服务中大型企业，观远数据切入智能BI市场 | 爱分析访谈

调研 | 李喆 倪贤豪

撰写 | 倪贤豪

BI（商业智能，Business Intelligence）近年来快速发展，不单得益于企业用户的业务系统越发成熟，也是因为智能BI、敏捷BI、云端化等新型BI和服务模式的不断引入。创建于2016年9月的观远数据，作为一家以敏捷BI为基础产品并延展至智能BI场景的企业，正是BI市场众多新进入者之一。

观远数据创始人苏春园，毕业于卡内基梅隆大学，曾任职于MicroStrategy，并担任全球高管及中国产品研发总裁，在服务中大型企业上有着丰富经验。

成立后第一年，观远数据主要完成了产品构建和上线，其中有几家客户在观远数据成立之初便一同参与了产品的构建。

2017年9月，观远数据产品上线，并于2017年第四季度开始推进产品到客户端的落地。截至目前，所服务客户已有几十家，包括Today便利店、来伊份、Amer Sports、伊丽莎白雅顿、猩便利等新零售知名品牌，歌斐资产、晋城银行、声赫金服等金融企业，以及一亩田、亿方云、PatPat等多家泛互联网行业客户。

敏捷与智能并重，观远数据入场国内BI市场

观远数据为客户提供的基础产品为敏捷BI，此外公司在智能BI方向用力颇多，与部分客户进行基于AI+BI的深度合作。基于BI产品，观远数据为客户提供一站式的数据分析与决策解决方案，包括Smart ETL工具来接入与处理不同数据源的数据，快速进行数据可视化与数据探索，移动端数据协作以及深度分析场景等应用。

具体到如何服务客户，观远数据选择先通过敏捷BI工具切入，在帮助客户实现产品迅速落地后，再行扩展更多的应用场景，并进一步进入到深度分析与智能决策层面。随着客户的满意度和需求的提升，不断迭代、升级，最终实现完整解决方案的提供。

2018年，观远数据的市场开拓重心为新零售、金融等行业。除此之外，业务形态不在上述两行业的互联网企业、转型中的中大型传统企业，也是观远数据的目标客群。

针对新零售领域，观远数据主要的落地场景是CXO看板、经营分析与监控、精准营销、品类管理和优化、业务诊断、销售预测等，而在金融领域，落地场景则是经营分析与监控、信用卡业务分析、车贷分析、精准营销、客户生命周期管理等。另外对于不在上述两行业的客群，则是根据客户需求对应的场景提供解决方案。

在现有几十家客户中，多数来自于新零售与金融领域，其他领域的客户相对占比较少。从客户规模来看，观远数据更倾向于以中大型企业为目标客户。

市场空间大，新一年主旋律是产品迭代和市场扩张

当前，观远数据团队人数在40人左右，其中研发占比60%，方案与交付人员占比20%，销售人数不足10人，采取的销售模式以直销为主。苏春园在接受爱分析访谈时表示，2018年拟扩张团队至80人左右，并考虑在华东之外的北京和深圳增设销售团队。

收费模式来看，观远数据采取按年收费的方式。如客户购买SaaS版，则按账户数计费，一般是20个账户起售。而私有部署则提供按账户数和节点数（更适用于使用量大的情况）计费两种方式。

根据爱分析调研，国内敏捷BI市场渗透率还不到5%，市场增速则超过50%，当前参与这一市场角逐的企业营收总额尚不足1亿美元，智能BI市场更是刚刚开始，留给观远数据的市场空间还很充足。

相应地，在市场开拓方面，观远数据还需表现出更强的获客能力。产品自2017年Q4开始推广，至今只有一季度，更多的市场动作有待在2018年展现。

细究现有的获客优势，创始团队服务过不少500强企业等客户的履历对观远数据未来服务国内中大型企业会带来帮助。而薄弱环节则在于品牌认知度还有所不足，销售团队的规模也仍需扩大，进而提高客户拓展能力以获取更多客户。

另外，由于观远数据的客群定位为中大型企业，在私有部署版上，此类客户在实际对接中往往有不少定制化内容。对此，观远数据的处理方式是选择具备代表性的需求，将其解决方案抽象进现有产品，其余更为个性化的需求，则通过开放平台或提供配置项的方式予以满足。

以上处理方式有助于观远数据产品的不断完善，但同时也对产品的标准化提出了更高的要求。

对于战略定位，观远数据创始人苏春园认为主要在两个方面：一方面，将继续完善产品，在敏捷BI的基础上，基于AI进一步加深预测性分析与智能诊断的应用，明确“AI+BI”智能分析与决策的定位；另一方面，抓住国内敏捷BI市场处于初期阶段、智能BI全球也刚刚开始的机遇，加速市场拓展，夯实观远数据的市场份额，做大做强。

近期，爱分析对观远数据创始人兼CEO苏春园进行了访谈，现将部分内容分享如下。

提供原厂级别服务，观远数据定位国内中大型企业客户

爱分析：观远数据目前的产品线如何？

苏春园：从产品部署的方式来看，观远数据的产品可分为SaaS版本和私有部署版本，并且两者可以无缝切换和迁移。

而从产品功能来看，观远数据为客户提供的是一站式的大数据分析和可视化的解决方案。该方案支持Smart ETL导入并预处理数据，数据可视化，数据分析以及移动协作（移动BI）。此外，我们还通过AI技术为客户提供预测性分析与业务诊断，进而帮助客户更智能的决策。

爱分析：SaaS BI方面，显示层以下的数据仓库是否为观远数据自建？

苏春园：观远会提供一个轻型、敏捷式的数仓。但如若客户有自建数仓，观远同样支持接入客户自有数仓，并可以很完整的复用甚至放大企业已有数据仓库的价值。

至于为何提供轻型数仓的原因，在于观远的理念是“轻、灵、快、易”，帮助客户尽快做到BI在具体场景的落地应用，在此基础上再行扩展到不同场景。

否则不具备数仓的客户在使用BI前需先消耗数月时间在数仓搭建上以后，再做BI构建，这其中耗时过多。

这也是观远数据提供一站式的解决方案的缘故。

爱分析：私有部署版本，定制化程度如何？有无二次开发需求？

苏春园：因为观远数据所服务对象多为大中型客户，故定制化需求和二次开发均难以避免，比如数据接入方式、客户内部权限体系打通等。

对此，观远数据通过标准化产品以及可配置的平台化能力予以解决。具体的实现方式可概括为两类：

第一，如客户的定制化需求在对应行业较有代表性，观远数据将其抽象到公司现有产品内，我们的技术团队具备此类产品设计能力。

第二，如客户定制化需求不具备广泛代表性，观远数据会通过高对接/高可配的方式，通过开放一些平台接口或配置项提供解决方法，或者协助客户做定制化，这类满足方式基本不会影响到观远数据的标准产品线。

爱分析：观远数据所布局行业都有哪些？

苏春园：主要是新零售、金融以及泛互联网。其中，观远数据对泛互联网的定义是指数据驱动型的互联网公司，以及转型中的传统企业的互联网业务。

爱分析：如何看待观远数据产品的竞争优势？

苏春园：这从国内与国外两个角度来看。首先，在BI领域，国外厂商很多。

与他们相比，观远数据最大的特点是深耕中国本土市场。这有多大区别？说一个节奏大家就明白了，国外BI公司对于中国客户的本土需求一般都不是最高优先级，决策流程以季度、发布节奏以年度为单位，这就算很不错的了。

更多的时候，全球高管无法理解本土客户的需求和挑战。而对于我们来说，本土需求就是100%的优先级，我们的很多创新也是基于这个背景，比如端到端的一站式分析理念、本土数据源的对接、已现有业务系统的嵌入式分析、权限细颗粒度的管控、基于小程序/钉钉等国内生态的移动对接等。

另外一个很大的差异化，在我们观远数据看来，过去十年多的BI市场，全球的BI市场都更多的专注于如何“看”的层面，而不是如何“干”。未来的趋势一定是运用AI技术做预测性分析与诊断性分析，为客户提供“Actionable Insights”，输出真正可行动的决策建议，打通业务环节，构建企业的“决策大脑”。这是观远数据与其他公司在未来最核心的差异化，也就是观远提出的“AI+BI 让决策更智能”的核心定位。

爱分析：在所布局的行业，有哪些应用场景？

苏春园：在新零售领域，主要的应用场景可以分为三类：

第一，经营分析。以有数百家连锁门店的零售客户为例，在经营方面存在单店管理、单品管理的很多核心场景。从业务角度，数字化经营能力是决定门店能否快速扩张的基石。以单店管理为例，任何一个门店表现有异常，观远数据会协助客户第一时间“数据追人”，发现哪些业务指标有可能的异常，甚至给到对应的店长、督导以及总部人员相应的决策建议。

第二，精准营销。包括会员分析，用户画像，用户复购分析、活动效果等经典实践，系统性的呈现会员资产的价值，敏捷的监控每次营销活动的效果，以及通过AI+BI。

第三，品类管理和优化。通过BI和数据分析发现潜在爆品和瘦狗型品类都在此类场景之列。

金融领域，观远数据服务的更多的还是银行客户，具体的场景则是经营管理分析、车贷业务、信用卡业务，客户生命周期管理，精准营销等。

至于泛互联网领域，则更多的还是针对客户需求对应的特定场景提供服务。

行业尚起步，产品技术过硬方能笑到最后

爱分析：您认为国内的BI市场眼下还处于比较初期的状态，对于未来趋势怎么判断？

苏春园：国外该领域还是比较分散的，在Gartner报告里提及的20多家BI厂商中，上市公司以及独角兽级别公司占了半数，整体市场规模在几百亿美元。

至于国内该领域，我认为不会出现那么多家同等级别的公司，但也会出现几家相对较大的公司，提供更符合本土需求的创新。

另外，国外同行更讲究分工，比如不同厂商定位不同客群，不同场景等，比如以可视化为主、以数据清理与准备为主、以嵌入式数据分析为主等。而国内的厂商，未来更可能的是提供更加一站式的解决方案，涉及诸如ETL、数据协作、AI等不同环节以及更全面的应用场景的延伸。

爱分析：敏捷BI厂商在企业级市场上该如何获得更好的发展？

苏春园：敏捷BI的特点就是轻、快、易于落地，使用的便捷性是此类BI的天然特性。但在服务企业级客户时，应注意与数据权限管控、数据治理相结合，其中对于数据的准确性和应用性尤其是要更为重视。

对于企业级客户而言，敏捷BI的便捷性是其所需的，但随着企业规模的扩大，敏捷更多的还是起到了切入点的作用。因为随着规模的扩大，BI厂商能否为其提供高性能、高复杂度的BI产品和服务会是越来越重要的衡量因素。

更进一步，智能BI是未来的大趋势。从敏捷切入，最终提供智能的行动建议“Actionable Insights”，构建面向未来的“企业决策大脑”。

爱分析：在技术上，该从哪些维度判断 BI厂商的技术能力？

苏春园：技术为商业服务，所以首先还是看客户定位，如果定位是大中型客户，我认为很重要的是要能够真正理解企业级分析与决策的复杂需求，比如可视化扩展、模型嵌入、API对接、高可配置性、高性能等，以及不同场景的应用上积累足够的行业经验与分析实践。

其次，团队对于大数据与AI技术一定要有要足够的专家能力，比如观远团队最近参加了微软的智慧零售挑战赛，有幸获得了上海站冠军，就是非常的黑科技，用技术和算法来挑战业务的传统边界，找到业务的突破点。

扩大销售队伍，持续积累行业客户

爱分析：在所布局的行业中，现有客户分布情况如何？

苏春园：更多客户来自于零售和金融业，以及泛互联网客户。

爱分析：从2017年Q4开始拓展市场以来，积累了多少客户？

苏春园：已签下的客户在小几十家，还有一些在客户在使用中。

爱分析：在收费模式上，目前采取的是什么方式？

苏春园：SaaS版和私有部署版都是根据账号数量按年收费。但在私有部署版上，如客户的使用量较大，则可选择按节点数收费的方式。

爱分析：现有团队规模和结构如何？

苏春园：40人左右。其中研发占比60%左右，交付部署团队占到20%左右，剩余则为销售和必要的行政人员。

2018年预计扩张到80人左右，主要增加的人员是研发和交付、以及市场销售方面。计划在现有的上海、杭州销售团队之外，再根据业务发展增设北京和深圳团队。

爱分析：销售模式以直销还是渠道为主？

苏春园：直销为主，但也与一些优质伙伴深入合作。除了销售人员的直接开拓，还会有上下游的合作伙伴一起合作。等团队更为成熟会考虑渠道。

2018·爱分析中国大数据高峰论坛

点击下方图片了解一下

爱分析热文

新龙榜

新龙榜TOP125

新金融

互联网金融TOP100 | 互联网金融TOP50

互联网保险TOP35 | 消费金融TOP25

财富管理TOP42 | 投资机构TOP30

互联网支付TOP20 | 虎鲸榜TOP50

互联网保险TOP25 | 互金概念股TOP30

创富人物榜TOP50 | 影响力50人

金融科技创新企业TOP60

企业服务

企业服务TOP100 | 企业服务TOP50

大数据TOP72 | B2B电商TOP50

云服务TOP50 | 网络安全TOP30

大数据影响力50人 | B2B电商影响力50人

其它

出行服务TOP50

人工智能TOP50

教育科技TOP50

语言教育TOP20

移动医疗TOP30

汽配维修TOP20

家居家装TOP36

汽车创新TOP64

新零售TOP100

汽车金融TOP25

Adobe | VMware | Salesforce

阿里云 | AWS | Atlassian

Tableau | Cloudera | Palantir

Zendesk | Hubspot | WeWork

Inovalon | MircoStrategy

个推 | 金山云 王育林访谈

Hortonworks | 容联云通讯

360企业安全调研 吴云坤访谈

UCloud调研 季昕华访谈 | 乐视云

TalkingData调研 崔晓波访谈

纷享销客 罗旭访谈 | 北森

国双科技调研 祁国晟访谈

秒针 | 销售易 | 图森互联

数据堂 | 星环科技 | MuleSoft

明略数据 吴明辉访谈 | 环信

OneAPM | 听云 | 有云

昆仑数据 陆薇访谈 | 瀚思科技

信达泰和 | 猎上网 | 云智慧

小花钱包 | 徐工信息 | 青云

Veev | Zilliz | 云脑科技 | 小i机器人

云势软件 | 灵伴科技

DataHunter 程凯征访谈

Sensoro 赵东炜访谈

涂鸦智能 王学集访谈

美林数据 王俊杰访谈

Kyligence 韩卿 | Splunk

融云 韩迎访谈 | 每刻报销 魏强访谈

Chinapex创略 | 数澜科技

数起科技 | TalkingData