数据科学平台，Cool！

一提到“数据科学家”，都觉得这是一项很酷的职业；而一说到“数据科学”，虽然仅仅一字之差，却让人心生敬畏，感觉有些晦涩甚至是距离感。但是，偏偏有这样一家中国的数据科学平台提供商成了Gartner发布的“Cool Vendors in AI for Fintech in Asia／Pacific”报告中备受推崇的一家“酷公司”，而且是中国大陆地区唯一入选的企业，它就是九章云极。

九章云极身上的“酷元素”

生活中，我们形容一个人酷，可能是因为他标新立异的穿着打扮、特立独行的做事风格，又或是冷冷的带一丝傲娇的气质。九章云极的“酷”究竟表现在哪里呢？

九章云极这个名字本身就透露着一股文艺范儿，极富中国韵味，再细细品味，九章就是九章算法，云极便是云计算与极＝，独特的专业韵味此为一酷。九章云极DataCanvas数据科学平台产品的吉祥物是一只可爱的花栗鼠，叫做“八斗”，有才高八斗之意，这听起来也挺酷。九章云极为不同的客户人群提供各种智能化的业务场景，比如信贷资格的审查、预测事故风险、人群分布预警等，诸如此类的智能化应用是不是也挺酷？

数据科学平台是一条逐渐升温的新赛道。以前，人们对数据科学平台的概念认知不清，想酷也酷不起来。2017年，Gartner给出了数据科学平台的明确定义， 提出了数据科学平台不可或缺的四大要素：“数据、算法、数据科学家、业务价值”。

九章云极联合创始人兼CEO方磊

“相比以往，企业客户对数据科学平台的理解确实更加深入。面向具体的业务场景，在数据的基础上加载算法，解决企业的实际业务问题，这才是数据科学平台的真正价值所在。”九章云极联合创始人兼CEO方磊指出，“专注于数据科学平台这条赛道，我们引领未来的发展方向。DataCanvas数据科学平台形成了独有的“四库”方法论，深入而灵活地应用机器学习、深度学习算法，为各行各业的客户带来新的价值。这可能是Gartner最看重的我们身上的‘酷’元素吧。”

从简化应用到提升价值

“用数据解决业务问题，都属于数据科学的范畴。”方磊一语中的。

很多时候，我们容易将数据科学与BI（商业智能）混淆。其实，BI的主要工作是数据的归类和展示，不涉及算法，旨在让人帮助人更好地理解业务，并间接地解决业务问题。数据科学的不同之处在于，它以算法为核心，直接解决业务问题。举个例子，在处理车险理赔时通常需要上传一些相关照片，然而有人会别有用心地上传PS后的照片。面对这种情况，BI只是汇总最后的统计数据，告诉你历史上出现过多少次这种造假行为，而数据科学平台则在照片上传时，通过算法和分析，直接指出哪些照片是PS过的。“BI最终还是要依赖人进行分析，而数据科学平台通过在数据上加载算法，在具体的业务场景中实现闭环，并以自动化的方式解决业务问题。”方磊解释说。

DataCanvas数据科学平台

大数据、人工智能等应用刚兴起时，因为业务场景、技术实现上的复杂性，所以无论是厂商还是企业用户，都将降低应用门槛作为突破口。这是数据科学平台从0到1的演进过程，这项工作九章云极做了四五年，并挣得了第一桶金。在应用壁垒降低到一定程度后，积累了大量专业技术人员，以前可能只有数据科学家能完成的工作，现在具备一定技术能力的人也可以完成，生态发展被提上了议事日程，数据科学平台的发展也过渡到从1到100的跃升阶段。在这个阶段，就要针对具体的业务场景，依靠算法，提升解决业务问题的能力，创造新的价值。正是在这样的背景下，2019年初，九章云极创新性地提出了DataCanvas“四库”——模型仓库、特征仓库、模版仓库和AutoML Recipe仓库的技术组合，可以有效解决行业AI建设的三大难题，包括经验及业务知识融合、模型资产共享和台运维管理，以及场景化知识迁移。

“四库”是九章云极归纳出的一套方法论，它将行业经验、业务知识和数据科学技术有效结合，直接降低客户对资源的依赖和AI建设的成本。方磊表示，数据科学平台落地的一个核心是场景模板化，这样才能在客户中快速复制和交换共享。如果能把九章云极的“四库”方法论变成行业标准，无疑将加速这一进程。基于“四库”，DataCanvas未来还会有重大的版本升级。

“在不同的发展阶段，需要解决的主要矛盾也不同。从0到1的阶段，要实现简化，而在从1到100的阶段，产生价值才是最重要的，这就要求模型更准。为此，必须将业务的Know－How加入进来。”方磊以小微企业信贷分析为例，其模型非常复杂，但仍有大量信贷知识不在模型中，比如隐形负债因素等，而这些知识和业务Know－How很多就来自人的经验和积累，只有将它们融入模型，才能让模型更准确，从而更好地挖掘业务价值。

通向AI的主流路径

按照传统的厂商分类方法，九章云极会被归到大数据厂商阵营。但是最近两年，人工智能成了九章云极的一个新标签。比如，Gartner的“Cool Vendors in AI for Fintech in Asia／Pacific”报告，主要研究的对象是亚太地区将AI增强创新成功商用在金融科技领域的新兴企业，九章云极之所以能够入围，就是因为它在金融领域AI应用方面具有很强的创新能力。再比如，在IDC发布的《IDC MarketScape：中国机器学习开发平台厂商评估》研究报告中，九章云极也位于主要厂商位置。

“AI的定义十分宽泛，机器学习、深度学习都属于AI的范畴。但是AI也分成多个学派，比如其中的符号学派，不借助数据，仅凭符号就能推导出结果。”在方磊看来，AI是一种状态、一个目标，而数据科学是达到这一目标的主流方式和路径。

与很多AI应用类厂商不同，九章云极是一个平台厂商。从2014年开始推出产品，经历了公有云、私有云等不同的交付方式，九章云极在AI应用方面的差异化定位更加清晰。通常来说，数据处理要经过四个主要环节，先建立数据仓库，然后进行数据治理，接下来实现商业智能，最后是借助训练出的模型，自动化地解决业务问题。相关厂商也按照这四个部分进行分类、汇聚。九章云极就处于整个数据价值链条的最后端，也是实现价值的关键。

Gartner从2017年起才将数据科学平台作为专门的研究领域，在此之前，九章云极执着地走过了一段孤独的路程。但是，方磊并不认为数据科学平台是一条孤独的赛道。在国外，数据科学早就形成了一个成熟的生态，厂商间的并购不断，估值70亿美元的数据科学平台企业让人艳羡。

与国外相比，中国在数据科学领域还有较大差距，主要体现在：美国现有两三百万名数据科学家，很多公司都有专门的数据科学团队，有的还设立了CDO（首席数据官）的职位，但是中国的数据科学家稀缺，人才成了瓶颈；美国的客户具备较强的技术能力，倾向于在标准化的软件产品之上自己进行集成和开发，而中国客户更喜欢端到端的解决方案和服务，有时还需要厂商提供具体的模型，这是生态和应用不成熟的一种表现。

为了满足中国客户的需求，九章云极一方面为大型企业客户提供平台化的产品；另一方面除了为中小企业客户提供整体解决方案以外，还提供具体的模型。“我们上不碰企业的业务，下不碰企业的数据，而是专注于提供数据科学平台和模型。”方磊表示，“数据科学平台的重心在算法上，而不是简单地提供数据统计和汇总功能。从数据到业务，数据科学平台是中间的桥梁，将逐步深入到各个场景中。”

企业客户从自己需求的角度看数据科学平台，会有不同的理解。比如，从业务的角度，有人认为数据科学平台就是一个模型工厂；从管理的角度，有人将数据科学平台当成管理数据科学家的OA，可以更好地将数据科学家组织起来，发挥其价值。不管如何描述数据科学平台，各行业已经达成了一个基本共识：借助数据科学平台，可以找到业务的价值点。

从“酷”到主流

在数据科学平台的赛道上，九章云极是不是要跑得再快一些？方磊认为：“to B类型的企业还是要依靠积累效应。2019年，我们完成了新一轮融资，并且连续保持年增长100％。未来，我们仍将按照自己的节奏发展。”

不仅数据科学家这一职业酷，数据科学这项事业更酷，他们都是为了智能世界的明天更加美好。但在方磊看来，什么时候人们不再谈论数据科学、数据科学家酷不酷这个话题，就说明数据科学已经成了主流，被各行各业的用户所接纳，以九章云极为代表的数据科学平台厂商的好日子才算是真正到来。