DataHunter:數據可視化，打通產業鏈最後一公里

在大數據產業鏈上，數據可視化是最直觀的部分，也是產業鏈最終環節。與國外環境稍顯不同的是，國內企業數據可視化展示需求更加強烈，市場規模增長迅速。

數據可視化分析作為數據可視化的一部分，也在快速增長，同時面對諸多挑戰。一方面國內數據分析人員整體稀缺，一方面企業對數據分析理解尚淺。但長期看，數據可視化分析展示需求市場空間巨大，商業價值較高。

DataHunter（北京數獵天下科技有限公司，以下稱為DataHunter）從數據可視化切入，致力於開發自主的數據可視化分析展示工具。

2016年，DataHunter成立後，以媒體行業為突破口，為多個省級媒體提供「中央廚房」業務數據可視化大屏解決方案，引入輿情反饋等數據指標為內容生產進行指導，在媒體融合應用層面技術優勢明顯。

其創始人程凱征認為，以探索式分析理念，結合AI技術，數據可視化分析工具最大價值將以商業數據分析展示的方式呈現。

DataHunter是程凱征連續創業的第三家公司。他憑藉在企業級服務領域多年積累，繼續選擇2B市場，專註數據產業鏈最後一公里。程凱征認為，數據可視化分析與展現緊密結合，提供成熟行業模板分析工具和可視化大屏方案是相輔相成的。

近日，愛分析對DataHunter創始人程凱征進行訪談，他闡釋了DataHunter的業務模式、未來戰略，並分享了自己對數據可視化領域的發展格局與趨勢的看法。

兩個產品一個服務，專註數據層面應用

愛分析：DataHunter為什麼選擇做數據可視化？

程凱征：DataHunter是2016年成立的，專註數據可視化分析和展現方向。我們團隊之前做企業移動互聯網，業務整體打包賣掉之後，我們開始探索新方向，包括AR、VR、AI、大數據。我們判斷，大數據和AI更易落地，AI會再慢一拍。結合自身能力和未來市場趨勢，我們選擇留在企業級服務領域，定位大數據領域。

我們認為，隨著行業成長企業市場會更細分。結合大數據產業鏈，每個環節都會出現非常專業的公司。在數據採集、清洗、整理和存儲領域，已經出現一些好公司。在數據可視化分析和展示領域，現在公司不多，但業務規模較大，是相對更好的市場。

因此，我們把DataHunter定位在數據可視化分析和展示。在實際業務上分為數據可視化分析、數據可視化展現兩部分。展現業務與中國特點緊密結合。我們幫助數據與人交互，是整個數據產業鏈的最後一公里。

愛分析：目前DataHunter為用戶提供哪些產品和服務？

程凱征：我們核心業務是兩個產品線和一個服務。第一條產品線是數據大屏，服務展示性需求用戶。數據大屏更偏視覺效果，更符合中國國情，政府、公安、交通、大型企業等的展示性需求非常強烈。

第二條是可視化分析的產品線，貼近企業BI和探索式分析，類似Tableau、PowerBI，對標國外DOMO，LOOKER，屬於商業分析領域。國內用戶的數據理解和數據分析使用能力相對較弱，給其提供成熟模板和分析方式比較可行。在此基礎上，我們會加上自己knowhow做開發，如任意維度數據鑽取、數據交互、數據分析引擎等。

第三塊是服務，支撐兩個前端業務。目前國內用戶並沒有成熟到把產品做簡單部署就可以用起來，還需要大量用戶實施、數據對接工作。駐場工程師提供數據清洗，第三方數據系統對接服務，幫用戶接入互聯網數據。

愛分析：現在兩個產品主要切的是哪些行業呢？

程凱征：目前主要是媒體行業，有標杆用戶，省級客戶居多。已落地的成功案例包括人民日報「中央廚房」、某直轄市市委宣傳部、河南省報業集團等。其次是製造業，與設備商合作，提供整套數字可視化影像平台。幫助設備商提供數字影像的雲端服務，可查看設備運轉狀態。

愛分析：媒體行業項目如何執行實施？

程凱征：我們給媒體提供整體解決方案，稱為中央廚房。把所有業務系統整合打通，用輿情指導內容生產和傳播。中央廚房分為幾個步驟，首先整合媒體業務系統數據，建立融合平台。接著數據清洗、整合，對展示數據進行交叉處理和計算，滿足動態數據的實時展示需求。最後是前端展示，包括軟體層並行渲染的展示系統。我們做數據整合、處理、前端展示。

愛分析：製造領域也是以整體解決方案輸出？實施流程一樣嗎？

程凱征：製造業展示性需求更側重如何通過3D方式還原設備運行狀態，隨時查看部件運行狀態，和媒體在內容展示上有差異。

實施流程一樣。媒體從各業務系統數據開始，工業也是。包括感測器數據、產品數據、甚至氣象數據。前端再根據行業特點做定製輸出。

愛分析：工業領域具體切的是哪些行業？設計故障分析和故障預測嗎？

程凱征：目前切的是電力、特種設備行業。和電力設備公司合作多一些。目前不涉及故障預測演算法，通過合作夥伴來完成。我們幫用戶把全部數據做整合，建平台，完成可視化，再把演算法加疊進去，提供對應服務。

愛分析：分析產品會以賣license方式給用戶輸出嗎？

程凱征：現在分析系統上市版本，有兩套方案供用戶選擇。一個是license方式，一個是企業獨立部署版本，按照系統建設方式收費。看用戶接受度，以用戶為導向。

愛分析：會往下延到數倉或者資料庫，做MPP這一層嗎？

程凱征：不會去建數倉、做MPP。我們專註數據層面，包括數據整合、數據對接、數據分析等方面。

愛分析：分析層發展如何？

程凱征：分析層比展示層發展的要慢一些。分析要更複雜，涉及到業務、展示模板。我們正在探索幾個行業。

第三方數據價值在增長，AI商業化路更長

愛分析：數據源是怎樣處理？外部數據對可視化分析和展現的價值大嗎？

程凱征：數據源是合作為主。我認為價值在逐步增長。像媒體行業，如果把輿情的第三方數據剝掉，發現它本身就是一個業務系統的整合，談不上媒體融合。從內容生產到分發傳播，並沒有結果反饋，無法形成閉環。現在是通過第三方數據做了閉環，未來在企業的商業分析裡面，一定也是這樣的情況。第三方數據會變得越來越有價值，對商務決策產生積極作用。

愛分析：數據分析和展示用到哪些AI技術？是自己在研發嗎？

程凱征：我們看到，數據產業鏈後端業務會與AI自然而然的結合。從使用場景講，主要涉及非結構化數據分析、語義分析、data insight數據洞察之類的AI技術。我們自己在做，也找合作夥伴的演算法相互驗證。效果上差別不大，都還達不到質的變化，AI商業化還有很長的路要走。

愛分析：DataHunter自己定位是BI公司還是數據可視化公司？

程凱征：這個很難講，我們做數據可視化分析和展示。數據可視化分析是商業分析的延展，大家對BI理解大多是傳統IT主導報表模式。我們提供新式的敏捷型BI，所以做了描述性調整。這是一個適合業務人員使用的可視化分析工具，不是傳統BI工具。但從大範疇看，還屬於商業分析BI。

愛分析：下一步打算去切哪些行業？

程凱征：分析系統會推進零售、醫藥、物流。在這些行業里，銷售、產品業務數據在前端，公司IT部門無法支撐所有業務性數據的分析需求。傳統BI是前端提了數據需求，再做數據整理和建模，過若干個月，才能產生報表。

甚至有些互聯網公司，有很多業務部門，每個業務部門負責的產品線也不盡相同。而且營銷策略更新很快，後端IT部門滿足不了如此繁雜多變的分析需求。

這類公司前端業務部門目前正在使用原始的SQL + Excel的方式處理數據，這些正是我們希望幫助用戶解決的數據分析問題。

愛分析：在其他行業有用戶案例嗎？

程凱征：還沒有對外，目前是pilot用戶。我們有一個核心產品，正在做行業化，根據用戶需求做調整，這個過程要比數據大屏的展示性業務複雜很多。

愛分析：下一步的公司戰略是什麼？

程凱征：以分析為核心，以展示為輔助，共同發展。

展示性需求快速增長，分析性需求尚處萌芽

愛分析：現在國內做可視化展現和分析公司有哪些？

程凱征：數據可視化領域公司有數字冰雹、海雲數據、阿里雲DataV等。產品跟行業和業務相關，沒有好壞之分，只有看誰做快，行業做的深。

數據分析公司有國雲數據、BDP、永洪、帆軟。BDP以SaaS形態提供數據分析服務。永洪和帆軟做的時間久一些。這些都是行業的先行者，我們把他們看作自己的友商。

愛分析：數據可視化分析和展現的市場容量有多大？

程凱征：在整個數據可視化裡面，國外展示性需求相對少一些，但很多做KPI看板的公司也都拿到融資，只是還沒跑出有名的上市企業。分析市場更大，它與BI概念天然結合，但其工具便捷性、友好性要遠大於原來的BI。在Gartner報告里，數據可視化分析屬於BI分析。分析的市場規模可以與BI重疊，大概有五六百億規模。

愛分析：國內媒體行業具體哪些領域有展示性需求？與哪類媒體合作多一些？展示性需求比較大的是哪些媒體？

程凱征：媒體行業分為紙媒、廣電、網路新媒體。每個省特點不同，地域媒體力量不均衡，但都有展示性需求。傳統媒體都向媒體融合發展。新媒體誕生之後，輿情的價值得以體現。媒體融合是把內容生產、分發、傳播，包括所有渠道，輿情，做打通，形成從內容生產到輿情反饋的閉環。靠數據去把所有業務打通，串起來。

愛分析：媒體行業數據融合規模有多大？IT投入有多少？

程凱征：我們自己測算過，每年至少有十億規模。IT投入持續在增長，傳統媒體運作模式在變化，報紙雜誌等紙媒時代過去了，新媒體蓬勃發展，所有的媒體都在朝媒體融合大趨勢發展。

愛分析：您認為，目前我國在可視化分析與展示領域還存在哪些需要解決的問題？

程凱征：可視化數據大屏在國內增長趨勢快，接受程度高。數據可視化分析領域會有一些瓶頸，原因在於國內數據分析人員偏少、能力偏弱。雖然企業意識到業務數據和運營數據是價值資產，也在做數據採集和存儲。但如何去分析利用，還都不清晰。數據質量也需要再改善。所以我們在數據可視化分析領域正在逐步積累，未來3-5年看，數據可視化分析一定是重點。