數據可視化，難點在哪兒？

經過3年以上的發展，各類大數據to B服務都已在中國初具規模。他們或紮根互聯網，為「雲時代」以前的互聯網公司提供了雲上工作的方式；或立足垂直行業，用互聯網給這些亟待升級的「傳統行業」賦能。

雖然數據創業公司頗有一些，且無論做SaaS還是做外包服務都已相當成熟，「數據可視化」卻仍是較為薄弱的環節。來自美國的可視化服務在中國嘗到了最初的甜頭，而土生土長的數據可視化公司，比如DataHunter，也逐漸迎來了最好的發展時機。DataHunter於4月初宣布，他們獲得了來自Ventech China銀泰資本的數千萬A輪融資，並走上了開拓更多行業的快車道。

「公司成立於2014年，我們在2016年才開展現在的業務，還不到兩年，」DataHunter創始人程凱征表示，「也不是沒有意義。在to B市場，用戶選擇服務時會看企業的資歷比如存續時間。」他開玩笑地說，如果是2016年剛成立的公司，業務開展可能會困難一些。

程凱征說，數據領域很細分，大家討論時經常混為一談，這樣就造成了一些誤會。比如最典型的是，許多服務企業市場的數據公司，也稀里糊塗地上了「大數據」風口，但這是個嚴重的誤判。

實際上企業市場的數據談不上大數據。很多時候，就一家企業而言，數據規模是很有限的。在業務數據的範疇，一家企業拿出的往往只是「小數據」。

「不過大數據這個詞對企業市場倒是起了很強的教育意義。很多企業一下子意識到，數據是有價值的。這也給我們這些做數據服務的公司帶來了機會，」程凱征說，「即便是小數據，在to B的數據服務出現之前，也有很多公司自己在拿它們做些事情，只不過沒有『大數據』這個帽子，聽著沒那麼厲害。價值肯定是有價值的。」

數據服務被細分成很多行業，比如數據採集、數據的存儲和加工、數據分析，而DataHunter做的則是最前端的數據可視化。如果把數據分成「給機器用」和「給人用」，可視化就是給人用的數據，容易理解其位於數據產業的最下游，與人工智慧領域的人機交互類似。程凱征說，之所以選擇這個領域，一是因為遍觀中國市場，可視化的競爭沒有那麼激烈，「沒做過的人往往誤判這塊沒有技術含量、深度不足」；而是可視化服務在中國還比較好賣。

看不到的東西是最難賣的東西。看上去越好，就容易賣。對我們而言是這樣，對使用我們服務的企業，他們拿給用戶「看得見的東西」，也是一個道理。

數據可視化當然不是「技術含量低」的領域。實際上，可視化本身也可細化為許多步驟，比如本身處於數據產業前端的數據可視化，其最「前端」的工序，是數據可視化的呈現，而在那之後則是數據可視化的分析。

「數據可視化的呈現，有很多業務實際運用的場景。有人覺得就是把數據變成圖。他們可能沒有想過，那是對於靜態的數據，如果做實事數據的呈現，結果就是動態的。而且呈現在什麼表面也不同，用手機看和用巨幕看，對背後技術的要求當然不一樣。」程凱征說，展開業務後，真地接觸到不同行業、不同背景客戶的可視化需求，就會知道可視化也有多種多樣的挑戰。

程凱征表示，任何一個企業做一個單獨的數據可視化場景，只要砸錢、砸人力，那當然是沒問題，「有的企業做一個巨幕，直接花幾百萬塊錢」。不過對於高效率、標準化、產品化的服務而言，不同的場景背後，DataHunter需要探究相近的解決方案，並開發相應的工具。

「我們獲得了很多專利，比如超大屏幕下的渲染方式。我們為天津做了一個項目，18m×3m的大屏幕，數據不斷在變化。」程凱征解釋道，如果按照傳統思維硬上，每次數據有微小變動，就要刷新整個屏幕的圖像，可以想像背後伺服器的壓力會非常巨大。

至於數據可視化的分析，則與呈現有相通的道理。「數據可視化其實就是把大量數據翻譯成人能直觀產生感覺的內容，比如形狀、趨勢、大小。不然面對幾個數據可能還好，面對大量數據的時候，一眼看上去，人肯定是沒有感覺的。」程凱征說，用最簡單的說法，就是讓人能看到大量數據中「一眼看不到的東西」。

而不同的數據該用什麼樣的圖形來表達，背後自然有一套邏輯，DataHunter稱其為「數據可視化的邏輯」。

不是線圖、餅圖、條圖那麼簡單。針對單一數據可能還好，有些複雜數據，你只有放在一起看才能得出結論。那麼假如你一張圖上要呈現四種不同維度的數據，就不能說畫四條線，或者四個餅那樣。這背後不僅是一個邏輯，也是一個專業的學科。

在DataHunter內部，分析和呈現也是兩條不同的產品線。2016年開展業務時，程凱征擁有的是一個四人團隊，以及他們的數據服務、企業服務經驗，而具體的產品完全是從0開始。如今，經過兩年摸索，DataHunter已經擴展到40人，其中技術團隊有30人。

「其實直到今天我們也算不上知名，畢竟體量小，」DataHunter已經服務了國內不少知名企業，但程凱征比較謙虛，「我們能取勝，相比國外資歷更久的大公司，還是因為產品更好。站在巨人的肩膀上吧，剛開始做的時候，我們看了現有的所有產品，分析了未來的趨勢。他們產品背後的邏輯是什麼，優點在哪，不足在哪，哪些因素適合國內市場，哪些在國內是阻礙？我們分析、吸收，才有了自己的產品。」

程凱征表示，一年多接觸客戶的過程中，客戶往往將DataHunter與國外產品比較，比如Raw、Tableau、Visualization free等，而鮮少與國內產品比較。「我覺得國內產品還停留在2.0階段吧，我們已經是3.0了。」

程凱征解釋了數據可視化2.0和3.0的區別。2.0是「IT導向」的可視化，也可以叫做「驗證式分析」。

什麼叫驗證式分析呢？就是客戶先提出一個想法，然後IT人員選擇數據，清洗數據，建模，把有用的數據呈現出來。其實就是先有結論，然後挑合適的數據把它畫出來。IT人員不一定懂業務，他們為了實現結論，刻意篩選數據，有時候就不太客觀。

到了數據可視化3.0，IT人員不再是工作流程的核心，業務人員才是。「你不用再懂技術，利用3.0的工具，業務人員自己就可以操作數據，看到結果，然後再得出結論。」這樣做最大的好處，就是讓數據分析回歸「從數據到結論」的本來目的，而非裝模作樣的「從結論找數據」。

程凱征說，3.0還有一個2.0不具備的特點，是從孤立到協作。「IT人員挑數據實現結論，出來肯定是靜態的么，然後加在PPT里，開會給別人看一下。這一般只對公司決策層有意義。普通員工讓技術幫忙做個圖，開會時候老闆提出異議，想看另一個圖，就得散會，然後重新去做，這個流程非常地長。」

而如果將數據可視化集成在協作工具中，圖像就可基於討論結果隨時修改，「你在開會時直接就做出來看了」，不必再受限於PPT等靜態文件。這也是3.0提升企業數據分析效率的重要原因。「而且也解放了IT人員。業務部門自己就能做分析了，不用再打擾技術。」

意義其實很大。實際情況中，多數公司的業務發展，是快於內部管理跟進速度的。比如這個星期做了新的銷售，事後開會復盤，如果像傳統那樣由IT人員輔助輸出數據，可能都是一個月後的事兒了。這無疑會影響公司成長的速度。

程凱征說，數據可視化的市場還很寬廣，即便面臨國外同行也是如此。一來國外產品在國內多少有些欠考慮，不能適合本土市場需求的方方面面，二來需要可視化的業務還有很多。「很多大公司以前也用過國外的產品，其實現在也在用，但不妨礙再使用我們的產品。大公司內部，可視化的場景是多種多樣的，而且會不斷增加。針對新需求，採用新產品，在現階段還很常見。」

程凱征說，和所有的數據服務類產品相同，最先使用數據可視化產品的，既有需求、又有精力的大企業和地方政府，至今都仍然是頭部客戶。而其他客戶很多時候也並不是沒有需要，只是財力或人力還不足以支持。但隨著精細化運營時代來臨，數據可視化也將惠及更多企業。

有個客戶是開餐館的。在我們以往的理解中，餐飲行業如果對數據服務有需求，一般也都是連鎖的，或者餐飲集團，不過這就是一家餐館而已。分析時我們發現，他家70%來客都是回頭客，這在餐飲行業算非常高了，一般餐館也就20~30%。這說明他可能廣告做得不夠好，知名度不夠高。另一方面，老客這麼忠誠，說明他有獨到之處，研究以後我們發現是他家原材料質量上乘。我們就建議餐館也直接銷售原材料，結果他們的業績上漲了20%。

DataHunter2017年取得的成績在電商消費、裝備製造、汽車、媒體等行業尤其突出。取得融資後，DataHunter在繼續打磨產品的同時，要在有一定成績的行業「做深」並拓展新行業，也可能為中小企業推出部分免費、模塊收費的產品。「最重要的還是開放我們的能力。在國內招一個數據分析師並不容易，這個行業還是比較早期，我們得把自己的能力分享出去，促進整個行業發展。」程凱征說。

「電商消費目前是最需要數據可視化的行業。主要是SKU太多，促銷活動太多，數據量大，市場變化快，需要快速反應，對數據分析的要求就高。」程凱征表示，隨著流量紅利衰退，精細化運營的重要性愈發凸顯，大刀闊斧的「促銷」可能沒有以前那麼好用了。「SKU多了，售賣的渠道也多了，比如在無人貨架上什麼產品好賣？這個連感性的觀察都沒有，只能依靠數據分析。」

儘管如此，程凱征認為，數據服務真的能使中國各行業產生巨變，還需要時間積累。「其實就連數據本身，我們和美國相比，做得也還不夠好。很多企業看上去收集了不少數據，實際上方向不對，或者質量很差。教育行業不是我們一家公司的事，是整個大環境的事情。企業服務收入穩定，但增長缺乏爆發。我們去年有1000多萬收入，但不太可能像to C那樣，今年就變成幾億了。我們會穩紮穩打，也希望同行能不懈努力。」程凱征說。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！