阿里巴巴的野心:大数据搬家记 

　　自曝其短、奋起补课的事儿还是静悄悄地进行。

　　当摄像师不断变换机位寻找最佳视角拍摄时，潘宝坤有点愤怒了。你们出去!别拍了!等我们做好再回来!他吼道。

　　这一幕发生在1月13日晚，在阿里巴巴杭州西溪园区，一个被称为DNA项目的秘密计划正进入最关键的时刻。为了记录关键的场景，阿里专门安排了摄像师跟拍了整个项目的关键环节。偏偏在这个时候，技术后台的代码出了点状况，人人都急出一身冷汗。潘宝坤是当晚技术团队的一员。

　　DNA项目的核心是阿里C2C和B2C两大电商交易平台淘宝、天猫对商品SKU(商品统一编号)的底层技术架构更新。它在天猫对商品类目信息重新梳理的达尔文计划的基础上延展而来。如果说达尔文计划是一颗苹果，DNA项目则是一棵苹果树，是阿里电商生态系统的生命之树。阿里集团IPO代号不是叫阿凡达(Avatar)吗?如果不做达尔文计划和DNA项目，它是不可能成为智慧星球的，马云的外号外星人也将名不符实。

　　大数据(Big Data)革命在美国有几种典型表现：亚马逊有个性化搜索A9，A即算法(Algorithms)的缩写。Netflix有76897种电影分类，内部叫量子论、微标签。Facebook有新闻收集系统。潘多拉电台有音乐基因工程。算法是一种神奇的掌握人类消费行为和内心活动的系统，如何将人工分类与机器智能推荐相结合，一直是互联网顶级之战。

　　简单理解，每个超市都有很多货架，商品分门别类摆放，如果标签混乱、指向不清，会影响销售效率和购物体验。而作为中国最大的网上商店，淘宝从 2004年5月诞生起，平台上的每一款商品都有一个特定数字代码，2008年在淘宝内部培育的天猫延续了这种技术架构，十年积累，阿里电商体系里的商品已经超过了20亿。与此同时，商品信息的混乱、冗余、不规范越来越明显。

　　一个典型的例子：在苹果公司尚未推出iPhone 5c之前，淘宝上居然有人卖绿色版iPhone，这让人哭笑不得，伤害了淘宝系多年建立起来的信任度。阿里巴巴共享事业群副总裁王曦若对记者说。

　　与美国的eBay、亚马逊相比，淘宝的商品类目基础架构和分类管理不是一开始就标准化的，部分SKU的属性值(如规格、型号、颜色、尺码等)可以由卖家自定义编辑，难免会乱七八糟、混淆用户、甚至发生SKU作弊行为(比如将常规商品和配件辅料、瑕疵品等放在一个宝贝链接里出售)。

　　对于淘宝、天猫来说，商品信息数据系统就像基因之于细胞那么重要，它决定着所有线上交易的进化程度：如果类目规范整齐，交易就简单快捷高效，进而推动自我革新;如果系统杂乱无章，玩不了算法和个性化，影响用户体验，甚至给阿里自身拖后腿。今年3月，马云内部邮件称：云和端(Cloud +App)将是未来移动互联网的关键，阿里十年的目标是建立DT(Data Technology)，数据时代中国商业发展的基础设施。

　　王曦若将阿里从达尔文计划到DNA项目的最后一步操作称为在飞行着的飞机上换引擎，来形容重整商品类目的风险之高和压力之大。她是DNA项目的总负责人，带领一个近百人的团队。

　　整个项目的关键是底层后台的数据迁移，他们需要将阿里商品信息开发团队做好的全新模型，链接到无时无刻不在使用的淘宝、天猫平台上。而所有这一切，得稳定平滑过渡，不能惊扰卖家和用户。

　　商品信息进化

　　瘦死的骆驼比马大。阿里后台病了，商品类目信息出现了病菌，但它仍然是中国最大的电商平台，以沃尔玛+亚马逊的模式，以电商、金融和数据平台在中国经济扮演着重要的角色。

　　阿里用来整理和存储商品信息的系统是一个树状结构，在内部叫类目。作为第三方交易平台，阿里把商品分成70多个大类，在每一个大类下分出很多子类目，子类目下又有一层层的分类。就像一颗枝繁叶茂的大树，在树干分出很多枝桠后，叶子已经难以计数。

　　没人否认这套系统的重要性，但即便在阿里内部，对它有了解的人也不多，因为它在技术底层，不直接影响前端交易，不像阿里每年双11的创纪录销售额那样吸引普通人的目光。

　　每年双11交易额都刷新纪录的天猫，是阿里集团最先推行达尔文进化论的部门。2012年5月，天猫更名刚刚4个多月，就被发现有了病症。技术人员通过后台看到，越来越多的买家留言说很难在天猫上找到自己最初想要的商品，无论通过类目(比如服饰、电器、化妆品)还是搜索这是天猫商品的两大流量入口。要么指向不精准，要么信息过于庞杂，你需要手动翻阅好几页信息页面。

　　对于刚刚打响名号的天猫来说，这并不是件可以忽略不计的小事。马云对天猫的期许是，专注做B2C业务的天猫就像挺进大别山的刘邓大军，是整个阿里集团在B2C领域的正面作战部队。B2C是比C2C更高级的一种零售业态。原淘宝商城总经理、独立电商分析师黄若告诉记者，B2C平台应该是一个 Shopping Mall，商品丰富而正规，信息透明而规范。

　　电商发展早期，商品与信息组合的重要性被忽视。亿欧网联合创始人、电商分析师黄渊普对记者说，随着商品数量增加，其组合方式是电商精细化运营最重要的体现之一。同样的商品有多种信息描述，既浪费各方资源，很多时候也助长了商品的不实宣传。电商平台方有必要把类目规范化，这是电商购物回归产品本身，促进公平竞争的必然措施。

　　王曦若着手让团队一点点去核查，试图厘清到底是哪个环节出了问题，最终商品信息的不确定性被定性为核心问题。他们发现，即便是在天猫上，同一款商品的信息也未必相同，比如一款绿色的保温杯，有的卖家描述为淡绿色塑料保温杯，有的则是浅绿色塑胶保温杯。

　　某种程度上，天猫已经不像个Shopping Mall了。王曦若说。天猫的商品信息延续了淘宝的风格，由卖家填写，天猫只负责简单审核(商品基本属性准确以及符合法律法规)，这就造成了商品描述五花八门，在后台的仓库不便管理，前端柜台信息混乱，买家找不到想要的商品，卖家销售库存管理日益繁杂。

　　王曦若把问题报告给时任天猫总裁张勇。张勇在高层会上说，一定要把问题尽快解决掉。他们花了几个月调研讨论，张勇拍板决定启动信息重整项目，但当时还没起名字。要不就叫达尔文计划，代表着我们商品信息的一种进化?王曦若的提议得到赞同。

　　阿里共享事业部派出了两个团队负责达尔文计划的运作。天猫产品部的何家琼被抽离出来，组织了一个10人团队，叫达尔文基础运营团队。2012年8月，他们从手机和化妆品两种相对简单的商品开始，正式启动达尔文计划。

　　从天猫开始

　　习惯一旦养成很难改变，更何况你动的是利益。阿里先在天猫而不是在淘宝做商品类目重整，就考虑到它平台上大多是知名品牌入驻，调整和规范的成本相对低，不至于扰乱淘宝的卖家信息海洋。

　　2012年8月，在天猫的后台系统，手机和化妆品卖家都看到了一则关于达尔文计划的公告，详情及需要卖家怎样配合。如同总裁张勇谨慎的行事风格，天猫该项目运作也小心翼翼。运营团队先进行调研，一是对淘宝天猫卖家和买家数据收集，内部也与阿里负责类目的管理者(俗称小二)沟通，二是向国外同行亚马逊和eBay学习，三是对淘宝十年来经验总结。

　　闻思图书专营店店主温兴歌曾经为这样的问题纠结：某一本书的内容既涉及商业故事，也属于旅行见闻，到底放在商业子类目下好卖，还是放在旅游子类目下更好卖?达尔文团队围绕一个基础的问题开展：某个商品的类目理想中应该是什么样子的。他们讨论这些差别，一步步涉及到最基础最琐碎的问题：为什么商家会放错类目?商家什么情况下会设置错的关键字?每个商品的颜色、尺码、款式都用一串独立的数字来表示，为什么还信息混乱?

　　天猫的运营团队给平台上手机和化妆品类目的前10名卖家打电话，介绍正在进行中的达尔文计划，征得对方同意后，抛出一系列问题：商品的材质是什么?一共有几个型号?多少种颜色?一般每个月生产多少销售多少?放在天猫仓库又有多少?这些看似不太相关的问题，命中的才是商品最核心的信息。何家琼说，商品信息最终是为交易服务。

　　第一轮商家调研完成后，天猫团队坐在一起总结，得出一个令他们震撼的结论：天猫的类目结构已经远远不能满足行业的发展状况了，很多商品早就更新换代，或者丰富了款式型号，类目却还是2008年最初建成的样子。

　　他们一鼓作气开了卖家沟通会。2013年初，温兴歌从浙江金华赶到杭州，在位于西湖国际大厦的天猫办公室参加了图书类目的卖家沟通会。会场有20多个图书经销同行，一个天猫图书小二，一个达尔文基础运营团队成员，一个记录员。讨论的话题是以后我们怎么填写图书信息。温兴歌说。以前都是卖家自由填写，天猫简单审核即可。现在天猫提出他们会为每一类商品设置多种属性，让卖家进行选择而不是自由填写，比如给名人传记设置框架，中国的还是外国的，男人还是女人，政治的还是商业等，卖家在选项里勾一下就行。

　　因为这涉及到未来自家店铺的生意，卖家们都畅所欲言，提出种种可能的困难或建议方案。他们也反驳天猫的某些做法。套装书就曾陷入讨论僵局。天猫认为有统一条形码、版权页上印着丛书名的系列书才算套装书，卖家们则坚持可以自由搭配，把两三本好看的书组合在一起就行，无需考虑是否同一出版社、条形码或系列丛书。温兴歌把不同出版社出的《育儿圣经》和《睡前胎教故事》组成套装卖后，两本书销量都比以往增加近30%。

　　沟通会效果明显。天猫图书的子类目调整成既有天猫定义的套装书，也有卖家自由搭配的自由组套。毕竟天猫是个交易平台，达尔文计划在规范商品信息的同时是为了提升交易效率和品质。这种既要规范有序、又不影响交易销量的做法，在其他类目后来的操作中也不时出现。

　　王强在天猫经营一家海尔授权网络店，是最早参加达尔文计划试点的商家之一。比起以前上架新商品需要自己费尽心思去填写商品描述信息，现在从天猫的库中直接调用，我只要填价格、库存数量等信息就可以了，对天猫店的维护更简易了。

　　但由于品牌卖家的定位营销策略不同，他们对达尔文计划反应也不一致。何家琼就遇到一个问题，耐克和阿迪达斯对天猫商品描述的要求有不同意见：在耐克的商品描述中，一个商品下面既有尺码选项也有颜色选项，而阿迪达斯的只有尺码选项，如果要标识颜色，代表商品属性的是另外一串数字。

　　这背后有销量的博弈。何家琼说，在淘宝天猫的搜索因素中，销量占很大权重，核心表现就是按照商品的销量自动排序。以慢跑鞋为例，耐克慢跑鞋的销量是其各种颜色之和，阿迪达斯慢跑鞋则是按红色、蓝色、紫色等不同销量各自呈现。在阿里平台有个现象：用户搜索慢跑鞋时，耐克因其销量高出现在较为靠前的页面，阿迪达斯则会靠后。

　　两个品牌都是天猫的重要卖家，何家琼不敢掉以轻心，亲自给对方负责人及前5名的专营店卖家打电话沟通。耐克希望达尔文计划继续保持原来的商品描述方式，阿迪达斯则分成两派，官方旗舰店希望商品描述和阿迪达斯官网保持一致，不同颜色的商品有不同的属性值;专营店卖家考虑销量，希望取消颜色属性值，让买家在统一款号的商品下自行选择颜色。

　　目前，达尔文团队还没想到合适的方案来解决这个问题。何家琼的设想是，对于服装服饰等非标准化商品(非标品)，也许可以放开一些弹性空间，天猫负责较大比例的类目管理，卖家根据自身情况进行个性化类目描述。耐克和阿迪达斯两家天猫旗舰店负责人拒绝就此发表意见。

　　改变搜索逻辑

　　2013年，天猫陆续完成了对数码、家电、手表等标品，服装、化妆品、农产品等非标品的类目重新调整。

　　普通用户感受到的是在天猫购物更快速准确了。王曦若说，如果用户的搜索信息足够明确，我们甚至能提供唯一符合要求的商品。比如输入iPhone 5s，搜索页面中心只会出现一款手机，不再有手机壳、配件等无关信息，为用户们节省大量时间。

　　如此精准的推送来自天猫搜索系统的一套数据算法。当用户输入iPhone 5s时，搜索后台会找到天猫卖家所有的iPhone 5s手机，根据销量、人气、价格、顾客评价等算出综合得分最好的一个，系统再次评估后推送给用户。这是一套相对公平的算法，面向所有卖家和用户。

　　在类目之外，搜索是天猫最大的流量入口。过去5年，天猫搜索依赖的是模糊词汇，你输入一个关键词，后台系统会帮忙匹配很多商品，只要这些商品的标签中含有这个关键词。天猫产品运营部产品总监胡秋根对记者说。他是天猫搜索业务的负责人，在达尔文计划运作过程中，搜索也配合商品信息的改变有了突破。

　　模糊词汇匹配的好处不言而喻：尽可能一网打尽把相关的商品展示给用户。余杭区的马小姐想找一件真丝无袖连衣裙，理论上她只要输入这7个字，不管翻多少页，她都能从中找到自己想找的那一件。胡秋根说。

　　这其实是历史遗留问题，跟天猫前期商品信息的模糊混乱息息相关。达尔文计划使天猫补上了商品类目规范和升级的课，阿里愈加在大数据应用上领先京东、当当、苏宁等竞争对手(这三家拒绝接受采访)。如今在天猫，你搜索一件商品，其展示结果从原来的成百上千件，变为聚合成确定的一件或几件。

　　搜索逻辑的变化对卖家影响很大，让很多卖家改变了运营逻辑。以前很多卖家为了销量，会为商品添加很多标签，现在天猫更青睐推送信息精准的优质商品，卖家们尽力运营好某一款或几款主打商品。爆款在天猫将成为过去时。天猫搜索不再推送多种同款商品给用户，达不到卖家们跟风的效果。胡秋根说，这也更加符合天猫的定位，这个平台的核心竞争力是品牌，而不是只以销量取胜。

　　釜底抽薪

　　当达尔文计划逐渐开花结果时，一项更有价值、同时也更有难度的项目也同时交错在开展。它触及的是整个阿里电商平台的底层数据，是阿里发展大数据业务和未来DT目标的根基。

　　2013年2月，这个项目由阿里共享事业群的商品技术开发平台团队提出。该平台负责人赵营苗告诉记者，从持续使用十年的经验来看，淘宝平台的树形结构对于卖家和买家都简单易用，但是随着环境变化，越来越多的新商品出现，有的难以归类，这棵生命之树不再强壮如初，也就是说，现有的结构类目已经跟不上行业的发展了，跟时代比起来落伍啦。

　　阿里运营部门的梳理结果更夸张。除了国家法律政策规定不能交易的，枪支弹药毒品不能卖，在淘宝上，你注册个卖家账号，什么都可以卖。DNA项目运营负责人朱春勇说。赵营苗承认，这就是我们的商品数据库模型出了问题，改变迫在眉睫。

　　在阿里大数据委员会会长车品觉看来，这不是阿里一家公司的问题，整个电商行业其实都存在商品信息管理的难题，在传统零售行业，这也是至关重要的一环。大数据应用中最重要的三个因素是数据的可实时性、数据的可解释性和数据质量的准确稳定性。DNA项目涉及的是商品信息的准确稳定性，对于阿里大数据应用来说是基础而且重要的步骤。

　　2003年5月，淘宝创立10周年，每个部门都对业务做了大梳理。历经两三个月，商品开发团队拿出了可行的整体项目方案。他们决定先从手机、3C产品、数码配件、酒类、保健品5个类目开始，相对其他要迁移的69类商品来说，这些类目商品数据相对标准和规范。

　　但意义如此重大，项目开展时间却迟迟未定。在阿里内部，价值观和企业文化影响每个员工，让天下没有难做的生意是统一口号，但是每个业务线都有自己的业绩任务，短期内并不一定合拍。从一开始，DNA项目被各个部门接受的程度也不一样。

　　时任天猫总裁的张勇看完方案提了两点意见：天猫将支持项目的进展，但此项目不能开展于2013年11月11日之前。后一条用意很明显，双11是天猫最重要的消费节点，这一天的交易额代表着阿里交易业务甚至中国电商市场的繁荣程度。万一DNA项目出现任何差错，都会让这一天的阿里颜面扫地。

　　时任淘宝负责人张宇也表态支持项目开展，她认为此事对于淘宝系的交易平台至关重要，但有冲突的是，她希望保持淘宝的强势，比如能够整理清晰的类目一定要做到规范标准，但对于暂时理不清的类目，她希望从淘宝剥离出去的天猫能够遵循淘宝的规则。

　　阿里的搜索、广告、聚划算等业务部门的意见也各自不同。特别是广告部门，年底要冲业绩，极力希望大搬家推迟。最终，王曦若和赵营苗的团队用了两三个月时间，说服集团高层拍板决定2014年初启动DNA项目。

　　朱春勇带领的运营团队是2013年5月加入DNA项目组的。彼时移动互联网船票战争夺已经火热，腾讯的微信如日中天。淘宝系的后台体系是以PC端为基础构建的，整体结构谨慎安全，但在以轻和快为标准节奏的移动互联时代，它显得繁琐和沉重。朱春勇说，我们希望未来淘宝的商品信息架构是轻便和灵活的。现在人人都可以是电商卖家，比如我家院子有棵石榴树，可能就是一瞬间的想法，我用手机拍下来，发到淘宝上去卖。

　　DNA项目团队有30多人，分为两批：一批是对商品或者卖家比较熟悉的人，及时和卖家沟通，把商品相关行业的现状和趋势摸透，为技术后台重构数据库做准备;另一批是对淘宝系产品比较熟悉的人，他们有良好的技术背景，做过产品经理，能从产品和用户体验方面对新的商品数据库提供意见。

　　淘宝的类目数据梳理也交给了朱春勇的团队。在看似完备的类目体系上，他们发现了诸多琐碎问题，比如材质为牛皮的商品，有女装，有男装，有包，有鞋等，这些类目之下的牛皮属性值都不一样，商品数据就因此多出几串不必要的数字，把整个商品数据库撑得庞大冗余。把这些混乱的数据整理出来，在技术层面是很难实现的。我们都会人工去做，人肉输入和整理。仅仅这项工作，就花费了整个团队半年多的时间。

　　接下来，他们跟行业专家交流，还跟商标网、国家物品编码中心等专业机构交流，要把淘宝系商品信息做得既有数据化属性，又符合国家和行业规范。卖家的意见也非常重要。每一类的商品信息数据化之前，运营团队都会联系这类商品卖家集中的区域，做一两次集中访谈。

　　2013年12月25日，圣诞节，阿里西溪园区布满圣诞树和彩灯，很多员工放假回家过节，但阿里DNA团队却没有这项福利，DNA项目最后也是最重要的环节更换技术后台将于2014年1月13日晚正式启动，他们必须加班加点。

　　阿里的野心

　　孔柏汉的神经一直处于紧张状态。从2013年12月25日开始，他所在的小组开始负责淘宝商品数据订正，也就是把整个类目的商品属性值进行重新更改和修订。在操作期间，卖家不能在后台发布或更改商品信息，但买家可以正常交易。然而一旦订正失误，整个类目系统都会瘫痪。

　　整个淘宝系共有20亿商品，每个商品都有自己的独立代码，一旦出现两种商品代码一致，可能整个类目都会冻结瘫痪。赵营苗说，如果发生这种情况，就会影响到前端用户的交易，这会是很严重的事故，必须做好各种预案，没人敢掉以轻心。这不仅仅与阿里整个平台有关，更关系到数百万的淘宝系卖家、超过5亿的注册用户，一定不能出问题，一定要把这个飞机引擎换好。

　　1月13日之前，齐国梁所在的5人小组负责技术底层风险点的梳理。阿里集团涉及交易的20多个业务部门梳理出来300多个风险点，齐国梁小组的任务就是拿出规避这些风险的预案。到了1月13日，我们的风险点梳理工作完成，又立即投入数据迁移。

　　好在这场不为人知的硬战顺利完成。1月13日到1月30日，历经每晚从7点到次日早晨7点的奋战，手机、3C等5大类目的数据迁移全部完成，而且没有一次影响平台前端的购物交易。阿里的生命之树换上了部分新的血液。

　　2月12日下午，杭州下了2014年的第二场雪，阿里商品开发技术平台团队所在的5号楼九天阁会议室，王曦若拍着赵营苗的肩膀说：哥们，今晚开始又是一场硬战，让兄弟们加油啊!

　　12个日以继夜的紧张过后，商品开发技术平台团队终于松了口气。赵营苗站在DNA项目会议室，对满脸倦容的20多个员工说：兄弟们，回家睡觉吧，我们完工啦!

　　至此，淘宝20亿商品的信息数据迁移全部完成。从用户的角度来说，这个项目还暂时感受不到变化。我们第三个阶段就是修订子类目，项目完成后，用户在使用搜索和类目时就会有新体验，到时候淘宝商品将一改繁杂混乱的状态，以一种相对整齐、规范、清新的姿态出现在用户面前。赵营苗说。

　　阿里并不止于做达尔文计划和DNA项目，更有野心打造整个中国电商行业的标准商品体系，甚至有一天淘宝天猫的商品信息库不仅服务于自身，也可以服务到站外，服务到愿意拥抱互联网的传统企业。朱春勇说，比如有一个卖家，他在线下有自己的品牌、专卖店、工厂，同时他也代理别的品牌，他可以做淘宝集市 C2C，他也可以给天猫供货，他可能还走京东、当当的渠道其实整个互联网目前没有一个统一的商品标准。我们做DNA的愿景，就是建立一个全网甚至线下都能用的统一的商品信息体系。

　　达尔文在其进化论的代表作《物种起源》里写道：芽由于生长而生出新芽，这些新芽如果健壮，就会分出枝条遮盖四周许多较弱枝条，所以我相信，这巨大的‘生命之树’在其传代中也是这样，这株大树用它的枯落的枝条填充了地壳，并用它的生生不息的美丽的枝条遮盖了地面。