DataCanvas方磊：永遠站在數據科學家的身后

　 阿里云優(yōu)惠券 先領券再下單

文|郭濤

大數據還是AI?隨著AI的風潮越來越盛，很多大數據企業(yè)也被歸為了AI陣營。“其實，大數據、AI，只是一種從市場角度的描述，從技術產業(yè)的角度來說，我們從始至終都是一家‘數據科學平臺提供商’，這一定位從未改變。”無論外界“風雨”如何變幻，九章云極始終不忘初心，矢志不渝。

還不是“喘口氣”的時候

俗話說，三年看老。作為一家創(chuàng)業(yè)企業(yè)，從技術迭代、市場營銷、未來戰(zhàn)略等不同維度綜合來看，通常三年是一個坎。已經安然度過這道坎，并且在2018年3月完成B輪近億元融資的九章云極是不是可以喘口氣了?

九章云極CEO方磊的危機意識還是很強的。他認為作為一家規(guī)模還不太大的成長型企業(yè)，變化甚至說動蕩是很正常的，還沒有資格說“過了生存的坎”。不過經過幾年的耕耘，現(xiàn)在的九章云極可以說在業(yè)務上有了一個底盤。企業(yè)現(xiàn)有的規(guī)模與增長與方磊想象中的還有差距，仍要不斷進取和積累。

當初，九章云極之所以采用DataCanvas作為公司的英文名稱是有深意的。Canvas意為畫布。DataCanvas希望為數據科學家這一新的職業(yè)人群提供機器學習分析和實時計算能力，實現(xiàn)快速協(xié)同開發(fā)，并提供模型管理和應用支持，讓企業(yè)在“數據畫布”之上展現(xiàn)業(yè)務變革的豐碩成果。

讓方磊感到欣慰的是，當初設定的為數據科學家服務的目標從沒動搖。2012年數據科學家這一新的職業(yè)已經出現(xiàn)，但是直到2017年，Gartner才給出了“數據科學平臺”的明確定義，而九章云極早在2013年便已窺得先機，早投入早布局。“為數據科學家提供優(yōu)質的建模服務。”方磊表示，“我們的服務對象沒有改變，業(yè)務方向也沒有改變，最大的變化是，我們的業(yè)務空間拓展得更大。”

都是為了降低人工智能應用門檻

數據科學家，多么“高大上”的稱謂。為這樣一群精英服務的九章云極所做的產品和業(yè)務也一定是“陽春白雪”?對于數據科學家這樣一個新的職業(yè)人群出現(xiàn)，方磊稱之為“古典主義的商業(yè)機會”。一個新的職業(yè)人群，必然需要新技術、新裝備、新工具進行武裝。九章云極就是為這樣一個新的職業(yè)人群提供必需的效率工具。在數學科學家和新的效率工具背后，我們看到的是業(yè)務重點從商業(yè)BI的可視化轉向了AI的模型化，這是一個巨大的轉變。但這是一個新的起點，而非終點。“我們?yōu)閿祿治鎏峁┥虡I(yè)化的完整的數據中臺解決方案，以及實施能力等。這是我們業(yè)務的一個自然延展。”方磊表示。

現(xiàn)在，很多大數據廠商經常掛在嘴邊的一句話是“降低人工智能應用門檻”，讓普通的業(yè)務人員也能像數據科學家那樣操作大數據分析工具，獲得分析結果。九章云極始終強調為數據科學家服好務，難道九章云極要背道而馳?

“降低人工智能應用門檻與為數據科學家服務并不是對立的。”方磊一語道破，“這就像是從不同的角度看一個市場蛋糕。同樣是降低應用門檻，只是我們選擇的切入點不同。數據科學家是一項新的職業(yè)，未來從業(yè)者會越來越多，傳統(tǒng)的數據分析師也會成長為數據科學家，他們都需要更加簡捷、高效的工具。降低應用門檻與為數據科學家服務，這是趨勢與具體落地的關系。”

其實，按技術水平的不同以及所從事的工作難易程度等可以將數據科學家進一步細化為平民數據科學家、一般數據科學家和核心數據科學家三類。平民數據科學家需要的是高度自動化的機器學習平臺和工具，一般數據科學家需要可以用鼠標拖拽等方式實現(xiàn)分析的高效工具，而作為最頂端的核心數據科學家，他們具有很強的編程能力，需要的是透明的開發(fā)環(huán)境。

不同的用戶需要個性化的工具。不過，作為數據科學平臺提供商的九章云極提供的是一輛“整車”，而不是一個個單一的功能。所謂整車，就是一個完整的平臺，它可以滿足不同客戶的需求。比如面向核心數據科學家，九章云極提供預置的模塊，可以支持開發(fā);同時，它也提供自動化的機器學習工具給平民數據科學家，在此基礎上，又能生成可配置的工作流，供一般數據科學家使用，而整個平臺是打通的。

“當前，我們最主要的客戶來自金融領域。他們在數據分析方面具有相對較強的能力。九章云極的“整車戰(zhàn)略”是全面覆蓋降低門檻到高端需求的。目前的市場上，我們從自動機器學習和降低門檻的市場需求入手，但同時高端功能和特性也是我們的強大優(yōu)勢。”方磊說。

數據科學平臺是AI變革的核心驅動力

AI時代到來后，數據建模成了必需品，這也直接刺激了相關的產品采購需求。作為廠商，九章云極生逢其時，看到了更大的市場需求，以及數據科學平臺普及的美好前景。

AI經過60多年的發(fā)展，期間有過幾次泡沫，今天我們終于看到了AI普及的曙光。但是不可否認，我們仍處于AI普及應用的早期階段。方磊表示，數據科學平臺是AI變革的核心驅動力。九章云極的階段性目標是，推動模型的生產化，讓數據科學家能夠更快地建模，更好地使用模型。

“AI是人們追求的方向，但是用戶最關注的是還是業(yè)務價值，即借助數據平臺和建模能力，能否帶來業(yè)務的變革和增長。”方磊舉例說，“銀行客戶最關心的是能夠新開多少張信用卡，能否完成KPI指標。當然，大數據、AI等是必須掌握的技術趨勢和動向，這對于客戶以后評估投入回報是非常重要的因素。”

方磊戲稱九章云極是“數據的寄生蟲”，除了優(yōu)勢的金融領域以外，向全行業(yè)拓展勢在必行。而隨著5G時代的到來，傳感器數據分析會是一個巨大的市場機會。九章云極已經在該領域布局，并且擁有了一批頭部客戶。

九章云極的長遠目標是成為一家平臺型企業(yè)。但是提供一個平臺談何容易，從哪里出發(fā)，選擇什么樣的路徑都是學問，也是嚴峻的考驗。九章云極以產品為驅動，以工具為滲透，致力于成為國內領先的數據科學平臺提供商，為金融、交通、運營商、互聯(lián)網等各行業(yè)客戶提供數據分析能力、實時能力和AI能力的建設。

2018年對于九章云極來說是收獲之年：一方面，需求側機會大漲，銷售機會增加;另一方面，九章云極服務客戶的廣度和深度都在擴大，產品交付周期平均減少30%，產品線更加豐富，并實現(xiàn)了快速迭代。

更大的“藍海”

除了繼續(xù)服務不斷擴大和成熟的數據科學家隊伍以外，九章云極看到了更大的“藍海”，即從工具切入，實現(xiàn)模型的生產化，讓建模走入生產環(huán)境，成為“一等公民”。未來，企業(yè)的每一項業(yè)務可能都會涉及數據分析，比如每一項金融交易發(fā)生前都要經過數據分析和檢測。“企業(yè)在完成了從工具到平臺的過渡后，模型生產化勢在必行。數據建模是最重要的抓手。”方磊表示。

隨著云計算逐步深入人心，數據在云中進行分析也成為一種新的流行。在公有云更發(fā)達的國外市場，這一趨勢更加明顯。但從當前的主流情況看，大多數的分析還是在本地數據中心完成，這主要是出于數據監(jiān)管和行業(yè)規(guī)范的要求。“即便是在云中進行數據分析，也不是普通意義上的SaaS模式，更多是采用專屬云。 ”方磊舉例說，“我們?yōu)槊绹韫鹊目蛻籼峁┰粕蠑祿治龇眨蛻艟褪亲约翰少彽奶摂M機。說到底，客戶還是愿意將數據掌握在自己手里。”

如今，邊緣云越來越熱，數據在哪里產生就在哪里處理和分析的呼聲也越來越高。在端側進行分析，比如典型的交通卡口的車牌識別，清楚的圖像就可以在本地進行快速處理，而難于處理的圖像可以傳到云上進行識別。端云結合，由系統(tǒng)智能地決定在哪里進行處理是最優(yōu)化的，這是未來的趨勢。從數據分析的角度來說，需要的是一個透明的分析層，只解決與分析有關的問題，而底層的設備、數據到底在端還是云上，分析人員完全不用操心。方磊介紹說，目前九章云極雖然沒有一個所謂的邊緣分析產品，但是有可以應用于邊緣設備上的模型。

九章云極的官網引用了方磊曾經發(fā)給員工的郵件中的一段話：“我們每個九章云極人都如同20歲的少年，保持好奇、天真和相信。因為好奇，我們可以投入學習去探索未知;因為天真，我們不理會別人告訴我們的不可以，敢于擁抱不確定性，最終成為一個相信自己并且也可以讓伙伴信任的人。”

這段話道出了九章云極成長的源動力。“我不想在公司做了十年以后，以過來人的姿態(tài)告訴別人，哪些是不可以改變的;我希望在十年后告訴別人，這十年我們改變了什么。”方磊如是說。永遠朝氣蓬勃，保持好奇、探索，這就是九章云極的DNA。這才是一家公司邁溝過坎的真正秘訣所在。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！