企業(yè)報表軟件Spreadsheet是一個借助Excel的插件設(shè)計企業(yè)WEB報表的工具軟件。針對企業(yè)中普遍存在的報表制作的需求，允許用戶在Excel中進(jìn)數(shù)據(jù)準(zhǔn)備、樣式設(shè)計、數(shù)據(jù)計算、數(shù)據(jù)可視化、互動邏輯、共享發(fā)布等操作，融合了Excel和傳統(tǒng)報表軟件的雙重優(yōu)勢，提高了報表制作的效率和能力。
自助分析平臺Eagle為企業(yè)中的業(yè)務(wù)人員提供自助式的數(shù)據(jù)分析工具，將IT人員從繁瑣的對業(yè)務(wù)人員分析需求的技術(shù)響應(yīng)中解放了出來，通過數(shù)據(jù)查詢、OLAP分析、可視化探索等核心能力，縮短了業(yè)務(wù)人員提出需求到得出分析結(jié)果之間的時間周期。
數(shù)據(jù)挖掘平臺Mining針對企業(yè)中的數(shù)據(jù)科學(xué)家、業(yè)務(wù)分析師、行業(yè)咨詢師等職能人員的預(yù)測性分析需求，將機器學(xué)習(xí)算法與BI相結(jié)合，提供了流式建模、拖拽式操作的可視化建模界面。 立足于BI產(chǎn)品的核心能力，Smartbi目前服務(wù)的客戶類型涵蓋銀行、保險、證券、基金、信托、互金等泛金融領(lǐng)域，能源、制造、通信、零售、地產(chǎn)、運輸、科技等實體經(jīng)濟領(lǐng)域，以及各級政府、高校，主要應(yīng)用場景涵蓋銷售、財務(wù)、生產(chǎn)、運營等各個業(yè)務(wù)部門。
二、技術(shù)能力出色 輕量化方案實現(xiàn) 異構(gòu)數(shù)據(jù)源匯集
在BI工具誕生前，業(yè)務(wù)人員要按照某些維度來分析數(shù)據(jù)，完全依賴于IT人員的支持。針對業(yè)務(wù)人員提出的分析需求，IT人員的支持方式一般是是通過SQL語句從源數(shù)據(jù)庫中將分析結(jié)果導(dǎo)出，或者是由IT人員開發(fā)一套供業(yè)務(wù)人員使用的后臺頁面。但是在這些方式下，多數(shù)據(jù)源的情況難以被有效應(yīng)對，同時業(yè)務(wù)人員對需求的頻繁變更會帶來大量的溝通成本，加重了IT人員的負(fù)擔(dān)。
因此，“自助式分析”的概念應(yīng)運而生，它主要解決的問題就是如何讓業(yè)務(wù)人員在離開IT人員支持的情況下，依然能夠隨心所欲地在自己設(shè)定的維度上進(jìn)行分析，從而拿到自己需要的數(shù)據(jù)。
自助式分析的核心技術(shù)是聯(lián)機分析處理（OLAP），它要求實施人員基于多個數(shù)據(jù)源為用戶構(gòu)建一個集中式的、關(guān)系型的的多維數(shù)據(jù)模型。用戶基于多維數(shù)據(jù)模型，可以實現(xiàn)自由的切片、切塊、鉆取和旋轉(zhuǎn)，無需直接接觸數(shù)據(jù)源就能實現(xiàn)數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)查詢和數(shù)據(jù)探索等操作。
在企業(yè)的實際IT架構(gòu)中，往往會存在OA、ERP、CRM等多個數(shù)據(jù)互相獨立的業(yè)務(wù)系統(tǒng)。金融領(lǐng)域客戶一般會建設(shè)數(shù)據(jù)倉庫來實現(xiàn)數(shù)據(jù)的匯集，因此BI自助分析平臺的構(gòu)建可以直接搭建在數(shù)據(jù)倉庫之上。但是，更多的客戶則沒有建設(shè)數(shù)據(jù)倉庫，但他們?nèi)匀幌Ｍ麑Ψ稚?、異?gòu)的數(shù)據(jù)庫進(jìn)行自助式分析。面對這種情況，一些BI廠商的策略是親自為客戶搭建一套數(shù)據(jù)倉庫或數(shù)據(jù)中臺，在這個基礎(chǔ)上再去搭建BI系統(tǒng)。
與這些廠商的策略不同，Smartbi的自助分析平臺Eagle的解決方案是輕量化的，可以支持外建的多維數(shù)據(jù)庫，也內(nèi)置了SmartbiMPP、Vertica等多種類型的分布式大規(guī)模并行處理數(shù)據(jù)庫接口，并通過ETL過程將來自O(shè)A、ERP、CRM等多個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進(jìn)行統(tǒng)一匯集。同時，Eagle還可以構(gòu)建語義層，使得業(yè)務(wù)人員無需直接接觸表名、字段名以及它們之間的復(fù)雜關(guān)系，而是直接面對自己所熟悉的業(yè)務(wù)術(shù)語和指標(biāo)名稱。
這樣，多個異構(gòu)數(shù)據(jù)源的底層存儲邏輯都被Eagle所展現(xiàn)的語義層邏輯所屏蔽，業(yè)務(wù)人員可以通過托拉拽等可視化操作，在Eagle中實現(xiàn)全自助式的數(shù)據(jù)集準(zhǔn)備、數(shù)據(jù)查詢、數(shù)據(jù)探索（交叉匯總、自由鉆?。┖蛢x表盤制作。
從選擇輕量化解決方案實現(xiàn)對異構(gòu)數(shù)據(jù)源的匯集，到AI賦能自助數(shù)據(jù)探索與預(yù)測性分析，Smartbi從始至終的理念是降低BI產(chǎn)品的使用門檻，以能夠讓基礎(chǔ)設(shè)施建設(shè)不夠完善的企業(yè)、技術(shù)能力不夠強的業(yè)務(wù)人員也能夠以低成本來進(jìn)行自助式分析，表現(xiàn)出了較強的技術(shù)和產(chǎn)品能力。
三、ISV生態(tài)合作破解 BI項目實施難題 場景理解力強
與普通IT系統(tǒng)，尤其是SaaS產(chǎn)品相比，BI工具的一大特征就是項目制的交付方式，實施周期較長，這其中的原因是多方面的。
首先，并非所有客戶都像銀行那樣有完善的數(shù)據(jù)倉庫，BI項目往往要直接面對多個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，這些數(shù)據(jù)源的結(jié)構(gòu)千差萬別，數(shù)據(jù)質(zhì)量也參差不齊，往往還會出現(xiàn)“臟數(shù)據(jù)”。
其次，在不同行業(yè)中，存在大量的行業(yè)know-how（一般指不同行業(yè)的業(yè)務(wù)知識、技術(shù)訣竅），使得客戶需求的數(shù)據(jù)模型也會存在很大差別。
另外，在BI項目推進(jìn)過程中，客戶的需求往往并非在開始階段就十分明確，而是會在項目推進(jìn)過程中根據(jù)進(jìn)展而發(fā)生變化。因此，實施人員與客戶之間必須進(jìn)行大量且反復(fù)的溝通，才能完全確定其最終期望的數(shù)據(jù)模型。
因此，實施人員在數(shù)據(jù)集市建造、ETL構(gòu)建等階段，面臨著大量不可控因素，這都使得BI工具的交付過程天然就是難以標(biāo)準(zhǔn)化的。面對BI項目重人力、長周期的現(xiàn)狀，不同的BI廠商選擇了不同的項目策略，部分BI廠商選擇擴大實施團隊規(guī)模，直接服務(wù)于最終客戶。
但Smartbi選擇的策略是深度依靠ISV生態(tài)合作伙伴，將自己的標(biāo)準(zhǔn)化產(chǎn)品交付給ISV，由ISV負(fù)責(zé)BI項目的具體實施。這樣的方式一方面會降低人力成本，但在另一方面，由于BI項目對實施人員的要求很高，如果Smartbi無法對實施過程實現(xiàn)有效掌控，那么項目效果就難以保證。
為了解決資源占用與實施質(zhì)量之間的矛盾，Smartbi提出了“BI+行業(yè)”的戰(zhàn)略，通過對客戶場景的深入理解，為不同的行業(yè)場景定制不同的行業(yè)模板。
在金融領(lǐng)域，由于基礎(chǔ)設(shè)施建設(shè)相對成熟，行業(yè)模板很容易來提煉，大量成熟的模板也已經(jīng)被積累下來。但在零售、制造業(yè)等領(lǐng)域，行業(yè)模板的積累仍然是欠缺的。針對這種現(xiàn)狀，Smartbi目前的策略是引導(dǎo)行業(yè)ISV按照給出的模板格式，在項目實施過程中與Smartbi來共同積累和完善行業(yè)模板。
有了行業(yè)模板之后，Smartbi和ISV在遇到同行業(yè)客戶的時候，就可以將來自異構(gòu)數(shù)據(jù)源的數(shù)據(jù)直接對接到模板中，只需額外在模板基礎(chǔ)上定制少部分特性就能完成數(shù)據(jù)模型構(gòu)建，在一定程度上實現(xiàn)了實施流程的標(biāo)準(zhǔn)化。
通過與ISV在行業(yè)模板標(biāo)準(zhǔn)化上的深度合作，Smartbi的客戶服務(wù)周期縮短，這也就意味著Smartbi能夠依靠一支較為精干的實施團隊服務(wù)于更多客戶，規(guī)?；?yīng)也將逐步體現(xiàn)。
四、泛金融領(lǐng)域影響力強 零售制造行業(yè)尚待開拓
銀行、保險、證券等金融領(lǐng)域是Smartbi一直以來的重點領(lǐng)域，中國銀行、交通銀行、平安銀行、中信銀行、民生銀行等全國性銀行均是Smartbi的典型客戶。
其中，民生銀行是Smartbi幫助企業(yè)創(chuàng)造利潤的典型案例。在Smartbi進(jìn)入之前，民生銀行已經(jīng)建設(shè)了數(shù)據(jù)倉庫，實現(xiàn)了多系統(tǒng)的數(shù)據(jù)匯集。但是由于缺乏有效的BI工具，業(yè)務(wù)人員日常進(jìn)行的大量報表分析工作都需要IT人員來進(jìn)行深度支持，效率較為低下。
Smartbi的自助分析平臺在民生銀行內(nèi)部成功交付之后，業(yè)務(wù)人員基于Smartbi，一年在1萬多個應(yīng)用場景中對幾千張表進(jìn)行了自助式的數(shù)據(jù)探索，成功挖掘了一大批高凈值客戶，為民生銀行的一線業(yè)務(wù)部門提供了超過10%的利潤貢獻(xiàn)。
但是未必所有客戶的需求都像民生銀行這樣能在項目開始階段就非常明確，有時候只有通過與客戶的不斷溝通才能挖掘出來，比如Smartbi的另一個典型的保險行業(yè)客戶招商信諾。
招商信諾一直以來是用的某國外公司的BI平臺。由于市場人員需要對營銷活動的效果進(jìn)行反饋分析，但是因為系統(tǒng)難以改動，需求無法得到完全滿足。一開始Smartbi嘗試用自助分析平臺Eagle的功能去進(jìn)行溝通，但后期卻發(fā)現(xiàn)客戶需求的實現(xiàn)必須進(jìn)行用戶分群，機器學(xué)習(xí)平臺Mining相比于Eagle能夠更好地滿足這一需求。于是，Smartbi最后為招商信諾提供的解決方案是將自助分析（BI）和機器學(xué)習(xí)（AI）相結(jié)合，從而實現(xiàn)更精準(zhǔn)的用戶分群。
可以看出，思邁特的較強的場景理解力是其泛金融領(lǐng)域的廣泛影響力的根本來源。除了金融行業(yè)之外，Smartbi在制造、零售、地產(chǎn)、科技等行業(yè)都有所涉獵，但這些行業(yè)的客戶對BI的認(rèn)知相比于金融行業(yè)存在較大差距，甚至仍然停留在dashboard、看報表等較淺的層次。
這種現(xiàn)狀與不同行業(yè)的信息化建設(shè)進(jìn)度存在很大關(guān)系。金融行業(yè)客戶很早就需要面對大量數(shù)據(jù)存在于獨立的數(shù)據(jù)庫中的情況。同時，由于金融領(lǐng)域多變的市場環(huán)境，金融客戶對OLAP分析的需求性也會比一般行業(yè)更加旺盛。因此，在數(shù)據(jù)倉庫等基礎(chǔ)設(shè)施的建設(shè)上，金融客戶普遍領(lǐng)先于其他行業(yè)的客戶。
但其他行業(yè)對BI認(rèn)知度低，并不意味著他們對BI就沒有需求點，關(guān)鍵是要深入理解客戶的場景和痛點，將潛在的需求挖掘出來。一個典型的例子是某科技服務(wù)公司的銷售提成制度，這家公司希望依照項目成本來對銷售人員的提成進(jìn)行計算，但是由于成本金額存在于ERP系統(tǒng)中，但客戶信息存在于CRM系統(tǒng)中，想要進(jìn)行分析和計算就非常困難。
在這種情況下，這類公司的業(yè)務(wù)人員能夠認(rèn)識到對不同系統(tǒng)進(jìn)行打通，并進(jìn)行綜合數(shù)據(jù)分析的必要性，但很難知道怎樣的打通方式才是最合適、最有效的。Smartbi對這類公司進(jìn)行合理的引導(dǎo)，就能讓客戶明白BI工具是如何有效解決其需求和痛點的。
類似的案例在制藥企業(yè)中也有不少。比如Smartbi的自助分析工具Eagle一開始用于某藥企的財務(wù)分析，幫助財務(wù)人員提高工作效率，實現(xiàn)財務(wù)精細(xì)管理，節(jié)省開支。當(dāng)財務(wù)部門認(rèn)為BI確實能夠帶來價值，那么銷售部門、生產(chǎn)部門都開始要求使用BI來幫助他們分析銷售和生產(chǎn)情況，這個BI項目就會越做越大，ERP、CRM、MES等數(shù)據(jù)源逐步都接入了BI工具的數(shù)據(jù)集市。
因此，Smartbi要想更好地服務(wù)于零售、制造等尚處于起步階段的行業(yè)，教育客戶的過程十分必要。教育客戶首先要依靠銷售人員、交付人員的服務(wù)能力，優(yōu)質(zhì)ISV合作伙伴的選擇同樣十分重要，行業(yè)標(biāo)桿客戶對整個行業(yè)的示范效應(yīng)也不容忽視。
五、AI為BI服務(wù) 避免同質(zhì)化競爭 戰(zhàn)略定位準(zhǔn)確
Smartbi的核心能力是底層的一套多維數(shù)據(jù)模型的建模能力，以及建立在深入理解客戶場景基礎(chǔ)上的自助式數(shù)據(jù)分析能力。因此，Smartbi對自身的定位是技術(shù)中臺，為客戶的前臺業(yè)務(wù)人員面向不同主題的自助式分析提供技術(shù)支持。
在技術(shù)中臺基礎(chǔ)上，Smartbi又提出“BI+AI”戰(zhàn)略。該戰(zhàn)略體現(xiàn)在Smartbi的產(chǎn)品中，就是Eagle的自然語言探索以及Mining的預(yù)測性分析。
第一，Smartbi在自助式分析平臺Eagle中增加了基于深度學(xué)習(xí)的自然語言數(shù)據(jù)探索功能。Eagle通過語音識別來替代鼠標(biāo)點擊，同時可以分析用戶的使用偏好，實現(xiàn)自助分析結(jié)果的自動呈現(xiàn)。
第二，Smartbi的另一款產(chǎn)品數(shù)據(jù)挖掘平臺Mining，針對企業(yè)中普遍存在的預(yù)測性分析需求，內(nèi)置了邏輯回歸、決策樹、隨機森林、樸素貝葉斯、支持向量機、線性回歸、K均值、DBSCAN、高斯混合模型等經(jīng)典機器學(xué)習(xí)算法。
但是產(chǎn)品能力的拓展必然會增大同質(zhì)化競爭的可能。目前，數(shù)據(jù)智能賽道上還存在像第四范式、九章云極等從成立之初就從數(shù)據(jù)科學(xué)、機器學(xué)習(xí)切入的技術(shù)中臺公司，其產(chǎn)品與數(shù)據(jù)挖掘平臺Mining存在一定相似度。這類公司的產(chǎn)品定位，一是作為大型公司內(nèi)部的專業(yè)數(shù)據(jù)團隊的工作平臺，二是作為給前臺業(yè)務(wù)系統(tǒng)提供數(shù)據(jù)支撐的技術(shù)中臺。
Smartbi認(rèn)為，“BI+AI”戰(zhàn)略的提出并非是為了與這類公司進(jìn)行同質(zhì)化競爭，而是在緊抓一線業(yè)務(wù)人員的自助式分析需求的基礎(chǔ)上，不斷延伸BI產(chǎn)品的能力。
可以說，Smartbi的“BI+AI”戰(zhàn)略成功實施的關(guān)鍵，在于AI能否幫助BI產(chǎn)品在提高數(shù)據(jù)分析能力的同時，更加切合不同行業(yè)內(nèi)的一線業(yè)務(wù)人員的自助式分析需求，為他們提供從OLAP分析到預(yù)測性分析的低門檻使用體驗。
近日，愛分析專訪Smartbi創(chuàng)始人&CEO吳華夫，就Smartbi的公司戰(zhàn)略、客群情況、市場現(xiàn)狀進(jìn)行了深入交流，現(xiàn)摘取部分內(nèi)容如下。
六、定位于企業(yè)級服務(wù) 面向業(yè)務(wù)人員 提供自助式分析
愛分析：Tableau是國外最知名的BI廠商，Smartbi的定位和Tableau有哪些不同？
吳華夫：Tableau最開始的定位是面向個人的自助數(shù)據(jù)分析工具，他們的推廣思路也是以做toC的思維來做toB，面對大客戶，也是從某個部門開始做，然后讓用戶之間互相介紹。
這也就意味著Tableau的數(shù)據(jù)處理性能、權(quán)限體系都是為個人用戶設(shè)計的。所以當(dāng)Tableau面對企業(yè)級客戶的復(fù)雜權(quán)限體系、超大數(shù)據(jù)量訪問、統(tǒng)一語義模型等需求的時候，就很難推進(jìn)下去。另外，Tableau的協(xié)作共享機制也是不足的，無法滿足多人協(xié)作的需求。最后就是Tableau對中國式復(fù)雜報表的支持也比較缺乏。
所以不少客戶以前用的Tableau，后來都換成了我們，因為我們的定位就是面向企業(yè)級客戶的自助式分析需求。還有很多客戶，會同時購買Tableau和Smartbi，讓兩個產(chǎn)品一起配合，為客戶不同場景提供服務(wù)。
愛分析：自助式分析的需求一般是靠企業(yè)的什么部門來推動？
吳華夫：其實業(yè)務(wù)部門和IT部門都可能，但更多的情況還是業(yè)務(wù)部門推著IT部門來做的。
愛分析：在自助式分析上，業(yè)務(wù)部門一般有哪些訴求？
吳華夫：其實本質(zhì)上就是銷售、運營、財務(wù)、生產(chǎn)等各個業(yè)務(wù)環(huán)節(jié)的各種維度的分析。
比如銷售環(huán)節(jié)，我做個營銷活動，可能用戶的購物行為就會和營銷內(nèi)容產(chǎn)生關(guān)系了，原來的幾個表可能很快就不能滿足了，所以這種情況下還會臨時加一些表和字段進(jìn)來。
如果沒有BI，IT人員就要馬上去通過SQL查詢的方式來響應(yīng)，其實根本響應(yīng)不過來。于是，業(yè)務(wù)部門就經(jīng)常對IT部門不滿意，本身就會對自助式分析產(chǎn)生強烈需求。
愛分析：Smartbi的產(chǎn)品交付模式是怎樣的？
吳華夫：我們有兩種交付模式。比如說像VIVO這樣的標(biāo)桿性的制造業(yè)企業(yè)，它有銷售分析的需求，并且銷售管理思路在行業(yè)內(nèi)還具備領(lǐng)先性，但是在這個領(lǐng)域內(nèi)沒有很好的ISV來做這個事情。這時候，我們需要讓交付人員直接給VIVO進(jìn)行實施。在這個過程中，我們就能夠深度理解行業(yè)，積累行業(yè)Know-how模型。通過多個同行業(yè)頭部客戶的項目后，我們就能抽象共性、提煉行業(yè)分析模板，當(dāng)遇到下一個類似的客戶的時候，我們就把模板直接交給ISV，讓他們來幫我們交付這個項目。
愛分析：如果客戶已經(jīng)有了數(shù)據(jù)倉庫，Smartbi這邊是直接去連接數(shù)倉嗎？
吳華夫：這要看他們數(shù)據(jù)倉庫的質(zhì)量和性能，如果數(shù)據(jù)好用、性能夠快，我們會直接連接數(shù)倉做分析。另外，我們的MPP本來就有數(shù)據(jù)倉庫和數(shù)據(jù)集市的能力，如果數(shù)據(jù)質(zhì)量不好、性能低下、或者要混合多數(shù)據(jù)源的話，我們會通過MPP做一個數(shù)據(jù)集市，而不需要依賴于原有的數(shù)倉。
愛分析：Smartbi做的dashboard與數(shù)據(jù)可視化公司做的有什么不同？
吳華夫：純做數(shù)據(jù)可視化的公司，會更注重圖形效果，但不提供交互式分析的能力。而我們的dashboard都是有交互能力和一部分自助式分析能力的，這在政府項目中的應(yīng)用也比較多。
七、AI將與BI深度結(jié)合 不會獨立成業(yè)務(wù)線
愛分析：現(xiàn)在Smartbi在戰(zhàn)略上，對BI+AI的應(yīng)用是怎么考慮的？AI會成為一條獨立的業(yè)務(wù)線去做嗎？
吳華夫：我們做BI產(chǎn)品，一切都是圍繞一個本質(zhì)，就是讓數(shù)據(jù)為客戶創(chuàng)造價值。現(xiàn)在客戶在BI中已經(jīng)有了大量的數(shù)據(jù)，自然而然就會對基于數(shù)據(jù)的AI，具體來說就是機器學(xué)習(xí)產(chǎn)生需求，這是一個市場的需求驅(qū)動的事。
所以對我們來說，數(shù)據(jù)挖掘平臺這個產(chǎn)品仍然是與BI緊密結(jié)合的一部分，我們不會獨立去做一條AI業(yè)務(wù)線。
你可能會覺得這個數(shù)據(jù)挖掘平臺會跟有些公司的數(shù)據(jù)科學(xué)平臺有些像，的確會有些像。但是我們的初衷不一樣，一方面還是為了增強BI平臺的預(yù)測分析能力，讓BI發(fā)現(xiàn)更深層次的數(shù)據(jù)規(guī)律，另一方面就是為了讓BI更簡單，讓數(shù)據(jù)分析更簡單，讓使用群體更廣泛。
愛分析：Smartbi的機器學(xué)習(xí)平臺有哪些比較成熟的落地案例？
吳華夫：現(xiàn)在挺多的，比如某個電網(wǎng)的項目，可以通過數(shù)據(jù)挖掘來發(fā)現(xiàn)壞掉的電力設(shè)備，從而來給設(shè)備做檢修。
還有就是幫助某地的政府部門做的空間數(shù)據(jù)云平臺的項目，無人機拍下來的圖片會生成電子地圖，在電子地圖基礎(chǔ)上通過數(shù)據(jù)挖掘來發(fā)現(xiàn)城市建設(shè)中各類問題。
還有一個招商信諾的項目，是同時結(jié)合我們的自助分析和機器學(xué)習(xí)兩部分功能。
愛分析：Smartbi與招商信諾的合作項目是怎么落地的？
吳華夫：招商信諾是一家電銷做得非常領(lǐng)先的保險公司，原來用的是國外公司的BI平臺，但是因為他們要做營銷活動，希望營銷結(jié)果能夠反饋回來，形成業(yè)務(wù)閉環(huán)；另外就是上了新的大數(shù)據(jù)平臺，原來的BI工具不支持；最后，老的BI產(chǎn)品在性能上也存在問題但是國外產(chǎn)品也沒法幫他們改，跟不上業(yè)務(wù)創(chuàng)新的節(jié)奏，所以他們當(dāng)時用著很痛苦。
招商信諾找到我們的時候，當(dāng)時還不知道我們有機器學(xué)習(xí)平臺，也是希望買我們的自助分析平臺。他們當(dāng)時的一個需求是客戶的分群，基于分群來做精準(zhǔn)營銷，我們就拿我們自助分析平臺的組合分析功能去和他們聊。
后來，我們發(fā)現(xiàn)他們的需求和我們的自助分析平臺的功能不完全匹配，于是我們就把機器學(xué)習(xí)平臺通過模型來篩選客戶的功能與自助分析平臺手動篩選客戶的功能結(jié)合起來。這時候，他們發(fā)現(xiàn)這就是他們期望的東西。
目前在市面上的這些數(shù)據(jù)智能公司的解決方案，似乎沒有這種自助分析和機器學(xué)習(xí)相結(jié)合的方式。而我們用了兩三個月時間，第一個自助分析輔助機器學(xué)習(xí)的版本就上線了，目前已經(jīng)開始做新的一期，也已經(jīng)在大部分場景都把原來的BI平臺替換掉了。
八、企業(yè)需求度日益顯現(xiàn) 看好未來BI市場
愛分析：Smartbi選擇客戶的時候有哪些標(biāo)準(zhǔn)？
吳華夫：第一，BI對他們來說剛需，能夠給他們帶來價值。第二，有足夠的付費能力，給得起錢。第三，有規(guī)模效益，市場上有足夠多的類似場景的客戶，能夠讓我們的模板得到復(fù)用。
愛分析：目前Smartbi怎么看教育行業(yè)，尤其是高校這部分市場？還會繼續(xù)重點發(fā)力去做嗎？
吳華夫：目前高?？蛻羰俏覀円粋€比較重要的客群來源，但它們普遍存在一些問題，主要是在信息化建設(shè)方面的付費意愿不強，根本原因是它們在數(shù)據(jù)分析、管理駕駛艙等方面基本沒什么預(yù)算。所以，這部分市場要想真正做大，還需要相關(guān)的政策引導(dǎo)。
愛分析：深信服的投資進(jìn)來以后，思邁特是不是可以在教育行業(yè)加大一些關(guān)注度？我們了解到深信服的超融合一體機在教育行業(yè)的推廣還是挺多的。
吳華夫：的確是這樣，深信服也是一個產(chǎn)品型公司，銷售渠道做得比較完善。他們在超融合一體機當(dāng)中也增加了大數(shù)據(jù)分析平臺，所以我們的期望是能夠?qū)⑽覀兊腂I產(chǎn)品結(jié)合到這里面去。
愛分析：您對未來中國BI市場發(fā)展的預(yù)期是怎樣的？
吳華夫：BI市場的增速還是會越來越快的，因為背后的推動力就是中國企業(yè)的信息化。
現(xiàn)在還有相當(dāng)一部分企業(yè)的信息化程度比較低，尤其是大部分中國企業(yè)對BI的應(yīng)用都還處于看報表、做dashboard的初級階段，而從這個階段往后面走，自助分析、預(yù)測性分析的應(yīng)用程度還是非常低的。
其實，中國企業(yè)的信息化就是一波一波來的，金融領(lǐng)域和大型企業(yè)普遍會早一些，后面中型企業(yè)、小型企業(yè)這一波潮流過來的話，BI市場的需求度應(yīng)該還會更加旺盛。
所以，我們在過去沒融資的時候，每年的增長率都有60%-70%，而且每年的現(xiàn)金流都是正的?，F(xiàn)在融資之后，增長率一定會更快。
（注：文章內(nèi)容轉(zhuǎn)載自愛分析微信公眾號）
