經(jīng)過3年以上的發(fā)展，各類大數(shù)據(jù)to B服務(wù)都已在中國初具規(guī)模。他們或扎根互聯(lián)網(wǎng)，為“云時(shí)代”以前的互聯(lián)網(wǎng)公司提供了云上工作的方式;或立足垂直行業(yè)，用互聯(lián)網(wǎng)給這些亟待升級(jí)的“傳統(tǒng)行業(yè)”賦能。

雖然數(shù)據(jù)創(chuàng)業(yè)公司頗有一些，且無論做SaaS還是做外包服務(wù)都已相當(dāng)成熟，“數(shù)據(jù)可視化”卻仍是較為薄弱的環(huán)節(jié)。來自美國的可視化服務(wù)在中國嘗到了最初的甜頭，而土生土長的數(shù)據(jù)可視化公司，比如DataHunter，也逐漸迎來了最好的發(fā)展時(shí)機(jī)。DataHunter于4月初宣布，他們獲得了來自Ventech China銀泰資本的數(shù)千萬A輪融資，并走上了開拓更多行業(yè)的快車道。

“公司成立于2014年，我們?cè)?016年才開展現(xiàn)在的業(yè)務(wù)，還不到兩年，”DataHunter創(chuàng)始人程凱征表示，“也不是沒有意義。在to B市場(chǎng)，用戶選擇服務(wù)時(shí)會(huì)看企業(yè)的資歷比如存續(xù)時(shí)間。”他開玩笑地說，如果是2016年剛成立的公司，業(yè)務(wù)開展可能會(huì)困難一些。

程凱征說，數(shù)據(jù)領(lǐng)域很細(xì)分，大家討論時(shí)經(jīng)?；鞛橐徽?，這樣就造成了一些誤會(huì)。比如最典型的是，許多服務(wù)企業(yè)市場(chǎng)的數(shù)據(jù)公司，也稀里糊涂地上了“大數(shù)據(jù)”風(fēng)口，但這是個(gè)嚴(yán)重的誤判。

實(shí)際上企業(yè)市場(chǎng)的數(shù)據(jù)談不上大數(shù)據(jù)。很多時(shí)候，就一家企業(yè)而言，數(shù)據(jù)規(guī)模是很有限的。在業(yè)務(wù)數(shù)據(jù)的范疇，一家企業(yè)拿出的往往只是“小數(shù)據(jù)”。

“不過大數(shù)據(jù)這個(gè)詞對(duì)企業(yè)市場(chǎng)倒是起了很強(qiáng)的教育意義。很多企業(yè)一下子意識(shí)到，數(shù)據(jù)是有價(jià)值的。這也給我們這些做數(shù)據(jù)服務(wù)的公司帶來了機(jī)會(huì)，”程凱征說，“即便是小數(shù)據(jù)，在to B的數(shù)據(jù)服務(wù)出現(xiàn)之前，也有很多公司自己在拿它們做些事情，只不過沒有‘大數(shù)據(jù)’這個(gè)帽子，聽著沒那么厲害。價(jià)值肯定是有價(jià)值的。”

數(shù)據(jù)服務(wù)被細(xì)分成很多行業(yè)，比如數(shù)據(jù)采集、數(shù)據(jù)的存儲(chǔ)和加工、數(shù)據(jù)分析，而DataHunter做的則是最前端的數(shù)據(jù)可視化。如果把數(shù)據(jù)分成“給機(jī)器用”和“給人用”，可視化就是給人用的數(shù)據(jù)，容易理解其位于數(shù)據(jù)產(chǎn)業(yè)的最下游，與人工智能領(lǐng)域的人機(jī)交互類似。程凱征說，之所以選擇這個(gè)領(lǐng)域，一是因?yàn)楸橛^中國市場(chǎng)，可視化的競(jìng)爭沒有那么激烈，“沒做過的人往往誤判這塊沒有技術(shù)含量、深度不足”;而是可視化服務(wù)在中國還比較好賣。

看不到的東西是最難賣的東西?？瓷先ピ胶?，就容易賣。對(duì)我們而言是這樣，對(duì)使用我們服務(wù)的企業(yè)，他們拿給用戶“看得見的東西”，也是一個(gè)道理。

數(shù)據(jù)可視化當(dāng)然不是“技術(shù)含量低”的領(lǐng)域。實(shí)際上，可視化本身也可細(xì)化為許多步驟，比如本身處于數(shù)據(jù)產(chǎn)業(yè)前端的數(shù)據(jù)可視化，其最“前端”的工序，是數(shù)據(jù)可視化的呈現(xiàn)，而在那之后則是數(shù)據(jù)可視化的分析。

“數(shù)據(jù)可視化的呈現(xiàn)，有很多業(yè)務(wù)實(shí)際運(yùn)用的場(chǎng)景。有人覺得就是把數(shù)據(jù)變成圖。他們可能沒有想過，那是對(duì)于靜態(tài)的數(shù)據(jù)，如果做實(shí)事數(shù)據(jù)的呈現(xiàn)，結(jié)果就是動(dòng)態(tài)的。而且呈現(xiàn)在什么表面也不同，用手機(jī)看和用巨幕看，對(duì)背后技術(shù)的要求當(dāng)然不一樣。”程凱征說，展開業(yè)務(wù)后，真地接觸到不同行業(yè)、不同背景客戶的可視化需求，就會(huì)知道可視化也有多種多樣的挑戰(zhàn)。

程凱征表示，任何一個(gè)企業(yè)做一個(gè)單獨(dú)的數(shù)據(jù)可視化場(chǎng)景，只要砸錢、砸人力，那當(dāng)然是沒問題，“有的企業(yè)做一個(gè)巨幕，直接花幾百萬塊錢”。不過對(duì)于高效率、標(biāo)準(zhǔn)化、產(chǎn)品化的服務(wù)而言，不同的場(chǎng)景背后，DataHunter需要探究相近的解決方案，并開發(fā)相應(yīng)的工具。

“我們獲得了很多專利，比如超大屏幕下的渲染方式。我們?yōu)樘旖蜃隽艘粋€(gè)項(xiàng)目，18m×3m的大屏幕，數(shù)據(jù)不斷在變化。”程凱征解釋道，如果按照傳統(tǒng)思維硬上，每次數(shù)據(jù)有微小變動(dòng)，就要刷新整個(gè)屏幕的圖像，可以想象背后服務(wù)器的壓力會(huì)非常巨大。

至于數(shù)據(jù)可視化的分析，則與呈現(xiàn)有相通的道理。“數(shù)據(jù)可視化其實(shí)就是把大量數(shù)據(jù)翻譯成人能直觀產(chǎn)生感覺的內(nèi)容，比如形狀、趨勢(shì)、大小。不然面對(duì)幾個(gè)數(shù)據(jù)可能還好，面對(duì)大量數(shù)據(jù)的時(shí)候，一眼看上去，人肯定是沒有感覺的。”程凱征說，用最簡單的說法，就是讓人能看到大量數(shù)據(jù)中“一眼看不到的東西”。

而不同的數(shù)據(jù)該用什么樣的圖形來表達(dá)，背后自然有一套邏輯，DataHunter稱其為“數(shù)據(jù)可視化的邏輯”。

不是線圖、餅圖、條圖那么簡單。針對(duì)單一數(shù)據(jù)可能還好，有些復(fù)雜數(shù)據(jù)，你只有放在一起看才能得出結(jié)論。那么假如你一張圖上要呈現(xiàn)四種不同維度的數(shù)據(jù)，就不能說畫四條線，或者四個(gè)餅?zāi)菢?。這背后不僅是一個(gè)邏輯，也是一個(gè)專業(yè)的學(xué)科。

在DataHunter內(nèi)部，分析和呈現(xiàn)也是兩條不同的產(chǎn)品線。2016年開展業(yè)務(wù)時(shí)，程凱征擁有的是一個(gè)四人團(tuán)隊(duì)，以及他們的數(shù)據(jù)服務(wù)、企業(yè)服務(wù)經(jīng)驗(yàn)，而具體的產(chǎn)品完全是從0開始。如今，經(jīng)過兩年摸索，DataHunter已經(jīng)擴(kuò)展到40人，其中技術(shù)團(tuán)隊(duì)有30人。

“其實(shí)直到今天我們也算不上知名，畢竟體量小，”DataHunter已經(jīng)服務(wù)了國內(nèi)不少知名企業(yè)，但程凱征比較謙虛，“我們能取勝，相比國外資歷更久的大公司，還是因?yàn)楫a(chǎn)品更好。站在巨人的肩膀上吧，剛開始做的時(shí)候，我們看了現(xiàn)有的所有產(chǎn)品，分析了未來的趨勢(shì)。他們產(chǎn)品背后的邏輯是什么，優(yōu)點(diǎn)在哪，不足在哪，哪些因素適合國內(nèi)市場(chǎng)，哪些在國內(nèi)是阻礙?我們分析、吸收，才有了自己的產(chǎn)品。”

程凱征表示，一年多接觸客戶的過程中，客戶往往將DataHunter與國外產(chǎn)品比較，比如Raw、Tableau、Visualization free等，而鮮少與國內(nèi)產(chǎn)品比較。“我覺得國內(nèi)產(chǎn)品還停留在2.0階段吧，我們已經(jīng)是3.0了。”

程凱征解釋了數(shù)據(jù)可視化2.0和3.0的區(qū)別。2.0是“IT導(dǎo)向”的可視化，也可以叫做“驗(yàn)證式分析”。

什么叫驗(yàn)證式分析呢?就是客戶先提出一個(gè)想法，然后IT人員選擇數(shù)據(jù)，清洗數(shù)據(jù)，建模，把有用的數(shù)據(jù)呈現(xiàn)出來。其實(shí)就是先有結(jié)論，然后挑合適的數(shù)據(jù)把它畫出來。IT人員不一定懂業(yè)務(wù)，他們?yōu)榱藢?shí)現(xiàn)結(jié)論，刻意篩選數(shù)據(jù)，有時(shí)候就不太客觀。

到了數(shù)據(jù)可視化3.0，IT人員不再是工作流程的核心，業(yè)務(wù)人員才是。“你不用再懂技術(shù)，利用3.0的工具，業(yè)務(wù)人員自己就可以操作數(shù)據(jù)，看到結(jié)果，然后再得出結(jié)論。”這樣做最大的好處，就是讓數(shù)據(jù)分析回歸“從數(shù)據(jù)到結(jié)論”的本來目的，而非裝模作樣的“從結(jié)論找數(shù)據(jù)”。

程凱征說，3.0還有一個(gè)2.0不具備的特點(diǎn)，是從孤立到協(xié)作。“IT人員挑數(shù)據(jù)實(shí)現(xiàn)結(jié)論，出來肯定是靜態(tài)的么，然后加在PPT里，開會(huì)給別人看一下。這一般只對(duì)公司決策層有意義。普通員工讓技術(shù)幫忙做個(gè)圖，開會(huì)時(shí)候老板提出異議，想看另一個(gè)圖，就得散會(huì)，然后重新去做，這個(gè)流程非常地長。”

而如果將數(shù)據(jù)可視化集成在協(xié)作工具中，圖像就可基于討論結(jié)果隨時(shí)修改，“你在開會(huì)時(shí)直接就做出來看了”，不必再受限于PPT等靜態(tài)文件。這也是3.0提升企業(yè)數(shù)據(jù)分析效率的重要原因。“而且也解放了IT人員。業(yè)務(wù)部門自己就能做分析了，不用再打擾技術(shù)。”

意義其實(shí)很大。實(shí)際情況中，多數(shù)公司的業(yè)務(wù)發(fā)展，是快于內(nèi)部管理跟進(jìn)速度的。比如這個(gè)星期做了新的銷售，事后開會(huì)復(fù)盤，如果像傳統(tǒng)那樣由IT人員輔助輸出數(shù)據(jù)，可能都是一個(gè)月后的事兒了。這無疑會(huì)影響公司成長的速度。

程凱征說，數(shù)據(jù)可視化的市場(chǎng)還很寬廣，即便面臨國外同行也是如此。一來國外產(chǎn)品在國內(nèi)多少有些欠考慮，不能適合本土市場(chǎng)需求的方方面面，二來需要可視化的業(yè)務(wù)還有很多。“很多大公司以前也用過國外的產(chǎn)品，其實(shí)現(xiàn)在也在用，但不妨礙再使用我們的產(chǎn)品。大公司內(nèi)部，可視化的場(chǎng)景是多種多樣的，而且會(huì)不斷增加。針對(duì)新需求，采用新產(chǎn)品，在現(xiàn)階段還很常見。”

程凱征說，和所有的數(shù)據(jù)服務(wù)類產(chǎn)品相同，最先使用數(shù)據(jù)可視化產(chǎn)品的，既有需求、又有精力的大企業(yè)和地方政府，至今都仍然是頭部客戶。而其他客戶很多時(shí)候也并不是沒有需要，只是財(cái)力或人力還不足以支持。但隨著精細(xì)化運(yùn)營時(shí)代來臨，數(shù)據(jù)可視化也將惠及更多企業(yè)。

有個(gè)客戶是開餐館的。在我們以往的理解中，餐飲行業(yè)如果對(duì)數(shù)據(jù)服務(wù)有需求，一般也都是連鎖的，或者餐飲集團(tuán)，不過這就是一家餐館而已。分析時(shí)我們發(fā)現(xiàn)，他家70%來客都是回頭客，這在餐飲行業(yè)算非常高了，一般餐館也就20~30%。這說明他可能廣告做得不夠好，知名度不夠高。另一方面，老客這么忠誠，說明他有獨(dú)到之處，研究以后我們發(fā)現(xiàn)是他家原材料質(zhì)量上乘。我們就建議餐館也直接銷售原材料，結(jié)果他們的業(yè)績上漲了20%。

DataHunter2017年取得的成績?cè)陔娚滔M(fèi)、裝備制造、汽車、媒體等行業(yè)尤其突出。取得融資后，DataHunter在繼續(xù)打磨產(chǎn)品的同時(shí)，要在有一定成績的行業(yè)“做深”并拓展新行業(yè)，也可能為中小企業(yè)推出部分免費(fèi)、模塊收費(fèi)的產(chǎn)品。“最重要的還是開放我們的能力。在國內(nèi)招一個(gè)數(shù)據(jù)分析師并不容易，這個(gè)行業(yè)還是比較早期，我們得把自己的能力分享出去，促進(jìn)整個(gè)行業(yè)發(fā)展。”程凱征說。

“電商消費(fèi)目前是最需要數(shù)據(jù)可視化的行業(yè)。主要是SKU太多，促銷活動(dòng)太多，數(shù)據(jù)量大，市場(chǎng)變化快，需要快速反應(yīng)，對(duì)數(shù)據(jù)分析的要求就高。”程凱征表示，隨著流量紅利衰退，精細(xì)化運(yùn)營的重要性愈發(fā)凸顯，大刀闊斧的“促銷”可能沒有以前那么好用了。“SKU多了，售賣的渠道也多了，比如在無人貨架上什么產(chǎn)品好賣?這個(gè)連感性的觀察都沒有，只能依靠數(shù)據(jù)分析。”

盡管如此，程凱征認(rèn)為，數(shù)據(jù)服務(wù)真的能使中國各行業(yè)產(chǎn)生巨變，還需要時(shí)間積累。“其實(shí)就連數(shù)據(jù)本身，我們和美國相比，做得也還不夠好。很多企業(yè)看上去收集了不少數(shù)據(jù)，實(shí)際上方向不對(duì)，或者質(zhì)量很差。教育行業(yè)不是我們一家公司的事，是整個(gè)大環(huán)境的事情。企業(yè)服務(wù)收入穩(wěn)定，但增長缺乏爆發(fā)。我們?nèi)ツ暧?000多萬收入，但不太可能像to C那樣，今年就變成幾億了。我們會(huì)穩(wěn)扎穩(wěn)打，也希望同行能不懈努力。”程凱征說。