聯商網消息：8月2日，觀遠數據2019智能決策峰會在上海舉行，本次峰會由國內零售智能分析領域的領先企業觀遠數據主辦。

峰會上，400+來自連鎖零售、快消品牌、鞋服箱包、購物中心、新經濟消費等國內外知名零售企業高層領導共聚一堂，深入探討零售各細分業態的轉型痛點與創新實踐，共謀零售數據智能的未來發展。

觀遠數據聯合創始人張進在現場分享了觀遠數據過去三年的總結和沉淀，同時介紹了2019年最新的觀遠智能分析產品與平臺。

他表示，雖然觀遠數據只是一家不到三歲的公司，但是，“我們產品與研發團隊會秉承著用戶至上、敏捷創新、工匠精神，不斷去提煉，不斷去總結，使得我們的產品變得更好。”

以下為張進演講摘要：

今天非常有幸能夠在這里和大家分享我們過去三年的總結和沉淀，同時也非常非常開心能夠和大家介紹2019年最新的觀遠智能分析產品與平臺。首先先做一個簡單的自我介紹，就像剛才提到的，早年我也是在MicroStrategy工作，之后就成為了離他而去的男人之一，我們在一起會聊智能分析與決策產品，當然對這個賽道我是無比認可和無比有信心，處于私心來講我也是希望我們作為中國人也能夠去打造一款世界級的數據分析產品，所以我們在2016年的9月創立了觀遠數據。

觀遠數據的產品理念與信念

參加去年峰會的朋友可能對這個場景有點印象，我在觀遠數據另一個角色是演員，去年由我飾演的鋼鐵俠將5A路徑傳授給了蘇春園。作為產品研發的負責人，最重要的一點是什么呢？是我們需要打造我們自己的產品理念與信念。對于觀遠數據的研發和產品團隊我們的信念是什么，我們想打造什么樣一款產品，什么樣的熱情，什么樣的動力在支撐著我們。今天跟大家做一些分享。

第一，用戶至上。大家就會有一些疑惑，做企業服務的一般不是講客戶嗎？為什么這里是用戶？因為我想讓我們的產品研發的每一位伙伴知道我們觀遠數據打造出來的產品希望在我們的企業客戶當中被真正使用起來，一定要用起來，客戶為什么沒有用，用的頻率如何，用的好還是不好，我們都需要深刻了解，必須細微觀察。

只有這樣我們才能夠不斷提煉、不斷總結，不斷的將真實用戶的需求回饋到我們的產品之中。

第二，敏捷創新。為什么創新之前要加“敏捷”兩個字呢？大家可能知道技術人員會有一個誤區就是喜歡憋大招，這對我們的警示是什么呢？我們在做創新的時候一定要快速迭代，快速試錯，快速驗證。

因為創新不是一夜之間誕生的，它是在我們的日積月累過程中，在我們發布的每一個方案中，由量變引起質變，將來某一個時刻回望的時候我們突然發現我們打造的是這樣一款顛覆式的產品，然而在每天的動作中你可能感受不到它的力量是如此巨大。所以說這就是我們需要敏捷創新。

第三，工匠精神。在這樣敏捷分析，在這樣智能決策的道路上，我們是非常篤定非常有信心的。我們也一定要有著精益求精的心態好好打磨我們的產品，因為我們知道我們將來的產品一定是世界級的，一定要讓我們的用戶非常非常喜愛，非常非常熱愛使用我們觀遠數據的產品，因為它是真正能夠帶來用戶價值、企業價值的產品。這就是我們的理念，用戶至上、敏捷創新、工匠精神。

回到我們的產品形態，我們是如何落地的呢?這里我們會有一個理念，是說我們的產品必須能夠覆蓋從數據到決策全部的生命周期，從數據的接入存儲到之后的加工融合，再到之后的可視化，再到之后的分析協作，直到決策追蹤，我們必須都應該有相應的產品模塊可以去覆蓋。在今天非常非常高興的跟大家拉開我們的帷幕。

從平臺1.0到平臺2.0

這就是我們觀遠數據智能分析平臺2.0，這是我們經過過去三年的錘煉，經過我們平臺1.0之后在這一年多以來不斷迭代與更新才產生了這樣一套完整的產品矩陣。從最下方大數據平臺到在此之上的分析平臺、應用平臺，我們都有相應的產品以及模塊提供支撐，這背后是什么呢？

這背后就是我們產品研發團隊大家在過去一年多時間所做的66次發布，所做的272個新功能點，422個新優化點，當然還有無數個修復與更新。大家可以看到我們的產品在每一周內部都會有一個發版，這就是我們所講的一定要敏捷創新。

作為數據平臺，僅僅有功能是不夠的。還需要有高性能的支撐，才能夠使得我們面對如今的海量數據能夠快速決策與分析。今天非常開心和大家來講我們在平臺1.0時代告訴大家我們支撐最大的數據量是單表1億行，今天我們平臺2.0現在可以支持到單表10億行，同時我們對計算引擎也做了深度的優化與更新，在我們的平臺2.0速度是1.0的5倍，同時我們也不斷優化與更新我們終端的頁面渲染的速度，使得是之前速度的兩倍。

作為產品的發布會，還是要跟大家詳細介紹每一個產品模塊到底是在做什么，它解決了什么樣的問題。由于時間有限，我這里先挑三個從我們1.0時代進化到2.0時代非常非常受到客戶和用戶認可的一些產品。

首先在大數據平臺層是我們的離線大數據引擎，大家都知道在傳統時代數據量并不是那么大的，也沒有碰到像今天這么海量的數據，它所支撐的是用傳統的DB，而傳統的DB是為了OLTP快速的增刪改茬服務的。

面對復雜分析查詢的時候經常碰到數據庫無響應，也是為什么業務人員經常抱怨說為什么IT不給我們開數據庫的訪問權限，因為開了之后有可能引起數據庫的宕機。另外是什么呢？

會走到另外一個方向，面向數據分析師的，比如某些友商，他們是C/S架構，本身面向數據分析師提供的產品，它所能夠承載的大數據分析是在利用我們業務人員電腦的內存，但是我們知道電腦的內存和服務器的內存以及性能是不可比的。所以經常在分析的中間突然出現應用無響應，之前做的很多工作成果很有可能就毀于一旦了，更別提傳統的DB和這一類敏捷BI產品，其實是沒有AI的擴展與支撐的。

我們是怎么解決的？我們是使用了眼下在大數據行業里最流行、最先進的Spark，當然我們也做了深度的二次開發、加工和優化，這才能使得剛才提到單表10億行求和計算中可以得到秒級響應。

僅運算速度快是不夠的，我們知道我們的離線計算系統負載高峰是每天凌晨，前一天的營業已經結束，需要在凌晨將前一天的增量數據抽取到平臺上然后再做計算加工和運算，以便業務人員在每天早上打開電腦時可以看到最新的數據。

在這樣的場景里抽取的速度也是非常重要，所以說即便是在這樣24列千萬行大數據量我們也可以讓它在半個小時之內完成。留給我們后面的計算更多的時間。這就是我們的離線大數據引擎。

接下來是一個非常受歡迎的產品，叫做智能ETL，智能ETL所面對的場景是什么呢?其實我們知道在做一個分析場景的時候，大多數的時間是花在洗數據，10個小時的分析七八個小時都在洗數據。

不僅僅是我們的IT，寫好之后形成的表，業務人員還要放在EXCEL里面分析，非常非常麻煩與煩瑣，而且也容易出錯。對于這些工程師掌握的技能是什么呢？

掌握的技能是技術，但是洗數據最關鍵的點是邏輯、是業務。業務人員想要把自己的想法給到IT人員很容易出現問題，出現問題又得全鏈路排查，更別提當工程師發生工作交接，新的工程師入職的時候，當他碰到年久失修的腳本的時候第一心態是什么？

我先要去燒香，我怕把這個東西改錯引起部門領導的不滿意。我們是怎么解決這個問題的呢?不就是業務邏輯嗎？業務邏輯最好的方式是由誰來完成呢，是我們的業務人員。

我們的智能ETL可以使得我們在業務邏輯處理過程的每一步操作都給他細化成最原子的操作。

例如去重，把一些空值做填充，將我的庫存數據和銷售數據進行關聯，并且每一步都可以實時預覽，哪怕沒有做完可以保存，第二天打開就知道前一天做到哪里了，可以繼續完成。這背后的本質是說我們的業務知識也是企業非常重要的數據資產，也需要有相應的產品與功能承載。

所以我們開發了文檔化編輯界面，可以使得企業將這樣的業務邏輯沉淀在我們的平臺里，這就是智能ETL。

在此之上，還有一個在最近飽受表揚的產品是我們的用戶行為模塊，用戶行為模塊是在幫助我們運營我們的產品，任何一個數據產品上線的那一刻不是終點，它只是一個起點。如果沒有運營很容易就變成了我們的IT團隊，我們的數據團隊當看到系統里有幾千張報表的時候他的疑問是說都有人在用嗎？

誰在看哪些報表，頻率如何，有哪一些可以合并，我沒有必要造成這么大的系統負載。但是這個時間已經為時已晚，很多是陳年舊事誰也想不起來。我們打造產品的時候我們也不想這么先進的智能分析產品在沒有運營的時候就變成了被馬拉的汽車，是因為我們沒有教會用戶怎么開車，它只能沿用之前的辦法。

我們怎么做的呢？我們在觀遠智能分析平臺中內置了用戶行為監控模塊，大家可以很清晰看到誰在用產品，用的頻次如何，他在看什么。

有哪一些客戶頻繁把數據導出我們的系統，導出一方面是安全隱患，另外一方面是什么，可能是有一些細節的功能沒有滿足我們的業務需要，還是需要導出在EXCEL進行加工操作，我們就要捕捉到這些點，是他沒有了解我們的功能特性呢，還是真有某一些非常寶貴、非常有價值的場景并沒有放到我們的產品里可以加速我們的產品迭代，這就是我們的用戶行為模塊。

剛才這三點都是我們飽受好評的一些產品的特性，當然還有一些在這一年多的過程中，我們也聽到非常多客戶的反饋，用戶的一些建議說你們在這些點可以做的更好，首先就是實時分析。

大家知道Spark本質上是為了離線計算的，我們的數據集在平臺1.0時代默認一天只能更新4次，但是在如此高頻的業務變化場景中，我們需要無限制高頻更新，需要每一天每時每刻去看業務KPI。

不是簡單出現什么數據展示出來而已，而是要做累計計算，看今天累計營業額是多少，看今天有沒有達標，看一下我這個店在整個區域、整個公司的排名是多少，這也是需要進行二次加工和二次分析。

還有我這個店額外的信息，這個店的店齡如何，位于哪個區域，在實時數據里也需要做到數據的融合。

我們是怎么解決的？今天非常開心和大家正式發布觀遠實時數據引擎，在實時數據引擎中，大家可以看到不僅數據可以無限制更新，像上面當天累計營業額和當天任務完成比以及門店的排名，復雜的計算邏輯都可以再實時分析引擎中得到解決。

接下來說到了不得不提的移動端，我們的移動端1.0在客戶那里怎么打造的，我們會去想眼下的時代并不是APP時代，我們的企業避免員工安裝APP，盡可能要做嵌入式方案，如果有企業OA或者企業微信、釘釘，希望使用HTML5方式嵌入進去。

這是我們在1.0時代所做的頁面，得到的一致反饋是“不好看”，不好看這三個字是感性描述，作為產品研發是要分析不好看意味著什么呢？我們知道HTML5方案是嵌入到客戶APP里，雖然我們從技術的角度闡述它是HTML5，但是它需要做到移動端體驗。

今天非常開心跟大家宣布我們移動端2.0，首先可以做到像這樣的導航欄，可以讓大家有導航的體驗。第二點在移動端由于屏幕非常小，空間非常有限，我們需要做到信息最大的傳遞，按照之前的做法我們的卡片是非常零散的，造成了不必要的空間的浪費。

在我們的移動端2.0，我們有這樣的指標陣列可以最大化利用移動端的空間，可以展示給我們的業務人員，我們最終使用的消費者最多的數據承載。還有我在移動端的時候不僅僅是看，也要分析，分析的時候最多用的功能是篩選器，之前的篩選器并不像現在這樣，也是像我們的指標卡一樣有非常多的空間浪費。

今天我們做到了首先不僅僅是非常好的體驗，同時也可以做到篩選器疊排，可以做到同樣的環境內無縫上下關聯的篩選，這就是我們移動端2.0。

還有一些是我們一直提到的AI的能力，大家一直需要觀遠數據賦能一些AI的產品，不需要像百威和聯合利華深度AI場景應用。首先我們想現在的障礙是什么，現在最大的障礙是算法理論羈絆了我們算法的使用，我們造了一輛車的時候，我們只要教會用戶你怎么開車就可以了，為什么還要他們學發動機原理或者維修技術呢。

國外有一家公司，你不需要寫代碼，把代碼中的幾行變成算子拖在這里就可以了。問題還是沒有解決算法理論的問題。

我們在這么多的預測算法中，根據數據的特性，根據業務的特性，選取最合適的一類算法，做到算法融合，對于我們實際用戶來講只需要做簡單的拖拽，我要知道什么是我的時間軸，我要預測什么指標，多長周期的，我是要預測企業全部的走勢還是要細分到門店、品類。拖拽之間即可完成，這就是我們的一鍵預測。

今天由于時間關系，更多的產品功能希望大家接下來可以在我們的體驗區和我們的小伙伴們做深入的交流與溝通。

這就是我們整個觀遠智能分析平臺2.0的介紹，當然我們也知道我們公司也只是不到三歲的公司，我們的產品也處于非常早期�？隙ㄊ怯幸恍c不那么盡如人意，還會有一些系統穩定性的問題，還會有系統的BUG。

但是我們要知道我們所處的時代，我們正在做的事情在將來我們希望能夠改變這個行業，就如同萊特兄弟發明飛機一樣，哪怕在它的第一版飛起來還需要人把它推著才能夠飛向天空，而且只能堅持十幾秒，飛機的機體也是非常簡陋的。

但是他們知道心中飛翔的夢想是一直存在的，他們要打磨這樣的產品。我們也是一樣的，我們觀遠數據也是有著這樣子的初心，我們也想做到企業的智能決策大腦，我們的產品與研發團隊會秉承著用戶至上、敏捷創新、工匠精神，不斷去提煉，不斷去總結，使得我們的產品變得更好。

我們需要什么呢？我們不需要完美，我們需要勇氣，我們無所畏懼，我們面對困難不會退縮，我們奮力的去解決它。因為我們知道在未來我們會Become better。謝謝大家。