2021年4月份,商业智能BI和大数据分析产品提供商思迈特软件(Smartbi)宣布完成亿级B+轮战略融资,本轮投资方为领先的全球企业级数据分析和组织智能服务平台提供商–明略科技。为此,i黑马专门对Smartbi CEO吴华夫先生进行了一次采访,本文根据采访的重点内容进行整理。
i黑马:回顾一下2020年,公司在战略、产品、业务、客户、品牌等方面发生哪些变化?带动这些变化的内外因素有哪些?2020年,在疫情、新基建、科创等大背景下,对Smartbi的机遇与挑战有哪些?面对这些机遇与挑战,您带领公司是如何闯过去的?总结哪些行业经验和思考?
吴华夫:2020年是不平静的一年,各行各业都受到了疫情的冲击。在这种情况下,企业如何开展精细化运营,从而进一步提高效率就成为更加突出的问题。同时,国家也在大力号召自主创新,鼓励投资新基建。可以这么说,2020年对于Smartbi来说既有机遇也充满挑战。一方面,企业在新形势下对精细化运营的需求,促进了BI市场发展,大数据、AI等新基建项目也在不断产生新的市场机会;另一方面,我们同样也受到整个经济环境的影响,客户整体投资趋向谨慎,对AI等新技术的引入也大多处于观望状态。因此,2020年我们主要是苦练内功,在产品上提供更多实用的功能,如Excel融合分析和自然语言分析,可以帮助客户更加简单灵活地进行自助分析,赋能一线。在服务上,我们利用多年的行业积累,为客户提供咨询和规划,最大限度保证BI项目的落地成效。
i黑马:目前,商业智能的市场规模是多少?增量和存量市场各是多少?带动行业发展的外在因素有哪些?在疫情,新基建,科创等大背景下,商业智能领域发生哪些新的变化?客户需求发生哪些新的变化?围绕这些变化,Smartbi又做了哪些布局?
吴华夫:根据IDC报告,2020年中国BI软件存量市场规模为38.2亿元,到2024年,市场规模将达到78.5亿元,未来4年整体市场年复合增长率(CAGR)为19.2%。此外,还有规模达到100亿元的增量市场和数百亿元的潜在市场。在新的背景下,国家也在鼓励自主创新,推动国产化替代。BI软件作为一款应用软件,是最有可能,也相对比较容易实现国产化的,这对于国内BI厂商来说是一个很好的机会。当前的行业数字化转型也已经进入倍增创新阶段,无论地区政府的经济和产业倍增规划还是企业的倍增创新转型中,对数据的挖掘和利用都被提到重要的战略位置,作为实现数据价值的有力工具,BI产品的市场需求旺盛。我们将根据市场和技术的发展趋势,在BI领域不断探索AI的应用,保持AI+BI融合技术领先。
i黑马:您认为,中国的商业智能经历几个发展阶段?每个阶段的特征是什么?您认为对于客户而言,从传统的BI到新一代BI转型的难点和挑战是什么?您如何理解新一代的BI?
吴华夫:中国的BI发展经历了3个阶段,即传统BI、自助BI和智能BI。我们的产品矩阵覆盖BI不同发展阶段,满足企业在不同场景下的BI需求。传统BI主要解决的是描述性分析问题,现代化BI包括自助BI和智能BI,解决描述性+诊断性+预测性问题,帮助更多的用户,更深入地洞察数据。
对于客户来说,从传统BI到新一代BI的转型,主要面临三个挑战:
1、BI分析工具是否够用、好用。企业中的用户包括:数据工程师、分析师、数据科学家,以及广大的不懂IT的业务用户,这些用户的IT水平不一致、对BI工具的要求也各不相同。如何提供一套工具,能满足不用的用户需求就显得极为重要。Smartbi的分析套件功能较为全面,包括:面向业务分析师的自助仪表盘 + 面向业务探索的即席查询和透视分析 + 面向IT人员的报表工具电子表格 + 面向数据科学家的机器学习平台 + 面向熟悉Excel用户的Excel融合分析 + 不需要任何技术要求的自然语言分析。
2、数据如何在保持管控的同时,去开放给所有人使用。数据一定要开放给业务用户去用,才能产生价值。但开放会带来数据主权问题、数据安全等问题,如何保持两者的平衡?Smartbi通过数据导航来实现,具体包括:数据目录、数据脱敏、数据审批授权等功能。
3、数据文化。如何激励企业的员工共享数据、自助分析、共享知识,最终新成一种数据驱动的文化。Smartbi的协同社交功能就是帮助企业构建数据文化的,包括:鼓励员工分享交流分析价值的应用市场、数据排行榜/分析排行榜、帮助用户在使用过程中解决问题的数据答疑、还有个性化门户自动给用户推送想看的内容等等。另外,我们还积累了很多大型集团推广运营自助分析的经验,都可以传递给用户。
我理解的新一代BI,应该是融合AI技术,让BI更加智能,更加易用,可以让更多的人更深入地进行数据分析,让数据分析像生活中的水电、空气一样无处不在。
i黑马:目前,商业智能市场的竞争格局发生哪些新的变化?差异化体现在哪里?都在提AI+BI,Smartbi的理解是什么?具体如何布局?
吴华夫:整个BI市场的竞争格局往多方向发展:有的专注于行业化/场景化解决方案,有的偏向于通用的平台产品,有的偏向于产品本身,有的提供交付+产品的一体化能力。从产品端来说SaaS化和AI化是重要趋势。SaaS是未来BI的主要交付方式,有利于BI的进一步普及。各家SaaS厂商也在不断进行资源融合,例如19年CRM巨头Salesforce收购Tableau。AI是BI技术未来的发展趋势,各家BI公司都在竞相进行AI投资。实际上,目前国内离AI的全面应用还有一段距离,但提前对AI技术投资的公司,将会在未来的发展中抢得先机。就如我刚才讲过,Smartbi对AI+BI的理解就是利用AI技术进一步加强BI使用的广度和深度,帮助更多的用户,更深入地洞察数据。在广度方面,我们提供了各种自助分析工具,有最常用的即席查询和透视分析,有可视化分析的自助仪表盘,有最接地气的Excel融合分析,有最易用的自然语言分析NLA等等,可以满足用户不同场景下的各种分析需求。在深度方面,我们推出了机器学习AI平台,让用户在一个界面上就可以进行数据挖掘,可以做预测性的分析。在行业的布局我们是把多年的实施经验积淀下来,通过行业应用商店对外提供可复用的应用模板,大大降低了行业客户实施BI的门槛和风险。
i黑马:在公司发展阶段上,2011年成立,至今发展有10年,这10年公司发展经历几个阶段?每个阶段的特征是什么?在这10年,公司踩过哪些坑?总结哪些knowhow?尤其是做产品方面?
吴华夫:最早期是生存阶段2012-2013年,只有20来个程序员,甚至都没有专业的销售。虽然我们是一家专注于产品的厂商,但是在饿肚子的情况下,也啥事都干过。比如我们给客户开发过档案扫描程序,似乎和BI也没啥关系。在这个过程中,艰难地摸索着前进。
然后算是发展阶段,从2014-2018,慢慢积累了一些客户,产品也逐步发展。记得从2012年的20个人到2018年初的180人,其实都是靠自身正向的现金流实现的发展。
再然后是积累壮大阶段,随着2018年、2019年的两轮融资,有了更充裕的现金保障,开始更大力地投入产品研发,也开始发展专业的市场营销团队,公司开始步入正轨。
总结一下,现金流是公司的血液,没有资本进入的情况,怎么都要想各种办法先活下来。有了资本助力,仍然要保持发展节奏,特别是在产品端没有完全准备好的情况下,盲目通过加人加项目扩大销售只能给自己挖坑。
i黑马:在产品方面,您认为打造一个新一代的商业智能平台,应该具备哪些要素?这10年,思迈特的产品是如何形成的?在形成过程的难点和挑战是什么?
吴华夫:Smartbi是一家纯粹的BI产品公司,从成立伊始,我们的定位就是专心做BI产品,把产品打磨到极致。所以你会发现,Smartbi公司成立10年来的发展历史,就是我们BI产品的发展史。从最初提供的报表、仪表盘,到透视分析、即席查询,再到自然语言、数据挖掘等功能,沿着BI发展路线,我们的产品矩阵在不断扩大,功能在不断完善。
我们前期主要服务于行业头部客户,提供通用BI产品的公司。首先,头部客户的需求往往很复杂,要求也很高,这个过程服务成本挺高的;其次,头部客户的分析需求还是蛮零散的,各个客户关注点并不相同,导致开发出来的这些需求的复制量并不大;最后由于主要只提供产品,相对于提供行业整体方案的项目性公司来说,客单价要低不少。综合这些原因,我们是在走一条特别艰难的产品化道路。但好处就是,通过众多大客户的“蹂躏”,产品积累了很多的功能亮点,把这些点串联起来,就形成了我们的技术壁垒。
BI并不是能够靠单点突破就能形成壁垒的,需要花费大量的时间、投入到大量的客户身上,逐步积累产品能力和优势。就像走过一场二万五千里长征,每一步虽然艰难,但都在锻炼我们的产品能力。
接下来,我们除了进一步打磨产品,也会开始把积累的产品能力向腰部客户做推广,实现市场端的突破,把产品打磨和市场拓展结合起来,实现螺旋上升。
i黑马:目前,公司的主要客户是中大型企业,具体的画像是怎样?定制化和标准化的比例是多少?面对中大型企业客户的定制化、个性化需求,公司是如何满足客户的需求同时,还避免自己成为一家项目制的公司?客户需求的边界是什么?
吴华夫:客户画像是有一定的信息化基础,有一定的数据积累,并且有数据分析的需求。基于标准产品进行定制化,是我们为了更好地满足客户需求。客户的需求千变万化,产品可能可以满足80%的需求,但其余20%的个性化需求需要定制开发。如果需求符合我们对BI产品的发展规划的,那我们前期会以插件的形式进行开发(插件机制使得我们不用修改产品的同时,能够满足个性化的需求),同时把一些实用性强的功能整合到下一个产品版本中。如果不属于BI的能力边界,比如数据治理、前端展现开发,我们倾向于跟合作伙伴或客户一起来做,让专业的人做专业的事,效率会更高。
需求的边界,就是看是否符合我们的一站式数据分析PaaS平台发展规划,之前提过我们的PaaS范围。
i黑马:在技术产品化,产品商业化,生态化的闭环上,您是如何思考的?接下来在产品和业务上有哪些新的思考?
吴华夫:关于技术产品化,就是我们的一站式数据分析平台的边界,通过信息门户、分析工作台、机器学习实验室、人工智能中心分别提供描述性、诊断性、预测性和指示性分析,从而帮助客户实现从数据到价值的转换。
关于产品商业化,核心是产品的GotoMarket策略。产品功能源于客户需求,那么针对每一项产品功能开发出来后,都要去找到匹配的客户市场,把产品卖出去,才能实现良性循环。关于生态化,一方面是技术整合。我们知道数据分析平台要做的事情还很多,涉及到的技术点也非常多,靠单一厂商完成所有的工作是不可能的。包括我们这次和明略科技的合作,也会整合双方的技术,沉淀到PaaS分析组件中去;另一方面是整个数据智能产业链的上下游合作,我们期望跟底层数据平台厂商、上层的行业应用厂商,还有数据提供商形成生态上的合作,一起分工配合来满足客户的需求。
