近兩年，隨著互聯網、云計算、大數據等技術應用快速滲透，大數據管理機制初步完成，大數據行業進入快速發展期。另一方面，從國家信息中心評估的大數據發展指數看，市場仍處于起步階段。

　　盡管如此，像TalkingData，集奧數據、明略數據等公司動輒數十億元的估值，仍能體現出資本市場的偏愛。

　　然而，在企業級服務這個賽道上，如何從戰略角度選擇業務模式，一直是業內爭論的焦點。相對于做產品標準化的輕業務模式，周期長、成本高、定制化的重業務模式受到越來越多企業用戶的關注。

　　明略數據作為重業務模式的大數據公司代表，堅持走科學家駐場路線，其創始人吳明輝認為，企業級服務必須與客戶并肩作戰，才能為其提供最好的產品和服務。

　　愛分析去年首次調研明略數據，當時明略數據提出覆蓋六大行業，仍處于行業探索階段。今年，明略數據已將業務聚焦于公安、金融、工業三大領域，以建立行業知識圖譜為核心，深耕垂直應用。

　　AI是近兩年最火的詞匯，經過早期對技術、算法等盲目崇拜后，越來越多的人開始關注AI技術結合行業應用。

　　作為一名成功的連續創業者和大數據技術資深專家，吳明輝對新技術有著敏銳獨特的判斷。他認為，創始人要具備吸收新技術到行業里的能力，在行業應用層，大數據與AI殊途同歸，AI的核心在于數據，算法技術壁壘的建立需要依賴大量場景數據。

　　明略數據已于2016年完成兩輪融資，總額超2億人民幣。吳明輝在訪談中表示，公司以每年3倍增速迅速發展，勢頭強勁。

　　近日，愛分析對明略數據創始人吳明輝進行深度訪談。他對明略數據的未來戰略、大數據行業發展格局與趨勢，大數據與AI技術等方面，進行了系統的交流和闡述。

　　業務與戰略

　　愛分析：過去一年，明略數據有哪些主要的變化?

　　吳明輝：明略變化比較大的是創辦第一年。明略最初也有一款大數據平臺產品。但這個方向是有問題的，因為開源的產品做得越來越好，如果公司只做這一層的話，實際上沒有什么獨特的價值。所以我們在2014年底決定轉型，發展垂直行業應用，聚焦三個核心方向：公共安全、金融、工業。

　　愛分析：當初選擇這三個垂直行業應用是怎么考慮的?

　　吳明輝：現在是智能化階段。所以我們選擇的是知識勞動型行業，且有資質的知識勞動者嚴重不足的行業。比如公安，所有的警察都是知識分子，他最主要的工作是分析案情，情報研判。從警察與人口比例來看，中國的警察比率是美國的三分之一左右。所以公安領域優秀的知識分子是嚴重不足的，非常需要人工智能，實現向科技要警力。

　　金融領域，比如交易所，每天有大量的疑似可疑交易，需要大量的優秀知識勞動者做分析。

　　工業領域，比如軌道交通，高鐵的車頭每天產生大量的日志，人工是看不過來的。如果提前分析產生的日志，可以預判一些問題，做一些零部件的更換和保養，可以減少很多經濟上的浪費。

　　愛分析：從數據的角度看，應該選擇什么樣的細分領域?

　　吳明輝：要看產業環境，原來的產業生態系統里數據是不是四分五裂的，能否被連起來。

　　愛分析：選定細分領域之后，具體是如何發展的?

　　吳明輝：我們先給客戶搭建大數據平臺，但這不是最核心的工作。隨后在上面做業務的應用。與傳統企業級服務公司不同，我們的服務更偏向智能化一些。企業級服務的本質是幫助客戶做好自己的工作，包括兩個層面，更好的管理、更好的做業務。

　　愛分析：業務上，明略數據做的都是定制化的產品和服務?

　　吳明輝：在垂直領域里，第一單一定是定制化，但底層的引擎是通用的。場景是定制的，但場景訂單的復用程度很高，最終會成為行業產品或解決方案。

　　公共安全行業

　　愛分析：在公共安全領域，明略數據切的是公安IT的預算?

　　吳明輝：是的。中國公安的IT預算還是很大的。比如智慧城市，每個省動輒是上億的預算。智慧城市下面的平安城市，也會有10%-20%的公共安全預算。

　　愛分析：明略數據能切得是其中哪一部分?

　　吳明輝：這里面IT已經在向智能化的方向發展，實際上所有的錢都是可以切的。這里會有一大筆錢去買硬件，以前可能是去買服務器，攝像頭。現在服務器是云，攝像頭是感知類硬件。公安類的感知類硬件投入會越來越小，在軟件上的投入會更多，這是我們核心市場，這部分錢我們也不可能全切，我們會挑選場景。

　　愛分析：在公安領域，明略數據在做情報分析和研判的工作，在跟公安系統打通時候，什么性質的平臺是最適合的?

　　吳明輝：公安系統的數據是以省為單位來做共享的。我們服務最多的是一些破案壓力大的地市級公安局，其次是省廳和區縣。

　　愛分析：公安領域，明略數據是直接對接客戶?主要業務是刑偵領域?

　　吳明輝：直接對接客戶。公安領域，我們主要做情報和科信，服務十幾個警種，刑偵是其中的一小塊。

　　愛分析：在和公安打通數據庫的時候，具體用到哪些AI的技術?

　　吳明輝：打通數據庫是一個工程型的工作，目標是把數據治理成知識圖譜。

　　愛分析：明略數據和公安合作的時候，公安的數據都存在他們的系統里?

　　吳明輝：是的，我們不碰的，這是紅線。

　　愛分析：在公安IT領域，有很多做解決方案的集成商，明略數據和他們屬于什么關系?

　　吳明輝：對，他們是原來做MIS系統的集成商。他們是我們的合作伙伴。我們的系統要對接他們，我們提供最核心的引擎，他們在上面做應用。

　　愛分析：和海康威視這樣的公司會有合作關系嗎?

　　吳明輝：未來會有。在公安領域，明略和海康都服務于不同的警種。海康會是我們的合作伙伴，我們在他們硬件采集回來的數據上面做產品。我們也在和華為云，阿里云談合作，云上面需要我們的應用。

　　金融行業

　　愛分析：金融領域主要服務客群是哪些類的?

　　吳明輝：三大領域，保險，銀行，證券。

　　愛分析：和明略數據合作的是IT部門?

　　吳明輝：風控部門。

　　愛分析：明略數據給金融客戶輸出的是一個什么產品?

　　吳明輝：跟公安一樣，是軟件，加一些模型算法。

　　愛分析：明略數據主要是為風控相關業務提供模型?

　　吳明輝：我們在公安建立的知識圖譜，在金融有些場景是非常好用的，例如風險排查，關聯交易，和公安場景的原理是一樣的。我們在金融行業做的也都是和金融安全相關的。

　　愛分析：風控是做內部的風控還是外部的風控?

　　吳明輝：都有。像交通銀行是銀行和客戶之間的，像郵儲銀行是內部的。

　　愛分析：可以介紹一個案例嗎?

　　吳明輝：舉個例子，某些銀行的網銀只有在換IP地址的時候會把用戶強制退出，終止交易，這是比較簡單的。復雜一點的還要看交易金額變化，同一個手機操作賬號的變化。類似這樣的規則，我們已經幫客戶建立起來了，可以實時阻止很多非法的交易的。傳統的風控公司也有涉及，但他們都不是實時的。

　　愛分析：有點類似反欺詐?

　　吳明輝：對，反欺詐。

　　工業行業

　　愛分析：工業有什么案例?

　　吳明輝：工業領域，我們最核心的是故障的預測和診斷。

　　愛分析：現在工業環境里面的產業環境都有哪幾種呢?

　　吳明輝：有設備制造商、運營商、業主。明略和設備制造商合作，再一起服務運營商。

　　愛分析：現在明略數據還是以設備制造商為服務客群?

　　吳明輝：先跟設備制造商合作，但主要業務來自運營商。

　　愛分析：行業客戶現在有哪些呢?

　　吳明輝：現在主要做軌道交通。

　　愛分析：現在和一家設備制造商合作，以后再和別的設備制造商合作的時候會不會有障礙?

　　吳明輝：這個行業是寡頭壟斷，挑最大的合作，做中國市場和中車合作就夠了。

　　愛分析：三一重工在做物聯網，中車會不會考慮以后都自己來做?

　　吳明輝：肯定想自己做的，但企業里工程師擅長的還是不太一樣，所以我們合作的話更容易產生結果。

　　愛分析：您覺得對傳統工業企業來說，數據采集有哪些困難?

　　吳明輝：數據采集的核心是不能全存。一個車頭跑一個小時，全部數據有10TB，存儲成本太高，要根據場景和策略存儲數據。

　　愛分析：是借助中車的渠道去接觸客戶還是直銷多一些?

　　吳明輝：借助中車的渠道多一些，我們相比他們就太小了。

　　愛分析：和中車這邊我們是怎么合作的?

　　吳明輝：有駐場科學家團隊在中車，我們處于聯合開發的狀態。

　　愛分析：您認為，工業市場現在有哪些障礙或者挑戰需要解決?

　　吳明輝：工業客戶絕大多數是大國企、央企。客戶的投資進度決定了哪些領域能先發展起來。軌道這幾年的投資很快，是一個很大的增量市場，這樣的市場就有很多機會。

　　未來戰略

　　愛分析：除了現在做的這三個領域，您還比較看好哪些?

　　吳明輝：在優秀的知識分子嚴重缺乏的領域，醫療和教育肯定是了。

　　愛分析：但這兩個行業現在看來都不太容易做進去。

　　吳明輝：我覺得不是不容易做，是現在正在做的這些公司都太科學家范了，產品化能力太差，他設計的產品是沒問題的，但這個產品放到整個生態系統里面不合適。

　　愛分析：純技術不管是現在還是未來都很難構成一個壁壘，您覺得明略數據的壁壘如何形成?

　　吳明輝：對數據的處理能力會形成壁壘。做垂直行業的技術應用。

　　愛分析：數據處理技術，具體而言能延伸到哪些維度?

　　吳明輝：舉個例子，比如知識圖譜的標注，我們做垂直行業。我們需要這樣大量的數據處理工作，這些都是壁壘。

　　愛分析：做垂直的行業應用，客戶有大量的數據，但公司自己不碰這些數據，這樣是不是壁壘不夠高?

　　吳明輝：一定要做重的事。舉了例子，今天我們在公安局落地做一個項目，別人需要半年到一年才能出第一版效果，我們可能一個月就出來了。這是因為我們前面重的活兒已經做了很久了，壁壘產生在這些地方。

　　愛分析：企業級服務和2C不一樣的就是，他可以重復的收錢。比如說做完一期可能沒掙到錢，但后面的多數也會一直下去。但有沒有可能中間被別人接盤了?

　　吳明輝：每個公司都有自己的方法論。但是一定要有這樣一個體系，使得客戶用你越多，他越獲益，同時客戶越多，你的價值越大。

　　我舉個例子，秒針再去給客戶提供廣告監測的時候，不是一個簡單的tracking工具，還會幫客戶去分析廣告投的怎么樣，同時還要對比整個行業全體是什么樣，在行業里面投的好不好，包括在細分市場里廣告占有率，這個對客戶很重要。

　　愛分析：您如何考慮下一步規模化擴張的問題?

　　吳明輝：現在還處于跑馬圈地的階段。明略的打法很簡單，標桿客戶拿下，把行業的產品做出來，再復制。我們要在行業場景里做標桿，找到場景合作伙伴的時候會擴張更快。

　　愛分析：希望場景合作伙伴給明略數據提供什么樣的支持?

　　吳明輝：包括銷售、落地時候的一些部屬、未來長期的維護，售前我們做的更多。

　　愛分析：明略數據是否考慮從做項目完全轉成做license服務?

　　吳明輝：是的，但這個license和傳統的不太一樣，這個比傳統license的應用要做的更重一些。

　　愛分析：下一步公司的整體戰略是什么?

　　吳明輝：不遺余力的去打造我們的行業人工智能引擎。我覺得未來整個的IT投資都會往這個方向去做的。

　　愛分析：人工智能系統是明略數據的核心戰略?

　　吳明輝：明略的理念不是去做一個完全自動的人工智能系統，而是人和機器一起共同去學習和完成，一種亦師亦友的關系。人開始要教機器，后來甚至機器要教人，最后的決策還是要靠人，但這個過程中計算機可以幫人做很多事情。

　　所以今天我們的最核心的產品和服務都是圍繞著幾個行業去實現，行業垂直的AI人工智能服務。

　　愛分析：明略數據的對標公司是Palantir?

　　吳明輝：對，我們跟Palantir從業務模式和涉足行業上都很相像。

　　愛分析：除了在做的這三個行業之外，明略還繼續投入到其他方向嗎?

　　吳明輝：其他行業我們是以產業投資的形式來布局。公司還是要專注，我們這三個方向已經巨大了，每個都是上千億的IT市場。

　　愛分析：明略數據在做的產業布局都有哪些方向呢?

　　吳明輝：兩個方向。一是最底層的核心技術，如果一些技術成為瓶頸的時候我們會以并購的形式買一些小的科技公司，像NLP的技術、圖數據庫。我們也在做，但如果市場上有一些跨時代的產品就直接買了。明略現在的資金實力也夠。二是行業拓展，會以投資的形式參與，做一些產業布局。

　　運營與財務

　　愛分析：現在團隊規模是怎么樣的結構?

　　吳明輝：團隊310人。研發團隊200人，一半是駐場科學家，一半人員負責底層引擎開發。銷售50-60人，包括售前。

　　愛分析：現在的主要成本來自于研發?

　　吳明輝：準確的說，是來自于人才。

　　愛分析：一百人的科學家團隊現在能同時做多少個項目?

　　吳明輝：今年的人員計劃是380人。380人能支持100個項目。

　　愛分析：隨著業務相對成熟，對駐場科學家的依賴可以減小到什么程度?

　　吳明輝：相對簡單的純定制部分我們會外包出去。我們更多的是做行業數據的梳理、行業知識的構建。場景剛進入的時候是要鋪一些人的，隨著應用逐漸的在某場景的成熟，需要的人也會減少。但系統需要不斷的升級，我們會不斷的跟進。

　　愛分析：如果這樣的話，駐場應該很難去掉了?

　　吳明輝：未來可以借鑒遠程工作，減少駐場的費用。但企業級服務必須要和客戶并肩作戰，才能把最好的產品設計出來。

　　愛分析：整體來看，做服務客戶的人群很難會降到一個很低的數字?

　　吳明輝：是在逐漸降低，但降到太低也不對。這是個悖論，所有人都想賺利潤，但要是做的太輕了，很容易就會被顛覆。

　　愛分析：主要是在哪些環節上有人力的減少?

　　吳明輝：垂直數據庫的梳理有大量的公用部分，這樣重復工作是可以被省下來的。

　　愛分析：這幾個領域咱們的客單價能達到多少?

　　吳明輝：金融和公安類的是300萬-500萬的規模。

　　愛分析：影響項目打包價格的主要因素有哪些?

　　吳明輝：最核心的因素是競爭環境。

　　愛分析：明略數據是如何對產品和服務進行定價的?

　　吳明輝：有兩部分，產品的license和定制的man-hours。大多數還是以項目工程為立項的。

　　愛分析：現在客戶數有多少?

　　吳明輝：去年做幾十個項目。今年會上百。

　　愛分析：現在集成商帶給你的客戶占多少比重?

　　吳明輝：這部分客戶占很小的部分，但也有訂單和集成商一起簽。

　　愛分析：去年的營收是在什么樣一個范圍?

　　吳明輝：去年是一個億。

　　愛分析：確認收入還是訂單收入?

　　吳明輝：訂單收入比它多一些，確認收入比它少一些。

　　愛分析：今年大概想做到多少?

　　吳明輝：今年目標是3個億的訂單收入，2個億的確認收入。

　　愛分析：這個增速還是挺快的。

　　吳明輝：我們保持每年3倍的增速。企業級服務，好的團隊在初期2倍增速發展是沒問題的，優秀的團隊能做到3倍增速。再高不太可能，復制團隊不可能那么快。

　　愛分析：營收的增速主要來自于哪些方面?

　　吳明輝：來自于客戶變多。每年每個客戶都會續約，續約的訂單規模不會增加太快，每年會維持。肯定是要有更多的客戶。

　　愛分析：今年會考慮做利潤嗎?

　　吳明輝：今年肯定會盈利。我們自己測算，營收平衡點是2個億。只要超過2個億肯定就會有利潤的。

　　愛分析：SaaS的公司，現在看都還沒有去盈利，更多的還是在增大投入，搶占市場，提升自己在技術上的領先，明略現在的考慮是什么?

　　吳明輝：要看公司的定位，如果公司不賺錢是沒有安全感的，我們的增速很快的，但是我們還是盡可能的讓財務變好，沒有任何一個投資人說明略一定要盈利的，但我們自己很清楚。

　　愛分析：我們判斷了一下，現在300-400人的團隊能做3億人民幣，如果是按實際確認收入2億-2.5億計算，人均產能是50-60萬人民幣。從人均產能角度來講，項目和科學家之間還是成正比的。

　　吳明輝：其實不是。引擎很關鍵，引擎決定了成本和營收的斜率肯定是不一樣的。如果沒有引擎的沉淀，變成一個項目公司，那就不行了。

　　愛分析：其他的呢，銷售成本高嗎?

　　吳明輝：我們主要是人力成本，提高人均產值，壓縮人的成本。銷售成本沒多少，我覺得銷售成本不要降，客單價很高的產品，多鋪幾個銷售沒關系。

　　愛分析：銷售成本現在占營收比例多少?

　　吳明輝：大概占20%左右。

　　愛分析：預計三年之后，銷售比例在20%左右?

　　吳明輝：不要降到10%以下。

　　愛分析：大部分SaaS公司50%左右的銷售占比，相比之下明略數據的銷售占比挺低的。

　　吳明輝：SaaS公司的客單價不高，他們的打法是高頻應用。明略的打法是高客戶價值。

　　愛分析：長遠來看，毛利率能做到60%-70%?

　　吳明輝：對，SaaS能做到更高。秒針能做到80%。我們的服務模式是on-premise，60%-70%就很理想。

　　愛分析：管理成本占15%左右?

　　吳明輝：是的。

　　愛分析：當達到一定規模之后，研發占比會有什么變化。

　　吳明輝：研發費用會降的越來越低。現在研發占60%，長期會在30%以下。

　　愛分析：長期來看，利潤空間大概15%?

　　吳明輝：差不多。

　　愛分析：未來考慮如何提升利潤空間?

　　吳明輝：要做行業壟斷，或者區域壟斷，才有可能有更大的利潤率。

　　愛分析：未來的財務預測，3-5年之后，成本結構會是什么樣子的。

　　吳明輝：要看里面最大的成本能不能去優化，比如說數據整理的這部分，原來是挺大的成本，現在就在不斷的壓縮。每一個場景里面，這塊成本不太一樣。

　　行業與市場

　　愛分析：現在看來企業級服務做到2個億是門檻，如果再往上的話，您覺得還需要哪些其他的因素呢?

　　吳明輝：首先看創始人的格局和企業的機制。比如說一個公司能容下多少個頂級科學家，能容下多少個最牛的銷售老大。另外看所在的市場是不是一個足夠寬的跑道，能否向外延伸。

　　秒針當時也遇到瓶頸，在廣告監測市場做到占有率接近70%。這個時候要想辦法往外延，要看其他市場能否切進去，要是能切的好，轉型快，多元化能做起來，瓶頸就被打破了，可以接著往上長。也有可能從市場再往外走，但這樣就更難了，團隊結構，股權結構，各方面都要設計好，才有可能去突破這個瓶頸。

　　愛分析：明略數據在做一些新產品的時候，如何去評判新產品未來的價值，或者是對營收的貢獻?

　　吳明輝：每一個市場都有它天然存在的需求，比如說這些需求的解決方案是技術，或者是技術變成產品化用產品去解決。不同的時代用的技術和產品是不一樣的。

　　比如說人工智能在沒有今天這個狀態之前，可能在公安里面，我們做一套系統可能是一個簡單的搜索，把搜索數據庫做好，在上面搜就行了。到了明略這個狀態的時候，就不是簡單的搜而是復雜的搜，我們會把這個知識圖譜建起來，建立關聯關系。

　　把越來越多人做的事往機器上分，這個技術是在不斷的提升。作為創始人要不停的去看市場上最牛的技術，要有吸收新技術到這個行業里的能力。但是，這也要看一個市場進入的過程、客戶預算傾斜的過程，以及這個技術成熟和落地的周期。

　　愛分析：現在看來，企業級服務市場上，雖然很多創新公司都在做一些新的東西，但總體來看，很難真正服務到客戶。

　　吳明輝：這就是企業級服務最有意思的地方。很多AI公司是科學家創業。科學家創業需要過兩個檻:一個是產品化的能力，一個是商業化的能力。加上技術實力，這三個方面都得強，最后這件事才能成。

　　愛分析：您從哪些維度來判斷技術實力?

　　吳明輝：要看這個行業里有可能用到的真正的技術是什么，比如我們處理字符、文本的能力一定要強，如何能把它自動的動態的治理成知識圖譜，這是我們關注的地方。

　　愛分析：物聯網是大的風口，很多創新公司也提供PHM軟件，但現在很都很難去變現的。更多的是通過賣傳感器，或者采集數據的硬件設備去變現，您怎么看?

　　吳明輝：產品化能力很重要。企業級服務的產品設計決定了變現的能力，場景如果設計得好，是能賺到錢的。

　　愛分析：不管是大數據公司，還是AI公司，大家的目的都是向智能化方向去發展。您覺得從大數據向人工智能發展，或者直接從AI開始，這兩種路徑在未來發展上有哪些差異?

　　吳明輝：我覺得直接從AI開始挺難的，尤其是中國公司。直接從AI走的話，核心是某一個組件做的極其牛，使得別人都只能買你license，客戶用和不用有本質區別。但是凡是通用技術，一定是開源的。

　　在AI領域，需要大量的場景去訓練。以前訓練會有一些門檻，現在有大量開放的數據集，沒有數據壟斷的機會，就很難在純技術層面上有先發優勢。明略的人工智能服務做得越來越好的核心原因是因為我們之前一直在做數據，所有的人工智能都是要依賴于數據。

　　愛分析：這個行業未來格局會是什么樣子?隨著大數據和人工智能在這些領域不斷滲透，行業格局會有什么改變呢?

　　吳明輝：我覺得以后每個細分市場只有一兩家公司，不會太多。集成商可以很多。但真正有核心產品競爭力的不會很多。橫的方向，大多數最后被云廠商整合了，獨立的公司價值不大。(來源：億歐網 文/關蕾)