專訪玻森數(shù)據(jù)：這款基于NLP技術(shù)的企業(yè)情報系統(tǒng)，商業(yè)化現(xiàn)狀是這樣的

本文作者：張利

2017-05-04 10:39

導(dǎo)語：玻森數(shù)據(jù)，NLP領(lǐng)域的一家靠技術(shù)起家的創(chuàng)業(yè)公司，是如何一步步找到NLP技術(shù)商業(yè)化應(yīng)用場景，獲得一個“比較健康的現(xiàn)金流”的呢？

雷鋒網(wǎng)按：深度學(xué)習(xí)的出現(xiàn)，使得NLP技術(shù)有著巨大的突破，但總體來說，NLP對于淺層次的特征提取、分類等問題已比較成熟，而深層次的語義理解是當(dāng)下的研究熱點。目前，NLP技術(shù)在文本處理方面的主要應(yīng)用有智能搜索引擎、機器翻譯、文獻摘要自動生成、文本分類等；在語音方面主要有智能客服、多媒體信息提取與文本轉(zhuǎn)化等。

同時，國內(nèi)NLP領(lǐng)域的創(chuàng)業(yè)公司不斷進行其商業(yè)化探索。2012年成立的NLP技術(shù)供應(yīng)商玻森數(shù)據(jù)便是這樣一家。到如今，公司已經(jīng)找到了聚焦產(chǎn)品：風(fēng)報，而據(jù)公司CTO趙迎賓介紹，公司現(xiàn)在也有了一個比較健康的現(xiàn)金流。

據(jù)趙迎賓介紹，風(fēng)報是一款基于NLP技術(shù)的企業(yè)情報系統(tǒng)，通過在全網(wǎng)采集包括工商、涉訴、稅務(wù)、行政處罰等海量政府公開信息以及媒體信息，用NLP技術(shù)從不同角度挖掘?qū)嶓w之間關(guān)聯(lián)，為企業(yè)提供風(fēng)險控制及情報分析?！帮L(fēng)報相當(dāng)于企業(yè)情報行業(yè)的“百度”，是一種搜集信息的渠道。”趙迎賓對雷鋒網(wǎng)介紹道，通過NLP技術(shù)，風(fēng)報可以幫助企業(yè)和個人在海量信息中挖掘有效信息，節(jié)省大量人工查詢時間及第三方調(diào)查成本投入。

NLP技術(shù)與風(fēng)控

2016年，玻森數(shù)據(jù)便與鋼鐵行業(yè)B2B電商“獨角獸”找鋼網(wǎng)牽手，將風(fēng)報用于其供應(yīng)鏈金融業(yè)務(wù)中。找鋼網(wǎng)成立于2012年，到2015年時，已經(jīng)一躍而成為行業(yè)內(nèi)的獨角獸，同時，以撮合買賣雙方起家的找鋼網(wǎng)也開始布局供應(yīng)鏈金融，那么，風(fēng)控自然不可缺少。

供應(yīng)鏈金融在貿(mào)易領(lǐng)域早已是再常見不過的融資模式之一，但隨著人工智能的發(fā)展，這一領(lǐng)域正在延伸出新的枝干。不同于消費者金融風(fēng)控，供應(yīng)鏈金融最大的風(fēng)險在于企業(yè)經(jīng)營風(fēng)險，大宗商品價格波動相對來說比較平穩(wěn)，即使存在“產(chǎn)能過剩”，依托大型的B2B平臺，根據(jù)歷史的交易數(shù)據(jù)，也可以進行相應(yīng)的風(fēng)險控制。大數(shù)據(jù)風(fēng)控有效的前提是掌握盡可能多的數(shù)據(jù)，一般而言，數(shù)據(jù)來源包括自有平臺數(shù)據(jù)、外部抓取數(shù)據(jù)和與合作機構(gòu)交換數(shù)據(jù)，取得這些數(shù)據(jù)后再進行去噪清洗建立風(fēng)控模型。

而通過NLP技術(shù)，將網(wǎng)絡(luò)上非結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)化，接入金融領(lǐng)域的風(fēng)控模型后，能大大節(jié)省了數(shù)據(jù)整理的時間。

據(jù)玻森數(shù)據(jù)CEO李臻此前介紹，對于金融領(lǐng)域的大數(shù)據(jù)風(fēng)控模式，風(fēng)報能做的有兩點：一是企業(yè)信息過窄的問題，通過風(fēng)報系統(tǒng)的裁判文書結(jié)構(gòu)化分析和信息公告關(guān)聯(lián)挖掘，擴大數(shù)據(jù)來源；二是快速獲取信息的問題，通過風(fēng)報系統(tǒng)核心的NLP技術(shù)及開庭公告、事件信息等功能能夠幫助企業(yè)從海量的信息中實時獲取所需信息，同時實現(xiàn)對交易對手的動態(tài)監(jiān)控。

找鋼網(wǎng)金融事業(yè)部副總經(jīng)理卞崢對雷鋒網(wǎng)介紹說，找鋼網(wǎng)平臺內(nèi)有大量的企業(yè)交易數(shù)據(jù)，同時在網(wǎng)絡(luò)上抓取大量數(shù)據(jù)，“對于我們來說，有效的數(shù)據(jù)樣本自然是多多益善，風(fēng)報的接入擴大了數(shù)據(jù)來源?！薄巴獠孔ト〉臄?shù)據(jù)比較散，而通過NLP技術(shù)，把這些比較散的數(shù)據(jù)源結(jié)構(gòu)化，進行二次處理會方便得多?！?/p>

對于產(chǎn)品體驗效果，卞崢講道，總體上是不錯的，“但希望數(shù)據(jù)源頭越多越好，并且數(shù)據(jù)源能更加結(jié)構(gòu)化。”

風(fēng)報背后的NLP技術(shù)

據(jù)了解，從信息獲取到企業(yè)情報，風(fēng)報的背后有四個步驟：

獲取數(shù)據(jù)
形成信息（用NLP技術(shù)，在非結(jié)構(gòu)化文本中抽取核心語義）
產(chǎn)生情報（對新聞拆解分析，通過數(shù)據(jù)挖掘?qū)κ录M行分類、以時間軸呈現(xiàn)企業(yè)情報信息）
得到認(rèn)知（可視化呈現(xiàn)企業(yè)和個人關(guān)聯(lián)）。

在形成信息的過程中，涉及如何對句子進行正確拆分；如何進行實體識別，識別出相關(guān)人員和群體；以及通過機器學(xué)習(xí)的方法，對每項內(nèi)容進行標(biāo)簽化處理。為了向雷鋒網(wǎng)解釋NLP技術(shù)在此的應(yīng)用，趙迎賓舉了這樣一個例子：

A跟B正在進行一場離婚訴訟，在其證據(jù)中提到B在中國農(nóng)業(yè)銀行的一個賬戶，這與中國農(nóng)業(yè)銀行其實并沒有關(guān)系，需要用到語義分析技術(shù)，來判斷到底誰是案件中的當(dāng)事人。

雷鋒網(wǎng)根據(jù)公開資料了解到，目前中國與“企業(yè)信息服務(wù)”相關(guān)的公司有2000多家，風(fēng)報、啟信寶、企查查等均屬這一類。

在數(shù)據(jù)來源上，知名度較高的企信寶是通過征信中心與連接相關(guān)征信網(wǎng)站數(shù)據(jù)接口的獲取，風(fēng)報則是聚焦在散落在全網(wǎng)中的企業(yè)外部文本數(shù)據(jù)，從海量的企業(yè)事件角度切入。玻森數(shù)據(jù)公司CEO李臻認(rèn)為，有 80% 的商業(yè)情報都以非結(jié)構(gòu)化的自然語言文本形式存在于網(wǎng)絡(luò)的各個角落，但沒人處理這些信息。雷鋒網(wǎng)對公司CEO李臻的采訪中也提到，“相比其他產(chǎn)品，風(fēng)報的核心是分析能力。企業(yè)信息涉及很多裁判文書等非結(jié)構(gòu)化文本，提煉關(guān)鍵信息要進行去重、實體抽取、分詞、清洗及分析等，這些不是信息匯總就能完成的?！?/p>

玻森數(shù)據(jù)的商業(yè)化

事實上，企業(yè)信息服務(wù)行業(yè)并不是玻森數(shù)據(jù)一開始就扎根的領(lǐng)域。

據(jù)趙迎賓介紹，2012~2014年的這段時間，玻森數(shù)據(jù)尋求的是與咨詢機構(gòu)的合作，咨詢公司進行行業(yè)調(diào)研時會用到大量數(shù)據(jù)，玻森數(shù)據(jù)的NLP技術(shù)則可對其進行分析和結(jié)構(gòu)化，節(jié)省查閱資料的時間。“希望通過十幾個案例積累，找到一種互聯(lián)網(wǎng)數(shù)據(jù)分析的通用化方式，但發(fā)現(xiàn)這種嘗試行不通。”“咨詢行業(yè)是一個創(chuàng)意驅(qū)動的行業(yè)，不同報告分析角度不一樣?！?/p>

而2015年后，隨著大量政府信息公開，玻森數(shù)據(jù)開始做企業(yè)信息服務(wù)，并于同年九月發(fā)布了風(fēng)報這款產(chǎn)品，2016年，開始對外銷售。到目前為止有一年多的時間，公司已經(jīng)積累了120家客戶。

風(fēng)報主要采用合同銷售的形式，按照使用量收費，公司的客戶群體可大致分為3類：

第一類是泛金融，包含保險、融資租賃等。
第二類是政府，政府會對所在區(qū)內(nèi)的企業(yè)進行風(fēng)險調(diào)查。風(fēng)報是其一種搜集信息的渠道。
第三類客戶，介于B端與C端之前，是投資人、媒體等，這些人需要了解很多的公司背景信息。

“在風(fēng)報開始銷售之后，公司就有一個比較健康的現(xiàn)金流?！壁w迎賓對雷鋒網(wǎng)講道，據(jù)了解，波森數(shù)據(jù)已經(jīng)有過三輪融資，最近在做B輪。

趙迎賓介紹說，風(fēng)報每周都會有新版本發(fā)布，主要集中在幾個方面：第一方是在系統(tǒng)中集成新的數(shù)據(jù)來源，對企業(yè)相關(guān)的公開未挖掘數(shù)據(jù)進行結(jié)構(gòu)化以及數(shù)據(jù)分析；第二，希望對互聯(lián)網(wǎng)上56000多家政府網(wǎng)站全覆蓋，做一個相當(dāng)于政府網(wǎng)站方面的百度，并且需要比百度做得更深。

那么，玻森數(shù)據(jù)的未來向哪里走呢？趙迎賓用玻森的定位告訴雷鋒網(wǎng)答案。