DataHunter创始人程凯征：数据可视化，打通产业链最后一公里 | 爱分析访谈
调研 | 李喆 关蕾
撰写 | 关蕾
在大数据产业链上，数据可视化是最直观的部分，也是产业链最终环节。与国外环境稍显不同的是，国内企业数据可视化展示需求更加强烈，市场规模增长迅速。
数据可视化分析作为数据可视化的一部分，也在快速增长，同时面对诸多挑战。一方面国内数据分析人员整体稀缺，一方面企业对数据分析理解尚浅。但长期看，数据可视化分析展示需求市场空间巨大，商业价值较高。
DataHunter（北京数猎天下科技有限公司，以下称为DataHunter）从数据可视化切入，致力于开发自主的数据可视化分析展示工具。
2016年，DataHunter成立后，以媒体行业为突破口，为多个省级媒体提供“中央厨房”业务数据可视化大屏解决方案，引入舆情反馈等数据指标为内容生产进行指导，在媒体融合应用层面技术优势明显。
其创始人程凯征认为，以探索式分析理念，结合AI技术，数据可视化分析工具最大价值将以商业数据分析展示的方式呈现。
DataHunter是程凯征连续创业的第三家公司。他凭借在企业级服务领域多年积累，继续选择2B市场，专注数据产业链最后一公里。程凯征认为，数据可视化分析与展现紧密结合，提供成熟行业模板分析工具和可视化大屏方案是相辅相成的。
近日，爱分析对DataHunter创始人程凯征进行访谈，他阐释了DataHunter的业务模式、未来战略，并分享了自己对数据可视化领域的发展格局与趋势的看法。
两个产品一个服务，专注数据层面应用
爱分析：DataHunter为什么选择做数据可视化？
程凯征：DataHunter是2016年成立的，专注数据可视化分析和展现方向。我们团队之前做企业移动互联网，业务整体打包卖掉之后，我们开始探索新方向，包括AR、VR、AI、大数据。我们判断，大数据和AI更易落地，AI会再慢一拍。结合自身能力和未来市场趋势，我们选择留在企业级服务领域，定位大数据领域。
我们认为，随着行业成长企业市场会更细分。结合大数据产业链，每个环节都会出现非常专业的公司。在数据采集、清洗、整理和存储领域，已经出现一些好公司。在数据可视化分析和展示领域，现在公司不多，但业务规模较大，是相对更好的市场。
因此，我们把DataHunter定位在数据可视化分析和展示。在实际业务上分为数据可视化分析、数据可视化展现两部分。展现业务与中国特点紧密结合。我们帮助数据与人交互，是整个数据产业链的最后一公里。
爱分析：目前DataHunter为用户提供哪些产品和服务？
程凯征：我们核心业务是两个产品线和一个服务。第一条产品线是数据大屏，服务展示性需求用户。数据大屏更偏视觉效果，更符合中国国情，政府、公安、交通、大型企业等的展示性需求非常强烈。
第二条是可视化分析的产品线，贴近企业BI和探索式分析，类似Tableau、PowerBI，对标国外DOMO，LOOKER，属于商业分析领域。国内用户的数据理解和数据分析使用能力相对较弱，给其提供成熟模板和分析方式比较可行。在此基础上，我们会加上自己knowhow做开发，如任意维度数据钻取、数据交互、数据分析引擎等。
第三块是服务，支撑两个前端业务。目前国内用户并没有成熟到把产品做简单部署就可以用起来，还需要大量用户实施、数据对接工作。驻场工程师提供数据清洗，第三方数据系统对接服务，帮用户接入互联网数据。
爱分析：现在两个产品主要切的是哪些行业呢？
程凯征：目前主要是媒体行业，有标杆用户，省级客户居多。已落地的成功案例包括人民日报“中央厨房”、某直辖市市委宣传部、河南省报业集团等。其次是制造业，与设备商合作，提供整套数字可视化影像平台。帮助设备商提供数字影像的云端服务，可查看设备运转状态。
爱分析：媒体行业项目如何执行实施？
程凯征：我们给媒体提供整体解决方案，称为中央厨房。把所有业务系统整合打通，用舆情指导内容生产和传播。中央厨房分为几个步骤，首先整合媒体业务系统数据，建立融合平台。接着数据清洗、整合，对展示数据进行交叉处理和计算，满足动态数据的实时展示需求。最后是前端展示，包括软件层并行渲染的展示系统。我们做数据整合、处理、前端展示。
爱分析：制造领域也是以整体解决方案输出？实施流程一样吗？
程凯征：制造业展示性需求更侧重如何通过3D方式还原设备运行状态，随时查看部件运行状态，和媒体在内容展示上有差异。
实施流程一样。媒体从各业务系统数据开始，工业也是。包括传感器数据、产品数据、甚至气象数据。前端再根据行业特点做定制输出。
爱分析：工业领域具体切的是哪些行业？设计故障分析和故障预测吗？
程凯征：目前切的是电力、特种设备行业。和电力设备公司合作多一些。目前不涉及故障预测算法，通过合作伙伴来完成。我们帮用户把全部数据做整合，建平台，完成可视化，再把算法加叠进去，提供对应服务。
爱分析：分析产品会以卖license方式给用户输出吗？
程凯征：现在分析系统上市版本，有两套方案供用户选择。一个是license方式，一个是企业独立部署版本，按照系统建设方式收费。看用户接受度，以用户为导向。
爱分析：会往下延到数仓或者数据库，做MPP这一层吗？
程凯征：不会去建数仓、做MPP。我们专注数据层面，包括数据整合、数据对接、数据分析等方面。
爱分析：分析层发展如何？
程凯征：分析层比展示层发展的要慢一些。分析要更复杂，涉及到业务、展示模板。我们正在探索几个行业。
第三方数据价值在增长，AI商业化路更长
爱分析：数据源是怎样处理？外部数据对可视化分析和展现的价值大吗？
程凯征：数据源是合作为主。我认为价值在逐步增长。像媒体行业，如果把舆情的第三方数据剥掉，发现它本身就是一个业务系统的整合，谈不上媒体融合。从内容生产到分发传播，并没有结果反馈，无法形成闭环。现在是通过第三方数据做了闭环，未来在企业的商业分析里面，一定也是这样的情况。第三方数据会变得越来越有价值，对商务决策产生积极作用。
爱分析：数据分析和展示用到哪些AI技术？是自己在研发吗？
程凯征：我们看到，数据产业链后端业务会与AI自然而然的结合。从使用场景讲，主要涉及非结构化数据分析、语义分析、data insight数据洞察之类的AI技术。我们自己在做，也找合作伙伴的算法相互验证。效果上差别不大，都还达不到质的变化，AI商业化还有很长的路要走。
爱分析：DataHunter自己定位是BI公司还是数据可视化公司？
程凯征：这个很难讲，我们做数据可视化分析和展示。数据可视化分析是商业分析的延展，大家对BI理解大多是传统IT主导报表模式。我们提供新式的敏捷型BI，所以做了描述性调整。这是一个适合业务人员使用的可视化分析工具，不是传统BI工具。但从大范畴看，还属于商业分析BI。
爱分析：下一步打算去切哪些行业？
程凯征：分析系统会推进零售、医药、物流。在这些行业里，销售、产品业务数据在前端，公司IT部门无法支撑所有业务性数据的分析需求。传统BI是前端提了数据需求，再做数据整理和建模，过若干个月，才能产生报表。
甚至有些互联网公司，有很多业务部门，每个业务部门负责的产品线也不尽相同。而且营销策略更新很快，后端IT部门满足不了如此繁杂多变的分析需求。
这类公司前端业务部门目前正在使用原始的SQL + Excel的方式处理数据，这些正是我们希望帮助用户解决的数据分析问题。
爱分析：在其他行业有用户案例吗？
程凯征：还没有对外，目前是pilot用户。我们有一个核心产品，正在做行业化，根据用户需求做调整，这个过程要比数据大屏的展示性业务复杂很多。
爱分析：下一步的公司战略是什么？
程凯征：以分析为核心，以展示为辅助，共同发展。
展示性需求快速增长，分析性需求尚处萌芽
爱分析：现在国内做可视化展现和分析公司有哪些？
程凯征：数据可视化领域公司有数字冰雹、海云数据、阿里云DataV等。产品跟行业和业务相关，没有好坏之分，只有看谁做快，行业做的深。
数据分析公司有国云数据、BDP、永洪、帆软。BDP以SaaS形态提供数据分析服务。永洪和帆软做的时间久一些。这些都是行业的先行者，我们把他们看作自己的友商。
爱分析：数据可视化分析和展现的市场容量有多大？
程凯征：在整个数据可视化里面，国外展示性需求相对少一些，但很多做KPI看板的公司也都拿到融资，只是还没跑出有名的上市企业。分析市场更大，它与BI概念天然结合，但其工具便捷性、友好性要远大于原来的BI。在Gartner报告里，数据可视化分析属于BI分析。分析的市场规模可以与BI重叠，大概有五六百亿规模。
爱分析：国内媒体行业具体哪些领域有展示性需求？与哪类媒体合作多一些？展示性需求比较大的是哪些媒体？
程凯征：媒体行业分为纸媒、广电、网络新媒体。每个省特点不同，地域媒体力量不均衡，但都有展示性需求。传统媒体都向媒体融合发展。新媒体诞生之后，舆情的价值得以体现。媒体融合是把内容生产、分发、传播，包括所有渠道，舆情，做打通，形成从内容生产到舆情反馈的闭环。靠数据去把所有业务打通，串起来。
爱分析：媒体行业数据融合规模有多大？IT投入有多少？
程凯征：我们自己测算过，每年至少有十亿规模。IT投入持续在增长，传统媒体运作模式在变化，报纸杂志等纸媒时代过去了，新媒体蓬勃发展，所有的媒体都在朝媒体融合大趋势发展。
爱分析：您认为，目前我国在可视化分析与展示领域还存在哪些需要解决的问题？
程凯征：可视化数据大屏在国内增长趋势快，接受程度高。数据可视化分析领域会有一些瓶颈，原因在于国内数据分析人员偏少、能力偏弱。虽然企业意识到业务数据和运营数据是价值资产，也在做数据采集和存储。但如何去分析利用，还都不清晰。数据质量也需要再改善。所以我们在数据可视化分析领域正在逐步积累，未来3-5年看，数据可视化分析一定是重点。
新龙榜
新金融
企业服务
其它
UCloud 季昕华访谈 | TalkingData | 容联
Salesforce | Hortonworks | ZOHO
Atlassian | Tableau | Zendesk | ServiceNow