8月10日下午，億歐B2B子欄目在上海舉辦了“數(shù)據(jù)賦能—企業(yè)數(shù)據(jù)應(yīng)用之道”垂直沙龍，觀遠數(shù)據(jù)創(chuàng)始人蘇春園、戈壁創(chuàng)投管理合伙人朱璘、帆軟軟件聯(lián)創(chuàng)陳炎、駐云科技創(chuàng)始人蔣爍淼、Chinapex創(chuàng)略創(chuàng)始人Jimmy Hu、驛氪創(chuàng)始人閔捷、奧凱大宗創(chuàng)始人白睿均有到場分享其對于數(shù)據(jù)服務(wù)市場的演變和理解。
以下是圓桌嘉賓的演講速記，經(jīng)億歐整理編輯，供行業(yè)內(nèi)人士參考。
注：參與圓桌討論的嘉賓有觀遠數(shù)據(jù)創(chuàng)始人蘇春園、戈壁創(chuàng)投管理合伙人朱璘、駐云科技創(chuàng)始人蔣爍淼、Chinapex創(chuàng)略創(chuàng)始人Jimmy Hu、奧凱大宗創(chuàng)始人白睿，主持人為億歐B2B頻道副主編黃志磊。
主持人：剛剛我們聊了很多關(guān)于數(shù)據(jù)分析的方法。但是俗話說，醫(yī)者不能自醫(yī)，你們自己在數(shù)據(jù)分析當中是服務(wù)方，那你們自己企業(yè)內(nèi)又是怎么做數(shù)據(jù)分析的？會用哪些數(shù)據(jù)分析方法？
白睿：奧凱大宗做垂直行業(yè)，塑料化工行業(yè)大約有兩三萬億的市場空間，存量的客戶群體大概有三四十萬家，我們所有的客戶都是B2B類型客戶，沒有B2C客戶，B2C客戶可能會更感性一點，但B類客戶是很理性的，它們對數(shù)據(jù)價值獲取和數(shù)據(jù)準確度要求的會更高。我們的數(shù)據(jù)分析主要分為三個過程：
第一步，通過平臺交易我們產(chǎn)生了大量的數(shù)據(jù)，同時運用大數(shù)據(jù)技術(shù)采集和整合行業(yè)內(nèi)現(xiàn)有的數(shù)據(jù)資源，對所獲取的數(shù)據(jù)，一方面為我們的交易做決策，另一方加工成數(shù)據(jù)產(chǎn)品，服務(wù)行業(yè)內(nèi)從業(yè)人員。
第二步，我們在一些業(yè)務(wù)的核心流程上應(yīng)用數(shù)據(jù)進行模型。這些建模與其它行業(yè)不太一樣，比如我們前幾天所建的風控模型——它是多維度的用戶場景模擬，以風控為核心點，把相關(guān)業(yè)務(wù)方全部考慮進來，包括供給方，倉儲和物流等。整個模型都是動態(tài)的，它要去動態(tài)的平衡每個訂單經(jīng)過每個節(jié)點流的時候，盈利和風險比例系大小，從而使我們在風險可控的前提下，實現(xiàn)利潤最大化。
第三步，我們會在一些可應(yīng)用的場景實現(xiàn)數(shù)據(jù)變現(xiàn)。比如最近倉儲的定價策略，物流的價格指數(shù)。大家都知道物流的波動頻率很低的，但是它會隨著季節(jié)和節(jié)假日的變化。對于我們整個區(qū)域來講，區(qū)域內(nèi)各塊的運營時常會出于不平衡狀態(tài)。這時候我們通過數(shù)據(jù)分析，生產(chǎn)一個可控的產(chǎn)品，幫助客戶更好地達成交易。
蘇春園：觀遠數(shù)據(jù)提供新一代的一站式商業(yè)智能產(chǎn)品，過去10年我們都在幫助企業(yè)做經(jīng)營決策方面的數(shù)據(jù)分析，也正好自己也有這方面的一些經(jīng)驗。第一個例子，在做觀遠數(shù)據(jù)之前，我是一家全球主要商業(yè)智能公司中國區(qū)的研發(fā)總裁，團隊有三百多人。每天每個工程師都要寫大量的代碼，經(jīng)過持續(xù)測試看有沒有缺陷。
所有這些會被記錄下來，然后被分析，做實時的預(yù)警，我在周一就會收到報告，哪幾個產(chǎn)品，哪幾個團隊的哪些代碼老是出問題，主要因為什么原因?qū)е?，以后又該如何提升。第二個例子，每次在做產(chǎn)品發(fā)布的時候，我們會做全球范圍內(nèi)的全員測試（All-hands test）。財務(wù)部的同事做財務(wù)分析，市場端、銷售端、產(chǎn)品研發(fā)部門，乃至CXO，每個人都會作為終端用戶去建立自己的分析，跑完了24小時的測試，最后檢查有沒有問題，如果有問題的話，即刻解決。
蔣爍淼：駐云科技會自己構(gòu)建一個平臺，我們很多的業(yè)務(wù)都發(fā)生在線下而不是線上，但線下業(yè)務(wù)很難數(shù)字化，因此對于我們來說，最重要的是如何把線下發(fā)生的事情線上化，這個過程中我們會用到大量數(shù)據(jù)工具，我們選擇數(shù)據(jù)工具的方式是，在數(shù)據(jù)產(chǎn)生的一瞬間就直接對應(yīng)數(shù)據(jù)的意義，因此我們在做用戶的時候，用了一個很特殊的數(shù)據(jù)庫——持續(xù)數(shù)據(jù)庫。我們發(fā)現(xiàn)整個系統(tǒng)其實不需要數(shù)據(jù)清洗、數(shù)據(jù)脫敏和數(shù)據(jù)抽取，因為業(yè)務(wù)模式已經(jīng)決定了數(shù)據(jù)的最終結(jié)果。
我們會給每一個服務(wù)人員都進行數(shù)據(jù)畫像。我們在服務(wù)過程中，會根據(jù)員工的評價，當前工作的負載，自動生成一個數(shù)據(jù)評價體系。事實上，在我們公司很難實現(xiàn)所謂的濫竽充數(shù)，因為就算他很會講PPT，但是沒有工作能力的支撐還是不行。另外還有一個衡量標準，就是每一個公司數(shù)據(jù)化決策的能力。
Jimmy：創(chuàng)略中國具體還是靠數(shù)據(jù)化營銷，我們的數(shù)據(jù)產(chǎn)品自己也用。一方面，實時的行為數(shù)據(jù)，用可視化進行分析與展示，我們在產(chǎn)品里面，有個ID匹配，打通他們部門，打通后進行360度畫像，接下來有客戶分析，事件分析，客戶分層等等。這個AI模型我們自己不用，但是我們有一些客戶，比如金融客戶，基本上都會涉及到基礎(chǔ)組合、深度學習的一些模型，是直接給他按照應(yīng)用場景來調(diào)的。說這個就是預(yù)測客戶流失率或者是客戶生命周期價值，最終他們應(yīng)用到各種生命周期和營銷個性化的方面。
主持人：這邊問一下朱總，如果你看企業(yè)，會看企業(yè)經(jīng)營哪方面數(shù)據(jù)呢？
朱璘：從AI也好，大數(shù)據(jù)也罷，其實本質(zhì)上它是工具，我更關(guān)心的是他們對于工具使用的意識和使用的方式方法，業(yè)務(wù)的數(shù)據(jù)化和產(chǎn)生數(shù)據(jù)的質(zhì)量，特別是當AI工具成立之后，應(yīng)用的效率會得到很大的提升。
舉個例子，比如我們看到很多的傳統(tǒng)行業(yè)，比如途牛，傳統(tǒng)旅游，它們哪一些業(yè)務(wù)要進行數(shù)據(jù)化？數(shù)據(jù)化到什么程度？為什么數(shù)據(jù)化？這個是蠻重要的。所以我覺得你打算怎么做，做到什么程度，這個是我非常關(guān)心的。賺多少錢利潤多少，都不是最關(guān)鍵的。關(guān)鍵的是數(shù)據(jù)源，這個對業(yè)務(wù)提升上是有幫助的。
其實說到這個，VC對于這個關(guān)注比較低的，畢竟還有很多主觀因素在里面。但是對沖基金，現(xiàn)在基本上華爾街都擁有自己的數(shù)據(jù)模型，基金經(jīng)理的價值越來越低，因為交易的品種就是數(shù)據(jù)，你跟CEO溝通的，判斷的素材都是數(shù)據(jù)，如果這樣的話，人相對于機器沒有任何優(yōu)勢，除非有很多主觀因素在里面。
主持人：數(shù)據(jù)服務(wù)中我們遇到過哪些坑？在教育客戶上是否會改變客戶想法？
朱璘：客戶想法沒有對和錯的，更多的是客戶需求在這邊，行業(yè)發(fā)展在那邊，你在現(xiàn)金和未來之間怎么做平衡。我不能把公司所有的錢都拿去賺快錢，我沒有研發(fā)沒有未來。但也不能說我就是要等到那一天我才有飯吃。
Jimmy：從一個客戶的模型應(yīng)用的話，可能會碰到一些不匹配的應(yīng)用場景。但是在這個領(lǐng)域里面，我們有自己的做法，不是他需要什么就幫他做什么。而是說如果他有這個特殊需求，如果是在我產(chǎn)品里面的環(huán)節(jié)，我可能就會把優(yōu)先級提高一點，但是不會為他定制化的。
蔣爍淼：我再補充一句，我不支持私有云，不支持數(shù)據(jù)清洗，更不支持BI。但是如果客戶有需求，我還是會賣給他。我現(xiàn)在有兩種不同的心態(tài)，一種是我會用自己的理念觀點去打動對方的董事長、CEO，但也會有客戶就是要上個BI，要有這個預(yù)算，我干嗎不做呢？包括今天我剛剛看了一個很大型的超商，花了很多錢上了一套SAP的ERP系統(tǒng)，但現(xiàn)在只有財務(wù)模塊用起來了，其他模塊都用不起來。企業(yè)服務(wù)商要真正地為客戶考慮，就像馬老師說的，不能把梳子賣給和尚。你要為客戶考慮，也要考慮自己的利益平衡。但客戶不一定是真的不懂，他也許現(xiàn)在真的需要那些現(xiàn)實的東西，我們就要把他需要的東西賣給他。
蘇春園：第一個是客戶的預(yù)期管理與溝通，在認知上有些潛在誤區(qū)很正常，包括我們服務(wù)過的大量全球與中國的五百強客戶，都會經(jīng)常碰到一個問題，客戶希望用了BI之后，決策可以更智能，這個不是不可能，但前提是需要先有足夠的投入做好基礎(chǔ)工作。比如我們現(xiàn)在做的智能化的數(shù)據(jù)分析，會需要客戶能夠在數(shù)據(jù)對接、數(shù)據(jù)準備以及數(shù)據(jù)分析場景構(gòu)建上面有足夠的認知與投入，而不是只想看到分析決策的那一刻。只有前面80%的工作最扎實了，最后20%的決策才能容易，當然，我們觀遠數(shù)據(jù)也針對性的提供了一系列的產(chǎn)品，使得前面80%的工作可以非常的高效和容易。
第二個是關(guān)于如何有節(jié)奏的推進，之前我們碰到不少客戶希望一步進入到“企業(yè)級”數(shù)據(jù)分析，成為全員數(shù)據(jù)驅(qū)動的2.0公司，業(yè)務(wù)部門都調(diào)動起來，給足預(yù)算和優(yōu)先級，一次性大量人力物力的投入，但幾個月之后，就發(fā)現(xiàn)其實不是那么回事了。以我們的經(jīng)驗，在今天去構(gòu)建數(shù)據(jù)分析能力，我們尤其推崇互聯(lián)網(wǎng)式的迭代，先實現(xiàn)quick-win（速贏），然后再根據(jù)業(yè)務(wù)快速延展。從某一個或一類業(yè)務(wù)場景、從某一類具體的角色或部門、某一個或幾個具體的業(yè)務(wù)問題入手，快速構(gòu)建分析，再進一步延展和迭代，最后自然而然的構(gòu)建了整個企業(yè)級的分析決策體系。而觀遠數(shù)據(jù)從產(chǎn)品上也是基于這個思路，讓企業(yè)非常容易和快速的看到數(shù)據(jù)的價值，然后再往縱深拉動到更多場景。
白睿：我在公司內(nèi)部有兩個原則，第一個是如果數(shù)據(jù)能幫助我決策，在我的交易里面能產(chǎn)生收益，那我就自己用。第二個如果這個數(shù)據(jù)能生成數(shù)據(jù)化產(chǎn)品，能夠變現(xiàn)，那我就賣給客戶。總之，這個東西我不會白做。因為說實話，B2B行業(yè)可以說是非常非常低端，需要我們向市場推出更多的工具化產(chǎn)品，所以我們是按照客戶今天的需求，不會超出客戶的需求，明天他要什么我再幫他做，我不會做超前市場的產(chǎn)品。
我們母公司是遠大集團，遠大2007年進入大宗交易。當時它就是找了一個大宗交易所當學徒工，幫它搭建了整個體系，他在去年收購了一家專門做技術(shù)的數(shù)據(jù)公司，叫小遠科技?，F(xiàn)在它利用系統(tǒng)和量化工具，做“期”、“現(xiàn)”結(jié)合業(yè)務(wù)，它的業(yè)務(wù)基本上90%的利潤來自于它的商品市場，這就是它比傳統(tǒng)的貿(mào)易企業(yè)先進之處，這個就是數(shù)據(jù)的魅力。
我現(xiàn)在能告訴客戶的是，我能給你一些數(shù)據(jù)化工具，你可以做一些期現(xiàn)的操作，比如說跨期、跨品種、跨區(qū)域的，我們可以給他提供一些簡單的推薦，比如PP、PE。其實聚烯烴和丙烯中間是有價值差的，長時間來看，價格是圍繞價值波動的，當所謂的內(nèi)八角或者外八角出來的時候，它一定有買或者是賣的機會的。這時候從曲線圖上來看，期和現(xiàn)是有價值差的，里面有一系列的成本可以計算。我們做了一個工具，把期現(xiàn)貨時間差的倉儲、資金占用成本都計算出來，這樣用戶就一目了然的從我們工具化的曲線圖產(chǎn)品中發(fā)現(xiàn)套利機會。
主持人：數(shù)據(jù)分析創(chuàng)新價值還有哪些值得挖掘？
白睿：在我們這個領(lǐng)域，談不上創(chuàng)新，所有的挖掘點，其實已經(jīng)全部在做了。這個里面，我們的數(shù)據(jù)點可能有幾百個，甚至更多，現(xiàn)在B2B行業(yè)在不停的做一件事情，把不同的數(shù)據(jù)之間的相關(guān)性找出來，然后這些相關(guān)性到底對業(yè)務(wù)會產(chǎn)生什么樣的影響，這些相關(guān)性會導致客戶的行為發(fā)生哪些變化，全部找出來，理清楚。基于此我們不斷的篩選分析，我們發(fā)現(xiàn)傳統(tǒng)貿(mào)易交易效率低，可能會與我們的交易效率差一個時代，也就是說我們至少能提升傳統(tǒng)貿(mào)易的效率，不說十倍級，至少五倍級，在這個領(lǐng)域B2B就有足夠的優(yōu)勢打敗對手。
B2B用戶畫像背后其實是不太一樣的，沒有一個交易行為一模一樣的用戶，它總是會有一些差別的。找出那些細節(jié)的東西，是很重要的，我覺得在這個方向，我們會做一些嘗試、創(chuàng)新和優(yōu)化。
蘇春園：很好的問題，有很多點可以聊。以我們觀遠團隊之前服務(wù)過的星巴克咖啡、KFC等品牌為例，在未來我們想象下，是否可以通過數(shù)據(jù)分析解決這樣一個業(yè)務(wù)場景？比如當溫度超過35度以上，這個的天氣數(shù)據(jù)現(xiàn)在都很準確提前可以拿到，根據(jù)某個門店所處的區(qū)域、各個產(chǎn)品線SKU的過往銷售情況，如果是周末時，天氣超過這樣一個溫度，它哪些冰飲產(chǎn)品在銷售趨勢上會有哪一些顯著上升的特征，再結(jié)合具體庫存情況，就比較容易能得出應(yīng)對的決策建議，這個不可能100%準確，但商業(yè)上其實也不需要100%準確。
如果可以將庫存脫銷優(yōu)化提升1%，那么對于星巴克全球來說，這就是很大的商業(yè)提升。而這個問題是傳統(tǒng)商業(yè)智能沒有解決好的問題，但在未來我們可以看到新一代的智能分析將往這個趨勢去發(fā)展。這也是我們觀遠數(shù)據(jù)在做的很多創(chuàng)新，原來是商業(yè)智能1.0，未來的5-10年我們覺得商業(yè)智能將會是真正的智能。
蔣爍淼：我順著這個例子說，與外婆家創(chuàng)始人吳國平聊過，他說有一件事情的轉(zhuǎn)變對餐飲行業(yè)有重大的影響，就是整個供應(yīng)鏈從線性轉(zhuǎn)變成網(wǎng)狀，當供應(yīng)鏈有足夠的彈性和能力的時候，數(shù)據(jù)自然而然就會有優(yōu)化菜品的過程。否則比如說豆子，倉庫倉儲本身沒有優(yōu)化，豆子放在倉庫跟店鋪有什么區(qū)別呢？就是減少一些物流流程罷了。所以在我看來未來一定要做智能化的商業(yè)決策，深度學習背后的本質(zhì)有個核心要破解的東西，每個行業(yè)要解決的問題，整個行業(yè)最垂直要解決的問題，就是向量化。
我們今天做的事情是調(diào)度服務(wù)工程師，還是用數(shù)據(jù)權(quán)重，數(shù)據(jù)積累不夠。比如我認為這個人比較資深，權(quán)重高，這個人不資深，權(quán)重低，誰說的呢？說不定剛剛畢業(yè)的畢業(yè)生更牛。所以說未來我們把每個人的能力值變成向量表示，最后去訓練，訓練的結(jié)果是讓機器進行用人調(diào)度，回過頭來，就能更精準的找到能解決問題的人，系統(tǒng)通過向量化分析，然后通過神經(jīng)網(wǎng)絡(luò)訓練，最終產(chǎn)生結(jié)果。
這個話題再引申，我們今天做的事情，不要線性地從數(shù)據(jù)出發(fā)，如果今天這個事情能解決，為什么要用數(shù)據(jù)？如果我們這個數(shù)據(jù)能夠更好地幫助解決問題，那就用數(shù)據(jù)優(yōu)化，要從這個點出發(fā)思考問題。
Jimmy：比較實際一點，最近在看的數(shù)據(jù)洞察。舉個實際例子，一個客戶，中國人壽，它有很多本地數(shù)據(jù)，有另外一部分，是呼叫中心的，目前用科大訊飛變成文字的，但是這些文本沒有變成公司業(yè)務(wù)的“洞察力”，我們的創(chuàng)新方式是用開源框架去解決洞察力的問題。
朱璘：我說說挑戰(zhàn)吧，我覺得機會大家都看得到，挑戰(zhàn)在幾個方面，以中國數(shù)據(jù)商業(yè)現(xiàn)狀來看，產(chǎn)品化是個大問題，最大的麻煩點在于服務(wù)項目太多，我覺得大家招人方面還是很痛苦的。原來沒有大數(shù)據(jù)工具，可能要雇十個人，現(xiàn)在要雇六個人，但依舊是重投入的運營體系跟框架。
這個問題的原因主要還是客戶的需求，客戶在行業(yè)里面，數(shù)據(jù)的不規(guī)范、不干凈、不結(jié)構(gòu)化，當然這對于數(shù)據(jù)分析企業(yè)也是一個機會，因為這樣企業(yè)服務(wù)公司才會去做，這是很大的挑戰(zhàn)，如果誰能解決這個問題的話，會是很大的機遇。
第二個還是行業(yè)垂直價值，在座各位都有自己垂直行業(yè)性，在自己的行業(yè)里面深挖，才能把產(chǎn)品化問題解決，商業(yè)價值得依賴于主要產(chǎn)品。目前戈壁資本看數(shù)據(jù)分析的項目，現(xiàn)階段我覺得要投資還得看團隊，因為有一些實際的問題確實是解決不了的，比如客戶對于定制化的需求，不是想改就改的，更多的是團隊對數(shù)據(jù)服務(wù)的理解，當業(yè)務(wù)和產(chǎn)品體系都成熟之后，才會是投資判斷的節(jié)點。
