数据飞轮到底和传统数据中台有哪些区别？在大模型日益受到重视的飞轮今天，飞轮又给我们带来了哪些思考？
飞轮让数据价值快速释放
据介绍，重塑指向重塑此次数据飞轮升级，数据数据火山引擎VeDI的价值价值大数据研发治理套件DataLeap、智能数据洞察DataWind已配置了AI助手，探索探索覆盖数据生产与消费的大模大模全链路场景，包括数据资产查询、型重型重开发运维和分析洞察。
数据资产的查询和开发，是数据消费的基础。在以往，数据资产的检索和开发非常依赖专业人员，大模型则极大地降低了门槛。打破技术阻碍，可让数据开发简单高效，取数便捷。
在数据分析环节，利用DataWind-分析助手，企业员工与大模型对话，就可完成数据可视化查询与分析等一系列业务探索，解决过去分析洞察上需要大量专业知识的痛点，缩短数据分析周期。
这些将直接体现在业务层面，让数据价值快速释放。如DataWind提供了AI自动分析，方便进一步探索图表背后的原因，比如在“直播间销售额Top类目”等可视化图表中，运营人员基于AI分析结果，通过对话形式进一步归因，实现业务洞察。
火山引擎总裁谭待指出：“VeDI的两款产品，不但降低了非专业人员数据消费的门槛，还解放了专业人员，让其可以聚焦复杂场景的需求，提高研发生产效率与代码质量。”
正如得到APP联合创始人兼CEO脱不花说得那样，如果“数据消费”很难、很复杂，一定就会有超过一半的人以各种理由不去看了，而火山引擎把各种数据看板推到大家面前，引起讨论、形成行动共识，数据飞轮要转起来，最开始踹上的那一脚“加速度”非常重要。
不一样的飞轮让数据业务良性驱动
数据中台以及可视化数据面板也有其他企业在做，但值得注意的是，很多企业的业务和数据之间，没有形成双向良性驱动，仍旧是割裂的。飞轮不一样，它和传统数据中台有着本质的区别。
字节跳动数据平台负责人罗旋对此表示，传统数据中台第一步就是把数据建设好，让数据以一个相对整齐、统一的方式呈现出来；而数据飞轮很大程度上是先聊业务，业务上有什么诉求，我们再看数据可以在解决该诉求里面起到哪些重要作用，进而给出解决方案。
“比如客户需要小程序页面优化或者文案优化，他的业务痛点非常明确，即通过文案的优化提高营销转化率，这个在字节跳动有非常多的积累，我们提供的方案就是做AB测试。”罗旋称，如果是另一种问题，比如说数据清洗、数据质量的问题，我们还有另外的积累。
谭待认为，很多企业投入大量的资源做数据中台，建完之后有数据，但是没有利用起来，本质上就是没有想清楚最终应该围绕什么来做这件事情，所以我们提出了数据消费、数据飞轮这样的逻辑。
有业内人士表示，数据飞轮本质上是一个从业务价值切入，去建数据方法论或者模型的东西，本身不强制一定要跟大模型结合，但大模型可以很好加速飞轮这样的应用发展，因为AI带来逻辑推理的变化，可以有效降低数据消费门槛，业务也更容易数据驱动，由此可见，大模型一个重要的方向就是飞轮。
飞轮落地解决企业这些痛点
实际上，数据飞轮已经在多个领域展开应用，受到越来越多的企业欢迎。
例如，作为奇瑞控股旗下的汽车品牌捷途，其汽车数字化负责人刘航透露，运营人员在火山引擎数智平台上APP运营数据分析场景从过去的7天缩短到目前的秒级响应，并拓展了不少精准分层运营场景，仅仅在保养包售卖场景中，短信实现90%以上的打开率。
谭待对此提出“两个80%”，即80%的企业员工能够直接使用数据产品；统一建设的分析指标能覆盖80%的业务场景。在这个基础上，企业通过数据消费端到端应用起来，就能解决过去数据建设过程中数据团队和业务团队互相不理解，导致最后效果不好的问题。
应用和效果已经很清晰，在落地环节，谭待表示，最大的难点是在意愿上。不过，一旦当企业的核心决策人意识到数据产品或者数据价值本身，对于业务有比较大的帮助，他其实非常有意愿，因为他最终的目标是把业务做好，也是其最大的诉求。
正如上所述，在决策层面“踹一脚”，或许才能实现数据资产和业务应用提升的飞轮效应，激发企业活力。而构建以数据消费为中心的数据飞轮，将是企业数字化建设的必然趋势。(完)
(责任编辑：探索)