一提到“數據科學家”，都覺得這是一項很酷的職業(yè)；而一說到“數據科學”，雖然僅僅一字之差，卻讓人心生敬畏，感覺有些晦澀甚至是距離感。但是，偏偏有這樣一家中國的數據科學平臺提供商成了Gartner發(fā)布的“Cool Vendors in AI for Fintech in Asia／Pacific”報告中備受推崇的一家“酷公司”，而且是中國大陸地區(qū)唯一入選的企業(yè)，它就是九章云極。

九章云極身上的“酷元素”

生活中，我們形容一個人酷，可能是因為他標新立異的穿著打扮、特立獨行的做事風格，又或是冷冷的帶一絲傲嬌的氣質。九章云極的“酷”究竟表現在哪里呢？

九章云極這個名字本身就透露著一股文藝范兒，極富中國韻味，再細細品味，九章就是九章算法，云極便是云計算與極＝，獨特的專業(yè)韻味此為一酷。九章云極DataCanvas數據科學平臺產品的吉祥物是一只可愛的花栗鼠，叫做“八斗”，有才高八斗之意，這聽起來也挺酷。九章云極為不同的客戶人群提供各種智能化的業(yè)務場景，比如信貸資格的審查、預測事故風險、人群分布預警等，諸如此類的智能化應用是不是也挺酷？

數據科學平臺是一條逐漸升溫的新賽道。以前，人們對數據科學平臺的概念認知不清，想酷也酷不起來。2017年，Gartner給出了數據科學平臺的明確定義， 提出了數據科學平臺不可或缺的四大要素：“數據、算法、數據科學家、業(yè)務價值”。

九章云極聯合創(chuàng)始人兼CEO方磊

“相比以往，企業(yè)客戶對數據科學平臺的理解確實更加深入。面向具體的業(yè)務場景，在數據的基礎上加載算法，解決企業(yè)的實際業(yè)務問題，這才是數據科學平臺的真正價值所在�！本耪略茦O聯合創(chuàng)始人兼CEO方磊指出，“專注于數據科學平臺這條賽道，我們引領未來的發(fā)展方向。DataCanvas數據科學平臺形成了獨有的“四庫”方法論，深入而靈活地應用機器學習、深度學習算法，為各行各業(yè)的客戶帶來新的價值。這可能是Gartner最看重的我們身上的‘酷’元素吧。”

從簡化應用到提升價值

“用數據解決業(yè)務問題，都屬于數據科學的范疇。”方磊一語中的。

很多時候，我們容易將數據科學與BI（商業(yè)智能）混淆。其實，BI的主要工作是數據的歸類和展示，不涉及算法，旨在讓人幫助人更好地理解業(yè)務，并間接地解決業(yè)務問題。數據科學的不同之處在于，它以算法為核心，直接解決業(yè)務問題。舉個例子，在處理車險理賠時通常需要上傳一些相關照片，然而有人會別有用心地上傳PS后的照片。面對這種情況，BI只是匯總最后的統(tǒng)計數據，告訴你歷史上出現過多少次這種造假行為，而數據科學平臺則在照片上傳時，通過算法和分析，直接指出哪些照片是PS過的�！癇I最終還是要依賴人進行分析，而數據科學平臺通過在數據上加載算法，在具體的業(yè)務場景中實現閉環(huán)，并以自動化的方式解決業(yè)務問題�！狈嚼诮忉屨f。

DataCanvas數據科學平臺

大數據、人工智能等應用剛興起時，因為業(yè)務場景、技術實現上的復雜性，所以無論是廠商還是企業(yè)用戶，都將降低應用門檻作為突破口。這是數據科學平臺從0到1的演進過程，這項工作九章云極做了四五年，并掙得了第一桶金。在應用壁壘降低到一定程度后，積累了大量專業(yè)技術人員，以前可能只有數據科學家能完成的工作，現在具備一定技術能力的人也可以完成，生態(tài)發(fā)展被提上了議事日程，數據科學平臺的發(fā)展也過渡到從1到100的躍升階段。在這個階段，就要針對具體的業(yè)務場景，依靠算法，提升解決業(yè)務問題的能力，創(chuàng)造新的價值。正是在這樣的背景下，2019年初，九章云極創(chuàng)新性地提出了DataCanvas“四庫”——模型倉庫、特征倉庫、模版?zhèn)}庫和AutoML Recipe倉庫的技術組合，可以有效解決行業(yè)AI建設的三大難題，包括經驗及業(yè)務知識融合、模型資產共享和臺運維管理，以及場景化知識遷移。

“四庫”是九章云極歸納出的一套方法論，它將行業(yè)經驗、業(yè)務知識和數據科學技術有效結合，直接降低客戶對資源的依賴和AI建設的成本。方磊表示，數據科學平臺落地的一個核心是場景模板化，這樣才能在客戶中快速復制和交換共享。如果能把九章云極的“四庫”方法論變成行業(yè)標準，無疑將加速這一進程�；�于“四庫”，DataCanvas未來還會有重大的版本升級。

“在不同的發(fā)展階段，需要解決的主要矛盾也不同。從0到1的階段，要實現簡化，而在從1到100的階段，產生價值才是最重要的，這就要求模型更準。為此，必須將業(yè)務的Know－How加入進來�！狈嚼谝孕∥⑵髽I(yè)信貸分析為例，其模型非常復雜，但仍有大量信貸知識不在模型中，比如隱形負債因素等，而這些知識和業(yè)務Know－How很多就來自人的經驗和積累，只有將它們融入模型，才能讓模型更準確，從而更好地挖掘業(yè)務價值。

通向AI的主流路徑

按照傳統(tǒng)的廠商分類方法，九章云極會被歸到大數據廠商陣營。但是最近兩年，人工智能成了九章云極的一個新標簽。比如，Gartner的“Cool Vendors in AI for Fintech in Asia／Pacific”報告，主要研究的對象是亞太地區(qū)將AI增強創(chuàng)新成功商用在金融科技領域的新興企業(yè)，九章云極之所以能夠入圍，就是因為它在金融領域AI應用方面具有很強的創(chuàng)新能力。再比如，在IDC發(fā)布的《IDC MarketScape：中國機器學習開發(fā)平臺廠商評估》研究報告中，九章云極也位于主要廠商位置。

“AI的定義十分寬泛，機器學習、深度學習都屬于AI的范疇。但是AI也分成多個學派，比如其中的符號學派，不借助數據，僅憑符號就能推導出結果�！痹诜嚼诳磥恚珹I是一種狀態(tài)、一個目標，而數據科學是達到這一目標的主流方式和路徑。

與很多AI應用類廠商不同，九章云極是一個平臺廠商。從2014年開始推出產品，經歷了公有云、私有云等不同的交付方式，九章云極在AI應用方面的差異化定位更加清晰。通常來說，數據處理要經過四個主要環(huán)節(jié)，先建立數據倉庫，然后進行數據治理，接下來實現商業(yè)智能，最后是借助訓練出的模型，自動化地解決業(yè)務問題。相關廠商也按照這四個部分進行分類、匯聚。九章云極就處于整個數據價值鏈條的最后端，也是實現價值的關鍵。

Gartner從2017年起才將數據科學平臺作為專門的研究領域，在此之前，九章云極執(zhí)著地走過了一段孤獨的路程。但是，方磊并不認為數據科學平臺是一條孤獨的賽道。在國外，數據科學早就形成了一個成熟的生態(tài)，廠商間的并購不斷，估值70億美元的數據科學平臺企業(yè)讓人艷羨。

與國外相比，中國在數據科學領域還有較大差距，主要體現在：美國現有兩三百萬名數據科學家，很多公司都有專門的數據科學團隊，有的還設立了CDO（首席數據官）的職位，但是中國的數據科學家稀缺，人才成了瓶頸；美國的客戶具備較強的技術能力，傾向于在標準化的軟件產品之上自己進行集成和開發(fā)，而中國客戶更喜歡端到端的解決方案和服務，有時還需要廠商提供具體的模型，這是生態(tài)和應用不成熟的一種表現。

為了滿足中國客戶的需求，九章云極一方面為大型企業(yè)客戶提供平臺化的產品；另一方面除了為中小企業(yè)客戶提供整體解決方案以外，還提供具體的模型。“我們上不碰企業(yè)的業(yè)務，下不碰企業(yè)的數據，而是專注于提供數據科學平臺和模型�！狈嚼诒硎荆�“數據科學平臺的重心在算法上，而不是簡單地提供數據統(tǒng)計和匯總功能。從數據到業(yè)務，數據科學平臺是中間的橋梁，將逐步深入到各個場景中�！�

企業(yè)客戶從自己需求的角度看數據科學平臺，會有不同的理解。比如，從業(yè)務的角度，有人認為數據科學平臺就是一個模型工廠；從管理的角度，有人將數據科學平臺當成管理數據科學家的OA，可以更好地將數據科學家組織起來，發(fā)揮其價值。不管如何描述數據科學平臺，各行業(yè)已經達成了一個基本共識：借助數據科學平臺，可以找到業(yè)務的價值點。

從“酷”到主流

在數據科學平臺的賽道上，九章云極是不是要跑得再快一些？方磊認為：“to B類型的企業(yè)還是要依靠積累效應。2019年，我們完成了新一輪融資，并且連續(xù)保持年增長100％。未來，我們仍將按照自己的節(jié)奏發(fā)展�！�

不僅數據科學家這一職業(yè)酷，數據科學這項事業(yè)更酷，他們都是為了智能世界的明天更加美好。但在方磊看來，什么時候人們不再談論數據科學、數據科學家酷不酷這個話題，就說明數據科學已經成了主流，被各行各業(yè)的用戶所接納，以九章云極為代表的數據科學平臺廠商的好日子才算是真正到來。