【金猿人物展】九章云极联合创始人兼CEO方磊：2020年，数据科学平台将迎来新一轮爆发
金猿人物展
大数据产业创新服务媒体
——聚焦数据 · 改变商业
2012年，数据科学家作为新兴职业出现；2017年，Gartner首先为数据科学平台给出定义；2019年，数据科学平台在中国开始从小众走向大众。这种服务数据科学家及团队的建模平台工具在中国市场的表现，从晦涩到主流，从定义不明到自立山头，仅用了一年时间，再一次体现了中国速度。
2020年，我们能看到数据科学平台将迎来新一轮市场爆发。
市场利好+政策利好双重助力
自动化决策需求成就数据科学平台“高光时刻”
2019年仍然是数字经济竞争激烈的一年，社会整体对数据价值的认知提升到新的阶段。“数据科学家”，这个赋予数据更多价值的职业在任何国家都供不应求，在中国表现更甚。目前中国的数据科学家仅有2-3万名，但市场上的人才缺口高达数百万。教育部每年批准开设“数据科学与大数据技术专业”的高校越来越多，2015年首次批示仅3所，到2018年，共有488所高校获批。数据科学人才正在加紧培育，但能够高质量地填补人才缺口，还需要时间。
商业市场则走地更快，以数据、资源、需求等各方面都相对完备的金融行业为例，在人才有限的情况下已经获得了高可用、可复制的数据科学实践真知，从2019年8月央行下发的《金融科技（FinTech）发展规划（2019-2021年）》可见一斑。这个针对金融科技的第一个顶层规划中指出，要运用数据科学的相关技术（机器学习、数据洞察、数据挖掘、建模分析、算法模型等）解决各类金融场景难题。人才不够，工具来凑，这也是近年来数据科学平台在金融行业被成功运用的利好结果。
权威的第三方机构眼光就更加客观和长远，在今年8月和10月份，IDC和Gartner分别针对数据科学平台在中国及亚太市场的表现相继发布研报；在相关大数据产业地图中，数据科学平台也开始作为独立赛道进入公众视野，九章云极的DataCanvas数据科学平台均有幸入围。
一项技术得以获得教育、政策、市场等多方面的综合肯定和支持，背后一定具备强大的需求驱动。目前，市场上对数据分析的需求上升到了“自动化决策”，如果说用图表展示已有数据的BI是数据分析1.0，那么预测未来、可以自动做出决策的AI就是数据分析2.0。
数据科学平台就是实现数据分析2.0的载体，数据科学的核心能力就是机器学习的能力、实时的能力、企业AI落地的能力，通过一个个数据模型，让企业庞杂分散的数据变成高价值的决策，能够真正地指导企业运营和业务决策。这正是当今企业数字化转型、AI落地亟需的能力。
2019年，数据科学平台在大数据行业中成功自立山头，这是数据科学平台在行业地位中的第一个“高光时刻”。
数据科学精细化发展
自动化成为时代宠儿
从国际视野来看，近年来数据科学受关注热度有增无减，并趋向专业细分化。
Gartner每年都会预测次年的十大技术趋势，从2016年开始，数据分析相关的技术开始出现在每年的趋势报告中。在2017技术趋势中，数据分析还没有独立出来，而是作为“数字技术平台”这个技术的一部分，2018技术趋势中出现了“智能应用与分析”，2019技术趋势中出现了“增强分析”，刚刚发布的2020技术趋势进一步把数据分析细化了，叫做“超自动化”——指的是多种用于交付工作成果的机器学习（ML）、软件工具包以及自动化工具的总和。
九章云极一直超前把握和实践技术的发展趋势，DataCanvas数据科学平台就是将数据建模的各个环节自动化的强大工具，并部署到企业业务中，从而实现企业“自动化决策”的需求。
具体到实际操作中，数据科学平台的使用者还是数据科学家们，但随着建模壁垒一再降低，尤其是借助自动机器学习实现的自动建模出现，数据科学家的边界变大、变模糊了。除了使用编码建模的专业数据科学家，使用拖拽式建模的IT工程师和使用自动建模的业务人员也被统称为平民数据科学家。
此外，得益于企业自动化决策需求的不断推进，数据科学平台工具的自动化功能将会愈加先进和完善，在未来甚至可以成为一种更低门槛、可广泛培训的软件技能。
技术壁垒逐渐弱化
“知识融合”将成行业新壁垒
经过2019年的实践，我们发现头部企业对技术开放和技术传承的要求也越来越高。拥有更多高端技术人员和更强技术实力的头部公司，将自有的技术能力、模型资产转化为企业软资产的同时，也在思考如何将软实力更好地管理和传承下去。人员和团队更替、各部门间协同难的情况都可能会产生技术能力的遗失和断层。
其次，从市场反馈来看，头部客户同时也更青睐开源、开放的平台架构，通过在开放平台上进行自主建设，来降低锁定供应商的可能性和对供应商的依赖程度，这也是市面上“白盒”算法、开源框架备受欢迎的原因之一。
更低的技术门槛、更开放的平台架构，同时意味着更低的壁垒。当一个壁垒降低到一定程度，就不再是主要矛盾，届时新的矛盾会出现，新的壁垒也就应激产生。
落到数据科学平台行业来说，我们预测在2020年，“知识融合”将作为新的行业壁垒。
数据科学的发展本身就是由市场需求推动形成的，其核心目的就是提供更高的商业价值，也就是说，BI图表展示、AI分析、自动化决策等等都是需求升级的产物。我们能看到，下一阶段的升级将会是利用数据指导业务、指导企业运营的需求。
这就需要更多非数据、跨行业、多学科交叉的“知识”与技术相结合，最终被运用到业务场景中提升业务价值。让知识与技术相结合的载体，实现的途径之一依然是“人”，并且是即懂业务又懂技术复合型人才；途径之二，还是工具。九章云极的数据科学家们已经致力于此，建立“四库”，这是业内首个关于“知识融合”解决方案，我们相信它能够直击企业下一阶段痛点。
当然，“知识融合”问题也已受到各方机构关注，在央行下发的金融科技发展规划中多次提及多学科交叉融合、造就即懂金融又懂科技的专业人才；国家双创示范基地和大型企业在各类实验项目和业务中，也正在实践细分业务的知识融合。“知识融合”难题的解决，将成为数据科学赋能商业价值的新高光。
深耕耘+广播种
数据科学平台增量市场可观
数据科学平台在2019年的飞速发展可以从深度和广度两方面来概括。
金融行业作为数据资源最完备、技术实践最领先的行业，仍是数据科学平台的主要阵地。银行、保险、基金、证券等各大领域本身涉及万千业务场景，随着Bank 4.0时代的到来，随用户需求调整业务成为金融行业未来发展的主流方向，这将对数据预测分析提出更多变、更智能的要求，数据科学平台在金融行业的发展依然大有可期。
同时，以金融行业为典范，中国各行各业的数据生态建设也正在体现中国速度。政府、医疗、交通、IoT、航空、汽车、地产、零售……这些行业在数据积累的同时，企业数字化转型、业务数字化运营等需求也从金融行业延伸过来，建设自有的数据科学家团队的企业不在少数，知识融合更将加速其AI落地。
随着各行各业的深耕广播，数据科学平台在中国市场的年增速已经达到70%-80%，未来几年，数据科学平台的市场容量将持续成倍增长、更加可观。
对于九章云极来说，从成立之处就已明确服务数据科学家的核心定位，“模型”就是我们的边界。2020年，市场上新一轮数据科学平台需求将会爆发，如何让“四库”更好解决知识融合问题、如何让模型实现更多业务价值，是我们下一年发力的重点，脚踏实地、把聚焦的事情做到极致，依然是九章云极的目标。我们相信，2020年也将是数据科学平台又一个收获之年。
作者简介
方磊博士，九章云极联合创始人兼CEO，原微软必应（Bing）搜索部门数据科学家，并作为早期团队成员参与开发微软云计算平台：Windows Azure。拥有近二十年大数据分析管理经验，是大数据、机器学习前沿技术掌舵者。在分布式系统、设计验证、算法等领域发表论文16余篇，引用超过400次。在大数据、人工智能、数据科学等领域中多次受聘为智库专家、理事、常务理事等职位。