18年前,入局BI第一波浪潮
BI(Business Intelligence)一词诞生于遥远的1958年,但业内普遍认为,1996年Gartner机构对其进行重新定义,是BI技术步入全面商用时代的标志。苏春园对BI产生兴趣,是在“啤酒尿布”将BI神话第一次推上风口浪尖之际。2022年,在这个大数据+人工智能技术全面应用于生活各个角落的时代,各大院校的数据分析专业纷纷爆火。可在20年前,数据分析还只是信息技术管理专业下的冷门课程。在卡耐基梅隆这个“超级码农生产基地”,苏春园的学习内容大部分关乎代码技术,偏偏他最有兴趣的却是少数商科课程,尤其是用数据分析技术辅助商业决策。
尚未毕业,苏春园便收到了来自微策略(MicroStrategy)的offer,作为过去20余年中全球最成功的BI企业之一,微策略对人才的要求几乎是为苏春园量身定制:精通数据技术的同时,兼具对商业应用场景的了解。
苏春园自然没有犹豫太久。
科创人:To B行业内经常说,中美之间存在10~20年的代差,在您看来,国内BI行业目前的发展进度,与18年前的美国有哪些异同?
苏春园:陆奇博士前不久在奇绩创坛总结了企业IT系统建设的五个阶段:其中,构建业务系统、沉淀业务数据,称作System of Record,ERP+企业数据库是这个阶段的代表;System of Insight,是从沉淀下来的数据中洞察出有价值的规律信息,这一阶段的代表就是BI;未来最终阶段是System of Intelligence,AI技术的应用越来越普及,通过AI与BI结合,系统给出决策建议甚至完成行动闭环。
美国To B服务发展较早,IT技术普及程度高,在2004、05年,大部分跨国公司、全球化企业都已经走完了第一阶段,也就是ERP系统和数据库的建设,因此洞察、决策系统成为了企业的下一代需求。
而在当下,中国企业正在同步进行几代系统的建设,记录、洞察和智能化同步展开,甚至在同一家企业内也会出现多步并作一步的火热场景。我个人认为,接下来的5年时间,在企业数智变革这一领域,中国有机会走完美国走了10年的变革路程。
科创人:在微策略工作的10年里,您印象最深的场景或者给您带来最大困扰的问题是什么?
苏春园:10年是一段很长的时间,先是在美国做工程师,后来回国参与搭建中国研发中心,印象最深的就是组建中国研发中心这一阶段,体验了一把内部创业的感觉,从找办公场地,面试前台行政开始,尤其是每一位早期的工程师同学,都是我们一个一个从“宿舍”聊来的。
招聘是段有趣的回忆,我们希望招募到的是最顶尖的研发技术人才,可好人才竞争特别激烈,尤其微策略软件刚刚进入中国,要面临很多竞争,比如同样公司简称是MS但名气大不少的微软与摩根士丹利。因此,除了承诺发展前景、保障有竞争力的薪水、提供高质量的海内外培训之外,还用了很多心思,比如我们会花很长的时间,去到校园,与同学们喝咖啡、演示产品,去拜访同学的老师做背书,也会请同学们在我们美国总部工作的师兄师姐帮我们定向做宣传……我还记得当年与同学们分享自己毕业时的选择,“数据分析就是未来!”对于通过面试的同学,我们会给他宿舍送去一份儿礼盒,除了精美的offer letter还会有一瓶香槟,他们可以和宿舍同学分享喜悦。2009年开始,我们连续多年在国内前10的高校中成为最受欢迎的技术雇主品牌之一。
外企经历中最大的挑战之一,是研发团队普遍面临的困扰:我们敲出的代码,到底帮助客户实现了什么价值?我做的工作到底在哪些具体的方面改变了这个世界?最出色的人才需要最充分的正反馈,而研发团队远离客户,尤其是全球企业的中国研发中心会离得更远。因此我推动建立了一些机制,比如技术团队能够直接链接全球各地的客户,同事们直接远程与500强的客户一起交流;我们也争取让更多的员工参加到线下的客户见面,包括每年1月公司在拉斯维加斯举办的全球客户大会,让员工零距离感受:他们的代码是如何为客户带来了价值。
创立观远,只为更好服务中国企业
苏春园的创业念想萌芽于2013年左右,随着微策略中国研发中心对全球客户的服务渐入佳境,苏春园心间却积累出了一份日渐庞杂浓郁的困惑。
彼时,国产BI已有部分头部企业破土而出,展现出了新兴行业应有的旺盛生命力。但在苏春园视角下看到的却是另一番场景:如果只是复刻国外的发展模式,将BI在全球范围内的发展历程重走一遍,中国企业可能需要等上10年时间才能享受到2013年水准的BI服务。
如何能够缩短这一周期?明明身处中国,却无法直接为中国企业提供最好的BI服务,这情绪逐渐积累发酵,最终在困惑与焦虑交织成的混沌中,孕育出了一颗关乎使命和责任感的种子。苏春园决定独立创业,倾尽自己多年来的技术与服务积累,只为服务好中国企业。
2015年,To B逐渐代替互联网成为时代新热词,大数据、人工智能等技术应用一同迎来了属于自己的DT(Data technology)时代。觉察时机成熟,苏春园决定辞职,经历了一年的筹备与深度思考,观远数据于2016年正式成立。
科创人:《科创人》最关注的话题之一,就是初创企业进入一个行业时,如何规划战略定位、明确自身在未来市场竞争中的差异化优势,您成立观远时在这方面做出了哪些决策?
苏春园:数据智能类公司也分为两类,一类是短期价值更显著的,比如有数据源、有特定算法模型、有巨大定制项目支撑的企业,也是离钱比较近的模式;另一类是相对苦逼、但有长期可持续价值的品类,本质上是软件&SaaS公司,通过产品的打磨,把各种数据进行汇总和提炼,为企业提供决策分析。观远是第二种企业,这是观远的路线选择,基于产品为广大的决策者提供服务。
第二是聚焦垂直行业,选择新消费、新零售为第一根据地,这里有多重考虑:
首先,经历了多年飞速发展,新零售、新消费行业成为了技术型To B服务企业的绝佳温床,迭代快、规模大、生命力旺盛、拥有数一数二的数据基础。
其次,这个行业非常市场化,你不需要靠关系,只要有技术、有能力就能赢得客户。
第三,新零售、新消费行业的从业企业,大多接触过甚至原生于互联网技术,他们对于服务价值的识别能力非常好,对新事物的接受能力高,因此教育成本相对较低。
第四,新零售、新消费行业,也就是最初的电商领域,培养了大量数字化人才,很多人后来带着数字化经验转向了其他领域,为这个行业提供决策分析服务,对其他行业的辐射能力更强。后来证明我们判断是正确的,一些门槛较高的企业在沟通时会询问,你们是否有服务电商行业的成功案例。
科创人:很多数据智能企业的从业者,在细分行业选择时会选择金融行业,因为数据基础最完整、技术接受度最高,但在观远看来,似乎行业生命力的权重高于数据基础的完备性?
苏春园:好问题。金融行业的数据基础确实是最好的,但金融行业相对保守的特点,对于一个初创企业而言门槛很高,所以我们积累了几年之后,全面切入了金融。
零售与消费这个行业足够大,与金融一样,都属于体量、规模巨大的行业。我们认为行业的土壤极其重要,参考国外To B巨头的发展历程,SAP最初就是根植于德国先进的工业制造业,之后逐步扩大到各行各业。这类行业有最真实的市场反馈机制、最激烈的竞争对抗、最频繁的迭代优化,必然对应着最先进的生产力和决策能力。
在中国,哪个行业相对是最创新、最引领的?零售消费无疑,而且这个行业的经营迭代与数据创新,不止领先国内其他行业,也引领全球。观远希望与这样的行业一同培育出最顶级的数据决策能力。
初创之坑,找对3F翻过信任高墙
科创人:既然您在当初准确预计到了初创企业走向市场时,会遇到难以跨越的信任鸿沟,那么观远当初采用了哪些方法克服了这一问题?
苏春园:懂得很多道理,还是过不好这一生,这个问题当初也没少让我们头疼(笑)。观远从创建之初就立志服务最头部、最创新的客户,毕竟我和我们3位联合创始人都是做500强企业级产品的背景。但头部客户的门槛也确实高,周期特别长,因此我的第一个创业认知就是得面对现实,先去服务好那些愿意拥抱创新的中型客户,再不断往上突破我们的能力边界。后来我们发现Salesforce早期也是如此,从中小客户开始、越做越大,我们就释然了。
而且这里面也有深刻的逻辑。对初创企业,尤其是致力于成为一家追求伟大产品的公司来说,一定要有自己的节奏。如果为了短期的订单、不能冷静应对,巨大的压力会导致公司的战略动作变形,你会被裹挟进对方的节奏和需求当中。国内其实有不少早期企业,被少数几个大客户绑住了,本质上偏离了做产品的轨道,越到后面,越难实现企业级的标准产品定义,因为在早期的产品逻辑中已经夹杂了太多大客户的个性化需求,历史包袱指数级上升。
所以我们一直很感谢当初陪伴观远成长的客户,虽然大家开玩笑说,早期客户都主要是“family,friend,fool”,但我们很感恩,而且后来发现选择观远的都是有超前眼光和智慧的企业家。最早的那一批客户,我们现在还在紧密的合作。这是创业路上,很让人开心回味的一个片段。
科创人:在复盘时,往往容易清晰地划分企业发展的各个阶段,但身处其中时,企业家如何判断当下所处的阶段?举个例子,同样是选择稳定发育一段时间,如何判断这段时间究竟算是稳固根据地、提升自力更生能力,还是掉进了小富即安的陷阱?
苏春园:非常形象的问题,我们到底是在长征之初,还是到了延安,亦或具备了全面进攻的能力?说实话这是我这么多年一直在反复思考的话题。
最终我有一个很朴实的心得:你的企业处于什么阶段,取决于你当下服务的客群——以您的比喻就是所控制的疆域,是不是真正属于你。
成立之初,客户大多是通过口碑介绍。
但一旦过了这一阶段——度过这一阶段的标志是产品雏形基本清晰——就要快速找到真正的根据地,打磨出标杆、构建护城河,绝对不能困在舒适区中。
找到根据地就是细分客户,大部分时候是锁定一个行业,新企业不着急走向大海,《跨越鸿沟》里说的,做小池塘里的大鱼,我非常认可这个观点。
接下来就要打磨标杆,我们做了几个小一点的品牌之后,快速接触到了联合利华、安踏、元气森林、蜜雪冰城这类头部品牌,不断完善对头部客户的服务能力。
第三步要构建护城河,进入到了更大的战场,就会有更强劲的对手出现,绝不能满足于“我能”,至少要在一定时间段内做到“别人不能”。
这三步完成了,意味着你目前占有的市场真正属于你,并且可以规划下一阶段的进攻方向。接下来,就是以客户规模、客户数量为镜子,尽可能清醒地判断发展策略。这方面我们下了很多功夫,学习研究了IBM与华为的BLM(Business Leadership Model)战略方法论,结合创业实践,每季度做一次实践与迭代,已经进入到第8个版本,也转化形成了观远自己的战略管理实践。
另外,除了理性的方法之外,创始人除了要承受短期业务方面的压力,更要不断思考长期、尤其是思考行业最本质、最重要的那几个问题,一定要基于深度的思考,形成自己对行业未来的判断,这样才能比你的竞争对手看到更准确、更遥远的未来。
国内数据服务企业
要帮助客户解决数据基础问题
科创人:您在BI行业最初10年主要服务于全球客户,而观远面向国内企业,二者之间有哪些明显的差异,是否直接影响到了产品形态与服务模式?
苏春园:差异点非常多,最明显的差异在数据基础与数据素养,还不能简单地概括为成熟和初级,感觉更像是:服务国外客户,是跑在一条完整连贯的公路上,你可以保持一个稳定的高速跑到底;服务国内客户,有一段是非常棒的高速路,下一段可能就是乡间小路,你要不断调整驾驶模式,你的产品也必须要有很强的适应能力。
举个例子,国内很多客户的数据质量参差不齐,尤其业务也在不断创新,导致同一个商品,在很多个不同的环节或者渠道上,体现出的数据口径是不一致的,需要一些人工处理才能对上。
因此我们开发了不少产品和服务,比如SmartETL,用来帮助客户在分析之前,先对各种数据进行预处理;以及我们提供的移动BI,以无代码拖拉拽的形式,在几个小时内,可以支持客户为不同的部门和角色,发布不同的移动分析看板,直接接入企业微信、钉钉或飞书,非常受欢迎。这些接地气的产品创新,几年下来成为了观远被行业特别认可的一个高价值点。
还有,大家可能都听过“人人都是数据分析师”这句话,在国外数据分析能力的普及程度相对好些,在国内的土壤相对比较难实现。国内客户需要的不止是一个自助分析的工具,而是一站式的产品与行业最佳实践,来赋能企业内不同的使用角色,他们可能是愿意去做数据探索的分析师,也可能是希望借鉴行业分析场景的业务主管,更有可能是广大的一线业务决策者,直接消费构建好的分析场景。
科创人:《科创人》最近内部讨论一个话题,为何国内To B企业大都以行业解决方案作为切入点,而不是走工具路线,也许客户的购买倾向很大程度上决定了To B服务的形态?
苏春园:没错,只有在行业中才能沉淀更多直接作用于客户场景的价值,进而直接赋能客户。
科创人:您提到的SmartETL,已经被证明至少是某一行业内很有成效的数据基础建设型产品,国内大数据行业普遍在数据治理环节存在问题,观远是否考虑过将行业数据治理能力作为单独的产品线?
苏春园:以前我研究过国外的ETL领域,发现国外分工确实是很专业,有不少公司就是干这个事情,与BI公司上下游合作。你说的现象在国内确实存在,很多公司都做很多的东西,感觉无所不包,对应了国外多个上市公司干的活。观远的价值定位非常明确,就是以BI为核心的一站式分析平台。在中国,BI的市场渗透率只有个位数,而在全球市场这一数据超过30%,个别先进国家接近50%,这是近10倍的差距,也是10倍的潜力;此外,AI+BI也是我们对BI的未来布局,本质上这是高级分析,BI用得深入之后天然的高阶高价值场景。
所以在BI行业真正走向成熟之前,我们大概率不会贸然进入其他领域。
重点关注数据颗粒度革命
科创人:您过去的采访中多次提及数据颗粒度革命,能否系统分享下产生这一现象的机制,以及您对其的洞察思考?
苏春园:这个现象其实源自客户场景,我们在与客户碰撞时得到的启发,对于BI的应用越熟练,客户越会感觉BI、AI并不是玄学,它的本质是数字化运营,每天应对的并不一定是宏大命题,更普遍的场景是微调、细节优化。
预测一个月之后的进货量非常难,但将一个月拆成4周,一周拆成7天,数据粒度的精细化反而提升了数据运营的精准度,连续性数据的产生、历史数据的准确积累,在微小的场景下能够产生更有价值的可执行策略。在互联网领域,AB测试可能不是什么新鲜事,可在其他行业,通过数据的精细化运营来实现产品取舍、优化迭代,还是少数玩家具有的能力。
一个饮品品牌,可以基于数据颗粒度细化,在不同区域实施不同的配货策略;一个便利店企业,可以以单店为单位制定不同的数据模型,可以细化到某一款货品的摆放策略;一个销售负责人可以掌握的数据,从以往的T+1到现在5分钟刷新一次,更及时发现问题和机遇;客户的决策会,从月会、周会、大会,变成更频繁、简短、具体的信息交流……
数据颗粒度的变革,不止是量变,它对企业运营的影响,是刀耕火种与核武器之间的差距,所有的企业经营管理者都应当重视这一变革,拥抱数据颗粒度变化必然带来的决策颗粒度变化。
未来规划:AI+BI
价值主张:让业务用起来
科创人:在观远看来,接下来能够大幅度提升中国市场BI渗透率的手段有哪些?
苏春园:有一个巨大的机会,就是让业务部门能够直接使用BI。中国的客户中,BI主要是提供给IT部门做报表用,很多业务价值都需要IT部门参与才能真正落地。如何能够让业务直接通过BI构建自己的应用场景?如果这一关能够解决,BI的渗透率无疑将大幅度提升。
传统模式,BI工具以买断制销售给甲方,甲方IT团队承接使用的权责,所有的一线需求都要经过IT团队的加工和传导,因此呈现出慢反馈、长周期、低频率的使用状态。
而在观远的客户场景中,客户的一线销售代表要能随时在移动端上看到产品的销售数据:日报、周报、其他销售人员的销售量、门店的生意状况等,业务人员可以根据自己的需要方便地配置报告、报表、数据内容,不再需要向IT团队申请权限,也不需要IT技术就能够操作。
科创人:从IT团队使用到业务团队使用,使用者画像的迁移,对于产品设计带来了多少挑战?
苏春园:观远的产品设计理念,是目标明确的前提下反向设计,过去10年没有人做过这样的尝试,很多事只有自己摸索迭代。SmartETL的诞生也是出自对易用性的考量,如果我们要让业务人员用起来,必须要有低成本的数据基础优化能力;还有移动端这一阵地,自然也成了必要的使用场景;另外,业务人员成为主要使用者之后带来了并发压力,从几十人、几百人到上千人、上万人,每天早上固定时间,大量业务人员开始看数据、分析、决策,每个人看到的信息都不一样,细粒度权限、资源隔离等等,背后需要高性能、高稳定性的企业级数据架构做支撑。
除了这些,最关键的一部分,是AI与BI的结合。
科创人:今年年初观远宣布C轮融资时,您提到智能分析产品矩阵的深化是资金主要投入方向之一,能否分享下您对于AI+BI这一未来的见解?
苏春园:BI的商业化应用近30年时间,过去它一直试图解决的问题是“分析历史数据——给出诊断,也就是行动建议”。与AI结合,能够跨越BI目前的能力半径,实现面向未来的行动建议,也就是商业预测。目前观远已经与联合利华、宁波银行等头部客户,在AI+BI这一方向上启动了深度合作。
通过BI分析平台与数据科学和高级分析能力结合,AI技术的融入能够让客户“用得越深,预测越准”,最终拓展出各个方向上高价值的预测场景。
AI预测的门槛确实很高,通用型AI平台的建设更是难上加难,幸运地是观远在与联合利华的合作中已经落地了一些AI预测场景,接下来我们要帮助更多的客户完成落地。
科创人:观远在未来的发展规划?我比较好奇一点,作为行业头部企业,是否有余力解决目前明显钳制数据行业发展的人才问题?
苏春园:先解答您好奇的问题,观远目前通过与客户的合作,以相对高的投入产出比,推动数据人才的培养,比如“观远燎原计划”,当客户侧产品的使用者到达千人、万人级别时,就需要成熟可靠的培训体系支撑,我们会配合客户举办各类数据驱动业务发展的比赛,比如最近与我们合作的某头部股份制银行,内部报名团队突破了100个,大大出乎我们的意料。在客户业务体系下,在员工个人发展的动力驱使下,人才培养能够更有效、更低成本的推进。
说到观远的未来,“让业务用起来”是我们的一个长期价值主张,我们已经在近500家客户的场景中不断印证了这一理念,我希望未来5年有5000家、50000家各行业的组织,也同样可以享受到“让业务用起来”的巨大数据价值。
这也是让我们观远的每一位远行者最兴奋的愿景,成为智能决策全球级的引领者,让1000万使用者享受数据的价值。
这个行业的未来很大,不缺某一款产品,不缺某一家企业,但真正能够构筑起行业发展地基的底层逻辑、底层认知,需要有人去发掘、普及、凝聚共识。这也是我们面临的挑战,希望找到更多的伙伴们一起实践对未来的看法。正所谓,预测未来的最好方式,就是一起去创造未来。
文章来源:亿邦动力