数澜科技的数据分析大公司有哪些可以应用在哪些场景?

来源：蜘蛛抓取(WebSpider) 时间：2023-06-18 03:08 标签： 数据分析大公司有哪些
导语数字化浪潮正以一种大势所趋的姿态汹涌而来。面对如此澎湃之伟力，产业数字化的转型之路正面临哪些痛点，又迎来何种机遇？怎样构建可持续发展的技术构架体系以激活数据要素的潜能？日前，数澜科技创始人、董事长甘云锋（花名：风剑）受长江商学院数字经济学会邀请，作《数字经济底层技术支持及新技术在企业数字化的应用》主题演讲。以下为演讲实录。目前，数字经济发展速度快、辐射范围广，正推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。下面我将分享我个人及数澜科技在当前数字化背景下所感知到的趋势与走向。一、数据应用的演进与核心痛点阿里巴巴的数字化进程历程非常具有代表性与前沿性。从2010年宣布要做数据分享的第一平台，到2015年提出以数据中台和业务中台为立足点的中台战略，阿里巴巴用6年时间完成了基于数据驱动的经济体构建和商业模式创新。利用数据，对内可拉动业务，对外则技术赋能。纵观过去几十年的IT进程，伴随了大量的信息系统建设，这个过程积攒沉淀了大量的数据成果。特别是近年来，随着数字经济占比逐步提升，数据应用能力成为关键的竞争优势。数字化时代分两个阶段，第一是业务的数据化阶段，第二是数据的业务化阶段。在第一阶段，企业通过业务建设和IT投入，沉淀了大量数据。但由于对数据的认知理解不足，许多人对所谓大数据业务产生一些误解，认为业务上“云”就是大数据，甚至认为大数据发展已经进入下半场。但其实云就是一个数据存储的载体，即便运营它的厂商达到了一定的高度，但并不意味着大数据的应用能力也随之迎来爆发式提升。我们对于数据应用的理解和认知远远落后于硬件的发展速度。基于这种背景，可以关注到数据应用在政策、经济、市场、技术以及应用价值方面都有足够驱动力，但企业在进行数字化转型当下，仍面临一些突出的普遍性困难。首当其冲的是在面对数字化转型时缺少体系化的方法论，不知如何下手。许多公司误以为将业务整合成一个APP，用到了数据的能力就完成了数字化转型，但其实它缺少体系化的建设框架，也缺少数据的建模与管理方法，对数据建设的周期也没有清晰的规划。第二大痛点在于没有系统化的平台产品作为支撑。虽然市场上有大量做大数据业务的公司，也做出了可圈可点的成绩，但要指出，不是所有的公司都能做数字化转型的平台建设。未来，平台性产品才会成为主流，正如90年代传统软件被ERP所取代一般。第三大痛点在于缺少成熟的数据服务能力与体系，包括缺少体系化服务运转机制，缺少各行业成功案例，缺少成熟的数据服务体系，缺少成熟的数据服务应用场景。目前，互联网大厂提供的数据中台服务，并不能适配企业个性化的应用需求，反而加剧了彼此之间的数据孤岛。二、数字化时代的历史机遇：数据定义未来基于企业在数字化转型中遇到的各种问题，催生了对大数据应用理解与认知的反思，这也让我们嗅到了数字化的历史机遇或许已经到来。 从需求端来看，过去几十年的全球IT进程让企业（或政府）积淀了大量的数据，如何利用好这些数据成为势在必行的选择。
从政策端而言，全球范围内各级政府出台了大量的相关政策支持数字化转型，例如中国的十四五规划就明确提出要把数字化转型作为核心。
从供给端来看，也有实际的利好。国际知名信息技术研究公司Gartner连续两年将“数据中台”纳入了ICT增长曲线。 因此目前比较显见的至少有两大历史机遇，一是数字化转型的基础技术平台搭建，另一个机会点则是数据应用服务的开放性。曾经在软件时代有个经典名句是“软件定义世界”，在未来5年，把握住以上趋势我们将会洞察到新时代的另一个核心关键——数据定义未来。它将在5大核心方向上慢慢显现。 未来五年会出现真正意义上的数据操作系统，数据处理平台通过统一操作界面就能完成数据的处理。
数据操作平台作为DPaaS（Data Platform as a Service）平台独立存在。
第三方服务商，特别是IDV-独立数据服务开发商将兴起。当数据操作系统开始出现时，就需要大量的IDV，所以绝大多数企业将会以更开放的心态去接纳第三方服务商。
数字化转型的基础技术平台将慢慢成为必选项，这也意味着数据中台的真正兴起。数据中台将慢慢落地成为数字化转型的基础技术平台，能够应用于各种各样的业务体系与场景。
企业对于数据的需求不仅仅是用数据，更多的是使用数据的能力与价值，这也将造就数据能力与价值的服务化（DaaS）。 三、解码数据中台：数据价值与能力的共享中心基于数字化转型中的两大历史机遇，下面我从五个方面对数据中台的数据价值与能力进行详细的拆解。第一，数据中台是一套可持续的“让数据用起来”的机制。其重点在于实施，作为一种战略选择和组织形式，数据中台不是一个产品，它必须依赖于企业的业务模式和组织架构完成构建，通过有形的产品和实施方法论支撑，构建一套持续不断地把数据变成资产并服务于业务的机制。第二，数据中台的使命是持续地让数据用起来，将场景业务化。它的一个根本性创新就是把数据资产作为一个基础要素独立出来，让成为资产的数据作为生产资料融入业务价值创造过程，从而持续产生价值。它的重点在于持续，旨在通过自身的平台能力和业务对数据的不断滋养，沉淀数据的能力和价值，形成一套高效可靠的数据资产体系和数据服务能力，在业务、数据、资产与服务之间形成一个良性循环的闭环。第三，涉及到数据中台的方法论，如何让数据真正被“用起来”。其基本的建设原则是让数据可见、可用、可懂、可运营。 可见意味着建立数据台账，对底层的支配能力提出要求，使数据资产易查找，数据加工、去向、使用效果的台账都清晰可见，最终实现数据的可流通。
可用包括业务上可用和技术上可用两方面，既要将数据标签化或指标化，符合业务适用标准和质量要求，又要使数据开放、方便、安全。
可懂意味着数据在使用端可以清晰地识别并理解与数据相关的信息，使之能在适用的场景下选择合适的数据，这对数据识别技术和底层的扩展性提出能力要求。
可运营要求数据清晰、有效地作用到业务域中，用越多越有信息活性，数据运营团队可清晰接收到来自业务端的数据需求以获得持续改善。 第四，执行层面如何建设数据中台？秘诀是围绕“汇、存、通、治、用、营”能力建设。通过建立统一的数据中台及应用平台，提供数据汇聚、存储、打通、治理、服务、应用和运营能力，以此为框架来夯实企业经营管理智能化、业务运营智能化、客户营销智能化的应用基础支撑能力。数据中台的建设不可一蹴而就，需要一步一步脚踏实地建设。第五，数据中台的应用问题，应用的中心思想是要让业务高效、准确、价值化地使用数据。这里涉及三个要素：产品、服务和行业支持。因此，随着第三方服务的兴起，未来的格局应该是专门做产品的公司、专门做服务的公司和行业相关支持的公司加客户支撑，共同作用形成大数据产业发展的合力。数字化是未来企业发展的必然要求，而在企业数字化转型过程中，数据将作为基础要素，赋能业务领域，促进数据驱动的良性循环，从而真正实现“数据定义未来”。QA环节以下为长江商学院校友与甘云锋董事长的问答环节。Q1 ：如何看待数字经济基础设施的未来发展？数字经济的概念很大，以下三点是未来搭建整个数字经济时代基础设施的最核心能力。第一，数据的交换和汇聚能力。确保数据存储的安全性。第二，数据的工程化能力。未来一定需要一套数据的操作系统，从而更高效地加工数据。数据的加工过程就是数据的资产化过程，这样的一个平台在未来会变得无比重要。第三，数据的服务化能力。未来一定需要一个数据服务平台。无论是风控，还是供应链、财务等等。Q2：哪些企业适合实施中台战略？第一类，从粗放型增长转向高质量发展的行业，如地产行业。从过去的“三高模式”转向高质量稳健经营，需要利用数据能力提高精细化运营水平，切实提高服务能力。第二类，业务复杂度高的集团性公司。这一类企业的历史周期长，有大量的沉淀数据，这些都是业务数据化的成果。企业有很强的诉求，让这些成果产出更多成果，从而加速自身发展建设。第三类，站在十字路口的行业企业。这一类企业需要抓住数字化转型的历史机遇，积极响应信息时代的发展要求。Q3：在企业的初创期、高速扩展期和成熟期，不同阶段，数据扮演什么角色或者说我们该做些什么用好数据？从初创期来看，企业在第一时间一定要沉淀数据，不遗漏任何一个环节地处理基础数据。当数据处理完成、数据中台搭建完成后，无论是项目的利润管控，还是公司的风险管控、流程管控等等，都将得到了不同程度的优化。Q4：目前有许多数字化解决方案的公司，未来的这个竞争格局是怎样？过去，以数据中台为例，行业流行“端到端解决方案”“交钥匙工程”，很多公司都讲双中台，三中台，甚至出现了四中台。而近几年，各个公司发展的路径逐渐分化，在各自的领域逐渐聚焦，回归到真正数据中台的能力建设，提高服务客户能力。我们认为，未来三到五年，市场可能开始形成真正具有核心竞争力的公司，单一环节的公司会大量出现。Q5：如何看待元宇宙？元宇宙这个概念特别好，未来可能就是这样的一种形态，但是我们认为，元宇宙有一些必要前提，如果突破不了，元宇宙就只能沦为伪概念。产品的两个端不可或缺。第一，谁用？我们需要对客户群体有深刻的理解和认知。第二，怎么用？目前的VR/AR只能让用户新奇地体验一段时间，而缺少一个核心能力——数据驱动的能力。它无法将人代入我们需要构建的虚拟世界，无法了解用户所想、所需。我们在思考，未来有没有一种核心数据技术能够支撑起元宇宙的应用场景，我们更喜欢把它称为数据的收敛技术。当用户拒绝业务场景时，不断收敛到能够带入的感觉。因此我们认为，从数据层面考虑，数据而非场景，可能是未来元宇宙突破的最核心关键点。
简介：本篇内容为2021云栖大会-云原生数据仓库AnalyticDB技术与实践峰会分论坛中，数澜科技联合创始人&副总裁江敏关于“基于云原生数据仓库AnalyticDB PostgreSQL的最佳实践”的分享。本篇内容将通过四个部分来介绍基于云原生数据仓库AnalyticDB PG的最佳实践。一、背景介绍二、方案介绍三、客户实践—某商业集团四、公司介绍当前我国数据中台行业处于从萌芽转向高速发展的过渡期，伴随着数据星的爆发式增长，数据处理技术的进步，以及企业数字化转型驱动市场需求不断增加，行业增长势头明显,市场规模快速扩张。目前，数据中台在行业头部已逐渐薄地，而对于数据中台能力要求相对简单的中小企业，为其提供标准化、轻量化的整体解决方案将是日前市场的主要诉求。我们去构建整个数据中台的能力的时候，其实会碰到一些问题。比如，底层架构复杂。传统数据中台架构思维，导致客户在选型和部署大数据组件，开发和调度数据任务和运维和运营数据需要多方进行权衡考虑，架构复杂,使用门槛过高。其次，运维成本高。伴随着传统統数据中台底层架构的复杂性,随之而来的是复杂的IT人员体系以及高昂的运维成本。第三，响应时效挑战大。随着数据量的不断增加以及业务需求的不断迭代，如何快速响应业务人员需求、减少数据分析的等待时间、让业务人员有更好的体验将成为数据中台成功的关键指标。我们基于ADB PG这个版本去构建整个轻量级数据中台的时候，你会发现底下就一个ADB PG。中间的话，我们是一个轻量级数据中台的套件。这样两套系统就可以去撑我们上层的业务建设。从整个的业务架构来说，底层是我们现有的各种数据源的系统。然后我们会在数据中台会搭建一个技术体系，在技术体系里包括了ADB。之后再构建我们整个的数据体系跟服务体系。在数据中台的技术体系上，就是我们的数据流。它会经过一个数据建模的过程。对于轻量化的中小微企业来说，当需要轻量化的方案时，我们会把它放到ADB里。在这过程中，就不需要去考虑搬迁数据的问题，我所有的数据都在这个体系里面。ADB的数据量，其实能够支撑大部分企业的数据量使用。企业只要在这里构建整个数据模型，我们会有相应的工具来支撑，包括数据同步，环境管理，模型开发，模型监测，包括数据治理的一些功能。对于数据及服务来说，我们在构建数据模型的时候，针对企业的对象，我们会去构建一些具体的指标，相应的内幕体系也会建设起来。比如，我们从客户的视角，构建客户的画像体系。从供应商的视角，构建供应商的画像体系。数据构建完之后，我们就可以去做洞察，营销，精准匹配等。所以从数据层面看，它能够支撑应用场景。针对具体的场景来看，我们分成几大块。第一个，财务领域。财务报表有时候会跟企业的经营报表口径统一，大部分企业在面临财务审计的时候，对于企业来说是一个非常强的需求。第二个，企业的应收应付和人力资源的管理。对员工的洞察，也需要通过数字化的手段去管理员工叫数字员工。更加精细化的去对员工做一些考核，包括一些相应的指标分析。第三，我们目前在一些领域做实时数据的分析。根据轨迹去做态势的分析，包括一些碰撞的分析。第四，加密数据库的能力。这种场景可以基于ADB的底座去构建。数据的可用不可见，让我们对数据可以更加高效的管理。我们主要讲一个商业集团的案例。这个商业集团，主要是管理高速服务区。原先服务区，每个服务区自己建设系统。现在随着智能化服务区概念的提出，需要对进出服务区的管理进行统一。在建设之初，我们也遇到了一些问题。比如，数据收集难，50对+服务区，各自独立,只能收集部分统计数据;多种信息系统独自建设，归口各不统一;无法有效获得周边路段的数据;数据孤岛问题明显。数据管理混乱，各位数据笆理部门不一，没有形成统一的资产目录; 数据标准不一，数据质参差不齐;跨部门数据使用协调繁琐。数据使用弱，数据大部分处于沉唾状态。对于管理者的运营监控、经营决策等方面缺少必要的智能洞察。在解决这些问题的时候，要考虑到对于各个服务区的这个站点，怎样能够降低维护成本？怎样可以开箱即用？，对于它里面建设场景刚才其实也简单介绍过。第一个，服务器里会有很多视频分析的场景。涉及到关键信息，要实时抓取，写到道数据库里。比如人流的情况，车流的情况，拥堵的这种情况，人员进来之后，对什么样的商品有需求？对于服务区总体的管控来说，我们在预测服务区的流量，一些供需关系，一些管理的时候。它需要把数据汇聚到总部来，做统一的管理，统一的分析。从客户价值呈现的角度来说，第一，智能化。我们通过对各类数据的采集、加工、治理及应用，并结合成熟的业务模型，释放数据价值，支撑业务的智能化。第二，轻量化。我们简化传统中台架构，用ADB替代Hadoop生态，降低企业资源存储及计算的复杂度和成本;为多维分析决策提供保障。第三，场景化。我们以具体的业务场最为切入点，自下而上，围绕场景开展数据治理,构建数据资产，支撑数据应用需求，贴近价值。数澜科技成立于2016年6月,自成立之日起,秉持”让数据用起来”的使命,帮助企业持续数据资产化,赋能业务创新。数澜科技总部位于杭州，在华北(北京)、华南(深圳)、华西(成都)、华中(武汉)设有本地化团队，核心成员均来自阿里巴巴、华为、IBM、 百度、金蝶、甲骨文等一线企业,是国内较早-批大数据服务创新实践者。截止目前,数澜科技使用旗下核心产品”数栖平台”, 已为1000+企业客户提供数据中台建设服务,帮助客窖户使用数据中台作为关键数字技术推动企业的数字化变革。版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

原标题：一年之内融资两轮、签单数千万，外界“看不懂”的数澜科技是怎么做到的？
相比一般创业公司，数澜科技有着更高的起点。
2016年6月，原阿里云数据创新工作室负责人甘云锋（花名：风剑）宣布创立“数澜科技”，定位于企业服务领域的大数据公司，两个月后便签下万科百万订单；半年内又接连公布来自 IDG资本、洪泰基金、湖畔山南等机构的两轮融资；在阿里巴巴举办的创业大赛“诸神之战”中，数澜科技战胜数百家企业获得中国区冠军。
短时间内取得诸多成绩，风剑承认阿里巴巴的“光环”有一定原因——除了风剑以外，其他创始团队成员也大多来自阿里云，当中包括原阿里大数据平台产品和运营团队总负责人武凯、原阿里大数据平台总架构师江敏等人。目前，数澜科技共计100余人的团队中，数据、算法科学家占总人数的70%。
“用了四年时间，我把阿里巴巴集团内部多个业务的数据打通，让阿里能用自己的数据服务自己。”风剑这样形容他在阿里的工作。
数澜科技创始人甘云锋（花名：风剑）
为了整合阿里集团各个业务的数据，风剑辗转过天猫、淘宝、聚划算等多个无线事业部，帮助阿里建立起 TCIF、ID-Mapping 等数据平台，开放给20多个领域的上百家外部客户。
阿里的工作经历让风剑逐渐形成一套“数据资产化”的方法论。在风剑看来，企业数据如同一个金矿，但对于企业客户来说，单纯的金矿并不能发挥作用，而是要利用工具，先在金矿里挖出金锭，再把金锭加工成首饰，这才能让金矿产生价值。
数澜科技要做的事，就是成为挖掘企业数据金矿的“工具”，从而把企业原始数据（金矿）处理为数据资产（金锭），再进一步提炼成项目管理、营销洞察等 SaaS 类应用产品（首饰）。
另一方面，风剑在阿里云后期针对外部客户的数据服务工作中，感知到企业对大数据行业存在着的巨大认知误解。
“很多客户把’大数据’当作一个热点名词，但并不知道怎么使用数据；有的企业还认为大数据服务和企业数据量有关，认为企业数据不多的话，没必要使用大数据服务。”风剑对钛媒体说到。
在风剑看来，能让“大数据”类产品最终产生价值的，既不是数据量的多少，也不是技术能力的高低，而是一种思维方式的转变：即企业应该让积累在服务器中的数据“活起来”，最终应用到指导业务的实践中。 如何把“金矿”变成“首饰”？
如风剑所言，大数据的价值需要依靠思维方式的转变来体现，当这种观点落实在产品上，风剑认为，“单点式”的数据工具并不能解决企业问题，因此，数澜科技从公司创立伊始，就选定了“平台化”战略。
目前，数澜科技通过自主研发的大数据平台——数栖平台（DW.DaaS），将自身业务分为三步：首先是 Data-Mapping 把企业内外部数据进行连接；其次，利用 Data-profile 将数据连接后变成的资产打标签、组织；最后的应用部分由 Data-Service 体系来提供数据服务。
通俗点说，大多数据公司是“头痛医头，脚痛医脚”，但数澜科技要做得，是先对企业数据全面体检，再综合得出解决方案。
以数澜科技的第一个大客户万科为例。根据风剑介绍，万科最先找到数澜，要求解决的是业主投诉与报修问题。
在传统的数据分析方法中，一般会先对万科业主的投诉内容进行文本收集、语义分析等标签化手段，找到投诉的问题交汇点，并以此提出解决问题的思路。
但在数澜科技的产品论中，他们把“投诉与报修”这一类目按照涉及对象拆分为五大主体，包括：业主、物业公司、服务公司、物业承建商，生产商，并搭建成关系网络。当业主以电话或者书面形式投诉“我家马桶坏了”后，数澜可以通过文本解析关键词分析投诉内容，以工单的形式传输给万科，以及“马桶”相关的服务商，最终快速解决问题。
“如果只做单点式的数据统计，业主报修马桶后要先打电话给物业，物业再找马桶的服务商 A，A 再去找马桶生产厂家 B，整个过程会十分拖沓；我们通过工单关系网络形成基于物业服务的数据体系，可以直接找到问题根源。”风剑对钛媒体说到。 投资人“看不懂”的平台战略
在数澜科技诞生的阶段，风剑在市场与投资人的“教育”环节花了不少功夫。
“投资人一上来就问，你的产品能给客户解决什么问题？但我们会反过来想，我们真的了解客户痛点吗？”风剑说到。
这也正是企业服务领域对大数据产品提出的特殊要求。在大众消费市场，消费者需求会呈现趋同化，但在企业服务领域，每个企业客户的需求都因为内部组织、产品架构、甚至管理者理念的不同，产生明显的差异化。
因此，在风剑看来，很多数据分析公司仅拿市场上搜集的数据划定几个标签，在企业内部放几个接口，就开始臆测企业需求，这类工具型产品虽然上手快、价格便宜，但并不能真正解决企业问题。
这也成为数澜科技坚定“平台战略”的原因，相比市场上流行的 SaaS 工具模式，数澜在创建初期就将底层数据整理；中层 AI、Mapping、画像引擎；上层 SaaS 通用型产品，统一装进以数栖平台（DW.DaaS）为中心的数据服务生态体系。
数澜科技的“数栖平台（DW.DaaS）”看似较重，但在后期反而能凭借数据量的积累形成壁垒。
的确，相比 SaaS 模式的“轻”，数澜科技的平台不论是在部署阶段打通数据的工作量，还是后期划定各种维度全盘分析数据，都显得有些“重”，但风剑认为，这种“重”才是壁垒，特别是在服务大客户的过程中，只要完成了前期数据处理的基础工作，之后对横向业务的分析和延伸会变得更加容易。
再以前文的万科“投诉与报修”为例，数澜科技通过对业主、物业公司、服务公司等五大主体的数据整合后，既能解决业主投诉报修的问题，之后对涉及这些主体的，包括服务商满意度调查、物业管理维护等其他命题，同样可以使用一套数据体系完成，这就大大提升了软件部署的效率与成本。
“我们用平台打通企业所有数据，再根据场景反向对企业输出服务，这种对客户来说价值更大。”风剑对钛媒体说到。 “小”企业如何服务“大”客户
对于企业服务领域的创业公司来说，“获取大客户”有着极其重要的意义：一方面大客户有着更强的付费意愿与能力，另一方面，能被大客户签单，意味着公司产品在市场上得到了初步认可，这对持续获客更能产生积极影响。
“如果创业公司能在早期获得客单千万级别的大客户，基本意味着这家公司能走到 B 轮了。”一位企业服务领域的资深投资人这样告诉钛媒体。
如此看来，从创业初始就确立了大中客户服务方向的数澜科技是“幸运”的。风剑也对钛媒体坦陈，除了阿里巴巴背景带来的团队能力背书以外，数澜科技之所以能在创业伊始签下万科，一定程度上也是因为当时正是万科试图利用大数据思维改造企业内部问题的阶段，而万科团队也清楚，其作为数澜科技的第一个项目，势必会得到风剑团队倾尽全力的服务。
根据数澜科技团队介绍，2017年数澜订单总金额已超过数千万，相比2016年已实现超过20倍的增长速度，其中多家客户已与数澜签订了二期三期合同，如万科、一呼百应等。
而在服务好万科，一呼百应等企业后，数澜目前将客户主要集中地产、新零售、政企行业，例如在地产方向建发地产进行了签约，在政企方向与北京市经济和信息化委员会、三江航天、富民银行等签约，在新零售领域签了海贝、方太等。
一呼百应董事长戴森（右四）携团队骨干探访数澜科技团队
值得注意的是，出于对数据安全与隐私的要求，数澜科技目前对以上部分政府和大型企业采用软件私有化部署的方式，单次销售额一般在百万元至千万元量级，目前也占据了数澜科技营收的主要部分。
不过，对于服务大企业的软件公司来说，私有化部署意味着较长的部署周期，与需要投入的不菲的人力成本。如果一味通过“铺人头”来解决大客户问题，企业收入虽然上升了，人力成本也会居高不下，这就容易形成企业的利润瓶颈。
这也是数澜科技需要警惕的地方。为了解决以上问题，数澜科技必须不断加强产品能力，用系统效率的提升代替对人力的需求，从而缩短私有化的部署周期，
根据数澜科技产品合伙人武凯此前透露，目前数澜科技的客单价已经大幅下降，地产行业 SaaS 的初步定价已经由百万降到了 30~50 万，整个部署周期也从2个季度缩短了 20%~30%左右。
另一方面，随着数澜产品能力的提升与行业内数据处理经验的积累，风剑也希望更多客户选择 SaaS 化的租赁模式。
“太过早期追求 SaaS 化，公司会活不下来。但随着产品的通用性越来越强，我们会面向中型企业推出更多20-30万的轻量化 SaaS 产品，以争取更大规模的腰部客户。”风剑表示。根据风剑的计划，数澜科技来自 SaaS 业务的收入占比将于2019年达到 50%。

我要回帖

更多关于 数据分析大公司有哪些 的文章

 

随机推荐