成立于2016年的观远数据，在BI市场中可谓是不折不扣的新玩家，但是不到3年时间，观远数据已经在泛零售领域站稳了脚跟。这背后，是哪些因素推动着观远数据的快速发展？

1、定位一站式智能分析平台，实施Land-and-Expand策略

目前，观远数据的一站式分析平台可以覆盖从数据接入、存储、分析与可视化、AI预测以及分发与消费的数据分析-决策支持全流程。

在数据源方面，观远数据可敏捷融合多种数据源，与客户业务数据库（ERP、CRM、POS、供应链、财务等）、线上电商与O2O业务体系，以及数据平台无缝对接，观远数据提供Smart Gateway连接器，满足客户不同的数据接入需求。

BI项目一般都会涉及到数据仓库的搭建，观远数据的一站式分析平台中提供轻型数仓产品，可以帮助客户快速搭建数仓，同时提供Smart ETL工具，通过可视化的方式完成数据清洗与整理工作。但如果客户已经完成了数据仓库或者数据中台的搭建工作，观远数据可以直接对接该数据平台，进行上层的分析。

之所以选择提供轻型数仓产品，一方面，对于大企业来说，虽然整体数据量很大，一般会搭建完整的数据仓库，但是随着“互联网+”转型的不断深入，会开展大量创新业务，这部分业务早期在数据分析方面的需求就需要轻型数仓来支持；

另一方面，对于中小型企业，本身数据量有限，并不需要花费大量时间、人力在数仓搭建上，因此观远的轻型数据仓库是一个非常好的选择。提供轻型数仓、Smart ETL到数据分析的一站式产品，可以使观远服务更宽阔的客户群体，并有助于其快速获取客户并落地。

面向业务部门的敏捷分析已经成为主流，观远数据也不例外，敏捷BI模块可以通过可视化拖拉拽的方式处理数据流，并且在形成了流程之后可以定时更新分析结果，减少业务人员工作量。

移动预警主要提供客户移动看板，满足其随时随地数据共享、监控、预警等需求。在此基础上，观远数据还通过与企业微信、钉钉等常用OA系统的深度集成，可实现免密登录、一键订阅预警等功能，为企业和使用者带来更高的信息可用性，更快的反应速度和更高效的工作体验，并改善内部基于数据的沟通并缩短工作流程。

覆盖从数据接入、存储、可视化分析、一键预测、AI高级分析到数据分发与消费的一站式数据分析平台可以满足客户各类需求，有助于观远实施Land-and-Expand的市场策略，对于数据基础与应用水平参差不齐的国内市场来讲，这种产品矩阵形式会更加适合。

2、BI叠加AI，一键预测提升产品竞争力

从简单的报表到如今的高级分析，BI的功能随着数据量的增多以及数据分析要求提高在不断叠加。但过去十年，不论是敏捷BI还是传统BI，其本身的价值更多的体现在历史数据的统计、展示、分析，并没有切入到决策环节。如今，随着AI技术的快速发展以及客户对于精细化运营的要求提升，增强化分析开始成为BI的下一个发展方向。

拥抱AI是众多BI厂商的选择，因为在BI分析之前，AI所需要的大量数据聚合、清洗工作就已经完成，因此从BI延伸到AI变得非常顺畅。但是由于BI与业务联系非常紧密，并且敏捷BI的使用对象多为业务人员，因此在延伸到AI功能时，需要考虑到易用性以及实用性。

以零售行业为例，观远数据针对零售客户推出了一键销售预测模块，与数据科学平台产品不同，这些模块是和业务场景深度结合的，客户只需要将数据导入相应的模块中，即可得到预测结果，为客户提供决策建议。

但是我们知道，客户的数据质量、类型、特征选择都会影响预测结果，标准化产品最终的准确率很难做到很高。观远数据CEO苏春园也表示，不同客户在不同的发展阶段所需要的精准度是不一样的，标准化的一键预测功能对于很多成长中的行业客户来说，已经比以往完全基于经验的预测要提升很多，所以在预算适中的情况下也有相应的价值。

而如果客户的数据基础已经比较成熟，需要更加精准的预测模型，且有相应的预算，观远数据则提供AI+BI整体解决方案的方式，包括为客户进行模型优化，不断提升预测精准度，目前这部分合作更多是与联合利华、百威英博等国内与国外的500强客户展开，但未来会不断延展至成长性客户。

3、主打泛零售领域，深入场景提供行业解决方案

在2B市场中，厂商往往很难收取较高的产品软件费用，因为单纯的工具并没有为客户直接带来价值。同时，由于BI软件过去更多解决的是报表或者历史数据统计的问题，因此BI行业中整体客单价并不太高。

观远数据选择了深入行业的打法，通过与行业场景相结合直接为客户提供行业解决方案，利用产品+场景的能力提升客单价。

新零售领域是观远数据的重点，观远数据推出零售行业最佳数据分析实践，将各类零售业务场景归纳为8大主题，50个场景、200个指标，如门店运营中的单店场景，商品运营中的关联分析、新品销售监测等场景，将这些场景固化在产品中形成一整套完整解决方案提供给客户。目前观远数据的平均客单价在数十万，大客户的客单价在百万以上。

这种方式极大的降低了客户的使用门槛，同时由于这些场景模型已经经过了头部客户的使用，对于后续同行业客户的获取也会更加容易。目前，观远数据服务了联合利华、百威英博、Lily女装、来伊份、上蔬永辉、生鲜传奇、NOME、奈雪的茶、野兽派、IFS等头部或者最新锐的品牌，这其中包括了传统的快消与服装品牌，也包含新生代连锁零售品牌。

在泛互联网、泛金融行业，观远数据同样也有拥有标杆客户，包括小红书、蜜芽宝贝、猩便利、海风教育以及中国银行、歌斐资产等。目前观远数据的AI与高级分析功能主要应用于零售企业中，为其打造销售预测、需求预测、智能诊断、关联分析、标杆分析等深度应用场景。对于零售行业外的客户，观远数据主要还是以智能数据分析平台为主。

4、团队背景优秀，打造企业级产品瞄准大客户

企业服务领域的目标大客户一直是各家软件厂商争夺的目标，观远数据之所以能在成立短短三年时间内拿下大量头部企业，与其团队技术实力密不可分。

大客户所需要的是企业级产品，企业级产品要求的不单单是各项功能的累加，还需要包括大量企业级特性，比如角色权限、细颗粒度的权限管控、系统层面监测、高可用、高扩展等，这些特性对于服务大客户来说必不可少。

观远数据创始人&CEO苏春园曾在MicroStrategy任职，担任中国区研发总裁以及全球服务器产品线总裁，联合创始人也来自于MicroStrategy以及阿里巴巴，过去十年创始团队服务过全球500强中的100多家，针对大客户的各类需求进行产品研发和创新，对于企业级产品所需要的各项功能理解更为透彻，因此观远数据的产品可以更符合大客户的需求，帮助观远数据在短时间内拿下了大量头部客户。

近期，爱分析对观远数据创始人&CEO苏春园进行了专访，就观远数据的产品业务、运营战略以及BI行业问题进行了深入交流，现将部分精彩内容分享。

5、产品、业务快速发展，重点发展零售行业

爱分析：自2018年初访谈至今，观远数据的产品和业务有哪些新进展？

苏春园：在客户端，近一年时间累积了大几十家客户，大部分为头部品牌，包括联合利华、百威英博、Amer Sports（始祖鸟母公司）、Lily女装、上蔬永辉、奈雪的茶、生鲜传奇、小红书、蜜芽宝贝、海风教育、野兽派、NOME、鲜丰水果等。

在产品端，我们也在不断迭代。现在观远数据提供的产品为一站式智能分析平台，包含从数据接入、存储、分析、可视化、预测、分发消费等全链条功能。

爱分析：哪些客户会选择我们的轻型数仓产品？

苏春园：很多成长性的客户会使用我们的轻型数仓，这里面很多企业未必有了独立的数仓，但是分析与决策势在必行，所以我们提供一站式的方案。如果客户已经有独立的数仓，那更好，我们可以直接连接进行从浅到深的分析。

当然，我们发现有的时候即使是拥有SAP HANA的大型企业客户，依旧会有很多创新业务，这些创新业务一般会等到相对成熟之后才会将数据接入到大的数仓、中台或者HANA之中，因此这时候就可以用我们的轻型数仓，与客户已有的数据平台相结合。

爱分析：在服务客户时，会对接整个集团还是单一业务部门？

苏春园：两种情况都有，主要看场景，很多时候即使是和集团合作，可能开始合作的时候也是先切其中的几个部门。

爱分析：观远数据是否会帮助客户进行数据治理工作？

苏春园：取决于客户的数据基础，如果客户的数据基础较差，我们会协助客户进行一些与分析直接相关的数据整理工作，比如我们有自有的Smart ETL产品，可以协助客户来完成这项工作，或者与客户的数据团队一起选择最合适的方案。整体上数据治理工作的占比较小，在项目中的平均占比为0-30%。

爱分析：现在是否会提供定制化开发服务？

苏春园：我们的产品现在都是标准化产品，没有一行定制化开发的代码。

爱分析：大企业定制化需求多，为什么观远数据可以做到完全标准化

苏春园：观远数据是一家极度产品化导向的公司，我们的团队背景本身就是做500强企业级产品的，针对不同企业的不同需求，可以高度概括提炼抽象出来放入到产品。

从成立第一天开始，我们就是写的产品化的代码，而不是说做若干个定制化项目后去做产品化。

一方面，标准化产品对我们来说是一件好事，如果没有标准化产品就没法服务很多客户；另一方面，标准化产品对客户来说也是一个保障，我们服务了很多客户之后，把代表行业最佳实践的分析场景、分析功能都抽象成了通用模块，把前瞻性的理念与分析能力植入到了产品里面，反哺给到更多客户。

爱分析：预测模块中，与其他数据科学平台相比，有哪些优势？

苏春园：我的理解是数据科学平台的定位还是以数据科学家为主要使用对象的通用建模平台，观远做的会更加贴近场景，比如在零售行业中，大部分客户更需要的的是场景化的智能模块。

爱分析：零售行业中有大量细分领域，观远数据是否有侧重？

苏春园：有些侧重但我们看到更多是共性。比如我们服务的零售包含有各种连锁零售、购物中心、运动鞋服、快消品牌等细分领域，但是从业务逻辑、数据的角度来看，很多都是相通以及相互参考的，只是不同领域的侧重不同。比如大家都关注“人货场经销存财务”，但优先级不完全一样。而我们提供一个集合，包含零售里各方面的各种主流场景分析实践，不同细分领域可以选择自己的侧重场景，以及相应的产品模块。

爱分析：选择零售行业作为重点行业的原因是什么？

苏春园：一方面，泛零售行业是最市场化的行业，通过科技去驱动的效果是最显著的，在零售领域的创新去向其他领域推进的时候会更容易；另一方面，零售发展到现在数据基础已经比较完备，最不缺的就是数据，但缺少的是如何用好数据的能力，如何构建基于数据的决策大脑。

6、云BI仍处早期，通用平台是最终模式

爱分析：从BI向AI发展的难易程度？

苏春园：其实AI中的大部分工作其实是前期的数据整理以及指标口径的梳理，但是这部分工作在实施BI时就完成了很大一部分，因此随着BI越用越深入，我们很多BI的客户天然具备了使用AI的基础。

爱分析：云端SaaS模式的BI发展情况如何？

苏春园：大型企业还是会以私有化部署为主，这里的私有化很多是部署在私有云中，不一定是本地，但是是私有环境。

国外的云化比国内要领先，但是国外的大型企业还是以私有化部署为主，因为数据是企业的核心，永远是最后才上云的。

但云BI肯定是未来的趋势，我认为会有5-10年的一个发展过程。

爱分析：一站式数据分析平台和单纯BI工具两者对比有哪些优劣势？

苏春园：一站式智能分析平台包含对历史数据的各种多维灵活分析，但也包含实时数据分析以支持快速反应，以及包含基于预测与智能诊断的AI与高级分析。从应用的深度和频道来讲，我们很多客户里面，他们的很多部门很多角色每天都在高频的使用。而如果单纯BI工具，简单的大屏、可视化、报表，对于客户的价值就很低。客户所需要的是数据驱动决策，更行动化的建议指导，而不是单一的场景。同时他们希望厂商的产品有更强的扩展性，而不是在后续扩展的时候又要选另一家。

爱分析：深入行业的整体解决方案是否很难向其他行业推广？

苏春园：这个本质上取决于产品化尤其是平台化的能力。很多成功的企业都一开始聚焦在重点行业，因为一开始就做通用平台，对于客户的价值度有限。但是往后发展的过程中，平台化又是必经之路，尤其我们做的是面向大中型企业的分析平台，各个部门都会用这个平台做数据分析，各个业务环节、各类场景、各类数据源等等，这就需要平台化、PaaS化的能力。