一提到“數據科學家”，都覺得這是一項很酷的職業；而一說到“數據科學”，雖然僅僅一字之差，卻讓人心生敬畏，感覺有些晦澀甚至是距離感。但是，偏偏有這樣一家中國的數據科學平臺提供商成了Gartner發佈的“Cool Vendors in AI for Fintech in Asia/Pacific”報告中備受推崇的一家“酷公司”，而且是中國大陸地區唯一入選的企業，它就是九章雲極。
九章雲極身上的“酷元素”
生活中，我們形容一個人酷，可能是因為他標新立異的穿著打扮、特立獨行的做事風格，又或是冷冷的帶一絲傲嬌的氣質。九章雲極的“酷”究竟表現在哪裡呢？
九章雲極這個名字本身就透露著一股文藝範兒，極富中國韻味，再細細品味，九章就是九章算法，雲極便是雲計算與極=，獨特的專業韻味此為一酷。九章雲極DataCanvas數據科學平臺產品的吉祥物是一隻可愛的花栗鼠，叫做“八斗”，有才高八斗之意，這聽起來也挺酷。九章雲極為不同的客戶人群提供各種智能化的業務場景，比如信貸資格的審查、預測事故風險、人群分佈預警等，諸如此類的智能化應用是不是也挺酷？
數據科學平臺是一條逐漸升溫的新賽道。以前，人們對數據科學平臺的概念認知不清，想酷也酷不起來。2017年，Gartner給出了數據科學平臺的明確定義， 提出了數據科學平臺不可或缺的四大要素：“數據、算法、數據科學家、業務價值”。
九章雲極聯合創始人兼CEO方磊
“相比以往，企業客戶對數據科學平臺的理解確實更加深入。面向具體的業務場景，在數據的基礎上加載算法，解決企業的實際業務問題，這才是數據科學平臺的真正價值所在。”九章雲極聯合創始人兼CEO方磊指出，“專注於數據科學平臺這條賽道，我們引領未來的發展方向。DataCanvas數據科學平臺形成了獨有的“四庫”方法論，深入而靈活地應用機器學習、深度學習算法，為各行各業的客戶帶來新的價值。這可能是Gartner最看重的我們身上的‘酷’元素吧。”
從簡化應用到提升價值
“用數據解決業務問題，都屬於數據科學的範疇。”方磊一語中的。
很多時候，我們容易將數據科學與BI（商業智能）混淆。其實，BI的主要工作是數據的歸類和展示，不涉及算法，旨在讓人幫助人更好地理解業務，並間接地解決業務問題。數據科學的不同之處在於，它以算法為核心，直接解決業務問題。舉個例子，在處理車險理賠時通常需要上傳一些相關照片，然而有人會別有用心地上傳PS後的照片。面對這種情況，BI只是彙總最後的統計數據，告訴你歷史上出現過多少次這種造假行為，而數據科學平臺則在照片上傳時，通過算法和分析，直接指出哪些照片是PS過的。“BI最終還是要依賴人進行分析，而數據科學平臺通過在數據上加載算法，在具體的業務場景中實現閉環，並以自動化的方式解決業務問題。”方磊解釋說。
DataCanvas數據科學平臺
大數據、人工智能等應用剛興起時，因為業務場景、技術實現上的複雜性，所以無論是廠商還是企業用戶，都將降低應用門檻作為突破口。這是數據科學平臺從0到1的演進過程，這項工作九章雲極做了四五年，並掙得了第一桶金。在應用壁壘降低到一定程度後，積累了大量專業技術人員，以前可能只有數據科學家能完成的工作，現在具備一定技術能力的人也可以完成，生態發展被提上了議事日程，數據科學平臺的發展也過渡到從1到100的躍升階段。在這個階段，就要針對具體的業務場景，依靠算法，提升解決業務問題的能力，創造新的價值。正是在這樣的背景下，2019年初，九章雲極創新性地提出了DataCanvas“四庫”——模型倉庫、特徵倉庫、模版倉庫和AutoML Recipe倉庫的技術組合，可以有效解決行業AI建設的三大難題，包括經驗及業務知識融合、模型資產共享和臺運維管理，以及場景化知識遷移。
“四庫”是九章雲極歸納出的一套方法論，它將行業經驗、業務知識和數據科學技術有效結合，直接降低客戶對資源的依賴和AI建設的成本。方磊表示，數據科學平臺落地的一個核心是場景模板化，這樣才能在客戶中快速複製和交換共享。如果能把九章雲極的“四庫”方法論變成行業標準，無疑將加速這一進程。基於“四庫”，DataCanvas未來還會有重大的版本升級。
“在不同的發展階段，需要解決的主要矛盾也不同。從0到1的階段，要實現簡化，而在從1到100的階段，產生價值才是最重要的，這就要求模型更準。為此，必須將業務的Know-How加入進來。”方磊以小微企業信貸分析為例，其模型非常複雜，但仍有大量信貸知識不在模型中，比如隱形負債因素等，而這些知識和業務Know-How很多就來自人的經驗和積累，只有將它們融入模型，才能讓模型更準確，從而更好地挖掘業務價值。
通向AI的主流路徑
按照傳統的廠商分類方法，九章雲極會被歸到大數據廠商陣營。但是最近兩年，人工智能成了九章雲極的一個新標籤。比如，Gartner的“Cool Vendors in AI for Fintech in Asia/Pacific”報告，主要研究的對象是亞太地區將AI增強創新成功商用在金融科技領域的新興企業，九章雲極之所以能夠入圍，就是因為它在金融領域AI應用方面具有很強的創新能力。再比如，在IDC發佈的《IDC MarketScape：中國機器學習開發平臺廠商評估》研究報告中，九章雲極也位於主要廠商位置。
“AI的定義十分寬泛，機器學習、深度學習都屬於AI的範疇。但是AI也分成多個學派，比如其中的符號學派，不借助數據，僅憑符號就能推導出結果。”在方磊看來，AI是一種狀態、一個目標，而數據科學是達到這一目標的主流方式和路徑。
與很多AI應用類廠商不同，九章雲極是一個平臺廠商。從2014年開始推出產品，經歷了公有云、私有云等不同的交付方式，九章雲極在AI應用方面的差異化定位更加清晰。通常來說，數據處理要經過四個主要環節，先建立數據倉庫，然後進行數據治理，接下來實現商業智能，最後是藉助訓練出的模型，自動化地解決業務問題。相關廠商也按照這四個部分進行分類、匯聚。九章雲極就處於整個數據價值鏈條的最後端，也是實現價值的關鍵。
Gartner從2017年起才將數據科學平臺作為專門的研究領域，在此之前，九章雲極執著地走過了一段孤獨的路程。但是，方磊並不認為數據科學平臺是一條孤獨的賽道。在國外，數據科學早就形成了一個成熟的生態，廠商間的併購不斷，估值70億美元的數據科學平臺企業讓人豔羨。
與國外相比，中國在數據科學領域還有較大差距，主要體現在：美國現有兩三百萬名數據科學家，很多公司都有專門的數據科學團隊，有的還設立了CDO（首席數據官）的職位，但是中國的數據科學家稀缺，人才成了瓶頸；美國的客戶具備較強的技術能力，傾向於在標準化的軟件產品之上自己進行集成和開發，而中國客戶更喜歡端到端的解決方案和服務，有時還需要廠商提供具體的模型，這是生態和應用不成熟的一種表現。
為了滿足中國客戶的需求，九章雲極一方面為大型企業客戶提供平臺化的產品；另一方面除了為中小企業客戶提供整體解決方案以外，還提供具體的模型。“我們上不碰企業的業務，下不碰企業的數據，而是專注於提供數據科學平臺和模型。”方磊表示，“數據科學平臺的重心在算法上，而不是簡單地提供數據統計和彙總功能。從數據到業務，數據科學平臺是中間的橋樑，將逐步深入到各個場景中。”
企業客戶從自己需求的角度看數據科學平臺，會有不同的理解。比如，從業務的角度，有人認為數據科學平臺就是一個模型工廠；從管理的角度，有人將數據科學平臺當成管理數據科學家的OA，可以更好地將數據科學家組織起來，發揮其價值。不管如何描述數據科學平臺，各行業已經達成了一個基本共識：藉助數據科學平臺，可以找到業務的價值點。
從“酷”到主流
在數據科學平臺的賽道上，九章雲極是不是要跑得再快一些？方磊認為：“to B類型的企業還是要依靠積累效應。2019年，我們完成了新一輪融資，並且連續保持年增長100%。未來，我們仍將按照自己的節奏發展。”
不僅數據科學家這一職業酷，數據科學這項事業更酷，他們都是為了智能世界的明天更加美好。但在方磊看來，什麼時候人們不再談論數據科學、數據科學家酷不酷這個話題，就說明數據科學已經成了主流，被各行各業的用戶所接納，以九章雲極為代表的數據科學平臺廠商的好日子才算是真正到來。
8#x�����
閱讀更多 濤哥說事 的文章
