“哪些業務需求可以數字化?”
“數據科學只是單純的技術問題？”
“數據科學家的最大的挑戰是什么？”
第四次工業革命來臨，許多企業已經意識到了要利用數據科學能力推動商業模式的創新，嘗試將經營中產生的數據轉化為適配業務需求的決策模型，由原本依靠經驗的“人治”變為“數治”。
數據科學的應用領域同數據科學領域本身一樣多樣化，但成功突圍的卻是少數。“數據智能項目很難達到目標，90%的立項，最后只能草草收場。”
越是艱難，越是能讓這些項目形成企業能力上的核心資產。任何企業都會產生數據，但數據本身不是萬靈丹，它只是加速器，方向盤仍舊掌握在人的手中。
截至2021年，和鯨已經幫助了七個行業的 Top3 客戶完成了數據智能的價值落地。將協同能力的內核落實到數據科學開發的全流程中，和鯨的經驗或許能幫助大家揭開數據科學的圖景。我們邀請了和鯨科技創始人兼 CEO 范向偉先生，對大家常提出的問題進行了統一回答。
和鯨科技創始人 范向偉
01 數據智能項目的兩個挑戰
問：過去5、6年，大數據經歷了一個高峰，也經歷了一個低谷。高峰期在16-17年，市面上最貴的工程師都投身于人工智能，而低谷也就是過去兩年，人工智能主流的公司在上市過程中遇到了很大的挑戰。一個現象就是，大部分人工智能項目都賺不到錢，對此您怎么看？
范向偉：現象確實存在。無論是在乙方還是在甲方內部，目前人工智能相關項目評估下來的 ROI 都很低。數據智能項目普遍達不到立項的目標，這個比例在90%，相信接觸過相關項目的小伙伴都會有一些比較感同身受的經歷。
和鯨作為數據科學平臺，其實也做過各方面調研，我們歸納下來認為，大部分數據智能項目都面臨著兩個挑戰，是導致項目失敗的常見原因。
一個在供給側，一個在需求側。
供給側，為企業數據能力負責的數據工程師或者算法科學家，都會去構建一個基礎設施的金字塔結構，也就是保證底層的技術平臺盡可能穩固、標準、可拓展，從而可以處理更多數據，產生更高計算效率。然后再一層層往上疊，將這個能力轉化為更低的服務成本，去支撐更多需求場景。這是對數據工程師的挑戰。
而需求側，目前幾乎所有可以用 KPI 描述業務的部門，都會給數據部門提需求，需求場景是指數級上升的。但100個需求場景中，合理的比例，可能只有10%，剩下的90%，是因為他缺乏業務的思路，單純想看到更多數據報表，這就會導致需求描述不清楚。所以這是對業務人員的挑戰。
這樣的結構，導致數據智能項目，往往很難讓做數據的人和用數據的人看到進展，因為它是一個非線性爬坡的過程，你不知道是在哪里被卡住了。需求本身不確定，用什么樣的數據也不確定，往往還不知道自己哪里做錯了，項目就被叫停了。
供給與需求的結構性矛盾
這兩個挑戰帶來的結果是什么？
一個是更高的工程成本，或者說指數級的工程成本。要搭建起金字塔結構，工程師將面臨著大量跟機器學習、數據分析無關的基礎工作、協調工作要處理 ，需要大量時間投入。與此同時，系統搭建起來后跑模型，模型結果不好的原因也有很多，而且相互影響、相互嵌套，導致排查、調試的時間成本是指數級上升的。
另一個結果，可以概括為更不確定的業務需求。既然業務鏈條中的各種問題都會找到數據部門，那數據部門到底怎么設計數據平臺的架構、怎么積累算法模型的能力、怎么安排時間，就類似于是個風險投資問題了。數據智能項目的 ROI 符合冪律分布（Power Law）——極少數項目產生的價值非常大，而大部分項目幾乎不產生價值。它就要求數據科學家一定要非常慎重地去做需求分析，如果業務方無法清晰地陳述自己的需求，就很可能是偽需求。
所以這兩個挑戰直接導致企業中供給和需求存在著結構性的錯配，數據部門跟業務部門常常相互不滿意。業務部門想要提需求，但很難把數據智能的需求說清楚，數據權限都拿不到，或者找不到合適的數據。又因為需求不清楚，成功率不高，企業不愿意投入資源，拿不到資源，也很難完成模型的打磨。數據智能的落地，就陷入了需求不清晰、供給低質量的惡性循環。
02 從數據到業務應用的反饋閉環
問：既然供給側和需求側存在著錯配，那讓它重新形成回路是不是就能解決這些問題了。放到實際工作場景中，供需雙方該如何去做呢？可以通過彼此多“溝通”解決嗎?
范向偉：如何去做，基本原則很簡單，就是按照敏捷開發的原則，把大回路拆成小回路，最重要的是，要跟業務部門掰扯清楚，業務到底想回答什么問題，要搞清楚這個事情到底有沒有價值。
這是一門很大的學問，我們觀察下來，大部分數據工程師都不喜歡干這個事情，不喜歡進行需求的爭論和探究。但這件事又很重要，我們自己認為，一個項目70%的成敗與否都取決于這個需求是不是一個真實的需求、重要的需求。
因為和工程相關的工作，在過去幾年已經越來越成熟了，包括現在也出現了大模型，自動化調參、分布式訓練的方案，這里面的平均水準越來越高。更大的問題還是在于，大部分業務需求的質量還是很低，很少有業務人才能夠把自己的數據需求、算法需求給理清楚。
一個是需求的質量，一個是數據的質量，這兩塊現在在 AI 的實踐中問題很大。不管多優秀的算法科學家，在這兩段都容易掉到坑里面去。我們能建議的，就是在實戰中，數據工程師可以更多地去關注，或者說多想一想 Power Law 分布——到底這個需求有沒有前途，或者說需求方到底有沒有想清楚。數據智能在企業中表現出的是需求的流轉，在各個業務部門都會提需求的情況下，數據科學家一定要看到整一個的大畫面，要能夠在需求之間進行比較和取舍。
從數據到業務應用的反饋閉環
不過即使這樣，想實現從數據到業務應用的反饋閉環，還是很困難。早在2016年，我們和拍拍貸、攜程、百度等企業合作算法比賽的過程中，就發現了這個問題。業務需求溝通成本高，開發環境搭建、模型成果復用難度大，整個鏈條存在著驚人的浪費。模型開發、模型評價、模型落地的三個環節，彼此間是斷裂的。
這不是光靠“溝通”就能解決的問題。數據科學家普遍都很聰明，但工作流程卻很原始，效率很低。不僅僅是重復造輪，更像是“科學家在開拖拉機”。
所以這也是和鯨產品的協同理念最開始形成的原因，就是把數據工具的開源化，和開發工具的協同化，這兩個趨勢結合起來。
03 三位一體：社區、賽事、工具
問：您說到了協同，我們知道協同其實是所有的生產力工具的核心價值，任何 SaaS 產品，都需要考慮協同作為一種核心能力、核心體驗。大家能理解協同的重要性，但數據科學場景下的協同有什么特殊之處呢？實現起來的難點又在哪里？
范向偉：特殊之處，可能就是跟其他場景相比，數據科學的協同更加難以實現吧。
其實 SaaS 的協同都不好設計，看似簡單的場景，做深了都是在考驗產品團隊的世界觀。只是數據科學這件事會更難，要讓數據、鏡像、算力、模型、圖表、文檔等各個要素，在任務的各個階段，被企業的各個角色，在業務的各個場景，都能夠安全、可控、友好地被接入、被使用、被分享，這對于產品設計來說，幾乎是一個不可能完成的任務。
和鯨也不是天生就有對數據科學用戶和場景的敏感度的，我們在社區中天天和用戶泡在一起，才看到了別人看不到的問題。社區、賽事、工具三位一體的商業模式就是和鯨自身最獨特的協同能力，支撐著我們的協同產品 ModelWhale 有更高的研發效率、觸達效率。
和鯨應該是在數據公司里面，很少能把 PLG 模式運轉起來的公司，這個模式對于企業的要求很高，需要有足夠多的用戶，足夠好的產品體驗，還要有足夠強的企業級價值。否則很容易陷入，有用戶，但是沒有收入，或者有收入，但是沒有增長的兩種怪圈里面。
產品體驗推動增長（PLG）
問：目前在數據智能的基礎設施的行業里，我們看到好像只有和鯨把機器學習的團隊協同當做核心能力來建設，選擇走這樣一條獨木橋，您有沒有后悔過？
范向偉：后悔肯定是沒有，但確實發現了協同這個事兒遠非我們當初想的那么簡單。
開始我們只是想把 Gitlab 和 Jira 的產品模式應用在機器學習這個領域，后面發現，數據科學家協同的復雜性，比軟件工程師的協同還要高一個數量級。數據科學的業務落地、能力普及，都在很早期的階段，可能進度條只到了10%。和鯨也只是在路上。要成為一個理想的協同工具，我們做好了還有很長一段路要走的心理準備。
在數據科學團隊協作產品這個賽道里，中國幾乎沒有細分定位的生存土壤，我們的產品只有越來越厚，才能生存下來。雖然中間確實走過一些彎路，但比較高興的是，16年到現在，和鯨在協同這件事情上，還是走到了很深的無人區。
和鯨社區場景和賽事場景的協同深度都是很少見的，ModelWhale 已經包括了團隊級協同（數據科學家、數據分析師之間的協作）、企業級協同（IT、數據、業務部門之間的協作）和產業級協同（企業和供應商、科研院所、社區開發者的協同），每一層又都相互穿透、相互支撐。
所以在2021年，我們看到有七個行業的 Top3 客戶都做出了產品置換的決策，從同類產品遷移到了 ModelWhale ，這對于我們來說，是比較實在的鼓勵，因為 PaaS 產品的競爭力，很大程度上是由行業標桿客戶定義的。
04 工作流：用更好的數據回答問題
問：Gartner 已經把“協同”定義成數據科學平臺和機器學習平臺的核心能力，相信未來大家會越來越重視。那我們回到之前的話題，既然數據部門和業務部門之間很難合作起來，和鯨的產品是如何去幫助他們實現的？有沒有比較典型的客戶案例實踐可以給大家參考？
范向偉：我們的理念很簡單，就是把之前說的全鏈路放到一個統一的工作環境中。當然，理念雖然簡單，工程實現還是很復雜，產品設計也有很多挑戰。
首先，前端不僅要有開發環境，還要能把整體邏輯先拆開、再拉通，讓業務部門明白你的代碼、你的模型是什么意思，你用了什么數據，比如哪個環節是在接入數據，哪個環節是在建模，哪個環節是在做預測。總之，要讓業務部門能盡可能看懂，并且提出來自于業務視角的問題和建議。
其次，機器學習中的很多問題，歸根結底是數據問題，很多問題的解決只是因為找到了很好的數據。但是數據質量存在著巨大的方差，而工程師是不太喜歡跟數據打交道的，這是“雜活累活”。所以 ModelWhale 會把各種各樣的數據源，做干凈的接入，可以實現數據和模型開發的全流程的對接、管控和追溯。
另外，做好成果沉淀、代碼沉淀，在數據科學、機器學習項目中是很容易被忽視的，會造成很多重復勞動、資源浪費。機器學習項目經常處于一種黑箱狀態，沒有辦法講清楚到底哪個環節發生了問題，反正模型效果就是不好。所以每個階段的思路，不同參數、不同版本、不同結果，最后都應該變成一個知識庫，支撐未來的復用和迭代。
模型環節也有很復雜的流轉和很長的生命周期，“模型要用”和“模型要改”，這兩件事情永遠做不完，怎么用一個工作流水線，讓它的效率能夠大幅提升就很重要。一旦某個模型跑通了，只要過程是可以追溯的，結果是可以復現的，企業就會發現機器學習是可靠的、有用的，并產生更多模型開發的需求。
ModelWhale 適用研究
因為新能源也是未來的支柱產業，產業需求和數據科學協同平臺的關系，我可以介紹一下金風科技的案例。大家可能很難理解說人工智能去預測一個風機的運行狀態，這有什么難的，用個邏輯回歸不就可以判斷哪些機器有故障了嗎。站在理論的角度是這樣，模型的原理就是這樣的，但這只解決了所有問題的10%。風機在沙漠里，草原上、海里等等不同的地理環境，數據用什么方式回傳，是在端上處理還是回到數據中心處理，要處理通信問題、網絡問題和設備問題。風機故障也有很多種不同的原因，是因為電擊，還是低溫結冰，又或是風速太大葉片斷裂了，也對應了不同的干預策略，涉及到了IT、運維、數據等不同部門，進行持續的數據傳輸、模型訓練、效果驗證、設備維護、設備維修的協同工作。
因為存在著大量的重復工作、實驗工作、協調工作，所以可以復用的工作流，就尤其重要，要讓工作模塊化的程度、可復用的程度、自動化的程度、包括可解釋的程度盡可能的高，否則一個問題就會把整個團隊的工作卡住，而這樣的問題又是一個接一個的。
05 數據智能的大同世界
問：我們從數據智能項目的大環境講到了和鯨的協同產品，最后一個問題是，那您認為數據科學協同產品的實質是什么？或者說和鯨最終的理念又是什么？
范向偉：不知道你有沒有發現，在聊天的過程中我們多次提到了數據科學、人工智能，這兩者其實很接近，但定位不同。和這些年很多商學院會新建數據科學專業，計算機學院則是更多會建人工智能專業一樣，它們一個關注經濟效益，一個關注工程效率，這就關系到了數據科學協同產品的實質。
企業對于數據科學平臺的期待，可能和大多數的人想的不一樣。性能怎么樣、速度怎么樣、功能怎么樣，當然都很重要，但數據科學的實質不是一個技術問題、業務問題，而是一個管理問題、經營問題：到底怎樣借助數字化能力，幫助公司實現更好的生存。
領先的企業會把數據科學，當做一個杠桿、一個樞紐來看待，用數據科學的關聯能力、預測能力，把整個企業的資產、流程、指標串聯起來，構建起一個經營效率爬坡的良性循環，也就是“業務數據化”。這是一個很難實現的轉變，但 TikTok 、Shein 、元氣森林已經實現了各個行業中的打樣，得到的效果是很驚人的。
所以在我們的設想中，數據科學協同產品最大的價值，就是變成一張網，覆蓋企業所有的數據資產、人才資產、需求場景，并把他們連接起來、運轉起來，為人才賦予數字化的能力，為場景賦予智能化的效率，從而成為一個企業的數字化轉型的樞紐。這個樞紐的內核還是人才資產，而不是數據資產。這是 SaaS 產品的生命力的源頭——SaaS 產品的價值，是改善人的處境，進而改善企業效率。
我們希望數據工程師、數據科學家，可以幫助業務人才建立起用數據的習慣和能力。數據部門要把數據的能力沉淀成可復用的、低代碼、已落地的算法模板、模型倉庫，業務人員是在不同的能力模板里面做實驗和復用，把已經跑通的少數模型能力、模型資產，在更多的業務場景進行復制。
AI 的需求是無窮多的，預測的需求是無窮多的，但是AI的底層原理是相同的，業務的需求邏輯也是相似的，如果不開發業務人員的數據能力，大部分分析需求、預測需求，是來不及被滿足的。
面對現在工程和技術進步的速度，大家都有比較強的焦慮，所以無論是工程師、數據科學家還是業務人員，都要用好時間、節約時間、快速成長。業務人才需要學會用數據，數據人才需要學會做管理。
下個階段工程師所面對的新世界是不一樣的。過去，工程師在做ETL 、建數據庫、搭云平臺、做模型，但是真正的機會其實是在數據消費。數據團隊需要走出舒適圈，提高數據平臺易用性，需要對接所有的數據需求場景、所有的數據需求人員，幫助他們用好數據，否則數據平臺是沒有未來的。
更強的數據計算平臺+更多的業務用戶+更多的需求場景，這三者如何結合，才是最大的機會所在。
我們希望，以數據科學協同能力為底座，每一個問題都能找到它所需要的數據，每一個模型都找到需要它的問題。
這就是我們理想中的，數據智能的大同世界。
