本土化的智能数据分析（AI+BI）公司
一家本土化的智能数据分析（AI+BI）公司，这是创始人苏春园为观远数据在商业世界中圈定的独特坐标。
BI （商业智能）这个发端于西方的概念，经过二十余年的发展，已经广为人知。这个领域孕育了超过十家上市企业或同等体量的独角兽公司，市场潜力十分巨大。受限于数字化程度较低，过去 BI 在中国企业中的落地并不广泛，不过如今情形已经有了很大不同。
苏春园表示，过去十年，中国企业还在忙着建设 ERP、CRM、O2O、移动支付、全渠道等各种业务系统，无瑕顾及 BI的深入应用。现在随着业务系统搭建完毕，沉淀的数据越来越多，“即使没有 AI 技术，观远数据只做一家中国最好的 BI 公司，价值也是非常刚性的”。
但苏春园的目标不仅仅是做一个国外 BI 公司的中国版本，他还想更进一步，超越它们。而时代也赋予他这样的机遇。
苏春园表示，传统 BI 虽然历经 20 余年的发展，但仍然存在许多问题。比如处理的数据量一大、分析的颗粒度一细，就容易卡死，这需要借助新一代的大数据的架构才能解决。此外，传统 BI 产品只能对历史数据进行统计，无法做到实时监控预警，更别说提前一天一周进行预测，以及更进一步的自动诊断与行动建议了。
2016 年兴起的 ABC（Artificial Intelligence、Big Data、Cloud）三波浪潮为这一切创造了可能。苏春园表示，人工智能、大数据和云计算的发展，在算法、数据和算力层面带来了巨大提升，这是中国 BI 公司有机会成功超车的前提条件。
“AI+BI 是比传统 BI 更新一代的技术，它将产生的商业价值也是传统 BI 十倍以上，这正是我为什么创立观远数据这样一家公司的原因”。苏春园对雷锋网(公众号：雷锋网(公众号：雷锋网))说道。
但他也指出，对国外 BI 公司的超越不仅是在工具层面，更重要的是如何结合本土商业环境，形成一套技术+管理的完整体系，后者才是 BI 公司的核心竞争力所在。
以 SAP 这家成长于德国市场的顶级企业服务公司为例。众所周知，德国拥有非常成熟完备的先进制造行业。因此，当 SAP快速成长起来进入中国时，它带来的不仅是先进的工具，还有服务德国先进制造企业时沉淀下来的管理实践，这才是它所向披靡的真正原因。
苏春园对雷锋网表示，中国在许多领域仍然落后于欧美，但我们拥有最具活力的新消费经济，这也是观远数据重点聚焦的市场。
纵观中国市场，从移动支付开始，各种各样商业模式创新层出不穷，令人眼花缭乱。仅仅过去两三年间，就诞生了无人货架、盒马鲜生、社区团购等一系列创新业态，催生了拼多多、瑞幸咖啡这样的商业奇迹。这些都是国外看不到的。可以说，在新消费领域的创新，中国市场已经一骑绝尘。
苏春园表示，国内消费市场的快速变化，倒逼观远数据必须把产品打磨得更加出色。同时，在陪伴这些创新企业成长的过程中，观远数据也将像当年服务德国制造业的 SAP 一样，沉淀大量的行业洞察和数据时代的决策实践。未来，当观远数据带着这些洞察和经验去服务海外市场时，必然是一种降维打击。这正是苏春园所说的“本土化”的奥义所在。
用“乐高积木”的方式赋能企业决策
中国新消费市场的快速发展，在过去几年里催生了一大批数据智能类公司。苏春园认为，这些公司主要可以分为两类：一类是感知型企业，比如 AI视觉四小龙，它们可以把线下海量的非结构化的数据进行结构化；另一类则是观远数据这样的决策智能型企业，负责将各个维度的结构化数据进行汇总和提炼，为企业提供决策分析。
事实上，这两类企业并非泾渭分明。感知型企业在获取数据的同时，往往也会提供一些简单的数据分析服务。比如旷视的客流分析系统在识别客流后，也会通过一系列的分析，为门店的经营提供指导意见。同样，决策型企业大多也有自己的数据采集通道。
在部分行业人士看来，“感知型企业和决策型企业早晚会有一战”。因为做感知是个苦力活，收益有限，决策分析才是数据价值链条上的“利润富矿”，感知型企业必然不愿意将“肥肉”拱手让人。另一方面，感知型企业又掌握着数据的入口，对决策型企业而言，数据就是命脉，岂能握在他人手中？
“现在大家体量都还比较小，肯定倾向于合作，等体量一大必然就会产生竞争或者收购，因为只有打通了从感知到决策的完整链条，才能产生最大的价值。”某业内人士说道。
对于苏春园来说，眼下他只希望观远数据聚焦于决策环节。在他看来，用数据驱动决策有其自身的门槛，并非所有企业都能胜任。
以新消费领域最典型的零售行业为例。零售业的环节非常众多，概括来说有九个字——人货场、进销存和人财物。其中前一个“人”指客户，后一个“人”指企业员工。不同业态的企业在数据驱动决策上的需求点有很大不同。
比如快消品牌，他们并不直接接触末端的消费者，也缺少这方面的数据，所以它们的主要场景之一在于经销商和供应链的管理。相反，便利店有非常多的方式来获取消费者信息，它们在会员分析与运营方面可以进行的数据决策场景就丰富很多。
而即便在同一个企业，不同部门之间的需求也大相径庭。
如此纷繁复杂的需求，必须用一个一站式数据分析平台全面覆盖。“试想一下，如果一家公司十个部门，每个部门用的都是不同的决策分析系统，最后肯定会崩溃的，因为它的数据都不在一起。”
苏春园介绍，为了解决这个问题，观远数据将企业的不同决策由浅入深——从前端的营销到后端的供应链，所需要用到的算法进行了提炼。这个过程听起来简单，实际非常考验企业的产品能力。
为什么观远数据能够做到呢？这跟它的团队基因有关。
苏春园介绍，观远数据的核心团队成员——包括其本人，曾长期任职于 MicroStrategy。MicroStrategy 是全球商业智能领域的一个老牌玩家，世界500强中有三分之一的企业在使用它们的数据分析产品与方案，其中包括麦当劳、星巴克、Zara、沃尔玛等知名零售品牌。
“当时我们服务了100多家世界 500 强企业，布进去的都是同一套代码。今天观远数据 90% 的客户用的也是同一套代码，能做到这一切正是因为有我们过去十多年的积累。”
观远数据的多位联合创始人以及研发核心成员则来自阿里，他们知道如何去使用互联网沉淀下来的最合适的技术栈。“当我们把两者结合起来，就打造了这样一个一站式的平台。它上面有很多矩阵，就像积木一样。不同的业务部门和不同的业务场景可以选择不同的模块，但它底层都是连通的。企业搭的积木越多，灌进来的数据量就越大，它场景的丰富度和分析的深度也随之水涨船高。”
在奔跑中加速进化
AI+BI 实现了数据分析的闭环，但企业不可能一下子就变得非常智能，这其中需要通过一个路径来实施。
因此，观远数据制定了一个从敏捷分析到智能决策的“5A”路径。分别是敏捷化 Agile、场景化 Accurate、自动化 Automated、增强化 Augmented、行动化 Actionable，从初始的数据可视化到敏捷分析指标、到自动化实现、到AI提供行动建议、预测等等，逐层递进。同时，观远数据提供的是定制化的产品解决方案，配置有专业性的顾问团队，全方位地为客户提供数据服务。
苏春园表示，观远数据的“5A”路径并不一定需要按部就班地进行，企业可以根据自身的情况来自由配置。“如果企业的数字化基础比较薄弱，我们会建议它一步一步来。但如果它已经有了比较好的数据基础，可能就会直接进入第三层或者第四层”。
成立三年时间，观远数据成长非常迅速，目前已经服务了联合利华、百威英博、伊丽莎白雅顿、始祖鸟等全球消费品牌，以及Lily女装、生鲜传奇、NOME诺米家居、上蔬永辉、奈雪的茶、小红书、见福便利店等本土零售品牌。
作为全球最大的啤酒公司，百威英博的庞大体量以及与KA商户建立的协同式供应链库存管理模式为其人员管理、业务管控带来了极大挑战。
2018年1月起，百威英博与观远数据展开合作。观远数据AI算法团队通过机器学习等先进的算法技术，将专家经验固化到系统，让机器学习取代原先百威英博大量繁琐的人力工作，为百威英博打造了需求预测、渠道管理等深度AI应用场景。
据百威英博方提供的数据显示，在观远算法团队的协助下，百威英博目前已实现以6个人的团队完成全国300多个销售点、1700多个SKU的周度和月度的预测工作，有效降低了原先由人工预测产生的高额成本。百威英博方计划后续也将把目前的AI预测合作内容延展到供应链更多环节的场景预测当中。
服务众多零售品牌的同时，观远数据自身的能力也在不断进化迭代。日前，观远数据正式发布了观远智能分析平台的2.0版本。据雷锋网了解，2.0版本着重从数据量支撑、整体计算性能、终端响应速度等方面进行了优化，从1.0版本的最大支撑数据量的1亿行，到2.0版本的10亿行；整体计算性能提升5倍，终端响应速度提升2倍。
虽然成立只有短短三年，但观远数据已经成了数据智能领域一股不容忽视的力量。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/69819.html