对话数据智能滴普科技赵杰辉

新眸企业服务组作品

撰文｜桑明强

“一直以来，总有人简单地将滴普归为一家‘中台公司’，事实上这是对我们的极大误解。其实迄今为止没有人真的说清楚中台到底是个什么东西，我们的官方消息中鲜有提及中台。哲学家马克斯·韦伯认为人类祛魅神秘主义标志着人类精神的成熟，我认为当我们的企业服务市场逐渐开始聚焦具体的技术和具体的场景，而不再谈论类似中台这种过大和不确定的概念的时候，标志着这个市场中供应商和客户的成熟。”

滴普认为，数据智能和中台是两码事，某种程度上来说，中台概念存在一定的“资本炒作”成分，带着魔幻和神秘色彩而没有具体的技术内涵和产品内涵，曾经一度所有软件恨不得都要叫做中台。而数据智能从一开始就有明确具体的技术体系，将原始数据加工为有效信息和知识，沉淀为数据资产，进而通过算法模型辅助决策。以“实时性”为核心方向的新一代“流批一体，湖仓一体”的各种数据处理技术社区的活跃进展，是数据智能演进的具体的技术基础。

这就意味着，相较于说不清楚的中台，数据智能更注重具体的新技术和新产品落地，价值上要远远“大于”中台，而且要具体的多。

在To B圈，滴普科技算得上一位“老兵”，主要原因是核心团队在技术领域的深耕沉淀：多数初创成员是从业十几年的“圈内老人”，赵杰辉本人也在华为深耕11年，在新眸看来，“滴普人”的背景，一定程度上塑造了公司的精神内核，理性、平实、克制、谦逊。

在交流的过程中，赵杰辉多次强调，要反对机会主义和追风口，【做强基本面】才是可持续的生存法则：“我们本质上是希望成长为一家专业的数据智能服务公司。”

通过观察，新眸发现，某种意义上来说，滴普科技是企业服务领域里的“特殊存在”：

企业背景方面，三年连续拿到7轮融资（最近一轮在今年8月，B轮），有着稳健的节奏感；产品和服务体系方面，由FastData（云原生数据智能平台）＋DXP（数据资产治理与运营平台）以及 DIC（数据智能咨询与服务）构成，格局清晰明了；组织层面，不设事业部，以产品为单位，追求自然主义。

01To B需要独立思考能力

初入职场，赵杰辉的第一份工作是在华为。作为核心路由器团队的员工，他以11年时间有幸深度参与，并见证了华为路由器的崛起之路：从初始团队到绝对卓著，这让他感受到了伴随优秀企业慢慢壮大的个人成长和喜悦感（企业真正地能给客户、员工、行业带来价值与共同进步），而这也是他创办滴普科技的另一面担当。

“滴普的创始团队成员，大都来自华为、阿里、IBM，是一帮做了十几年的‘工匠’，我们并没有什么海归名校光环，以国内985／211的高校毕业的高管为主，但都认可和继承了同样的精神内涵。”赵杰辉自诩自己和团队其他成员是一群“不太聪明的人”，但他们都追求独立思考的能力，这恰恰是一个团队最核心的智慧。

这种非“典型”能力体现在三个方面：

其一，反对机会主义，深耕和做强基本面。“准确地说，我从内心上对风口是排斥的，因为如果它真的是风口，那么留给我们这样创业公司的机会并不大。”不盲目跟热点、炒概念，这就意味着，创业公司要做的，其实是顺势而为，不断迭代和优化战略、组织、业务以及产品。

其二，厘清自身定位，不去过分包装，不断迭代进步。“做符合常识的事，不要盲目概念化，包装出来的价值都是一时的，而且最容易把自己忽悠晕，有错就改快速迭代进步。”在To B领域，需要对业务理解分拆成清晰两步：第一步，确认它是不是客户的刚需（是真需求而不是伪需求）；第二步，我们该用怎样的产品组合去服务好客户。

其三，做好业务边际管理，与客户共同进步。“这也是我在创业初期踩过的坑，创业初期最容易犯错的地方往往是什么都想做，但什么都难做好。经过3年的成长滴普的思路是，坚持有选择地做自己擅长的事，或者说将难题拆分成几个阶段来做，这样我们和客户的信任关系是层层递进的。”

02“另类”组织体系的背后逻辑

基于独立的思考能力，在滴普内部产生一个有趣的现象，公司是没有事业部的。

“我们是以「产品为单位」构成的组织体系。”一般来说，以销售为导向的公司，普遍会面临一个问题：销售只负责签单，产品负责“填坑”，经常会遇到“填不了坑”的脱节境地。相比之下，以产品为单位的组织机制，就不容易出现这样的状况，“值得一提的是，滴普的早期销售，基本都是研发出身，他们更清楚业务的边际，能否在一定时间段内完成业务闭环。”

事实上，国内To B行业的“游戏规则”已经产生从SLG模式（Sales Led Growth）转向PLG模式（Product Led Growth）的迹象。

PLG型企业意味着玩家坚持“产品力”，放弃短期增长，就结果来看，这反而是一种更高效的增长模式（比如Notion、Airtable等新兴玩家的崛起，它们同时也是PLG型玩家代表）。这背后的原因很简单：传统软件采购一般由关键决策人进行决策，再由企业进行采购，这种情况很容易造成决策者的采购行为和使用者的体验相互不一致。

滴普先于行业看到了这一点，并对产品体系作了模块化整合和划分：

图：滴普科技产品体系

最基础的底层能力是FastData：

它是新一代云原生数据智能平台，核心关键词是存储计算分离、实时计算、流批一体、湖仓一体，定位是依托最新的技术发展，逐步演进替代Hadoop架构。具体来说，FastData包括DataSense（数据科学分析平台）、DataFacts（一站式数据智能服务平台）以及DLink （流批一体数据分析引擎），通过构建一站式数据智能服务，解决了企业数字化转型中遇到的数据烟囱、架构陈旧、管理低效、维护困难以及高成本等问题，相较于原先的Hadoop技术平台，更加轻量级易于部署，且具有实时性。

以百丽国际为例，该企业旗下有上万家线下门店，有几个PB级的数据基础。

相较于其他数据平台，应用FastData云原生数据智能平台后，数据处理的时间缩短到几小时，各个门店的管理人员在上班时就能看到昨天全天的经营数据分析。对于店长们来说，这对数字化经营管理十分关键（店面管理人员往往要根据数据反馈，拟定进货、补货、调货以及打折策略）。

中间层核心是DXP：

它是基于FastData高效存储分析引擎，构建的数据资产治理与运营平台，特点在于数据编织、轻量、低代码。需要注意的是DXP中“X”，“X”是不同场景下的业务模型，它可以是商业领域、制造领域，也可以是政务和金融领域，“它的特别之处在于，在滴普内部，特定行业有特定专家负责，且‘X’具备一定行业和领域的通用性，这和市面上其它产品逻辑有着本质不同，它并不是堆人的‘劳动密集型’玩法。”

最上层建筑是DIC：

简单来说，DIC是给客户提供全面的业务创新咨询和解决方案设计。这也是滴普产品服务体系的特殊之处。滴普科技考虑到客户数字化的整体数据价值，从顶层数据战略规划入手，集结了DIC部门内多个行业领域专家，基于对业务的深厚理解，为客户提供专业的解决方案设计，并梳理业务标签，从而形成指标，再通过大数据、数据建模等数据智能技术，沉淀数据资产，赋能业务决策。

03数智时代，对未来的几点思考

用第一性原理思考问题，是滴普内部的习惯。

谈及数据智能领域痛点时，赵杰辉告诉新眸，“以三年为限，我认为未来数据智能赛道亟需解决的，是如何将客户最有价值的活动，用数据表达出来，将数据资产沉淀下来。”数据智能赛道和当下火热的SaaS赛道有着本质区别：后者更聚焦颗粒度小的数字化场景，比如营销会员体系，前者是一个复杂的系统性工程，价值度各有千秋。

在新眸看来，数据智能价值 ＝（数据 ＋ 人的智慧）× 数据智能平台。

目前，大多数的企业客户卡在中间阶段：无法实现最终的场景智能化，以应用于真正的商业。换句话说，数据智能还有很多需要研究和解决的问题，但是企业在变道初期如果不能快速跟上，将会错失新一轮产业革命中的赶超良机。

平台方面的权威专家桑吉特·保罗·乔杜里认为，建立一个成功平台往往需要四个关键步骤：1，找出某个场景用例的痛点；2，找到供给双方的核心价值单元；3，设计出一个促进这种交互的方法；4，围绕这种交互建立一个网络。就这方面来看，滴普科技当下所做的事，更贴合于全域能力的“平台”，而不是概念化的“中台”。

从市场和用户规模来看，中国有着近5000万公司数量的企服市场规模，与庞大需求所不匹配的是，国内To B市场一直处于同质化竞争的“怪圈”，讲故事的人有很多，产品力却被人诟病，也未曾诞生过现象级的“头号玩家”。

“事物需要回归它的本质。”在赵杰辉看来，“近些年，特别是在商业领域里面，风气有点被带偏。举个简单的例子，品牌商更注重流量运营和转化，往往忽略了以商品为中心的竞争力，sales固然重要，但那不是商业的最终真理。”

现有的数据库、IT架构远远不足以支撑庞大场景下多变多元的业态需求，企业服务市场需要回归本质、向着务实出发，而最终，一切商业的胜利都是认知水平的胜利。

本文系新眸原创，申请转载授权、商务合作请联系。