作者/永遇樂(lè)??來(lái)源/互聯(lián)網(wǎng)那些事

在數(shù)字化轉(zhuǎn)型的時(shí)代，BI（商業(yè)智能）已經(jīng)成為了各行業(yè)轉(zhuǎn)型環(huán)節(jié)中不可或缺的一環(huán)。

BI賽道經(jīng)歷了從國(guó)外廠商到國(guó)內(nèi)廠商的遷移，也正經(jīng)歷從傳統(tǒng)時(shí)代向智能時(shí)代的變革。

因?yàn)楦餍袠I(yè)新經(jīng)濟(jì)企業(yè)業(yè)務(wù)的快速變化，需要從0-1構(gòu)建敏捷數(shù)據(jù)分析與決策能力，BI已成為新銳企業(yè)發(fā)展到百人規(guī)模或GMV超過(guò)五千萬(wàn)后的標(biāo)配。

據(jù)天眼查數(shù)據(jù)顯示，以BI作為發(fā)展方向的觀遠(yuǎn)數(shù)據(jù)，在2月22日完成了由老虎環(huán)球基金（Tiger Global）領(lǐng)投，紅杉中國(guó)、線性資本、襄禾資本、獨(dú)秀資本（Unicorn Capital Partners）等老股東跟投的2.8億人民幣C輪融資。

而中國(guó)數(shù)據(jù)分析與商業(yè)智能市場(chǎng)正迎來(lái)高速發(fā)展。

據(jù)國(guó)際權(quán)威調(diào)研機(jī)構(gòu)國(guó)際數(shù)據(jù)公司IDC預(yù)測(cè)，2025年，中國(guó)商業(yè)智能軟件市場(chǎng)規(guī)模將達(dá)到13.3億美元，未來(lái)5年整體市場(chǎng)年復(fù)合增長(zhǎng)率(CAGR)達(dá)到17.9%。

在市場(chǎng)規(guī)模高速發(fā)展下，提速布局金融、高科技、制造、互聯(lián)網(wǎng)等領(lǐng)域，對(duì)于觀遠(yuǎn)數(shù)據(jù)來(lái)說(shuō)，迫在眉睫。

一、成立最晚卻發(fā)展最快

成立于2016年的觀遠(yuǎn)數(shù)據(jù)，相比大部分國(guó)內(nèi)品牌而言，成立最晚，發(fā)展最快大抵是業(yè)內(nèi)對(duì)觀遠(yuǎn)數(shù)據(jù)一致的想法。

實(shí)際上，觀遠(yuǎn)科技的發(fā)展速度之所以快，也是有跡可循。

首先，國(guó)內(nèi)市場(chǎng)正值SaaS創(chuàng)業(yè)的“元年”，BI領(lǐng)域彼時(shí)主要是國(guó)外的Tableau、MicroStrategy、Domo等公司，國(guó)內(nèi)則有帆軟、永洪等廠商。

與國(guó)外公司相比，國(guó)內(nèi)BI產(chǎn)品還是以工具屬性為主，尤其以“報(bào)表”為核心功能，主要使用者是企業(yè)中的IT用戶。

其次，優(yōu)先錨定零售、快消行業(yè)進(jìn)行發(fā)展。

因?yàn)樵缙诘腂I需要基于數(shù)據(jù)發(fā)展，很顯然缺乏數(shù)據(jù)豐富度的品牌，很難靠技術(shù)去為品牌進(jìn)行個(gè)性化定制解決方案，如果要建立屬于自己的數(shù)據(jù)平臺(tái)，需要投入大量的成本。

但在那會(huì)，依靠互聯(lián)網(wǎng)發(fā)展起來(lái)的新零售、新消費(fèi)數(shù)不勝數(shù)。而對(duì)于零售行業(yè)來(lái)說(shuō)，隨著傳統(tǒng)零售向新零售轉(zhuǎn)型，零售企業(yè)需要注重線上線下的融合發(fā)展，以及及時(shí)洞察市場(chǎng)變化，調(diào)整市場(chǎng)策略。

于是，觀遠(yuǎn)數(shù)據(jù)一開(kāi)始就錨定消費(fèi)領(lǐng)域，利用數(shù)據(jù)分析與商業(yè)智能平臺(tái)，給消費(fèi)企業(yè)提供更高效的決策。

截至目前，觀遠(yuǎn)數(shù)據(jù)深度服務(wù)的消費(fèi)零售客戶包括聯(lián)合利華、LVMH、元?dú)馍帧蔡ぁ⑿〖t書(shū)、蜜雪冰城、三頓半、簡(jiǎn)愛(ài)酸奶、紐西之謎、親愛(ài)男友、奈雪的茶、遇見(jiàn)小面等諸多知名品牌。

其次，相較于市場(chǎng)上大部分以IT用戶為主的報(bào)表型BI產(chǎn)品，觀遠(yuǎn)數(shù)據(jù)的最大差異化，在于讓廣泛的業(yè)務(wù)用戶可以使用，面向業(yè)務(wù)場(chǎng)景進(jìn)行數(shù)據(jù)分析與決策。

在覆蓋用戶足夠廣的前提下，觀遠(yuǎn)數(shù)據(jù)以遠(yuǎn)高于行業(yè)增長(zhǎng)速度的年增長(zhǎng)率取得快速發(fā)展，成為數(shù)據(jù)分析與智能決策領(lǐng)域的引領(lǐng)者。

更重要的是，成立不到兩年時(shí)間的觀遠(yuǎn)數(shù)據(jù)察覺(jué)到，無(wú)論是規(guī)模大小，或?qū)嵙?qiáng)勁與否的企業(yè)都面臨著同一個(gè)問(wèn)題，企業(yè)數(shù)據(jù)基礎(chǔ)仍然不夠扎實(shí)，如果直接在此基礎(chǔ)上做BI分析并不現(xiàn)實(shí)。

找到行業(yè)痛點(diǎn)的觀遠(yuǎn)數(shù)據(jù)，選擇引入了數(shù)據(jù)倉(cāng)庫(kù)和智能數(shù)據(jù)準(zhǔn)備（Smart ETL）等產(chǎn)品，幫助企業(yè)構(gòu)建數(shù)據(jù)基礎(chǔ)，提供一站式的智能數(shù)據(jù)分析服務(wù)。

誠(chéng)然，在洞察客戶現(xiàn)狀需求的態(tài)勢(shì)下，觀遠(yuǎn)數(shù)據(jù)服務(wù)客戶覆蓋零售消費(fèi)、金融、制造、互聯(lián)網(wǎng)等多個(gè)領(lǐng)域的400+世界500強(qiáng)企業(yè)和行業(yè)頭部客戶，成為眾多領(lǐng)先企業(yè)BI升級(jí)的首選。

但眼看當(dāng)下，隨著大數(shù)據(jù)、人工智能、云計(jì)算三波浪潮的深入融合，觀遠(yuǎn)數(shù)據(jù)基于AI+BI的智能分析與決策已在部分領(lǐng)先的客戶身上落地開(kāi)花。

但不可忽視的是，面對(duì)復(fù)雜的外部環(huán)境、多變的用戶需求和激烈的市場(chǎng)競(jìng)爭(zhēng)，觀遠(yuǎn)數(shù)據(jù)在當(dāng)下的市場(chǎng)上是否具有競(jìng)爭(zhēng)力呢？

二、更多的是問(wèn)題而非答案

從某種程度上來(lái)說(shuō)，基于海量數(shù)據(jù)，依靠機(jī)器學(xué)習(xí)，通過(guò)精密精準(zhǔn)計(jì)算快速得出一個(gè)比人工經(jīng)驗(yàn)分析更精準(zhǔn)的方案，一直是觀遠(yuǎn)數(shù)據(jù)的愿景。

同樣的，在當(dāng)前國(guó)內(nèi)企業(yè)應(yīng)用BI產(chǎn)品中，企業(yè)最期待獲得的數(shù)據(jù)價(jià)值，數(shù)據(jù)整合、提高制表效率、輔助管理決策排名前三。

其中，72.8%的企業(yè)最想獲得的數(shù)據(jù)價(jià)值是整合多系統(tǒng)數(shù)據(jù)，打通多系統(tǒng)的數(shù)據(jù)，解決數(shù)據(jù)壁壘的問(wèn)題實(shí)現(xiàn)信息透明。

69.1%的企業(yè)想要提高報(bào)表的輸出效率，期望能夠更快更準(zhǔn)更省事。53.7%的企業(yè)則希望通過(guò)數(shù)據(jù)分析，輔助企業(yè)決策，實(shí)現(xiàn)科學(xué)化、數(shù)據(jù)化的決策。

但總的來(lái)說(shuō)，企業(yè)更迫切需要的是便捷、高效化服務(wù)，而觀遠(yuǎn)數(shù)據(jù)的發(fā)展似乎也在迎合企業(yè)的需求上。

但現(xiàn)下的問(wèn)題是，BI仍然需要依靠人來(lái)干涉。

在企業(yè)應(yīng)用場(chǎng)景中，BI在絕大多數(shù)場(chǎng)景下還需要依靠人來(lái)完成，不管是基礎(chǔ)分析邏輯的設(shè)計(jì)開(kāi)發(fā)、維度和度量的選擇與調(diào)整、展示效果的規(guī)劃與解讀，都需要依靠人來(lái)完成。

而限于工具目前的發(fā)展水平，人參與比例相對(duì)較高。同時(shí)，這樣一來(lái)也會(huì)導(dǎo)致一個(gè)相對(duì)客觀的數(shù)據(jù)分析場(chǎng)景，摻雜了過(guò)多人的主觀判斷。

甚至?xí)霈F(xiàn)為了佐證某個(gè)觀點(diǎn)，開(kāi)發(fā)人員主動(dòng)選擇甚至篩選出符合目標(biāo)預(yù)期的基礎(chǔ)數(shù)據(jù)，選擇適合的分析方法，以展示出與觀點(diǎn)一致的趨勢(shì)和期望，這就與商業(yè)智能通過(guò)整合數(shù)據(jù)，分析趨勢(shì)，指導(dǎo)決策的初衷背道而馳了。

此外，即便觀遠(yuǎn)數(shù)據(jù)通過(guò)洞察企業(yè)痛點(diǎn)快速發(fā)展，但在市場(chǎng)布局上仍然遠(yuǎn)不如同行。

在數(shù)據(jù)智能領(lǐng)域，觀遠(yuǎn)數(shù)據(jù)目前服務(wù)了零售與消費(fèi)、金融、高科技、互聯(lián)網(wǎng)等近10個(gè)行業(yè)的400+領(lǐng)先企業(yè)。

而永洪科技在2018年，就已經(jīng)與金融、制造、物流、電力、零售電商、地產(chǎn)、醫(yī)療、能源、交通等20余個(gè)行業(yè)，超過(guò)2000+家企業(yè)客戶提供數(shù)據(jù)分析服務(wù)，并且完成了秒內(nèi)百億級(jí)數(shù)據(jù)量處理。

另一方面，3月15日有消息稱，永洪科技正在籌劃赴港上市，在同行加快發(fā)展步伐下，相對(duì)而言觀遠(yuǎn)數(shù)據(jù)的“BI+AI”一站式大數(shù)據(jù)分析服務(wù)，發(fā)展得還不夠快。

三、面向市場(chǎng)布局，觀遠(yuǎn)還需要更快

其實(shí)可以說(shuō)，當(dāng)下專注于“BI+AI”的觀遠(yuǎn)數(shù)據(jù)，似乎已經(jīng)找不到增量的突破口。

首先，AI在采集數(shù)據(jù)之時(shí)，必定會(huì)面臨著使用這些數(shù)據(jù)的時(shí)候會(huì)遇到很多質(zhì)量、安全、標(biāo)準(zhǔn)等方面的問(wèn)題。

如果AI無(wú)法進(jìn)行自我識(shí)別處理，將會(huì)需要依靠人進(jìn)行處理，這似乎與發(fā)展BI相悖。

其次，在未來(lái)一站式服務(wù)能不能完全讓工具代替人去消化原始知識(shí)，降低知識(shí)運(yùn)用的門(mén)檻也是一個(gè)BI要面臨的源頭問(wèn)題。

因?yàn)樵跀?shù)據(jù)采用的前期，如果要將知識(shí)運(yùn)用到數(shù)據(jù)分析中，需要事先積累、吸收、融匯貫通，需要付出大量的努力。

業(yè)界認(rèn)為，按照“DIKW”模型理論，BI不能停留在數(shù)據(jù)階段，做統(tǒng)計(jì)與可視化，而要專注于把數(shù)據(jù)轉(zhuǎn)變?yōu)橹R(shí)。

于是，從觀遠(yuǎn)數(shù)據(jù)的角度來(lái)看，將BI工具去數(shù)據(jù)中總結(jié)知識(shí)，人把知識(shí)和業(yè)務(wù)結(jié)合，或是是一個(gè)必須要面對(duì)的過(guò)程。

但從觀遠(yuǎn)數(shù)據(jù)2.8億元C輪融資用途的三大方向看，建設(shè)重點(diǎn)行業(yè)、擴(kuò)大服務(wù)企業(yè)版圖將是觀遠(yuǎn)數(shù)據(jù)的下一步發(fā)展規(guī)劃，雖然說(shuō)“讓業(yè)務(wù)活躍用起來(lái)”很重要，但服務(wù)環(huán)節(jié)的改變也必不可少。

在吸引企業(yè)使用業(yè)務(wù)，一定少不了產(chǎn)品自身是否能為企業(yè)帶來(lái)更多價(jià)值這一個(gè)動(dòng)因。

隨著nextionBI在內(nèi)的一些國(guó)產(chǎn)BI已經(jīng)后起而直追，很多功能組件里都同樣封裝了AI 算法，在看不到的地方，有更多的自動(dòng)化和智能化。

至于在接下來(lái)的市場(chǎng)中，觀遠(yuǎn)數(shù)據(jù)能否在抵擋新的競(jìng)爭(zhēng)對(duì)手的同時(shí)趕超老廠商，還仍然是一個(gè)未知問(wèn)題，即便洞察品牌的一切優(yōu)劣，也無(wú)法預(yù)知資本市場(chǎng)的風(fēng)向。