2021 年 4 月份，商业智能 BI 和大数据分析产品提供商思迈特软件（Smartbi）发表实现亿级 B + 轮策略融资，本轮投资方为当先的寰球企业级数据分析和组织智能服务平台提供商 – 明略科技。为此，i 黑马专门对 Smartbi CEO 吴华夫学生进行了一次采访，本文依据采访的重点内容进行整顿。
i 黑马：回顾一下 2020 年，公司在策略、产品、业务、客户、品牌等方面产生哪些变动？带动这些变动的内外因素有哪些？2020 年，在疫情、新基建、科创等大背景下，对 Smartbi 的时机与挑战有哪些？面对这些时机与挑战，您率领公司是如何闯过去的？总结哪些行业教训和思考？
吴华夫：2020 年是不平静的一年，各行各业都受到了疫情的冲击。在这种状况下，企业如何发展精细化经营，从而进一步提高效率就成为更加突出的问题。同时，国家也在鼎力号召自主翻新，激励投资新基建。能够这么说，2020 年对于 Smartbi 来说既有时机也充斥挑战。一方面，企业在新形势下对精细化经营的需要，促成了 BI 市场倒退，大数据、AI 等新基建我的项目也在一直产生新的市场机会；另一方面，咱们同样也受到整个经济环境的影响，客户整体投资趋势审慎，对 AI 等新技术的引入也大多处于张望状态。因而，2020 年咱们次要是苦练内功，在产品上提供更多实用的性能，如 Excel 交融剖析和自然语言剖析，能够帮忙客户更加简略灵便地进行自助剖析，赋能一线。在服务上，咱们利用多年的行业积攒，为客户提供征询和布局，最大限度保障 BI 我的项目的落地功效。
i 黑马：目前，商业智能的市场规模是多少？增量和存量市场各是多少？带动行业倒退的外在因素有哪些？在疫情，新基建，科创等大背景下，商业智能畛域产生哪些新的变动？客户需要产生哪些新的变动？围绕这些变动，Smartbi 又做了哪些布局？
吴华夫：依据 IDC 报告，2020 年中国 BI 软件存量市场规模为 38.2 亿元，到 2024 年，市场规模将达到 78.5 亿元，将来 4 年整体市场年复合增长率（CAGR）为 19.2%。此外，还有规模达到 100 亿元的增量市场和数百亿元的潜在市场。在新的背景下，国家也在激励自主翻新，推动国产化代替。BI 软件作为一款应用软件，是最有可能，也绝对比拟容易实现国产化的，这对于国内 BI 厂商来说是一个很好的机会。以后的行业数字化转型也曾经进入倍增翻新阶段，无论地区政府的经济和产业倍增布局还是企业的倍增翻新转型中，对数据的开掘和利用都被提到重要的策略地位，作为实现数据价值的无力工具，BI 产品的市场需求旺盛。咱们将依据市场和技术的发展趋势，在 BI 畛域一直摸索 AI 的利用，放弃 AI+BI 交融技术当先。
i 黑马：您认为，中国的商业智能经验几个倒退阶段？每个阶段的特色是什么？您认为对于客户而言，从传统的 BI 到新一代 BI 转型的难点和挑战是什么？您如何了解新一代的 BI？
吴华夫：中国的 BI 倒退经验了 3 个阶段，即传统 BI、自助 BI 和智能 BI。咱们的产品矩阵笼罩 BI 不同倒退阶段，满足企业在不同场景下的 BI 需要。传统 BI 次要解决的是描述性剖析问题，现代化 BI 包含自助 BI 和智能 BI，解决描述性 + 诊断性 + 预测性问题，帮忙更多的用户，更深刻地洞察数据。
对于客户来说，从传统 BI 到新一代 BI 的转型，次要面临三个挑战：
1、商业智能 BI 剖析工具是否够用、好用
企业中的用户包含：数据工程师、分析师、数据科学家，以及宽广的不懂 IT 的业务用户，这些用户的 IT 程度不统一、对 BI 工具的要求也各不相同。如何提供一套工具，能满足不必的用户需要就显得极为重要。Smartbi 的剖析套件性能较为全面，包含：面向业务分析师的自助仪表盘 + 面向业务摸索的即席查问和透视剖析 + 面向 IT 人员的报表工具电子表格 + 面向数据科学家的机器学习平台 + 面向相熟 Excel 用户的 Excel 交融剖析 + 不须要任何技术要求的自然语言剖析。
2、数据如何在放弃管控的同时，去凋谢给所有人应用
数据肯定要凋谢给业务用户去用，能力产生价值。但凋谢会带来数据主权问题、数据安全等问题，如何放弃两者的均衡？Smartbi 通过数据导航来实现，具体包含：数据目录、数据脱敏、数据审批受权等性能。
3、数据文化
如何激励企业的员工共享数据、自助剖析、共享常识，最终新成一种数据驱动的文化。Smartbi 的协同社交性能就是帮忙企业构建数据文化的，包含：激励员工分享交换剖析价值的利用市场、数据排行榜 / 剖析排行榜、帮忙用户在应用过程中解决问题的数据答疑、还有个性化门户主动给用户推送想看的内容等等。另外，咱们还积攒了很多大型团体推广经营自助剖析的教训，都能够传递给用户。
我了解的新一代 BI，应该是交融 AI 技术，让 BI 更加智能，更加易用，能够让更多的人更深刻地进行数据分析，让数据分析像生存中的水电、空气一样无处不在。
i 黑马：目前，商业智能市场的竞争格局产生哪些新的变动？差异化体现在哪里？都在提 AI+BI，Smartbi 的了解是什么？具体如何布局？
吴华夫：整个 BI 市场的竞争格局往多方向倒退：有的专一于行业化 / 场景化解决方案，有的偏差于通用的平台产品，有的偏差于产品自身，有的提供交付 + 产品的一体化能力。从产品端来说 SaaS 化和 AI 化是重要趋势。SaaS 是将来 BI 的次要交付形式，有利于 BI 的进一步遍及。各家 SaaS 厂商也在一直进行资源交融，例如 19 年 CRM 巨头 Salesforce 收买 Tableau。AI 是 BI 技术将来的发展趋势，各家 BI 公司都在竞相进行 AI 投资。实际上，目前国内离 AI 的全面利用还有一段距离，但提前对 AI 技术投资的公司，将会在将来的倒退中抢得先机。
就如我方才讲过，Smartbi 对 AI+BI 的了解就是利用 AI 技术进一步增强 BI 应用的广度和深度，帮忙更多的用户，更深刻地洞察数据。在广度方面，咱们提供了各种自助剖析工具，有最罕用的即席查问和透视剖析，有可视化剖析的自助仪表盘，有最接地气的 Excel 交融剖析，有最易用的自然语言剖析 NLA 等等，能够满足用户不同场景下的各种剖析需要。在深度方面，咱们推出了机器学习 AI 平台，让用户在一个界面上就能够进行数据挖掘，能够做预测性的剖析。在行业的布局咱们是把多年的施行教训积淀下来，通过行业利用商店对外提供可复用的利用模板，大大降低了行业客户施行 BI 的门槛和危险。
i 黑马：在公司倒退阶段上，2011 年成立，至今倒退有 10 年，这 10 年公司倒退经验几个阶段？每个阶段的特色是什么？在这 10 年，公司踩过哪些坑？总结哪些 knowhow？尤其是做产品方面？
吴华夫：最晚期是生存阶段 2012-2013 年，只有 20 来个程序员，甚至都没有业余的销售。尽管咱们是一家专一于产品的厂商，然而在饿肚子的状况下，也啥事都干过。比方咱们给客户开发过档案扫描程序，仿佛和 BI 也没啥关系。在这个过程中，艰巨地摸索着后退。
而后算是倒退阶段，从 2014-2018，缓缓积攒了一些客户，产品也逐渐倒退。记得从 2012 年的 20 集体到 2018 年初的 180 人，其实都是靠本身正向的现金流实现的倒退。
再而后是积攒壮大阶段，随着 2018 年、2019 年的两轮融资，有了更富余的现金保障，开始更鼎力地投入产品研发，也开始倒退业余的市场营销团队，公司开始步入正轨。
总结一下，现金流是公司的血液，没有资本进入的状况，怎么都要想各种方法先活下来。有了资本助力，依然要放弃倒退节奏，特地是在产品端没有齐全筹备好的状况下，自觉通过加人加我的项目扩充销售只能给本人挖坑。
i 黑马：在产品方面，您认为打造一个新一代的商业智能平台，应该具备哪些因素？这 10 年，思迈特软件的产品是如何造成的？在造成过程的难点和挑战是什么？
吴华夫：Smartbi 是一家纯正的 BI 产品公司，从成立伊始，咱们的定位就是分心做 BI 产品，把产品打磨到极致。所以你会发现，Smartbi 公司成立 10 年来的倒退历史，就是咱们 BI 产品的发展史。从最后提供的报表、仪表盘，到透视剖析、即席查问，再到自然语言、数据挖掘等性能，沿着 BI 倒退路线，咱们的产品矩阵在不断扩大，性能在不断完善。
咱们后期次要服务于行业头部客户，提供通用 BI 产品的公司。首先，头部客户的需要往往很简单，要求也很高，这个过程服务老本挺高的；其次，头部客户的剖析需要还是蛮零散的，各个客户关注点并不相同，导致开发进去的这些需要的复制量并不大；最初因为次要只提供产品，绝对于提供行业整体计划的我的项目性公司来说，客单价要低不少。综合这些起因，咱们是在走一条特地艰巨的产品化路线。但益处就是，通过泛滥大客户的“践踏”，产品积攒了很多的性能亮点，把这些点串联起来，就造成了咱们的技术壁垒。
BI 并不是可能靠单点冲破就能造成壁垒的，须要破费大量的工夫、投入到大量的客户身上，逐渐积攒产品能力和劣势。就像走过一场二万五千里长征，每一步尽管艰巨，但都在锤炼咱们的产品能力。
接下来，咱们除了进一步打磨产品，也会开始把积攒的产品能力向腰部客户做推广，实现市场端的冲破，把产品打磨和市场拓展联合起来，实现螺旋回升。
i 黑马：目前，公司的次要客户是中大型企业，具体的画像是怎么？定制化和标准化的比例是多少？面对中大型企业客户的定制化、个性化需要，公司是如何满足客户的需要同时，还防止本人成为一家我的项目制的公司？客户需要的边界是什么？
吴华夫：客户画像是有肯定的信息化根底，有肯定的数据积攒，并且有数据分析的需要。基于规范产品进行定制化，是咱们为了更好地满足客户需要。客户的需要变幻无穷，产品可能能够满足 80% 的需要，但其余 20% 的个性化需要须要定制开发。如果需要合乎咱们对 BI 产品的倒退布局的，那咱们后期会以插件的模式进行开发（插件机制使得咱们不必批改产品的同时，可能满足个性化的需要），同时把一些实用性强的性能整合到下一个产品版本中。如果不属于 BI 的能力边界，比方数据治理、前端展示开发，咱们偏向于跟合作伙伴或客户一起来做，让业余的人做业余的事，效率会更高。
需要的边界，就是看是否合乎咱们的一站式数据分析 PaaS 平台倒退布局，之前提过咱们的 PaaS 范畴。
i 黑马：在技术产品化，产品商业化，生态化的闭环上，您是如何思考的？接下来在产品和业务上有哪些新的思考？
吴华夫：对于技术产品化，就是咱们的一站式数据分析平台的边界，通过信息门户、剖析工作台、机器学习实验室、人工智能核心别离提供描述性、诊断性、预测性和批示性剖析，从而帮忙客户实现从数据到价值的转换。
对于产品商业化，外围是产品的 GotoMarket 策略。产品性能源于客户需要，那么针对每一项产品性能开发进去后，都要去找到匹配的客户市场，把产品卖出去，能力实现良性循环。
对于生态化，一方面是技术整合。咱们晓得数据分析平台要做的事件还很多，波及到的技术点也十分多，靠繁多厂商实现所有的工作是不可能的。包含咱们这次和明略科技的单干，也会整合单方的技术，积淀到 PaaS 剖析组件中去；另一方面是整个数据智能产业链的上下游单干，咱们冀望跟底层数据平台厂商、下层的行业利用厂商，还有数据提供商造成生态上的单干，一起分工配合来满足客户的需要。