TalkingData七年之痒 “断腕”求突破

TalkingData七年之痒  “断腕”求突破

   文 | 窦悦怡

 

从互联网到传统行业

 

成立TalkingData之前,崔晓波曾任Oracle、BEA中国区高管,其创始团队成员皆来自Oracle。整个团队深耕toB数十年,都具有传统IT企业中从事数据挖掘、数据分析工作的经验。

 

最初,TalkingData主要面向互联网企业客户以及为APP开发者提供SaaS服务。但随着行业的发展,越来越多的友商也提供工具,TalkingData如何才能展开差异化竞争?如何满足客户的需求?只提供工具就够了吗?

 

带着这种思考,TalkingData开始为客户提供工具、数据、服务一整套解决方案,除了满足其工具需求,还教会客户分析数据的方法。

 

到了2014年,TalkingData发现大量实体产业开始做移动化和数据化转型,一些拥有远见卓识的企业开始在数据化和移动化方向勇敢探索,并获得了丰厚的回报。

 

在此过程中,TalkingData注意到传统行业和互联网公司的不同之处:第一,基础设施不足。第二,缺乏运营能力。

 

TalkingData将传统企业数字化转型视为其发展的第三次机遇。TalkingData借助移动互联网的高速发展积累了海量数据,用数据+咨询方式服务于传统企业客户。

 

一方面,TalkingData升级了原有业务模式,将数据交易、数据合作伙伴生态放到了和数据商业化同等重要的位置,形成三个事业单元,每个单元自成体系。另一方面,TalkingData打造了咨询服务、数据运营团队,为传统企业提供数字化转型的定制化咨询服务。

 

同时,从2015到2017年,TalkingData开始以投资的形式进入传统产业,包括金融、零售、地产、快销、航旅、制造等等。这样,TalkingData集工具、数据、服务等一整套方案服务了如招行、平安、银联等大量优质标杆客户。

 

“断腕”砍业务

 

崔晓波认为,过去十年,智能手机和移动互联网带动了整个大数据领域的发展。传感器和物联网设备也飞速发展,大量生物特征数据与物联网数据将呈指数级增长,手机和物体互相感知,对场景还原和场景预测的各种需求也将不断增加。如何管理这些非结构化数据、并将其与结构化数据整合使用依然是目前所面临的一大挑战。

TalkingData七年之痒  “断腕”求突破

(TalkingData创始人崔晓波

 

同时,数据体量、产业规模以及云计算高速发展所推动的基础设施成本都已不再是问题,而大数据能否创造真实的商业价值和回报才是企业真正关心的核心。

 

“过去一年,整个大数据市场非常好,不断涌现新的客户和新的需求,同时,我们整体团队从300多人增加到500多人。随后,我们发现自己的产能出现问题,第一,受困于人力,太多项目接不过来,不能支撑多个行业业务同时迅猛发展。

 

第二,我们在2015、2016年时是项目驱动,解决方案就是客户提需求,我们做项目,解决问题。但所有人都在做项目,并没有更多资源能力沉淀成产品和平台。

 

比如,很多共用数据服务没有把它服务化、产品化,很多产品要做重复的动作。其后发现的问题,还是得有专门的团队能够把能力,特别是数据能力,沉淀成数据产品。

 

所以,从去年下半年开始,我们不得不收缩战线,砍掉多个项目,将重心放在数据产品上,聚焦于金融、互联网、零售、政府这四个数据能发挥最大价值的行业。

 

我认为,行业聚焦的一个主要目的是要产品化,只有这样才能提升整个公司的产能,引进更多合作伙伴,快速发展壮大。在开源大趋势背景下,传统软件产品这条路已经走不通,只有数据产品才能构建核心壁垒。”

 

据悉,TalkingData的数据产品有三层:数据集、数据模型和数据应用。最底层是数据集,这是基础数据服务。数据集不是简单的卖数据,而是使数据加工方法和交易方法发生了巨大的改变。以前是对数据打标签,现在需要做各种各样的评分,对数据本身的分布,波动性等要做多方面评价。

 

“TalkingData有一个专门的数据治理团队,会连接和聚合很多数据,但它的核心是把数据要做粗加工,加工成一层原子标签,核心是不要丢掉任何主要的信息。原子标签是更偏事实类的标签,这一层不包括业务属性,不会对照某一个行业,就是把数据加工成一个真实的日志或者描述就可以了。”

 

再上一层是数据模型,也就是算法+数据集,包含营销领域的销量预测、选品。最上层是数据应用,这是对数据能力和软件能力的重新封装,提供一个真正的应用给到最终客户,比如零售业里的智能选址、价值管理等。

 

“数据产品最核心能力是数据能力,而交互、体验不是最重要的,但数据一定要准,要辅助选址决策,要计算竞争品牌范围。这些如果错了,决策就会是一个灾难。”

 

简单来说,TalkingData数据产品的服务模式是要先把客户分层,一类是行业聚焦。公司有解决方案部门,他们直接服务客户,提供数据应用和解决方案,针对领域业务需求做探索。

 

“如果没有这块,只有数据中台就会对业务毫无感觉,积累不出那层业务数据,就不知道他们要什么。所以,解决方案团队更多的是探索行业需求,并对行业和客户进行评估。”

 

另一类是客户聚焦,也就是KA客户。其实,在TalkingData 关键客户不超过10个。“我们把KA客户定义就是探索,可以先不注重收入,但我们看重的是跟客户合作过程中,我们能探索出各种各样数据产品和数据服务来,能够沉淀到数据中台给更多的客户和合作伙伴去用。”

 

打造多场景产品

 

如何让头部企业探索出来的能力和方法,更多更好地去赋能整个产业链中的中小企业,是未来几年所面临的难题之一。在价值成立的基础上,怎么让价值更好地传递,需要数据中台去解决。数据中台是今年的热门概念,很多企业在打造自己的数据中台,但大家对数据中台的理解各不相同。

TalkingData七年之痒  “断腕”求突破

“数据中台关键两个因素,第一,数据中台必须有非常强的数据运营团队,很多企业没有这个概念,往往被一个IT部门或者技术部门主导,不存在运营的概念。

 

但我们一上来就有数据运营团队,运营团队根据指标做计划,有多少调用来自于自身,多少来自于外部,哪些行业需要做服务,要做规划,所以运营团队很重要,如果没有运营团队变成像一个软件平台一样。

 

第二,就是分层,因为以前大家做数据中台时,非常容易走端到端的方式,但效率低下。为什么?比如说要沟通一个业务需求的时候,需要最上面的数据应用和数据服务的人来谈需求,谈着谈着,再跟下层数据治理的人谈,但下层不懂上层业务,可能会产生误解和矛盾。所以内部得有一个非常强的平台。

 

我们鼓励的首先是自服务,其次是自动化,更多都靠系统解决。很多企业的主要误区就是两个,首先是没有运营的概念,其次在数据治理上没有分层,没有分层的话这两件事是做不成的。”

 

TalkingData对数据中台的定义是指基于数据智能应用探索商业价值的平台,它需要具有数据管理、数据工程和数据科学的能力。而SmartDP数据智能平台就是为企业提供数据管理、数据工程以及数据科学的核心能力。

 

为了更好满足行业对数据中台需求的变迁,2018年9月,TalkingData从战略层面对平台能力进行了全面升级,将SmartDP升级到2.0,内部称之为TalkingData数据中台。SmartDP 2.0拥有管理、工程、科学以及安全、连接、共享六大核心能力。

 

这样,TalkingData可以突破传统的数据源公司、数据软件公司、咨询公司模式,探索创新发展路径,以“数据智能服务商”为定位,打造基于开放连接的理念构建整合数据产业链各方资源的平台生态。

 

值得一提的是,TalkingData的数据产品是通用型的产品,可以根据不同行业客户的需求,提供适配的模块产品。这样,通过SmartDP和SDMK数据智能市场作为双核心驱动,在安全合规的前提下,一方面,TalkingData的平台接入各渠道数据源,打破各企业间的数据孤岛;另一方面基于强大的平台能力,为各方开放提供面向业务场景的数据智能应用与服务。

 

其实,在数据中台的基础上,TalkingData与合作伙伴一起打造了多款产品,助力智能城市建设与传统企业数字化转型。例如,TalkingData联手腾讯云发布的面向线下品牌商的数据智能产品——智选。

 

据悉,智选有机整合了海量数据与机器学习技术,旨在解决实体门店的选址、商圈经营等场景问题,为智慧零售及多元化线下产业提供帮助。

 

首先,智选综合考量全城市每个区块区位的客流和人口规模、意向客群浓度、区位商业浓度氛围、周边临近竞争形势,量化为模型评分,将原本需要几个月完成的工作秒级一键输出。然后,智选推荐选址点精确至百米街道级别。

 

这样,企业可以在新消费环境下打破时空信息的不对称,打破过去被动评估模式,让品牌联营商在城市进驻时的门店覆盖战略,能够做到有的放矢。以前费时费人力的选址工作,借助智选只需几分钟即可通过可视化、数据化的方法快速做出决策,获得竞争先机。

本文由 产业新干线 作者:NovaLink 发表,其版权均为 产业新干线 所有,文章内容系作者个人观点,不代表 产业新干线 对观点赞同或支持。如需转载,请注明文章来源。

发表评论