数据1.0 自身业务产生什么数据，我们用什么数据做分析优化；
数据2.0 将现有数据与自己的历史或上下游数据交叉，由此优化数据；
数据3.0 就是购买外部数据或者将自己的数据分享出去，数据是互溶共通的，在交融中，产生新的产品体验。
这三层境界，都需要企业有不同的技术和架构去实现数据的提炼、加工和产品化、整合。这其实是一个不断用数据来描述和还原企业业务的过程。
最近，阿里数据团队成功地提升了快的打车的打车成功率。我们就叠加了数据的一次使用和二次使用.
我们将实时数据与历史数据整合。原来APP在发送打车需求的时候，是以打车人的地理位置为原点，每过几分钟扩散到附近300米，600米的出租车。这个消息的推送是以地理位置为推送逻辑的。
但是假如附近的司机其实并不想去目的地，接单的成功率就会降低。因此，我们把司机“优先目的地”这个数据加入推送系统中，就重新优化了数据，让更愿意接单的司机“可视度”更高了。也因此提高了整体的接单成功率。当然前面所说只是优化的其中一个点子。
在我看来，所有的数据产品都是与决策相关的。也因此，数据优化的应该溯源于人或者机器中分析决策的每个环节，不断更新你的锚点。
打破一个决策，首先要知道人们如何决策，以及有了新数据又如何改变决策。这两者间的区别是什么？会带来什么价值？大决策往往是由一连串的小决策组成的。
比如快的打车APP提高效率的关键点，在于如何让司机的数据与用户的数据关联，同时如何不断交叉比对历史数据，找到最高效的匹配。
这其中最关键的是如何衡量数据回流的效用，在动态中，找到新的锚点。
如今传统企业已经到了必将需要融入互联网之中的时刻，这个时候实时数据就是你的新数据资料。当中的能力最为关键的是对实时数据的还原、提炼，并为企业所用。
这就是一个“数据”持续优化决策的过程——看清楚“你自己”的动态过程。
via：阿里商业评论