数据智能

展望2019年,数据智能落地产业的机遇与挑战

未来有哪些行业会是下一个爆发点?

2019年04月30日
  • 数据智能
  • 行业应用

近日,爱分析在京举办了2019爱分析·中国数据智能高峰论坛。爱分析邀请了象辑科技CEO邱珩、麦飞科技联合创始人兼CTO刘龙,以及百炼智能联合创始人兼CTO姚从磊,参与了论坛下午的圆桌讨论环节,围绕“展望2019年,数据智能落地产业的机遇与挑战”主题,各位嘉宾展开热烈的讨论。爱分析分析师崔可家主持了本次圆桌讨论。

现将圆桌论坛讨论实录分享如下。

爱分析:感谢三位嘉宾参与此次圆桌,首先请三位简单介绍一下自己。

刘龙:大家好,我是麦飞科技的刘龙,麦飞科技是一家创业公司,成立于201612月,主要做智慧农业领域,把无人机或者卫星遥感技术应用到普通的农业生产种植环节里,公司的核心技术是来自于中科院遥感所,目前在湖北、江苏、辽宁、安徽四个省提供相关的服务,作业面积有几百万亩,谢谢大家。

邱珩:大家好,我是象辑科技创始人邱珩,是一家商业气象服务提供商。所谓的商业气象服务与公众的天气预报是有区别的,我们是面向特定行业,满足他们的特定需求,做定制化的天气预报。主要的客户包括能源、航空公司,机场,高速公路、保险公司以及互联网公司。现在在手机上百度也好,新浪也好,都是我们的客户,你们从这上面看到的公众的天气预报,象辑科技就是背后数据支撑的来源。

姚从磊:大家好,我是百炼智能的姚从磊,百炼智能是 201854号成立的,到今天还不满一年。我们公司目前的定位是行业智能获客提供商,我们现在服务的客户主要在快消,金融,招商等领域。

企业面临的问题非常简单,每天会看到大量B端客户线索,需要分析判断客户线索是否值得投入资源去跟踪。企业在头脑里面已经形成了一些判断目标客户的维度,我们帮他们把大脑里对目标客户判定的维度,还有维护信息的组合方式,通过数据模型的方式沉淀下来。通过这样的方式,能非常快速的帮助客户完成判断,对于经过模型筛选出来的目标客户,通过商业机构与商业机构之间的关系,创始人、高层管理人员之间的背景,形成社会关系的多样性分析。

爱分析:数据智能在落地行业时会考虑哪些因素?未来有哪些行业会是下一个爆发点?

刘龙:其实这几年智慧农业以及农业大数据提很多,这是非常热的方向,但是无论是农业大数据还是智慧农业都无法回避的一个问题就是原始的数据从哪里来。

因为农业第一产业不像第二产业工业,或者第三产业服务业一样,有比较完善的数据采集系统以及长时间的数据积累,那么做农业数据智能过程中,第一步就需要解决数据采集,数据采集确实是非常耗成本、人力、财力的事情。

麦飞非常核心的业务就是通过识别光谱技术可以识别出作物健康程度,可以简单理解为麦飞可以识别出哪些作物是染病的,只对染病的作物进行针对性的防治,从而减少农药的使用量。这样无论是对于田间环境的保护,还是对于农业成本的投入的降低,都是非常有好处的。

但如何才能做到识别田间病虫害,需要积累数据才能把模型建出来。前期的数据,大部分都是来自于试验田或者来自于田间实验室的,没有来自于真实的农田环境中,我们必须前期要把数据集中起来,才能够有一个初始的推动,这是我们把数据智能落地到农业中遇到的最大的问题。

对于下一个爆发的垂直领域,我认为需要有几个特点。首先,这个领域并没有被很好的数字化,相对来说还是不那么互联网的行业。其次,这个行业存在大量可以复制化的流程,只要做一次,就可以把它形成自动化的流程,我认为如果数据智能在垂直领域爆发,这个领域具备这么两个特点,谢谢大家。

邱珩:对于未来的展望,我可以根据我的经验来分析一下方法。所谓的大数据口号,在前几年被喊的特别火,基本上很多企业都想跟大数据贴上边,但是从我个人从业角度来看,我觉得这个所谓的数据智能的产业,其实关键是选择行业能落地的点,而不是技术的选择,技术即便再先进,壁垒有多强,其实都带着问号。

我觉得有一点是可以检验这个行业是否适合数据智能,就是行业的从业者,也就是客户,或者你自己在这个行业里到底成交了多少营业额,客户对数据智能产品的需求是否是刚性的。

这是非常区别于互联网公司的,互联网公司有很多指标是用户数,或者等等一系列流程,对于数据行业,我觉得一个很重要的就是行业里面现有的以及未来潜在的客户。就气象这个行业来看,我相信其他行业也是一样的,现实中能找到的买单方往往是大型企业,甚至超大型企业,还有政府和国企,以这些主体为主,我的大致判断现有的数据行业,最快能落地的领域,应该在大企业。

姚从磊:首先我自己是非常喜欢数据智能这个词,相对大数据而言,我比较喜欢数据智能这个词,数据只是智能化的一个分支,最核心的点在智能。包括我们现在服务的客户,帮客户用机器做到平时人工花了很多时间做的事情。客户对于他们过往销售过程数据都有都很好的记录,所以通过前期跟客户的合作,通过在历史数据上建立智能模型做分类预测。

回到第一个问题,第一点,首先客户已经有了这样的流程,以前主要通过人工方式来做。

第二点,就是服务的渗透率。我之前做过很多年2C产品,从2B的业务来讲,会看渗透率,客户会有多大比例愿意继续做服务,我们现在把服务看的非常重要,服务体现了产品价值。从这点来讲,B端的市场和C端的市场本质非常像。

爱分析:现在大多数落地的知识图谱还是以行业知识图谱为主,那么未来随着数据量的不断增多,通用知识图谱出现后会产生哪些新的应用?

姚从磊:先讲两个概念,一个是行业知识图谱,比如说我们在服务招商的客户,他们主要的目的是要判断一家企业近期是否应该接触。那么在这个图谱里,最主要的就是企业机构和企业关键人物。我们会发现在具体行业场景应用里面,是跟行业属性直接相关,不同的行业之间有很大的差异。

我们会觉得说行业的知识图谱往前做,像机构、人、地点等实体,这些都串起来之后应该是更大的通用知识图谱,通用的知识图谱比较完善以后,可以逐步替代现在的搜索场景。

爱分析:企业数字化转型后是否会对流程业务系统本身进行重塑?

邱珩:从我的经验来看,各个企业对于数据的应用,有一个很明确的需求是必须基于原有的业务展开。新的行业,包括数据中台服务,会延伸到各个产业里面去,象辑科技服务的客户种类其实非常广,包括能源、交通、航空、和互联网公司等,在没有气象数据智能公司之前,已经有一套现存的业务逻辑,照样能把原来的事情干好。

我们往往是不能单纯的说我就是擅长精细化的天气预报,我把天气预报给到你,之后的应用我就不管了,这样向客户证明这件事有价值。不说气象这个小的行业,从数据智能这个大行业来看,做大数据底层基础系统的建设也好,如果没有在业务逻辑上说服客户,客户是很难为此买单的。

因此,我认为要深扎到行业里面去,在深扎的过程中,理解业务逻辑变得非常重要。回到最初的问题,在形式上,并存和替换两者都出现了。替换方面,比如象辑给海上工程做的项目,所有运维调度、船只管理、人员管理,最核心的大脑就是天气和海洋洋流的情况。因此,会直接把作业系统全部变成以我们的系统为主,要管理人、船、工单等,替换原有的应用。

但是也有一些业务应用本身功能非常强大,比如国家电网应用,天气在其中只是一个很重要的模块,比如说线路上雷电气象的灾害预测等都会用到。因此,我认为两种形式都会存在,最终会以什么形式呈现出来,取决于在行业里的业务逻辑与你给他提供的服务是什么样的关系。

刘龙:我非常赞同邱总说的,最终的标准是以业务逻辑来评判,在数据驱动之前,很多业务已经开始做了。对于客户和技术真正的使用者来说,他们评价这项技术是不是好用,是纯粹基于自己的业务逻辑。

比如麦飞科技现在接触一些比较大的客户,他们会有一定面积的试验田,比如一万亩,把所有的农业黑科技集中在一起,所有做智慧农业的厂商都可以在这块试验田上实验,数据的准确度决定成本节约度。他们完全是从纯业务逻辑和业务的结果来作为检验和评判的唯一标准。

姚从磊:我们在初期跟客户接触的时候发现特别有趣的现象,现在不少行业的客户都会有一个类似的部门,叫做AI创新部。这个部门的作用就是为公司内部需要提升效率的业务场景,找到比较好的方案提供商。

百炼智能一开始做的产品、解决方案去完成之前业务线中人工的工作,部分提升效率。但是随着合作深入,慢慢就发现,随着对客户业务的理解不断深入,以及客户期望的提升,现在也开始去做一些之前没有的方案,这些方案能够对客户现有的业务线甚至其他业务线提供一些帮助。

数据智能能否创造足够的价值是最关键的,至于是替换还是与原有业务应用并存,都是很自然的结果。

爱分析:现阶段或者未来,数据智能行业会出现哪些新的类似于合作分成的商业模式?

刘龙:商业模式比较明显的,是直接给客户提供数据或者给客户提供产品服务,甚至直接帮他们提供决策,帮客户把事情做了,这些都是很直接的。未来,关于商业模式的变革,我觉得这个方面可以借鉴很多成熟行业的做法,比如说让商业模式变得更加隐形,通过构建生态链的方式,让合作伙伴们也都参与进来。

邱珩:我觉得有可能出现新的商业模式,但是目前来看还比较难。合作模式的可行性是存在的,为什么暂时没有看到,也是因为数据智能公司在选择行业的过程中,我们发现现有的客户都是超大型企业,而去给他们服务的公司往往是比较创新的创业公司。

对于这两者的关系,我个人觉得目前来看还是以客户为主的,至少在气象行业里没有看到联合运营某件事情,短期内没有看到这个机会,长期应该是具备这些可能性。因为毕竟一个数据驱动的数据智能的公司,理论上来讲,联合运营对效益会有更大的帮助。

但也要给大家提一个醒,不要为了这个问题去发展公司,有一句话叫落水三千只取一瓢饮,野心太大了,客户看到你也会有担心。

姚从磊:从商业模式的角度来讲,在中国的数据智能公司,很多时候是提供经过最佳验证的产品和服务。这些最佳的服务和产品最开始是服务一些大型公司,服务过程中会积累这个行业的通用的知识和方法论,这些知识和方法论会沉淀成个性化产品。

纵观中国互联网的发展历史,其中关键节点还是和美国比较相似的。从这个点来讲,不远的将来中国应该会出现几家企业,一开始提供数据智能行业解决方案,不断沉淀,最终能更好把产品做成标准化,服务于大中小各个类型的企业,这样可能会有更好的商业模式。

爱分析:农业是一个信息化水平非常低的行业,那么数据智能公司是必须先从信息化建设做起还是可以直接跳过这个阶段来做数据智能应用。

刘龙:我认为数据是信息的载体,数据化是在信息化之前,因为只有先把这些数据给积累下来,通过数据挖掘的方法,才可以从里面提取一些信息,提取出决策性的知识。所以我认为数据化是在信息化之前,但是数据化之前要做的一件事情是数据基础设施的建设,基础设施建设跟不上,那么数据化是非常有困难的。

以农业为例,农业为什么非常困难,因为信息化基础设施几乎为零,中国种了几千年土地可以积累下来的数据、有传承的数据,可以用于分析的是非常少的,更多存在于农民的经验中。但农民的经验并不可靠的,只能说在大的趋势上非常可靠,小的需要定量化的事情他们做不到,从现代农业的观点来说他们并不能种好地,所以数据化是在信息化之前,数字化首先要把基础设施打好。基础设施里面,我认为很重要的两块,一块是智能化的设备,一块是农田物联网。

爱分析:深入行业之后,如何考虑向其他行业进行跨行业赋能?

刘龙:麦飞会聚焦在农业领域,开始创业的时候就做好八年抗战的准备,农业是非常慢的行业,不像互联网一样,一年可以迭代好几次,农业无论再怎么着急,作物只能春天播下去,秋天收上来,一年只能迭代一次的数据。

说到行业迁移这件事情,可能要从最开始创业的时候的技术来讲,因为我觉得数据不太可能迁移,但是技术可以迁移的。视觉光谱技术用在农田里的诊断,农田诊断是属于大的健康下的概念,农田诊断相当于农业的健康,甚至包括地球土壤污染,属于对地球健康诊断,涉及到做监测诊断的场景,都是可以用到识别光谱技术,麦飞可以迁移到其他的行业以及其他的领域的,但是从公司发展角度来讲,我们不会选择这么去做。

爱分析:厂商自身的数据对于未来跨行业赋能是否会有帮助?

刘龙:目前积累的数据还是在种植端的,通过积累数据帮助作物更加健康的生长,用更低的投入获得更高的产量。向上端农资端或者下端的农产品端的延伸,麦飞都在考虑。但是一个链条里面采集的数据,往其他环节延伸的时候会有衰减效应,并且价值衰减的会非常明显。

邱珩:气象跟各行各业都有关系,如果说这个层面跨界,我们天生就是必须做跨界的事。而且除了掌握现有的观测体系的数据资源以外,我们也在加大观测的投入,就在423日的中国航天大会上,我们发布了“立方108”计划,象辑将在接下来几年当中,参与发射108颗小卫星,去做气象的GPS探测。

姚从磊:首先我觉得这是一个不同人有不同答案的问题,做公司就像做人一样,一个人如果想让所有人敬佩自己,最重要的点就是自己一定要有特别明显的标识。对公司而言也是一样的,公司应该有自己擅长的领域,或者换句话说就是聚焦。对百炼智能而言,我们会很长期的专注在智能获客场景里,不跨行业,所以对我们而言,答案就是聚焦,聚焦场景下,同时尝试在尽可能多的行业里去做最好的产品。

爱分析:民用卫星的快速发展对于气象行业有哪些推动作用?

邱珩:从顶层设计的角度来讲,有了巨大的变化。从国际来看,很多国家的气象服务是完全市场化的,气象服务不应该只是政府部门。我们国家体制决定了这件事情完全市场化的可能性不大,气象局和市场两者各自的角色其实是在不断的博弈中。类似于民用卫星观测,其实对于气象局观测设施的补充,这部分我个人认为市场化的可能性很大。因为地域性的监测,是为特定的用户群体去服务的,而不是为公众服务,老百姓用不到这些东西。如果这件事情只是给特定的行业或者特定的用户去服务,就应该由市场完成,不是由政府完成。