近年来，随着企业成本大幅上涨，各行业都在想方设法的缩减成本。除了缩减员工成本之外，与企业运营成本最为相关的商业智能行业成为了关注的焦点。据悉，到2020年，全球的bi商业智能工具市场容量预计达到228亿美元。那么中国的BI发展如何？BI该如何给企业赋能？未来大数据和BI的发展方向又在哪儿？
永洪科技是我在富海投资的第一个项目，大数据时代，数据将成为企业的重要资产。在2010年左右，行业内就提出大数据概念，但那时并未真正落地。大数据产品，要有灵活的数据采集，有强大的计算能力，精准的分析、以及数据挖掘的能力。数据分析的产品还要结合各个行业，积累出不同的模型。既要有产品的通用性，又要有对行业独特特点的深入理解。
在数据领域，目前的投资逻辑，一是投资大行业的运用大数据能力来做数据、技术赋能的公司，金融行业，数据可以用来营销、风控建模。芝麻信用分、腾讯的微粒贷针对不同人，给的信用额度与利率都不尽相同，这是大数据分析的结果。二是投资通用型的数据分析产品，往整个大数据平台的方向来做。
永洪科技成立于2012年，是一家专注于数据分析的企业。业务逻辑是将数据分析赋能给企业里的每一个人，而不仅仅是IT部门。永洪科技采用的技术逻辑是新一代大数据技术，核心产品从BI、高性能计算，到AI、应用，全部自研；在高性能计算领域，永洪科技处于国内领先国际一流的水平。去年下半年推出了AI产品，得到了之前客户的采纳和喜爱。
永洪科技的客户主要分布在商业竞争充分的行业，首选那些真正对数据分析有需求的行业，之后再慢慢渗透到更多的行业，目前重点布局的行业是金融、制造、零售等充分竞争的行业，而电信、能源、教育等行业次之。重点布局的行业，收入已超千万甚至几千万。预计未来两三年，我们会看到收入过亿的单个行业。
进入不同的行业，首先需要做的是适应行业，譬如金融行业，最大的几家头部客户很难拿，那就从股份制银行开始。进入策略上，我们采取Land-Expand策略，暨先进入，再扩张。在这些行业，已经陆续出现了一些大企业贡献的年收入在数百万。
永洪将客户分为KA和中小企业两类，我们为KA提供Z系列产品，中小企业提供X系列产品。而KP，是合作伙伴，与腾讯云、用友、京东、亚信等IT伙伴构建生态网络，目前，这部分已经提供了近亿的年收入。KA，是大型企业，对于大客户，主要还是直销模式，这样可以与客户发生粘性。从实战经验看，每年从大型企业得到的收入可以达到数百万甚至千万的体量。
在数据集成领域，永洪很早就发布了自己的产品，是面向业务人员的数据集成产品。其中AI产品已经在保险、能源、零售领域得到了很好的突破。另外，我们发现一些头部客户已经开始了换代工作，现阶段，我们还是坚持做好自己，尤其是坚持技术驱动和价值交付。我们大致统计过中美企业的交战史，在本土作战中，从来都是本土企业获胜。
【如何更好地利用大数据实现bi商业智能工具?】实际上除了全球500强，其他3000强实际上还没有开始大规模做数字化转型，这是很好的机会。中国客户的接受度越来越好。作为一家只有4年营销历史的我们，拿下了很多头部客户，制造业中，美的、海尔、格力、奥克斯等，都是我们的客户。但我们可以看到客户的接受度是没有问题的，实际上之前的国外厂商并没有很好地帮助他们解决问题。
资料来源：永洪科技之前的一些数据平台，是技术导向而不是业务导向，所以造成了一些浪费。不过我认为这些浪费是有意义的探索。实际上，我们需要从战略和业务入手，做数字化转型。一般情况下，bi商业智能工具的数据会帮到企业：如实呈现企业发展的状况，发现企业发展的问题并帮助解决，以数据应用模式进入企业的业务中。
从技术演进上，AI和高性能计算将越来越重要，以及基于AI的增强计算。增强计算在最近两年的研究报告中反复提出，为什么？是因为我们需要将数据赋能给不懂数据科学的业务人员，才能最大地释放数据的价值。而从业务演进上，应是企业的数字化转型，基于数据重构企业的决策和业务。
做通用型产品，需要清晰定义产品和应用的边界。产品作为底层提供能力但不完成应用，上层通过应用去完成需求。这是我的一点经验。
推荐阅读
- 人工智能|干货！人体姿态估计与运动预测
- Python专栏|数据分析的常规流程
- 读书笔记|《白话大数据和机器学习》学习笔记1
- 网络|一文彻底搞懂前端监控
- html5|各行业工资单出炉 IT类连续多年霸占“榜首”位置
- 人工智能|【机器学习】深度盘点（详细介绍 Python 中的 7 种交叉验证方法！）
- 网络|简单聊聊压缩网络
- 数据库|效率最高的Excel数据导入---（c#调用SSIS Package将数据库数据导入到Excel文件中【附源代码下载】）...
- r语言|手把手（R语言文本挖掘和词云可视化实践）
- 腾讯|SaaS的收入模型有哪些（终于有人讲明白了）