|
随着数据量和算力的增加，AI预测的准确性和效率不断提高，企业客户不再满足于传统BI提供的描述性分析，而开始寻求AI解决方案辅助决策。 DataHunter成立于2014年，最初定位为大数据可视化分析和展示领域，主要产品包括Data Analytics和Data MAX。 2018年初，加入数据挖掘以及机器学习技术，推出了基于AI的Data Wisdom数据智能决策服务。 添加AI技术助力商业决策，产品线覆盖数据分析全流程 Datahunter旗下Data Analytics、Data MAX这两款产品的数据来源包括客户自身业务系统（数仓、CRM等），为了增加后续分析的可靠性以及准确性，DataHunter也会抓取、清洗公开数据（天气、汇率等），供客户选择，并从合作伙伴（尼尔森等咨询机构）获得部分行业数据。这些异构数据会进行整合和清洗，为后续分析展示提供基础。 Data MAX是一款数据可视化展示大屏展示工具，可以根据客户要求采取定制化设计，将各种数据展示在大屏中，满足客户可视化需求；同时Data MAX也支持客户进行自主配置，基于内置的主题风格、业务看板、丰富的组件库等元素，通过拖拽即可完成大屏配置，整个操作流程简单高效。 目前，Data MAX主要面向政府、媒体等对于数据展示有较高要求的行业。 Data Analytics是一款自助BI产品，不同于传统BI的IT驱动方式，这款产品主要面向业务人员，降低了使用门槛，帮助其根据业务快速进行数据分析。Data Analytics主要应用于房地产、新零售、制造业等行业。 Data Wisdom主要为以上两款产品提供基于AI的技术支持，利用数据挖掘以及机器学习算法进行业务预测，提供销量预测、智能选品、地址分析、产线调优等场景应用。 如今，DataHunter的产品线应用场景囊括了数据展示、数据分析以及业务预测，可以帮助客户解决与大数据相关的大部分问题。但是，Data Wisdom仍处于POC阶段，在预测性分析场景上的精确度还有待检验。 布局快速发展行业，未来推出分析新产品 对比去年行业布局，DataHunter当前目标行业依旧集中在零售行业、制造业和媒体行业，但各行业对于营收的贡献已经发生改变。 DataHunter创始人程凯征表示，如今新零售行业成为热点，发展迅速，同时，由于工业4.0概念火热，制造业需求增长也在不断加快，媒体行业由于是存量市场，需求近年并没有明显增长。 从DataHunter新增产品线Data Wisdom可以看出，其应用场景主要集中在迅速增长的零售行业以及制造业市场，也是为了进一步满足客户需求，拓展两个行业中的客户数量。 目前，DataHunter在其他行业主要通过合作伙伴服务客户，程凯征表示，DataHunter自身暂时没有扩展到其他行业的计划，未来会将通用产品进一步完善，并推出针对非结构化数据的新产品，与现在针对结构化数据的自助BI产品形成补充。 近期，爱分析对DataHunter创始人程凯征进行了专访，就DataHunter的产品、经营策略以及发展战略做了深入探讨，现将部分精彩内容分享如下。 采用机器学习技术，拓展产品服务场景 爱分析：自2017年5月初访至今，DataHunter产品线有哪些更新？ 程凯征：DataHunter切的是数据可视化领域，我们将该领域业务按场景分为两类。 一类是数据的呈现，也就是将数据以合适的形式呈现在用户面前，也就是将问题暴露在用户视野内；另一类是数据的可视化分析，也就是通过分析数据将问题的原因呈现给用户。 我们的产品线也是按这两类业务构建。 第一条产品线是数据大屏展示，Data MAX。通过这款产品，我们将数据投到各种形态的屏幕上。与对标的DataV相比，我们这一年来着重在Data MAX的设计风格上发力，满足不同用户的定制化需求和硬件条件。 第二条产品线是自助BI，Data Analytics。2017年下半年，这款产品基本打磨完成，其与传统BI产品有较大区别，不再是IT Driven，而是服务于业务人员，属于Business Driven类BI，产品参考了国外敏捷BI设计理念并加上国内用户的使用习惯。 第三条产品线是今年刚推出的，Data Wisdom。这款产品是为了辅助用户决策，通过引入客户业务数据、第三方数据，运用数据挖掘、机器学习技术，提供销量预测、智能选品、选址分析等场景的对应服务。 看到问题、分析问题、解决问题，这是我们打造产品组合的内在逻辑。 爱分析：从第二产品线跨越到第三产品线，技术难度在哪些方面？ 程凯征：主要是数据挖掘和AI能力的储备上。 爱分析：DataHunter对于AI的探索情况如何？ 程凯征：我们对于AI的定义是将其分为传统和新型AI。传统AI主要是数据挖掘、机器学习等内容，新型AI主要包括深度学习等其他领域。DataHunter现在主要用到的是传统AI，涉及了数据挖据和一些标准的机器学习算法，我们运用这部分技术做产品应用。 爱分析：DataHunter目前为客户提供的第三方数据有哪些？ 程凯征：首先是公开数据，就是互联网上可以免费获得的数据，比如天气、汇率等，我们会抓取并清洗这些数据，之后供客户选择使用；其次是行业数据，这部分数据我们会从一些合作伙伴处获取，还会通过向尼尔森等咨询机构购买相关数据，这部分数据会向客户收取一定的费用；最后是客户自有的淘宝、天猫数据，我们会通过账号授权的方式将其引入数据仓库。 爱分析：Data Wisdom会不会逐渐取代自助BI产品？ 程凯征：不会，Data Wisdom主要面向功能性需求，比如智能选址、销量预测等等，但是企业中功能性需求都比较散乱，依旧需要BI产品这种业务分析工具作为支撑，BI的使用频率要高很多。 爱分析：是否为客户提供底层数仓？ 程凯征：对于已经有数据仓库的客户，我们会直接将BI产品嫁接到其数仓上，再通过ETL将补充的第三方数据导进来。 而对于并未建设数据仓库的客户，我们会考虑帮助客户搭建数据仓库，具体方式是通过引入合作伙伴的数仓产品，由我们自己的团队负责实施。 产品私有部署为主，零售、制造业需求增长迅速 爱分析：产品的交付形式是什么？ 程凯征：通过产品加服务的方式提供给客户，目前接触的客户90%以上倾向于选择私有部署的方式。Data Wisdom会有较多公有云SaaS模式。 爱分析：三大产品面向的行业情况如何？ 程凯征：政府和媒体行业对于大屏可视化产品需求会比较大，房地产、消费、新零售、制造业等行业对BI产品的需求比较大，消费和新零售行业对智能决策产品需求比较大。 爱分析：制造业对于BI的需求主要在哪些方面？ 程凯征：制造业其实对于BI有很大需求，比如说品控，这其中有很多数据分析的需求，在分析产品质量时，需要对整个生产环节和供应链环节进行分析，找到问题点，这其中就需要BI分析。 爱分析：自助BI和智能决策产品的客群转化情况如何？ 程凯征：非常容易转化。很多客户在沟通时会发现对于BI或者智能决策产品也有需求。如果沟通顺利，客户多会在后续购买中追加购买另一部分产品，这部分购买可能会通过其公司内部申请审批等流程后才进行。 对于智能决策产品，我们会判断客户的数据基础，包括数据质量、数量，如果客户的数据基础不好，我们不会建议客户使用。 爱分析：重点布局的行业有哪些？几个行业贡献的营收情况如何？ 程凯征：核心行业还是和去年一样，新零售、制造业以及媒体业。从近些年来看，处于舆论关注的热点行业往往能贡献较多的收入，这对DataHunter布局的行业也同样适用。 近年来社会各界对于新零售等领域的关注度比较高，制造业则因为国家一直在推智能制造4.0，制造业的升级和转型等话题也始终在舆论热点内。相应地，这两个行业给我们贡献的营收就比较可观，增速也比较快。至于媒体业，这两年的关注度并不是很高，往数字化媒体和社交媒体的转型及迁移按部就班的在进行，反映到营收上，媒体业贡献也比较稳定。 因此，从所贡献的营收和增速上来看，零售，尤其是消费品零售的营收及增速最快，制造业次之，媒体业趋于平稳。 爱分析：消费品、新零售行业，客户定位是什么？ 程凯征：各种类型的企业都是我们的目标客群，消费品行业中，客户数量很多，并且大体量的客户很多，新零售行业中，虽然企业体量较小，但是其天生有数据方面的优势，对于后续的分析有比较好的数据基础。 爱分析：对于定制化需求，是DataHunter自己负责为客户提供解决方案吗？ 程凯征：在布局的行业是DataHunter自有团队负责，其他行业会倾向于找合作伙伴解决。 继续拓展团队、渠道规模，打磨通用产品 爱分析：有无考虑SaaS版本BI的推出？ 程凯征：今年下半年会考虑推出个人免费版的SaaS BI。 爱分析：团队规模及结构如何？ 程凯征：去年团队有30多人。现在有60多人，研发三分之二左右，实施人员10人左右，销售6-7人，到年底的目标是达到100人左右。 爱分析：销售模式上，有无考虑渠道的方式？ 程凯征：有的。我们会与两类厂家合作。第一类是战略合作伙伴，比如像星环科技等大数据平台厂商合作获客。第二类是经销商，通过与经销商的合作，获得获客上的优势。渠道建设今年刚起步。 爱分析：产品下一步的发展方向是什么？ 程凯征：会继续打磨通用产品，在数据分析中，BI主要针对结构化数据，今年下半年会推出新的产品，针对非结构化数据，跟BI产品相互补充。 |
|
|
