专注政府监管,数起科技以“平台+算法”迈入政务大数据市场

调研 | 李喆 倪贤豪撰写 | 倪贤豪成立于2016年10月的数起科技是一家专注于政务监管领域的数据服务提供商。创始人李明国,曾任国内知名软件公司副总裁,从事政府数据服务十余年。对政府数据市场以及政府数据的应用有着深刻的理解。成立一年来,

北京数起科技有限公司 .jpg

调研 | 李喆 倪贤豪

撰写 | 倪贤豪

成立于2016年10月的数起科技是一家专注于政务监管领域的数据服务提供商。创始人李明国,曾任国内知名软件公司副总裁,从事政府数据服务十余年。对政府数据市场以及政府数据的应用有着深刻的理解。

成立一年来,数起科技取得数千万收入,并实现盈利,共有员工70多人,其中技术人员约60人。收获了国家林业局、各省审计厅等生态监管、审计监管等方向的客户。而在产品方面,数起科技在2017年上半年推出了“LDP”大数据平台,致力于为政府客户提供全方位的数据服务。

引入“数据资产清单”的概念,提供全方位数据服务

通常来说,数据服务厂商在拿到客户数据的第一步,往往是对数据做数据清洗等预处理工作。而在数起科技看来,数据并非天然就是资产,作为服务厂商的责任就是要将数据变成资产。在这一系列数据的常规处理操作之前,有必要为客户建立数据资产清单。

22.pic_hd.jpg

与营销领域在数据预处理后引入数据标签体系不同,数起科技选择在数据预处理之前便引入数据资产清单将客户数据分门别类地予以命名,赋予其可描述、可计量等最基本的资产属性。

这部分工作目前主要是通过数起科技提供有着丰富从业经历的数据分析师团队为客户完成。相对而言,这是一项十分依靠人力和经验的工作。目前数起科技已经形成了涵盖政府、银行等十九个行业的数据资产清单。

数据资产清单的建立,为后续的数据交换、数据管理、数据分析、数据应用等数据工作奠定了基础。

目前,数起科技通过LDP平台为客户提供行业审计、政府资金审计、政府经济运行在线监测、林业大数据资产管理等多个行业的数据应用产品。

过往客户资源是优势,正在与政务云厂商加强合作

对于2018年,数起科技的战略是继续迭代LDP平台,引入机器学习、深度学习、NLP等技术增强预测性分析能力。同时,针对审计、林业及政府治理等方向,数起科技将加大拓展力度,争取获得更多的市场份额。

而要在业务拓展上有所作为,利用好过往客户资源,同时加强与各地政务云厂商的合作成为了数起科技的重要策略。

首先,创始团队过去十几年在政府业务的积累为其带来了不错的客户资源。这些客户也是数起的潜在可服务客群,提升这部分客户的转化率将为数起撬动更大的市场资源。另外,考虑到政务大数据的应用在其监管对象如国企等都有一定的普适性。因此通过监管机构向监管市场延伸也是数起科技的市场策略之一。

其次,在区域政府市场,数起科技明确与政务云厂商的合作。通过将产品部署到各地政务云上,数起科技能获得进入更广大市场的入场券。同时,这一方式也为数起科技带来了产品推广等方面的便利。凭借和政务云的合作,数起科技只需完成产品在政务云上的部署,随后的产品推广和项目洽谈等商务环节将由政务云厂商推动。这对于还在创业阶段的数起科技来说,是一个高效的获客方式。目前,数起科技已与浪潮云、楚天云等政务云厂商开展合作。

李明国.jpg

近期,爱分析专访了数起科技创始人兼CEO李明国,以下为部分内容分享。

三大应用方向,打造LDP数据平台

爱分析:LDP平台是2017年2月开始搭建的,历时多久?

李明国:LDP是数起大数据平台的简称,是一个数据处理的全流程平台,功能上涵盖了数据采集、数据管理、数据分析、数据展现和行业数据产品发布等。2017年6月发布了第一版。第二版预计在2018年3月发布,着重加强数据挖掘能力和数据分析的便利性。第三版的研发计划也已经明确,2018年将引入机器学习、深度学习、NLP等技术,将人工智能的成果引入到政府监管领域。

爱分析:数起科技提出了“数据资产清单”的概念,怎么理解?

李明国:我们认为,数据并非天然是资产,一定是经过处理以后才能成为资产,而将数据变成资产甚至资本是我们数据从业者的责任。数据作为资产是需要具有可描述、可计量的属性的。据此我们提出了“数据资产清单”的概念。

通过建立数据资产清单,我们能将客户所有资产分门别类,放置在清单的子目录下。这构成了随后ETL、数据分析及应用等数据处理过程的基础。

爱分析:数据资产清单是数起负责还是和政府一起合作?对负责人员有什么要求?

李明国:数起负责做资产清单的梳理。我们在数据资产清单的梳理上积累颇多,形成了涵盖19个行业、2000多张数据清单,3000多个算法。

对于数据分析人员的能力要求有四点:第一,熟悉客户业务;第二,熟悉客户的信息系统;第三,熟悉客户所处行业的数据;第四,熟悉数据处理技术。

数起科技目前已经有30多个富有经验的数据分析师。他们能够很好地胜任这一工作。

爱分析:基于LDP平台的应用,主要有哪些方向?

李明国:主要是政府监管和监管对象的内部监管,包括政府审计、政府监察、生态监管以及中大型企业和金融机构的内部监管。

爱分析:政府决策上,主要有哪些应用?

李明国:更多体现在政府经济在线监测系统方面。

爱分析:林业方面的数据应用,有哪些场景?

李明国:最基础的场景还是数据整合。包括数据资产清单的建立,以及数据的入库工作。林业系统的数据基本分散在各个司局,数据标准也不是很统一。这就对数据整合提出了需求。

其次是成果展示。比如对于十二五期间的林业建设成果的展示需求等。

最后就是用数据打通林业产业的链条,让林业及林下产品、林业工人、林作物分布情况等实现连接。

树立红线意识,获客上直销和渠道并重

爱分析:当前的团队人数在多少?团队结构如何?

李明国:总人数在近70人。其中研发20多人,负责提供数据服务的技术人员在30多人。

爱分析:在客户现场驻场的员工,主要负责的工作是什么?

李明国:我们在服务方面主要完成三部分工作,首先是根据客户业务变化数据资产清单会有变化,需要人员进行调整,其次是帮助客户梳理业务场景,这两部分工作是由总部的团队在综合全国的需求以及自己的业务研究出成果,然后将成果下发给当地的服务人员来完成,再次当地服务人员也参与部分行业客户的数据处理。

爱分析:销售模式上,采取什么方式?

李明国:主要是直销,初创公司前期只能通过直销取得客户信任和市场知名度。去年年底开始借助渠道。渠道方面,现在更多是采取和政务云厂商合作,我们将产品部署在政务云上,由其负责推广。现在已经和浪潮云、楚天云等建立了合作关系。

爱分析:和政府合作的大概流程是怎样的?部署周期在多久?

李明国:首先是前期沟通、产品和过往案例展示。如若政府客户有兴趣,会在内部发起立项申请。完成立项后,会在第二年获得预算批复后进行采购,整个周期大概在两年左右。

但现在很多承接的项目都是政府客户早已完成立项的,我们直接在选型、采购阶段参与进去。

合同签署后,基本上一个季度能完成数据平台和服务的部署实施。

爱分析:数据打通整合上的标准化程度有无可能再做提升?

李明国:很难。各不同政府部门采用的业务系统五花八门,还会有部分软件是定制化的。我们开发了一个一键式的数据整合工具,先建立数据资产清单,然后针对市场上的软件做采集模板,标准化程度已经很高,支持一键采集、一键入库。

爱分析:在数起科技的发展过程中,有哪些风险需重点规避?

李明国:首先是市场的选择,要选择一个体量充足并且行业壁垒够高的蓝海市场。

另外就是要有红线意识,政府数据事关国家和民众安全,数据行业的从业者应该有红线意识。比如在融资时需慎重考虑引入外资的背景的投资,对于接触到用户数据的员工的管理要非常细致,除了签署保密协议,日常的设备检查工作以外,还包括对员工的普法教育也要做。

四类玩家角逐政务大数据,政府监管方向更利于新玩家进入

爱分析:政务大数据领域,有哪些应用方向?

李明国:对外有两个方向,一类是公共服务。比如公安、交通、旅游大数据等,这些都是政府对外的公共服务。一类是市场监管。比如个人征信、企业征信、政府信用平台等,都是市场监管大数据。

对内也有两个方向,一类是政府决策大数据,这主要指的是政府经济运行监测等用以辅助政府决策的大数据。一类是政府监管大数据。这可分为四部分:政府资金监管;公务人员监管;国有资产监管;国有资源监管。

爱分析:对于这几个方向的发展现状和趋势,您怎么看?

李明国:政府对外的大数据,如公共服务和市场监管,我认为国家自己做或者国有企业做的肯能性比较大,创业者慎重进入这个领域。此外,公共服务方向,目前已经有一些传统的大公司在做,比如海康威视、BAT等。这个市场创业企业也比较难。

而政府对内大数据,也就是政府决策和政府监管,我认为相对来说更适合数起科技等专注于数据应用、体量较小的玩家进入。

爱分析:数起科技在政府监管方向有哪些涉及?

李明国:除了国有资产监管,其他都有涉足。

爱分析:政务大数据领域,您对于行业内的玩家怎么分类?

李明国:业内有四类公司:

第一类是互联网企业,以BAT等巨头为代表。

第二类是传统大集成商。这类玩家往数据方向转型的意愿强烈,但推进会较慢。

第三类是以星环、帆软为代表的产品型公司,可以为政府客户提供计算存储以及工具层的支持。

第四类则是专注于做行业数据应用的公司,数起科技做的就是这一部分。

爱分析:在参与投标的过程中,通常碰到的玩家都有哪些?

李明国:直接碰到做数据服务的厂商很少。还是集成商居多。

爱分析:数起科技的融资情况如何,近期有融资计划吗?

李明国:我们在去年2月份融的天使轮,目前正在进行A轮融资。

格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。

相关阅读

评论