九章雲極方磊：大數據時代，數據科學家也需要協作平台 | 愛分析訪談

調研 | 李喆

撰寫 | 李喆

當前，大數據技術正與行業應用融合，隨著大數據滲透到各行各業，企業對大數據人才的需求變得異常旺盛。

根據麥肯錫的數據，2018年大數據科學家的缺口在14至19萬之間，對懂得利用大數據決策的分析師和經理崗位缺口達到150萬。因此，數據科學家和數據工程師在已經成為一個新的工種，中大型企業都將建立自己的大數據分析團隊。

程序員有GitHub，設計師有AutoCAD，普通員工有Slack，數據科學家和數據工程師也應該有自己的協作辦公平台，幫助他們更好地建模分析，同時讓管理層更好地認知到每個人的進展。

九章雲極創始人、CEO方磊曾在微軟Bing工作多年，他發現Bing內部800多個數據工程師在一個名為Aether的系統上協作，整個團隊運轉井然有序，不會因為人員變動使得研發成果流失。

於是，方磊決定回國建立這樣一個大數據基礎平台服務企業客戶，2013年，北京九章雲極科技有限公司於北京中關村成立。

由於大數據平台這個業務本身過於超前，連Gartner都是2017年才第一次公布數據科學平台（Data Science Platforms）的魔力象限，當時國內大數據行業剛剛起步，大部分客戶還處於理解大數據概念階段，遑論建立數據分析團隊，對這樣的平台價值一無所知。因此，一開始客戶的接受程度並不高。

方磊帶領九章雲極進行了迅速的調整。

客戶服務方面，九章雲極由原本為公有雲客戶提供PaaS服務，轉變成為向金融、旅遊、教育、交通等行業提供私有部署服務，由一個輕量級產品變成一個完整的大數據解決方案。金融行業如銀行、保險等是九章雲極主要服務對象，這類客戶基本已經組建獨立的大數據部門，當其數據分析團隊超過10人時，協作辦公和管理的需求就會產生，更容易接受九章雲極的產品。

業務上，九章雲極不再只是提供平台，而是基於平台開發了大量行業應用模塊，同時增加了偏前端產品，為客戶提供實時處理系統，使後端模型能夠對接交易環節。

因為限於自身IT能力較弱，中國企業客戶更願意接受端到端的解決方案，單純平台型產品很難促使他們付費。開發行業應用模塊的目的主要是證明這個平台的價值，同時這類行業模塊有助於提升客單價。

而實時處理系統則是進一步與客戶業務結合，主要是替代原本數據倉庫的部分業務，彌補傳統數據倉庫處理數據緩慢的不足。

九章雲極依賴其數據科學平台建立壁壘，而並非僅僅依靠技術建立護城河。先發優勢使得九章雲極在前期可以獲取不少行業客戶，基於這個平台可以沉澱大量行業應用場景，這些場景可以被封裝成產品，成為九章雲極未來主要收入來源。

近期，愛分析對方磊進行了訪談，他闡述了九章雲極現有的業務模式、未來戰略規劃，以及他對大數據基礎平台領域的看法，現將精彩內容分享。

效仿Bing，為數據科學家提供協作平台

愛分析：創建九章雲極的初衷是什麼？

方磊：博士畢業後，我先去了微軟的Azure，後來換到了Bing。我在Bing先後擔任過數據科學家與數據工程師。當時，微軟內部系統Aether給了我很大啟發。Bing的800多個數據工程師可在同一個平台同時進行各種數據分析、提交任務等工作，這個平台含一萬多個模塊和幾十萬個項目，並具有可管理性、可高速運行、以及資源調配、提高工作效率等諸多功能。

我決定自己設計這樣一個超大協作運行管理平台，提供給其他的企業使用，這是我創業的初衷。當時沒有特別明確的定義，今年Gartner把它稱為數據科學平台（Data Science Platform）。數據科學家現在已經成為一個工種，需要一套為這些人服務的軟體，類似GitHub、Slack。

愛分析：這是個很有意思的方向，具體是如何實現呢？

方磊：2013年，九章雲極成立，2014年，這個大數據平台逐漸步入正軌。現階段我們的產品是DataCanvas智能數據平台，集成Hadoop生態圈開源產品，在此基礎上開發了APS和EDS，分別是DataCanvas APS（自助式大數據分析平台）和DataCanvas EDS（大數據時代的數據倉庫）。APS是工作流分析平台，通過對已有模塊的組合，快速構建和實現用戶的分析場景。EDS是超融合架構可擴展的彈性分散式數據倉庫，實現數據的存儲，查詢和分散式計算。

愛分析：早期的DataCanvas數據平台對國內客戶有點超前，最初是如何獲取客戶的？

方磊：我們早期的客戶是某城商行，當地所有城商行共用一個IT中心，DataCanvas智能數據平台滿足了領導層的KPI考核需求，研究成果模塊化，根據需求提交項目運行，使數據分析資產可量化。

愛分析：DataCanvas智能數據平台的價值除了體現在協作辦公，還有哪些方面？

方磊：基本功能是協助數據科學家更好地開展工作，並且DataCanvas智能數據平台是具有積累效應的。這個積累效應在內容層面是指數據科學家的工作模塊和項目等方面，比如說分析客戶流失、預測性維護等，對於行業客戶而言價值巨大。

所以，最初的DataCanvas智能數據平台只是個工具，積累效應使其逐漸演變成全能的數據分析平台，能為企業用戶提供端到端的大數據解決方案。

愛分析：DataCanvas智能數據平台是不是類似BI產品？

方磊：BI可能是更輕量型的產品，我們的產品會更重，更全面。DataCanvas智能數據平台除了能看到BI看到的分析結果，還可以看到Dashboard。假設一個所有存款沉澱分析的應用場景，從不同數倉裡面抓取了很多報表，這其中每一步都可以看到，包括這個分析流程是什麼時間運行的，運行了哪些數據，產生的結果被誰使用了……如此，領導層可視可控、透明地管理整個分析平台。當然，如果最終還是需要調用結果畫圖，DataCanvas智能數據平台是可以跟這些Tableau等BI工具銜接的，並不是取代Tableau。

愛分析：現在多大規模的團隊才需要使用DataCanvas智能數據平台？

方磊：至少十個人的團隊規模才會明顯會感到痛點，需要購買我們的DataCanvas智能數據平台。

本質是標準化產品，產品化率會逐步提升

愛分析：DataCanvas數據平台的定製化部分會更多一些么？

方磊：我們的定製化主要是數據銜接、數據倉庫如何打通等。現階段定製化較多，產品化率還有待提升，另外跟那麼多數據環境打通是需要更多其他工作協調，尤其是行業聚焦更重要。

愛分析：底層數據打通在不同行業之間有很大差別么？

方磊：差別不大，都是大數據技術，但是基於每個行業都有些不同特性，且企業環境有中間件，有不同的供應商，因此針對不同行業是需要去符合其不同的規範。理論上而言這種差別是可以窮盡的，當深入專註某一個行業，這種差別基本可以忽略。

以業務需求、業務創新為導向拓展產品線，現階段仍以節點收費

愛分析：除DataCanvas智能數據平台之外，九章雲極還有在做其他產品么？

方磊：有的。企業通過數據發現很多規律，研發很多模型，這是後端。企業需要調用這些模型，是在前端。拿這些模型來打分，請求進來，瞬間就返回，這是個在線場景。我們自己做厚一點，就是往前端走。我們做出模型後可以發布到前端，同時，前端是有套系統去使用這個模型，呈現出來是個大數據實時系統。

愛分析：本質上九章雲極是想做一個很薄的業務，但為了獲取客戶而把產品做厚，擴展產品線是如何考慮方向的？

方磊：我們以業務需求以及業務創新為導向來考慮的。一方面，我們發現實時性是原先數倉無法實現的，另一方面，後端數據科學平台上有很多機器學習的模塊，這是原本做統計報表的數倉實現不了的。只有做到創新，才能體現價值，才能更容易拿下客戶。

愛分析：現在DataCanvas智能數據平台是如何向客戶收費的？

方磊：現在還是按照結點個數來賣，差不多一個節點7-8萬，最後平均客單價會超過一百萬。這裡面有個非常掙錢的業務，就是裡面內置的分析主題，客戶願意購買分析主題，比他們請外包公司要便宜很多。未來我們的業務更加成熟，會調整成Tableau那種模式，計算能力加用戶的形式，有個基準伺服器收費，再加上賬號個數。

單靠技術難以形成壁壘，資料庫廠商必須建立生態圈

愛分析：最近出來不少做資料庫的廠商，您對這類廠商未來發展前景如何？

方磊：我覺得他們挺厲害的，中國終於開始有廠商做這樣的事情了。但這是個高風險的事情，因為每個資料庫都是生態圈。如果只是做個辦公軟體，不需要有生態圈就可以拿下客戶，但資料庫不是這樣的，選了哪家廠商的資料庫就綁定在這家廠商上了，如果產品不是很成熟，企業是不敢選的。資料庫廠商必須要建立一個生態圈，有足夠多客戶選用這個產品才能發展起來。因此，資料庫是以十年為單位把產品養成的，類似於編程語言，這是個比較長期的事情，競爭壓力比較大。

愛分析：您認為，做Hadoop相關業務的公司未來有機會做大么？

方磊：可能純做Hadoop發行版機會不大了，但做更泛一點的Hadoop服務商是很有有前景的，比如說，公司有大規模團隊幫客戶做維護，或者找到更好地具體應用場景。

愛分析：這樣看來，技術上的一點領先優勢，未來很難形成長期的壁壘？

方磊：除非是形成一個生態圈，否則挺難形成壁壘的。特別是國內廠商更多還是跟隨國外的技術，目前只是單點創新，並未實現全面創新。

愛分析是一家專註創新領域的獨立投研機構，研究領域包括新金融、企業服務、人工智慧、教育科技、汽車出行和新零售等。關注愛分析公眾號ifenxicom，及時獲取重要信息。

添加愛分析群小秘微信（ID：ifenxi502）即刻加入愛分析行業討論群。