本土化的智能數(shù)據(jù)分析（AI+BI）公司

一家本土化的智能數(shù)據(jù)分析（AI+BI）公司，這是創(chuàng)始人蘇春園為觀遠數(shù)據(jù)在商業(yè)世界中圈定的獨特坐標。

BI （商業(yè)智能）這個發(fā)端于西方的概念，經(jīng)過二十余年的發(fā)展，已經(jīng)廣為人知。這個領(lǐng)域孕育了超過十家上市企業(yè)或同等體量的獨角獸公司，市場潛力十分巨大。受限于數(shù)字化程度較低，過去 BI 在中國企業(yè)中的落地并不廣泛，不過如今情形已經(jīng)有了很大不同。

蘇春園表示，過去十年，中國企業(yè)還在忙著建設 ERP、CRM、O2O、移動支付、全渠道等各種業(yè)務系統(tǒng)，無瑕顧及 BI的深入應用?，F(xiàn)在隨著業(yè)務系統(tǒng)搭建完畢，沉淀的數(shù)據(jù)越來越多，“即使沒有 AI 技術(shù)，觀遠數(shù)據(jù)只做一家中國最好的 BI 公司，價值也是非常剛性的”。

但蘇春園的目標不僅僅是做一個國外 BI 公司的中國版本，他還想更進一步，超越它們。而時代也賦予他這樣的機遇。

蘇春園表示，傳統(tǒng) BI 雖然歷經(jīng) 20 余年的發(fā)展，但仍然存在許多問題。比如處理的數(shù)據(jù)量一大、分析的顆粒度一細，就容易卡死，這需要借助新一代的大數(shù)據(jù)的架構(gòu)才能解決。此外，傳統(tǒng) BI 產(chǎn)品只能對歷史數(shù)據(jù)進行統(tǒng)計，無法做到實時監(jiān)控預警，更別說提前一天一周進行預測，以及更進一步的自動診斷與行動建議了。

2016 年興起的 ABC（Artificial Intelligence、Big Data、Cloud）三波浪潮為這一切創(chuàng)造了可能。蘇春園表示，人工智能、大數(shù)據(jù)和云計算的發(fā)展，在算法、數(shù)據(jù)和算力層面帶來了巨大提升，這是中國 BI 公司有機會成功超車的前提條件。

“AI+BI 是比傳統(tǒng) BI 更新一代的技術(shù)，它將產(chǎn)生的商業(yè)價值也是傳統(tǒng) BI 十倍以上，這正是我為什么創(chuàng)立觀遠數(shù)據(jù)這樣一家公司的原因”。蘇春園對雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))說道。

但他也指出，對國外 BI 公司的超越不僅是在工具層面，更重要的是如何結(jié)合本土商業(yè)環(huán)境，形成一套技術(shù)+管理的完整體系，后者才是 BI 公司的核心競爭力所在。

以 SAP 這家成長于德國市場的頂級企業(yè)服務公司為例。眾所周知，德國擁有非常成熟完備的先進制造行業(yè)。因此，當 SAP快速成長起來進入中國時，它帶來的不僅是先進的工具，還有服務德國先進制造企業(yè)時沉淀下來的管理實踐，這才是它所向披靡的真正原因。

蘇春園對雷鋒網(wǎng)表示，中國在許多領(lǐng)域仍然落后于歐美，但我們擁有最具活力的新消費經(jīng)濟，這也是觀遠數(shù)據(jù)重點聚焦的市場。

縱觀中國市場，從移動支付開始，各種各樣商業(yè)模式創(chuàng)新層出不窮，令人眼花繚亂。僅僅過去兩三年間，就誕生了無人貨架、盒馬鮮生、社區(qū)團購等一系列創(chuàng)新業(yè)態(tài)，催生了拼多多、瑞幸咖啡這樣的商業(yè)奇跡。這些都是國外看不到的?？梢哉f，在新消費領(lǐng)域的創(chuàng)新，中國市場已經(jīng)一騎絕塵。

蘇春園表示，國內(nèi)消費市場的快速變化，倒逼觀遠數(shù)據(jù)必須把產(chǎn)品打磨得更加出色。同時，在陪伴這些創(chuàng)新企業(yè)成長的過程中，觀遠數(shù)據(jù)也將像當年服務德國制造業(yè)的 SAP 一樣，沉淀大量的行業(yè)洞察和數(shù)據(jù)時代的決策實踐。未來，當觀遠數(shù)據(jù)帶著這些洞察和經(jīng)驗去服務海外市場時，必然是一種降維打擊。這正是蘇春園所說的“本土化”的奧義所在。

用“樂高積木”的方式賦能企業(yè)決策

中國新消費市場的快速發(fā)展，在過去幾年里催生了一大批數(shù)據(jù)智能類公司。蘇春園認為，這些公司主要可以分為兩類：一類是感知型企業(yè)，比如 AI視覺四小龍，它們可以把線下海量的非結(jié)構(gòu)化的數(shù)據(jù)進行結(jié)構(gòu)化；另一類則是觀遠數(shù)據(jù)這樣的決策智能型企業(yè)，負責將各個維度的結(jié)構(gòu)化數(shù)據(jù)進行匯總和提煉，為企業(yè)提供決策分析。

事實上，這兩類企業(yè)并非涇渭分明。感知型企業(yè)在獲取數(shù)據(jù)的同時，往往也會提供一些簡單的數(shù)據(jù)分析服務。比如曠視的客流分析系統(tǒng)在識別客流后，也會通過一系列的分析，為門店的經(jīng)營提供指導意見。同樣，決策型企業(yè)大多也有自己的數(shù)據(jù)采集通道。

在部分行業(yè)人士看來，“感知型企業(yè)和決策型企業(yè)早晚會有一戰(zhàn)”。因為做感知是個苦力活，收益有限，決策分析才是數(shù)據(jù)價值鏈條上的“利潤富礦”，感知型企業(yè)必然不愿意將“肥肉”拱手讓人。另一方面，感知型企業(yè)又掌握著數(shù)據(jù)的入口，對決策型企業(yè)而言，數(shù)據(jù)就是命脈，豈能握在他人手中？

“現(xiàn)在大家體量都還比較小，肯定傾向于合作，等體量一大必然就會產(chǎn)生競爭或者收購，因為只有打通了從感知到?jīng)Q策的完整鏈條，才能產(chǎn)生最大的價值。”某業(yè)內(nèi)人士說道。

對于蘇春園來說，眼下他只希望觀遠數(shù)據(jù)聚焦于決策環(huán)節(jié)。在他看來，用數(shù)據(jù)驅(qū)動決策有其自身的門檻，并非所有企業(yè)都能勝任。

以新消費領(lǐng)域最典型的零售行業(yè)為例。零售業(yè)的環(huán)節(jié)非常眾多，概括來說有九個字——人貨場、進銷存和人財物。其中前一個“人”指客戶，后一個“人”指企業(yè)員工。不同業(yè)態(tài)的企業(yè)在數(shù)據(jù)驅(qū)動決策上的需求點有很大不同。

比如快消品牌，他們并不直接接觸末端的消費者，也缺少這方面的數(shù)據(jù)，所以它們的主要場景之一在于經(jīng)銷商和供應鏈的管理。相反，便利店有非常多的方式來獲取消費者信息，它們在會員分析與運營方面可以進行的數(shù)據(jù)決策場景就豐富很多。

而即便在同一個企業(yè)，不同部門之間的需求也大相徑庭。

如此紛繁復雜的需求，必須用一個一站式數(shù)據(jù)分析平臺全面覆蓋?！霸囅胍幌拢绻患夜臼畟€部門，每個部門用的都是不同的決策分析系統(tǒng)，最后肯定會崩潰的，因為它的數(shù)據(jù)都不在一起?！?/p>

蘇春園介紹，為了解決這個問題，觀遠數(shù)據(jù)將企業(yè)的不同決策由淺入深——從前端的營銷到后端的供應鏈，所需要用到的算法進行了提煉。這個過程聽起來簡單，實際非?？简炂髽I(yè)的產(chǎn)品能力。

為什么觀遠數(shù)據(jù)能夠做到呢？這跟它的團隊基因有關(guān)。

蘇春園介紹，觀遠數(shù)據(jù)的核心團隊成員——包括其本人，曾長期任職于 MicroStrategy。MicroStrategy 是全球商業(yè)智能領(lǐng)域的一個老牌玩家，世界500強中有三分之一的企業(yè)在使用它們的數(shù)據(jù)分析產(chǎn)品與方案，其中包括麥當勞、星巴克、Zara、沃爾瑪?shù)戎闶燮放啤?/p>

“當時我們服務了100多家世界 500 強企業(yè)，布進去的都是同一套代碼。今天觀遠數(shù)據(jù) 90% 的客戶用的也是同一套代碼，能做到這一切正是因為有我們過去十多年的積累。”

觀遠數(shù)據(jù)的多位聯(lián)合創(chuàng)始人以及研發(fā)核心成員則來自阿里，他們知道如何去使用互聯(lián)網(wǎng)沉淀下來的最合適的技術(shù)棧?！爱斘覀儼褍烧呓Y(jié)合起來，就打造了這樣一個一站式的平臺。它上面有很多矩陣，就像積木一樣。不同的業(yè)務部門和不同的業(yè)務場景可以選擇不同的模塊，但它底層都是連通的。企業(yè)搭的積木越多，灌進來的數(shù)據(jù)量就越大，它場景的豐富度和分析的深度也隨之水漲船高。”

在奔跑中加速進化

AI+BI 實現(xiàn)了數(shù)據(jù)分析的閉環(huán)，但企業(yè)不可能一下子就變得非常智能，這其中需要通過一個路徑來實施。

因此，觀遠數(shù)據(jù)制定了一個從敏捷分析到智能決策的“5A”路徑。分別是敏捷化 Agile、場景化 Accurate、自動化 Automated、增強化 Augmented、行動化 Actionable，從初始的數(shù)據(jù)可視化到敏捷分析指標、到自動化實現(xiàn)、到AI提供行動建議、預測等等，逐層遞進。同時，觀遠數(shù)據(jù)提供的是定制化的產(chǎn)品解決方案，配置有專業(yè)性的顧問團隊，全方位地為客戶提供數(shù)據(jù)服務。

蘇春園表示，觀遠數(shù)據(jù)的“5A”路徑并不一定需要按部就班地進行，企業(yè)可以根據(jù)自身的情況來自由配置?！叭绻髽I(yè)的數(shù)字化基礎(chǔ)比較薄弱，我們會建議它一步一步來。但如果它已經(jīng)有了比較好的數(shù)據(jù)基礎(chǔ)，可能就會直接進入第三層或者第四層”。

成立三年時間，觀遠數(shù)據(jù)成長非常迅速，目前已經(jīng)服務了聯(lián)合利華、百威英博、伊麗莎白雅頓、始祖鳥等全球消費品牌，以及Lily女裝、生鮮傳奇、NOME諾米家居、上蔬永輝、奈雪的茶、小紅書、見福便利店等本土零售品牌。

作為全球最大的啤酒公司，百威英博的龐大體量以及與KA商戶建立的協(xié)同式供應鏈庫存管理模式為其人員管理、業(yè)務管控帶來了極大挑戰(zhàn)。

2018年1月起，百威英博與觀遠數(shù)據(jù)展開合作。觀遠數(shù)據(jù)AI算法團隊通過機器學習等先進的算法技術(shù)，將專家經(jīng)驗固化到系統(tǒng)，讓機器學習取代原先百威英博大量繁瑣的人力工作，為百威英博打造了需求預測、渠道管理等深度AI應用場景。

據(jù)百威英博方提供的數(shù)據(jù)顯示，在觀遠算法團隊的協(xié)助下，百威英博目前已實現(xiàn)以6個人的團隊完成全國300多個銷售點、1700多個SKU的周度和月度的預測工作，有效降低了原先由人工預測產(chǎn)生的高額成本。百威英博方計劃后續(xù)也將把目前的AI預測合作內(nèi)容延展到供應鏈更多環(huán)節(jié)的場景預測當中。

服務眾多零售品牌的同時，觀遠數(shù)據(jù)自身的能力也在不斷進化迭代。日前，觀遠數(shù)據(jù)正式發(fā)布了觀遠智能分析平臺的2.0版本。據(jù)雷鋒網(wǎng)了解，2.0版本著重從數(shù)據(jù)量支撐、整體計算性能、終端響應速度等方面進行了優(yōu)化，從1.0版本的最大支撐數(shù)據(jù)量的1億行，到2.0版本的10億行；整體計算性能提升5倍，終端響應速度提升2倍。

雖然成立只有短短三年，但觀遠數(shù)據(jù)已經(jīng)成了數(shù)據(jù)智能領(lǐng)域一股不容忽視的力量。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。