作者｜黄楠

编辑｜彭孝秋

近日有消息称，微软将在日本组建数据中心，两年内将投入29亿美金，旨在全球生成式AI发展进程中，为其提供完备的数据及设备支撑。这也是历史以来微软向日本投资的最大一笔金额。

数据的重要性之于技术发展长期存在。大模型浪潮下，数据对企业发展至关重要。

同时，借助数据平台等智能化手段，高效地管理和应用数据，更是企业构建场景壁垒、转向高质量发展的必修课。

数据平台类产品发展多年，但仍面临着诸多挑战，例如功能性服务单一、算法更新迭代速度慢、产品使用门槛高等。

「数势科技」成立于2020年，是一家数据智能产品提供商，聚焦大金融、高科技制造和泛零售等领域，提供基于大模型增强的智能分析和营销产品。

此前，「数势科技」推出新一代指标平台SwiftMetrics 3.0，融合大模型能力的数据分析产品数势智能分析助手SwiftAgent，可应用于数据管理、智能分析、营销等场景中，加强指标平台和营销平台的能力。

近日，数势科技创始人兼CEO黎科峰博士跟硬氪聊了聊产品的开发思路和数字化趋势。

指标平台SwiftMetrics 3.0是一款指标管理、加工和应用的一体化工具，基于统一的指标体系，提供智能、高效、易用的数据分析决策支持。

随着BI（商业智能）工具和解决方案的快速发展，前者展现出优异的数据分析能力，但面对企业内部越来越多的报表数量，新的问题也随之爆发，尤其是在指标管理方面。

首先是对数据需求响应速度提出的更高要求。在传统数仓+BI模式中，依赖人工开发的指标加工流程复杂，要经历沟通、排期、开发、测试再上线，容易形成环节拖沓问题，导致对需求侧响应缓慢。SwiftMetrics 3.0所提出的全面自动化方案，可以极大提升操作效率和数据处理能力。

用户登录平台后，可自行创建指标，SwiftMetrics 3.0具有一键式集成功能，可以对前端数据进行自助取数，并在指标定义时，自动生成指标血缘。指标血缘主要用于追踪数据加工的源头，检验所产出的业务报表是否存在数据异常的问题。

平台具备智能预警归因的功能，一旦发现业务数据异常，就会启动自动预警功能、定位出现异常的位置。

智能预警归因功能

在业务分析过程中，数据指标口径不同的情况很常见。例如销售额相同的情况下，财务部门的口径为含税金额，业务部门不含税等。当业务发生改变时，指标口径也要进行调整，进而带来了更大的工作量、运维成本也高。

数千张表怎么标注，不同表格的关联关系，是否存在口径冲突或不统一的情况？面对上述的诸多问题，SwiftMetrics 3.0中的自动化口径变更回写功能可以解决。

多数时候，不懂技术的业务人员并不懂具体场景配备哪些指标、对应的口径是什么，SwiftMetrics 3.0通过语义增强配置的方式，将业务数据做成了指标语义化相关的生成和配置。因此，用户只需要描述出场景，就能通过相似度、索引的筛查，找到对应的指标和自动化生成的口径变更。同时，平台支持一键回滚至前一版本，使用起来也更灵活。

指标语义化生成和配置

SwiftMetrics 3.0中还增加了智能分析助手SwiftAgent功能。它以国产大模型为底座，支持多模态交互查询，可以输入包括文本、语音、Excel等数据类型，基于自然语言对话的方式，不需要学习SQL或Python等语言，降低使用门槛，方便用户在移动端和PC端快速完成数据查询。

自然语言对话

比如，业务层可以向平台提出“华南地区上一季度环比为什么下降了”，SwiftMetrics 3.0会自动收集前一季度的前端数据作计算，判断浮动区间，在此基础上，由大模型调用平台的归因能力，将所得结果做参数解析填充到对应插件里，并贴合用户问题，自动匹配生成多种分析图表结果。

自助取数

硬氪了解到，SwiftMetrics 3.0平台与国内多家头部大模型厂商均有合作，自功能升级上线后，已在零售、金融和高科技制造领域有落地。

商业模式方面，「数势科技」将用户分为全新客户和长期客户。全新客户主要提供的是标准化产品；而面向长期客户、即此前有过合作经历的企业，「数势科技」在其原有服务的基础上，可针对具体部署场景合作共创，打造企业级智能分析助手。

随着服务客户数量、产品成熟度和对客户业务场景理解的增加，「数势科技」产品标准化率逐步增加，目前标品和服务的比例为7：3。收费模式比较灵活，包括买断、订阅和按客户使用量等模式，以满足不同客户的需求。

目前，「数势科技」的销售端主要有直客，同时在全国设置东区、南区、西区、北区、中部地区共五大销售团队；同时，借助销售渠道对接上下游的合作伙伴，公司已协同腾讯、百度、京东等厂商推出了联合产品及解决方案等。

如今，各行各业正面临深刻的变革，产业经济数字化不断升级。

「数势科技」创始人黎科峰博士的名字，从移动互联网、金融科技到云计算、数据平台等等，与多个大厂紧密关联，他曾先后就职于三星（韩国总部）、百度、平安和京东。创业前，黎科峰博士担任京东集团副总裁、京东技术委员会主席、京东零售中台负责人，从0到1带队搭建了京东数据中台、技术中台和业务中台。

与传统数据中台的AI模式不同，如果将数据中台看作一张大数据表格，这张表格上是各类繁复、专业的名词，只有技术人员看得懂，但无法直接赋能到业务端。关注到这一现象，黎科峰博士创建「数势科技」，成立3年半以来，数势科技去年营收额已达数亿元。

黎科峰博士告诉硬氪，“有95%的企业采买过AI服务，但无论是机器GPU还是AI计算平台，很多企业购买后，却没能把产品真正用起来，都放着吃灰，也就感受不到它的价值所在。”

以零售行业为例，随着销售环节的全渠道化，线上线下融合趋势加强。仅依靠人工销售经验搭建的决策模型已不适用，大批量铺货、开店等模式对企业增长效用有限，获客成本增加。在这个背景下，以数字化为驱动的数据平台对挖掘客户喜好、提供个性化服务起到关键作用。

「数势科技」产品定位在数据中台之上，重点构建两层，分别是数据资产层和数据应用层。

数据资产层解决数据“怎么看”，把专业的数字代码信息语义化，降低非技术背景的业务人员的使用门槛；数据应用层解决“如何做”，通过学习业务知识让大模型理解业务模式，并提出解决问题的方案。让更多的人使用数据，让数据创造业务价值，这将加速数据价值的普惠化进程。

To B市场很卷是业内共识。有专注做企业后台的底层部署，也有海量提供应用服务的软件供应商，「数势科技」做的更偏向赋能核心业务领域，连接数据和业务，这是当前企业数字化竞争最大、也是最有价值的地方之一。

黎科峰博士认为，大模型到来被视为改变企业软件命运的Game Changer，加速了数据普惠化的到来。通过大模型知识压缩和推理涌现能力加持，企业软件拥有深度行业认知，能够真正辅助企业业务决策和运营。另外，大模型也降低了企业软件的使用门槛，通过对话式交互，让业务轻松探索数据价值，解决了场景、用户、服务的精准匹配。

产品技术架构示意图

在这一背景下，「数势科技」延续数据智能产品体系，加持大模型能力，做标准化、可复用的智能分析产品SwiftAgent。

据硬氪了解，SwiftAgent可实现企业的语义统一性，建立行业标准、指标、人货场标签等易于理解的语义层。“正如用户知道什么是利润、用户数、收入，大模型也同样能够理解。在语义层对大模型进行训练，我们能够获得高于99%的准确率，确保了大模型在企业经营中的有效应用。”黎科峰博士说到。

在黎科峰博士看来，企业智能分析的过程不做改变，同样要看指标、数据浮动、分析处理等，这是一套固定化流程。因此，基于在金融、零售、消费和高端制造等行业累积的经验，「数势科技」会针对不同行业，它的方法论差异、分析模板变化、以及数据解读等，按照行业化的数据模型定义产品版本，帮助企业挖掘数据价值，辅助业务增长。

以「数势科技」曾服务的某世界五百强零售企业为例。在经营决策层面，指标平台帮助企业挖掘全渠道增长点，实现优化商品成本结构，能有效提升顾客的消费体验。分析管理层面，企业用数效率可实现50-80%提升，准确度大幅提升。目前，其数据产品用户已突破50%，已形成全员用数的分析文化。

基于大模型增强的数据智能产品，提升了产品的自动化与智能化程度，正在重塑数据智能分析范式。黎科峰博士表示，随着产品日趋成熟化，基于已建立起的完整市场销售渠道，「数势科技」今年营收目标是较去年实现100%增长。