朱商业模式理论联合创建人。

朱武祥教授认为，数据飞轮类似于物理学中的加速器，数据投喂得越多、越精准、越及时，飞轮转动得越快，学习能力就会越强，就能够为企业的业务带来更大的价值。

他强调，随着AI时代的到来，转动的数据飞轮已经成为企业的核心竞争力，这需要企业构建一套全新的数据治理与数据消费的方式，让数据飞轮快速转动，驱动商业模式、组织模式的变革，以此来充分发挥数据资产的价值，赋能企业数智化转型。

数据飞轮转动的快与慢，企业核心竞争力的重要体现

在数字化转型过程中，为了更加有效地管理数据，很多企业都构建了数据中台。然而，随着技术不断进步，很多企业发现，数据中台过于重视数据的存储和整合，忽视了数据的消费与应用，并不能完全满足业务发展需求。于是，围绕数据消费形成从数据资产到业务应用双向正循环的数据飞轮，成为近几年在数智化领域的热点。

朱武祥教授指出，由于不同企业的数字化程度不同，飞轮转动的快慢有一定的差异。有些企业的数据飞轮一开始转动得比较慢，但随着数据投喂的越来越多、越来越精准、及时，飞轮转动得就会越来越快，就能够为企业创造更大的价值。因此，数据飞轮转动得快与慢，已经成为企业核心竞争力的重要体现。

傅盛表示，很多人问将TikTok原型卖给张一鸣后不后悔，“没有什么后悔的，因为我们没有这个基因，字节就是做得好”。他认为，“如果（我们）自己做，肯定不如今天TikTok做得好。每个人、每个团队都有自己的能力圈”。

从周表现看，“七巨头”本周全线下跌，总市值自7月10日以来的缩水幅度达到约2万亿美元。实际上，在本轮抛售之前，有关AI“泡沫论”的分析已在市场中升温，不少投行抛出看空言论，质疑AI领域大规模的投入未来能否带来相应回报。

目前，仍然有很多企业的数据飞轮没有高速转动起来，究其原因，一方面是企业的数据收集和治理体系不够完善，另一方面是企业尚未利用AI技术建立有效的数据辅助决策体系。

朱教授教授以网商银行为中小微企业贷款为例，介绍了传统银行数据飞轮没有高速转动起来的根本原因。他表示，在信用评估手段方面，网商银行与传统银行有很多不同之处，传统银行比较依赖于资产抵质押，客户用什么品牌的化妆品、喝什么品牌的饮料，开什么品牌的汽车等等这些信息，在传统银行看来与信用评估无关，传统银行也难以获得这些信息。但网商银行比较看重这些信息。网商银行通过获取更多数据维度，加上充分利用AI等新技术，对客户的信用风险评估、预警能力变得更强。

朱武祥教授表示，人工智能具备自我学习的能力，更大的数据量、更深入业务细节的数据映射更能强化AI决策的精准度与适应性，提升业务决策质量。在AI辅助下，业务决策、执行效率提升的同时也会沉淀更丰富、更匹配AI需求的业务数据。

五个关键步骤，构建高效的数据飞轮

数据飞轮的运作依赖数据收集、存储、分析和决策反馈的循环过程。随着IT技术的不断发展，企业构建高效数据飞轮的方式也在发生着巨大的转变。朱武祥教授认为，在AI大模型和其他数字化工具辅助下，企业可以通过五个关键步骤来构建高效的数据飞轮。

一是充分利用AI技术高效获取数据原料，降低数据获取的时间和成本。

二是利用云存储、分布式存储等技术存储海量的知识信息，让企业可以以较低的成本存储海量的数据，进一步降低企业存储数据“原料”的门槛。

三是让数据原料进入飞轮，这一步至关重要。许多企业在数字化系统上事倍功半，问题大多出在这一步，即数据原料无法进入企业实际经营的业务飞轮。

朱武祥教授表示，定位相关数据和知识，是数据要素辅助决策最关键的一步。对真实世界的知识，通过利用AI对知识创作的过程信息进行处理，可以识别出哪些员工与这一知识创造相关，从而建立通向知识生产者的线索。对于数字世界的知识，利用AI大模型来取代低效率的关键词检索定位，不仅提高了沟通交互的方式，而且还能够进一步处理和挖掘原始数据信息，提炼成便于检索、阅读的知识点。

四是利用AI辅助提升决策效率，加速飞轮转动，实现了真正意义上的数字化、智能化，解决了企业经验化决策的痼疾，让数据“原料”真正助力于实实在在的效率提升。

五是数据飞轮适应动态环境，即飞轮自我进化。在AI驱动下，系统可以根据员工对知识的访问频次、停留时间等指标，判断哪些知识之间更有可能存在关联，从而自动构建知识间的连接，作为知识定位的线索。随着调用次数不断增加，大模型中的知识关联会越来越完善准确，并随着问题的变化动态更新。

“我们强调要将数据用起来，而不只是停留在数据资产建设阶段。”朱武祥教授表示，随着AI能力不断增强，将AI技术融入到数据的收集、存储、处理等各个阶段，不断加快数据飞轮的转动速度，才能有效地提高企业的经营效率，优化商业模式，提高企业的核心竞争力。

从企业内部到产业链整合，数据飞轮未来的发展趋势

未来的数据飞轮，将更加注重模型构建和业务流程的变革。企业需要将数据转化为决策信息，实现精准的客户画像和定价策略。同时，数据飞轮的应用将不仅限于企业内部，还将扩展到产业链的整合和优化。

谈到数据飞轮未来的发展趋势，朱武祥教授表示，数据飞轮不仅会为企业带来全新的组织模式和商业模式，而且还将为不同行业的变革产生积极的影响。在产业链层面，通过打通数据孤岛，能够实现对产业上下游合作伙伴和消费者的精准把控，更好的为消费者和合作伙伴提供优质服务。

“随着生成式AI技术的高速发展，各种大模型应用层出不穷。未来，企业要充分利用AI大模型建设高速转动的数据飞轮，才能更加精准、精细的了解消费者的需求和消费习惯，让数据更好地服务于业务场景，大幅提升企业面对外部变化环境的探索能力。”采访最后，朱武祥教授如是说。

总结

从数据中台到数据飞轮的转变，标志着数据价值正在被快速释放，也代表企业数字化转型进入了全新的阶段。不难发现，在AI技术的加持下，高速转动的数据飞轮正在为企业提供更为强大的数据支持和决策能力，加速千行百业商业模式的变革。

正如朱武祥教授在采访中强调的那样，面对AI时代的到来，企业应积极拥抱这一变革，构建和优化自身的数据飞轮，让飞轮高速转动起来，为企业的创新发展持续赋能。