轉型路上與大數據風口不期而遇
中國制造業(yè)在經歷了20世紀初的輝煌后，逐漸轉入緩增甚至舉步維艱的階段，單一依靠成本優(yōu)勢來取勝的時代正在遠去。制造業(yè)的競爭力正在轉向融合創(chuàng)新技術的智能制造以及服務型制造。
在工業(yè)信息化領域深耕十多年，美林數據逐漸發(fā)現制造型企業(yè)內部的信息化系統(tǒng)越來越多，系統(tǒng)之間的互聯更加復雜，“信息孤島”、“行業(yè)煙囪”的現象普遍而又突出。如何打破格局，推動企業(yè)智能化轉型，這既是一個挑戰(zhàn)，也是機遇。美林數據敏銳的發(fā)現了“數據”這一藍海市場。
2010年，圍繞“數據價值挖掘”美林數據進入轉型階段。轉型初期遇到不小的阻力與困難，一方面很難讓客戶真正理解并認同數據背后蘊含著巨大的價值有待挖掘，另一方面也很難讓團隊堅定地看到數據分析的未來市場前景。2012年，美林數據推出了自主研發(fā)的數據發(fā)掘產品Pluto，成為最早一批擁有大數據分析產品和挖掘能力的大數據企業(yè)之一。
一年后(2013年)，大數據的概念逐漸興起，越來越多的行業(yè)客戶開始逐漸接受并認同大數據的價值，投資大數據建設的意愿也不斷加強。從這時起，公司數據類業(yè)務開始有了較大發(fā)展，至2016年上半年，大數據相關業(yè)務已占公司收入的9成以上。
以安全、可控的自主研發(fā)產品為基礎，探索工業(yè)大數據價值
在我國的信息化歷史進程中，國外軟件在相當長的時間內扮演著重要角色，國外先進軟件的規(guī)模化涌入讓正處于發(fā)展初期的國產化軟件措手不及。然而，在互聯網高速發(fā)展的今天，安全、自主、可控的訴求不斷增強，“棱鏡門”事件推動信息安全問題登上了一個新的高度，本土軟件企業(yè)迎來了最好的發(fā)展時機，也推動著國產化軟件在市場上得到更多的認可。
2015年底，在Pluto的基礎上，美林數據發(fā)布了最新的數據分析產品——TEMPO。這款產品是基于大數據框架，集數據可視化探索、數據深度分析、模型應用開發(fā)于一體，為企業(yè)級客戶提供專業(yè)、敏捷、易用的大數據分析服務。因美林數據聚焦工業(yè)大數據，整個產品更具工業(yè)屬性，區(qū)別于其他數據分析類產品。
在具體業(yè)務形式上，美林數據采用數據分析服務和數據運營兩種形式，這主要與客戶需求有較大關系。數據分析服務一般是定制化的解決方案，而數據運營業(yè)務則主要是幫助客戶對他的數據資產進行管理和運營，將美林自身的數據分析能力與對客戶行業(yè)的理解相結合，使得客戶的數據價值顯性化，并進一步更好地支撐其他業(yè)務的開展，并根據數據價值的應用效果收取費用。
定位工業(yè)大客戶，聚焦電力、智能制造兩大領域
美林數據持續(xù)聚焦在工業(yè)領域，以國有大型企業(yè)為核心客戶，包括國家電網、中航工業(yè)、中國航天、中國兵器等。選擇工業(yè)為切入點，一方面，工業(yè)是國家的支柱產業(yè)，市場空間巨大，整個產業(yè)面臨的轉型升級需求也很迫切；另一方面，利用大數據、互聯網等新一代信息技術推動工業(yè)轉型升級已經成為未來國家的重點戰(zhàn)略，正是大數據企業(yè)的用武之地。工業(yè)領域細分行業(yè)眾多，當前美林數據主要切入電力和裝備制造兩個行業(yè)，其2015年財報顯示的前五大客戶也印證了這一點。
美林數據主要客戶情況,單位：元,數據源：美林數據財報
持續(xù)增強技術團隊，引進高端業(yè)務專家
目前公司300多人中，80%位技術研發(fā)團隊。這將保證企業(yè)擁有持續(xù)的技術創(chuàng)新能力與產品更新能力。工業(yè)大數據的應用門檻相對較高，它和行業(yè)的業(yè)務結合得十分緊密，因此，對于企業(yè)的行業(yè)積累以及對行業(yè)業(yè)務的深入理解，都有很高的要求。因此，對于大數據服務商而言，需要結合行業(yè)業(yè)務，找到合適的應用場景。這取決于IT企業(yè)對于用戶行業(yè)數據的理解能力，這恰恰是美林數據多年經營和專注的領域。同時，美林數據另辟蹊徑，聘請了多位大型企業(yè)中的行業(yè)專家擔任企業(yè)顧問，使產品和服務能夠進一步貼合企業(yè)的實際業(yè)務，滿足客戶需求。
以產業(yè)數據運營打造未來的差異化競爭優(yōu)勢
公司當前的主要業(yè)務，還是針對單一客戶，在獲取客戶數據的基礎上做數據挖掘和分析，獲得有價值的信息；而公司正在積極布局的業(yè)務，則是期望立足產業(yè)鏈，將單一企業(yè)的數據及其同行業(yè)上下游企業(yè)的數據進行貫通，使得不同企業(yè)的數據互相流通、共享、跨界應用，提升產業(yè)鏈的綜合競爭力，打造閉環(huán)的數據生態(tài)鏈，從而幫助產業(yè)鏈條中各企業(yè)實現自有數據的增值，并從數據生態(tài)鏈中獲益。
這種模式公司稱之為“產業(yè)數據運營”?！爱a業(yè)數據運營”業(yè)務將實現數據鏈條與產業(yè)鏈條的共融共通。通過不斷積累產業(yè)相關數據資源為企業(yè)提供源源不斷的產業(yè)大數據，同時，基于行業(yè)發(fā)展自律以及數據安全的考慮，產業(yè)數據運營服務不是源數據的直接交易，而是通過對數據進行挖掘分析后得到的各種數據產品，這也將是美林數據未來所要打造的核心競爭力。
近期，愛分析對美林數據董事長程宏亮進行訪談，現將精彩內容分享。
Q：當初是怎么考慮聚焦工業(yè)大數據這一領域？
A：09年之前，美林實際是在做工業(yè)領域的企業(yè)信息化。08、09年的時候出現了兩個詞：信息孤島和業(yè)務煙囪。信息孤島大家都理解，業(yè)務煙囪指的是公司各個業(yè)務都像煙囪一樣做的很高，但是業(yè)務之間沒有打通。隨著客戶信息化的程度越來越高，各種各樣的系統(tǒng)也多起來，組織應用起來很復雜，效率也很難得到提升，組織間的協(xié)作依舊存在很多問題。同時，考慮到企業(yè)不同的業(yè)務系統(tǒng)都積累了大量的數據，但孤立的數據卻發(fā)揮不出應有的價值，成了企業(yè)一塊巨大的成本。
當時我們在和客戶一同思考如何解決這個問題，最后想到不管業(yè)務系統(tǒng)多復雜，企業(yè)的數據始終是相通的，只要將數據打通就能解決問題。因此，我們先做了數據資產類業(yè)務，然后做數據挖掘，希望通過技術幫助客戶從海量數據中發(fā)現有價值的信息，當時公司就開始準備向數據分析業(yè)務方面進行轉型，投入大量資金進行數據挖掘方面的研發(fā)，也和西安交大成立了數據挖掘研發(fā)中心開展共同的研究。Pluto的研發(fā)也是從那個時候開始的。那些年我們做了很多嘗試和推廣，也積累了一些成功案例。但因為整個產業(yè)大環(huán)境和客戶的認同問題，當時這塊新業(yè)務的推進并不是很順利，屬于很創(chuàng)新的東西。后面正好在12、13年趕上大數據興起，各行各業(yè)都開始關注大數據，其實大數據的核心我們認為還是數據挖掘和價值發(fā)現，但一個很重要的前提就是對于行業(yè)痛點和客戶需求的把握，美林對工業(yè)的深刻認知以及多年來在工業(yè)領域積累的技術服務經驗和客戶資源，所以很順利的切入了工業(yè)大數據領域?，F在工業(yè)大數據也是一個萬億級的市場，國家戰(zhàn)略也在積極扶持，我們會堅定不移的繼續(xù)聚焦這一領域。
Q：2012年推出的產品是Pluto，去年推出了Tempo，這兩款產品有什么區(qū)別？
A：Pluto的定位是價值發(fā)現工具。跟客戶合作的過程中發(fā)現更重要的是平臺，因此我們在Pluto的基礎上往兩個方向延伸，往前端是向數據資產延伸，怎么定義數據資產的標準。往后端延伸的是數據可視化，將價值發(fā)現的成果更加形象地表達出來。Pluto往這個兩個方向延伸后形成了Tempo，TEMPO的核心還是數據分析和數據挖掘。
Q：這個產品是需要架設到客戶的業(yè)務系統(tǒng)中么？
A：是的，不過架設方式與客戶要求有關。有些客戶是把這個產品當做實時的，一有數據就會放到這個產品上。但是工業(yè)客戶一般都是將產品應用到靜態(tài)數據上。例如，今天把數據導下來，明天系統(tǒng)繼續(xù)運行，只分析今天導下來的數據?？蛻舴浅娜绻a品有問題，會影響到生產。
Q：現在服務客戶都有哪幾種形式？
A:目前主要有數據分析服務和數據運營兩種形式，這主要與客戶需求有較大關系。數據分析服務一般是定制化的解決方案，比如電力上的用客戶用電行為數據分析，或是制造業(yè)里的產品家族式缺陷診斷等等。而數據運營業(yè)務則主要是幫助客戶對他的數據資產進行管理和運營，將美林自身的數據分析能力與對客戶行業(yè)的理解相結合，使得客戶的數據價值顯性化，并進一步更好地支撐其他業(yè)務的開展，并根據數據價值的應用效果收取費用。數據運營也是目前公司最主要的一塊業(yè)務。
未來我們正在全力布局的產業(yè)數據運營業(yè)務，目前已經有一些機會在爭取，相信很快也會有一些具體落地的內容。
Q：現在人員投入會主要在哪個方面？看財報發(fā)現銷售人員有所增加？
A：人才布局我們會重點放在大數據算法、技術研發(fā)和平臺研發(fā)方面，大數據是個技術密集型行業(yè)，高端的數據分析人員很稀缺，這也是企業(yè)未來發(fā)展必須考慮的人才戰(zhàn)略；另一方面，公司目前也處于不斷的發(fā)展壯大階段，我們的各個業(yè)務線也都面臨著大好的發(fā)展機遇。因此，我們也在根據需求增加銷售人員。
