DataFocus产品发布半年之际,笔者有幸再次采访到其创始人Jet,就DataFocus的产品、市场以及对行业的发展,进行了交流。奉上原汁原味的采访笔记,以飨读者。

问:DataFocus发布半年来有什么变化?市场反响怎么样?

Jet: DataFocus自2018年8月正式对外发布以来,逐渐被很多人接受。有些用户从一开始的将信将疑,不太相信搜索就可以进行分析,到逐步认可搜索式分析,并开始体验到搜索分析的优越性。许多朋友用过DataFocus之后都有很积极的反馈,比如有人认为搜索方式上手非常快,业务人员也可以使用;有人用DataFocus做数据预处理,感觉比MatLab好用得多;还有些客户自己测算下来,使用DataFocus至少在项目实施和报表开发上为他们节约了70%以上的时间,相比于工具购买费用来说,大型企业在这方面获得的收益要远大于其软件投入成本。

很多客户都有这样的经历,购买一款软件的成本,相比于维护和使用来说,只占总成本的20%都不到。而DataFocus则彻底将数据分析的实施成本和使用成本降低,这些收益企业管理者都能切身感受到。这个就是DataFocus最核心的竞争力。

DataFocus发布半年以来,已经进化到V2.13的版本,增加了许多新功能,性能上也得到极大的提高。比如新版本的DataFocus已经具备了数据填报、数据库直连,算法模型训练和部署等各种新功能,还包括各种细节的优化,如增加了分析中行转列的功能。新版本的DataFocus的大屏可视化功能已经可以与市面上某些单独做大屏开发的产品如DataV相媲美。

感谢大量信任我们的客户,DataFocus将继续沿着既定道路,进化成行业中最为全面和强大的数据分析平台。做业界最好的数据分析产品,这个目标我们会长期坚持。

问:记得上次采访时聊过toB业务的一些特点,你当时讲到有做项目和做产品两种思路,DataFocus是认真坚持做产品的思路,现在还是这么认为吗?

Jet: 当然。为什么中国的ToC产品能达到世界级的高度,而中国的ToB业务反而与我们的市场体量如此不相称呢?根本原因,还是与当前这个时期,整个社会的浮躁心态相关的。受追捧的都是快速成功、迅速致富的各种捷径,大家不仅愿意听那些一夜成名的故事,更期待自己也能成为故事的主角。ToC产品可以快,是因为他都是按照产品经理的思路一路快跑,频繁迭代,然后再由海量的用户筛选和淘汰,剩下的自然都是有世界级影响力的产品。ToB产品没法快,他周期长,验证、迭代都相对慢很多,最终用户和采购决策人的不一致,还决定了就算是垃圾产品,也不太可能被快速淘汰出局。

toB业务到底应该怎么做?没有标准答案。我能说的是,就我目前的观察,国内太多公司热衷于做项目,热衷于搞各种解决方案,鲜有公司愿意沉下心来做产品。这就是我们软件行业与美国软件行业最大的差距。基本上,你能听到的知名软件产品,都是Made in USA。有一种提法是说,产品是做减法,解决方案是做加法。这种说法还不够精确,我有一个说法“做产品是求最大公约数,做项目则是求最小公倍数”。我们都知道,只有解决问题的工具,不可能有通用的解决方案。做产品是要将行业通用的痛点提炼出来,用最高效的方式去解决,必须要有通用性;做项目则是要最大限度的满足好当前的客户需求,可以说很多时候客户的各种特定需求都得照单全收,项目做完后形成的解决方案通用性就比较差。

DataFocus产品已经过上百次迭代,我们始终会坚持两点:第一,我们不会超出数据分析的边界。我们期望用户能在DataFocus平台中,完成数据储存、清洗、分析、可视化、训练算法模型、部署算法模型等一条龙的工作,但是我们始终不会跨入业务流程的开发;第二,继续坚持做好通用型数据分析工具的初心,我们愿意与更多公司协作,做他们解决方案中的功能模块。

问:去年DataFocus产品发布时,确实很轰动,国内第一家纯搜索式分析BI产品。今年我们看到,作为行业老牌企业tableau,在3月份也发布了Ask Data 功能模块,你觉得他们的新功能怎么样?比DataFocus如何?

Jet: DataFocus从设计之初就决心要变革现有的商业智能BI产品的交互方式,它的分析入口只有一个,就是一个搜索框。这一点儿和Google当年决心要变革信息检索方式是一样的,它的首页永远都是只有一个搜索框。而当时的巨头Yahoo则是逐渐意识到分类检索方式的弊端,开始逐步转型,你能看到那个时候的Yahoo也有一个搜索框,但这个搜索框是嵌入在一堆分类检索列表中的。

你能预见到的DataFocus和Tableau的差异就和Google与Yahoo的差异如出一辙。不仅仅是tableau,可以预见的将来,许多老牌厂商终究都会意识到拖拽式分析已是昨日黄花,迟早会被搜索方式替代,但是他们的转型都带着沉重的包袱。他们不能抛弃大量赖以生存的老客户。你能想象他们在产品宣传中既吹嘘自己的拖拽分析式最友好,又夸自己的搜索分析是最完美的吗?

Tableau的Ask Data模块是他2017年收购的ClearGraph团队整合而来。我认为,他们与其将ClearGraph团队作为一个功能模块潜入到tableau中,还不如单独推出一款自然语言产品,这样他们的产品线不至于互相混淆,又能保持其传统的拖拽分析领域的霸主地位。

当然Ask Data我也没用过,从它的官网来看,目前应该是只提供英文版的使用,有没有中文搜索还不得而知。所以他的使用体验究竟如何,以及和DataFocus的比较来看,我没有发言权。

问: 大数据、云计算和人工智能是国家重点扶持的行业。有人说现在的中国已经正式进入云时代,各级政府也在大力推进企业上云。对此,你怎么看?

Jet: 大数据、云计算和人工智能,技术基础已经成熟,越来越多的落地应用在产生很好的效果,这也是行业加速发展的根本原因。国家扶持这些行业是顺势而为,也许可以有效的加速行业的发展。但对于各级政府,尤其是一些市县级政府的经信部门力推的“企业上云”,我不敢苟同。企业上云出发点没错,是希望各级企业拥抱最新的技术,进而提升生产效率,提高产品质量,助推国家工业升级转型。但是一哄而上的搞补贴,通过各种名目的补贴诱导企业上云,我们已经看到一些适得其反的效果,说得严重一点儿,有些拔苗助长的后果。

比如,我们看到有些地区政府部门也很着急,前几年移动互联网快速发展,要拥抱互联网+,于是各级政府花钱开发了很多app;这阵子又遇到物联网的爆发,于是又要搞很多智慧XX;大数据兴起的那几年,在贵阳大数据博览会的潮流下,各级政府又开发了很多大屏幕;现在BAT这些大佬又一直讲云计算,于是又要搞企业上云。

我接触到一些企业,他们对企业上云的理解就是搞个网站,租个云空间。简单说,他们对企业上云的理解就等于企业上网。政府部门力推企业上云初衷是好的,但是这个酒瓶子都被各地运营商灌了很多水。我曾经看到过某运营商为当地经信委编制的企业上云方案,就是购买空间+带宽,仅此而已。

问:你觉企业上云该怎么做?

Jet: 我们知道,大部分优秀的市县级企业是当地制造业支柱,他们受IT人才的限制,不能接触到一些前沿的技术,有作为的政府帮助他们提升信息化、数字化的能力,是很好的,但是经却被一些云服务商和运营商念歪了,他们想的只是借着政府补贴的势,去推销他们的空间和带宽。政府和企业应该更多的找到DataFocus这样为企业提供服务、提供工具的厂商,帮他们落地,不仅要授之以鱼,还得教会他们如何打鱼,这样才能真正的做到通过信息化、数字化提升企业生产效率,改进社会生产力,促进工业转型。至于企业上不上云,那都是个伪命题,无非是上云了,某些云服务厂商、某些运营商可以赚点儿快钱。长期来看,公有云也好、私有云也好,混合云也好,都会随着边缘计算、雾计算技术融为一体。

问:DataFocus会采用云端部署的SaaS模式吗?你对商业智能BI产品的未来发展趋势如何预测?

Jet: 我们会顺应潮流,客户需要什么类型的服务,我们就会提供什么类型的服务。从目前的情况来看,确实有一部分客户提出希望使用DataFocus的SaaS版服务,我们已经在着手进行部署。未来云端的DataFocus也可以很快和用户见面了。

商业智能BI产品如何发展?这个命题有点儿大。在我还没有出生的时候,商业智能这个概念就被IBM发明出来了,但是直到今天,其产品形态还在不断的变迁。从最早的各种表格程序,Lotus等等,也称得上是商业智能产品,再到后来的改进过的,结合WEB技术的表格产品,如tableau等,也是商业智能产品。Tableau还首创了拖拽式分析的GraphSQL,使得整个分析行业的交互方式向前跨出一大步。如今,随着DataFocus这类搜索式数据分析产品的崛起,商业智能BI的交互方式面临着又一次大的变革。这整个发展的线索就是,随着技术不断的演进,交互方式越来越智能,也许在未来我们可以看到真正能和人类无障碍对话的商业智能。

如果我们回顾商业智能BI的最初定义,我们会发现其实当时的人们对商业智能的期待是很高的。在他诞生之初,第一波人工智能的浪潮正在兴起,在各行各业,人们都期望能由计算机来代替人类的工作。如今的人工智能第二次浪潮,很多东西已经慢慢变成了现实,比如生产线上的工人,已经逐渐被机器人取代;扫地机器人取代了清洁工;酒店机器人取代了客房服务员。在商业智能领域,人们理所当然的希望机器人能取代人类做各种商业决策。或者进一步的说,人类希望机器人取代人类管理者。

从这个角度来说,商业智能BI离其最终形态,还差得远,还是个小婴儿。DataFocus目前能做到的是,从描述性统计、到预测分析和规范分析。但是远远不能替代管理者,它还只是一个建议者,可以为决策人员提供信息和建议,但是最终的决策,还需要管理者综合各种因素来做决定。

工业生产线上的机器人,可以有非常完整的反馈系统做决策,这些都是建立在精确的物理定律基础上的;管理问题更多的是个社会问题,无法用精确的物理定律去描述,从数学意义上讲,我们甚至都搞不清有哪些变量。考虑到这种差异,也许商业智能BI永远也不可能取代人类管理者。

标签: , , , , , , , , , , ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/17348.html
上一篇:
下一篇: