【专访】每日互动 CEO 方毅：欲练智数必先治数

【专访】每日互动 CEO 方毅：欲练智数必先治数武大回应赏樱冲突 春节前后，处于抗疫第一线的不仅有医生、护士等医务工作者，还有一批运用大数据进行抗疫的 “幕后英雄”。这其中就包括方毅带领的 “个医”。他们自疫情爆发起，快速组建了 300 多人的 “

春节前后，处于抗疫第一线的不仅有医生、护士等医务工作者，还有一批运用大数据进行抗疫的 “幕后英雄”。这其中就包括方毅带领的 “个医”。他们自疫情爆发起，快速组建了 300 多人的 “大数据抗疫战队”，48 小时内上线 “新冠防疫数据智能平台”，将大数据分析、人工智能等技术应用于疫情态势分析、趋势预测等方面，为浙江、湖北、北京等 31 个省市、205 个地市、368 个区县提供数据上的支撑和辅助。

“大数据需要经过实战而不只是停留在理论层面。” 每日互动（个推）创始人方毅对于这次大数据抗疫评价说，“经过这一次抗疫，我们也意识到了数据智能的无限可能性，政府也将数据智能列入 ‘新基建’ 行列。” 同时作为数据智能的早期入局者，方毅也希望大数据行业能够健康有序的发展。在 6 月每日互动主办的 “西溪论数·2020 数据智能高峰论坛” 上，方毅跟我们分享了对于政府及公共部门如何运用数据智能推动城市治理，以及企业如何运用大数据助力发展的看法。

“总书记在杭州视察的时候，提到很多新技术有不确定因素，提醒我们行业参与方要提前预防，大数据、云计算、人工智能等要在使用中同步进行监管。” 方毅认为，要实现大数据行业的有序与健康发展，关键是如何正确地实现数字化。在实战过程中，数字化不仅要做好数据采集自动化，更要实现存储结构化以及运用在线化。其中，采集自动化要能实现自主化电子填报、业务流程内自动化采集；存储结构化是对数据的统一规整；运用在线化需要服务于具体业务，实现实时化和在线化，不能只是简单的 “参观数据”。

那么，要如何正确地通过数字化来实现城市治理及产业赋能呢？方毅认为这其中涉及非常重要的三个方面。

一是梳理数字化的要素。方毅说，对城市治理来讲，最基础的是人与时空的关系。他介绍，每日互动刚跟省交投做了交通方面混改的示范项目，未来将用数字化方案解决高速公路运营中的一些问题，其中需要梳理的数字化要素便是车、路、货。

二是区分应用场景。数字化的结果最后将应用于哪些行业、哪些场景？比如企业风控，人才工作，应急管理，流动人口管理等都是大数据赋能产业和城市治理的具体场景。

最后的要素是落实管理单元。城市智慧化不是一步到位的，是从一个个小的单元开始的。方毅以新冠防疫为例，认为重要的是做到精密智控，“大数据+网格化” 的方式成为此次防疫战决胜的重要组成部分。

“人工智能和大数据一定要找准自己定位，他们是人类的帮手，不能想着替代人，而是要作为人类的助手，以人为本。” 方毅说道。

作为数据智能行业的 “老兵”，方毅在企业如何进行数字治理的问题上也有着自己的坚持。方毅认为，大数据最终回到一个非常重要的点，那就是隐私和数据安全，这是一个必须敬畏的过程。

因此，每日互动在成立之初就定下四条基本原则，将安全合规放在首要位置，任何业务的开展都不能违背：合法依规，匿名或非特定个体原则；用户知情且授权，可遗忘可撤回原则；必要性和最小化原则；利于用户，绝不助恶原则。

基于多年的实践经验与创新，每日互动也建立起了从数据积累、流转到应用的全链条管控与防护机制，并归纳为 “三个要求”，即严把数据采集入口、划清数据流转边界、守正数据运用场景。“现在非常重要的是守正数据应用场景，谨记法律法规的规定。” 方毅说，大数据有别于货物，有别于资金和电商，不是货物交换的交易。如何打通数据应用，兼顾安全隔离是大数据行业里需要探索的工作。

目前每日互动发布了新一代数据中台产品——“数盘”，将数据融合运用于各种场景服务于各个产业。在 “西溪论数” 现场，方毅以每日互动在造的总部大楼为例，形象生动地剖析了数盘的四层结构。“我们想盖一栋大楼，大数据是地基，然后是延伸出来的各行各业，之间通过连廊、楼梯相连接。”

据其介绍，“数盘” 不止于中台，而是坚持数据、技术与思维并重，以盘点规整、盘活资产、盘总管理和盘算运用的四层结构，从底层夯实数据基础，最终帮助客户实现建设分析组织、做好数据治理、保证数据质量、服务业务创新的目标。

“我们在做大数据过程当中理出这么五个字：挖、挑，捡、淘、萃。” 方毅说道，“大家想的大数据更多的是挖掘，但这只是第一步，如何精准的萃取出有用的信息才是关键。” 他讲到，在数据智能化的金字塔中，数据在最底层，然后是信息、知识和智慧。在大数据时代，数据、算力和算法，共同构成了人类智慧的未来。

大数据行业就像是淘沙取金，经过挑选、萃取的数据便会绽放光芒，与此同时，保护个人数据安全也是行业该恪守的准则。方毅接受采访时说，如今大数据行业虽如火如荼，但数据的利用率仍不足百分之十，数据智能仍有广阔的成长空间。