譚婧

人類正從IT走向DT（DataTechnology），這是個(gè)大背景。

企業(yè)處在數(shù)據(jù)產(chǎn)品和AI產(chǎn)品的紅海，想活命就必須手持一本《AI避坑逃生指南》。

個(gè)人處在競(jìng)爭(zhēng)與內(nèi)卷的浪潮，數(shù)據(jù)思維和工具是護(hù)身符。

在上海市徐匯區(qū)虹漕路77號(hào)C8，我見(jiàn)到了和鯨科技創(chuàng)始人范向偉與首席產(chǎn)品官殷自強(qiáng)。這是一家擁有近15萬(wàn)注冊(cè)數(shù)據(jù)科學(xué)家社區(qū)的公司，同時(shí)也是在數(shù)據(jù)科學(xué)的江湖里無(wú)論如何也不會(huì)錯(cuò)過(guò)的公司。

我們?cè)?jīng)從2017年就開(kāi)始“聊天”。

這次只是，無(wú)數(shù)次中的一次。

只是這次，忠實(shí)地做了記錄。

出發(fā)時(shí)，和鯨只是一家被稱作“對(duì)標(biāo)谷歌Kaggle”的公司。到如今，和鯨是一家“走通”從競(jìng)賽到社區(qū)，再到產(chǎn)品的公司。在中國(guó)，乃至全球，這條路，都是獨(dú)一無(wú)二的。

彼時(shí)，美國(guó)有，中國(guó)抄。

那一輪，投資人拿和鯨和Kaggle做中美對(duì)標(biāo)，數(shù)據(jù)競(jìng)賽玩家拿“中國(guó)版Kaggle”指代和鯨。

Kaggle是什么？是全球最大的數(shù)據(jù)科學(xué)技術(shù)分享社區(qū)（在線分享代碼、項(xiàng)目和數(shù)據(jù)集等），創(chuàng)立于2010年?！癒aggle大神”是數(shù)據(jù)科學(xué)競(jìng)賽界頂禮膜拜的江湖稱謂，可見(jiàn)其地位之顯赫。

2017年，Kaggle被谷歌收購(gòu)，宣布收購(gòu)消息是彼時(shí)谷歌云首席科學(xué)家李飛飛。消息漂洋過(guò)海，范向偉耳邊都是：“賣(mài)給BAT，財(cái)富就自由”。

Kaggle被收購(gòu)上岸，和鯨去向何方？

范向偉不想“賣(mài)”公司，因?yàn)樗婚_(kāi)始就沒(méi)有“抄”。辦競(jìng)賽、搭平臺(tái)、建社區(qū)、出產(chǎn)品，全套拳法，天人合一。

到今天，真相大白了。因?yàn)闆](méi)得抄了，反而能看出來(lái)誰(shuí)在踏踏實(shí)實(shí)做數(shù)據(jù)科學(xué)的產(chǎn)品。

既然不被收購(gòu)，那接下來(lái)，路在何方？這個(gè)問(wèn)題，范向偉這幾年應(yīng)該被問(wèn)了無(wú)數(shù)次。當(dāng)年，有人說(shuō)Kaggle可以推出SaaS產(chǎn)品，因?yàn)樽プ×艘蝗邯?dú)特的、技術(shù)含量極高的、小眾的群體。這群人的需求，比中情局的情報(bào)還珍貴。

四年過(guò)去了，Kaggle始終沒(méi)有邁出這一步。被誤稱為“中國(guó)版Kaggle”的公司卻做到了。SaaS產(chǎn)品“數(shù)據(jù)科學(xué)云端協(xié)作工具”，并非誕生美國(guó)硅谷車(chē)庫(kù)，而誕生在中國(guó)人自己的數(shù)據(jù)科學(xué)社區(qū)。

如果它有口號(hào)的話，估計(jì)會(huì)和熊貓、雪豹、金絲猴“撞稿”：“我們誕生在中國(guó)?！北藭r(shí)，數(shù)據(jù)化浪潮開(kāi)天劈地，數(shù)據(jù)競(jìng)賽風(fēng)起云涌，范向偉從上海交通大學(xué)統(tǒng)計(jì)系的教室里緩步走出。他并不熱心于完成碩士學(xué)業(yè)，而是心心念念數(shù)據(jù)競(jìng)賽。興趣是最好的開(kāi)始，而同行者最是惺惺相惜。社區(qū)就是吸鐵石，把同類人“吸”在一起。

數(shù)據(jù)競(jìng)賽社區(qū)高手云集，人氣高，思路廣，不乏大量活躍者，貢獻(xiàn)算法、案例、數(shù)據(jù)集，吸引更多數(shù)據(jù)人才，武林高手齊聚光明頂，圍攻“挑戰(zhàn)性數(shù)據(jù)問(wèn)題”。

數(shù)據(jù)競(jìng)賽社區(qū)中國(guó)不止一家，阿里巴巴、百度都有，是不是論規(guī)模，定輸贏？范向偉的答案是否定的。

和鯨不只是數(shù)據(jù)競(jìng)賽舉辦方。別人僅僅是辦一場(chǎng)活動(dòng)，和鯨團(tuán)隊(duì)則在打磨產(chǎn)品——先做競(jìng)賽系統(tǒng)，再把整個(gè)競(jìng)賽系統(tǒng)SaaS化。他們做到了從人力運(yùn)營(yíng)轉(zhuǎn)換到競(jìng)賽產(chǎn)品。

范向偉說(shuō)：“多年前，比賽客戶就開(kāi)始自辦比賽了，我們只提供競(jìng)賽產(chǎn)品。比如華東師范大學(xué)，就是用和鯨的比賽系統(tǒng)直接辦比賽?！毖莼c進(jìn)化都是悄然發(fā)生的。

歌手唱：《想愛(ài)誰(shuí)你就去愛(ài)誰(shuí)》，范向偉說(shuō)：“想辦競(jìng)賽你就去辦競(jìng)賽”，下半句是：“給你工具就行了?！?/p>

中國(guó)移動(dòng)、中國(guó)電信、南方電網(wǎng)、中華醫(yī)學(xué)會(huì)、鵬城實(shí)驗(yàn)室、北京醫(yī)保局都來(lái)找和鯨辦數(shù)據(jù)競(jìng)賽，范向偉拿出產(chǎn)品——數(shù)據(jù)競(jìng)賽管理平臺(tái)。一面辦比賽，一面產(chǎn)品化。這是一件很有趣的事兒。

數(shù)據(jù)競(jìng)賽不崇尚孤膽英雄，團(tuán)隊(duì)作戰(zhàn)更為常見(jiàn)。一起寫(xiě)代碼，讓“協(xié)作”成為參賽選手的剛需。從那時(shí)開(kāi)始，像種子一樣的“協(xié)作”產(chǎn)品理念，已經(jīng)發(fā)芽了。數(shù)據(jù)競(jìng)賽系統(tǒng)突出競(jìng)賽，數(shù)據(jù)科學(xué)云端協(xié)作工具突出協(xié)同，兩個(gè)產(chǎn)品的底層模塊有共同之處。

首席產(chǎn)品官殷自強(qiáng)說(shuō)：“SaaS化是因?yàn)橛凶ナ郑覀儾庞袡C(jī)會(huì)摸索產(chǎn)品化的道路?！焙亡L社區(qū)打磨產(chǎn)品的方法是獨(dú)一無(wú)二的，類似開(kāi)源軟件的方法論，千手捉蟲(chóng)（bug）快，和真實(shí)需求的距離最近。

“有多近？”“和鯨團(tuán)隊(duì)的辦公室，是距離中國(guó)數(shù)據(jù)科學(xué)競(jìng)賽比賽現(xiàn)場(chǎng)最近的地方。”打磨，是SaaS產(chǎn)品的必由之路。

殷自強(qiáng)說(shuō)：“數(shù)據(jù)競(jìng)賽的價(jià)值是什么？這個(gè)問(wèn)題我們思考了五年，這五年來(lái)，我們辦了100多場(chǎng)比賽，100個(gè)不同的場(chǎng)景，100家不同的機(jī)構(gòu)，處理100個(gè)人工智能需求，100個(gè)機(jī)器學(xué)習(xí)需求，共性在哪？”

“直接給到客戶的，相當(dāng)于為客戶做定制開(kāi)發(fā)。某一模塊可能只是客戶唯一需求。對(duì)于高速迭代的工具平臺(tái)，這種先定制開(kāi)發(fā)，再產(chǎn)品化的模式會(huì)遇到很大的挑戰(zhàn)。”殷自強(qiáng)說(shuō)。

“和鯨的做法是，某個(gè)產(chǎn)品模塊上新，讓社區(qū)先使用?！鄙鐓^(qū)，是和鯨得天獨(dú)厚的寶地，是孫悟空的花果山，是哪咤的陳塘關(guān)。“比賽結(jié)束，一切都結(jié)束了，那是活動(dòng)營(yíng)銷(xiāo)公司的生意?！币笞詮?qiáng)補(bǔ)充說(shuō)。

這時(shí)候，有人質(zhì)疑，是不是和鯨的產(chǎn)品，只用于數(shù)據(jù)競(jìng)賽？答案并不是。

產(chǎn)品要在場(chǎng)景無(wú)數(shù)次驗(yàn)證大規(guī)模的需求，數(shù)據(jù)競(jìng)賽就是這樣的場(chǎng)景，證明產(chǎn)品是可以支撐千人同時(shí)在線編程。若論同時(shí)使用產(chǎn)品的人數(shù)，一家普通公司不可能比社區(qū)里的人多。

所以，和鯨的產(chǎn)品對(duì)客戶的服務(wù)，變成了降維滿足客戶需求。和鯨社區(qū)里的各色需求都被提煉成產(chǎn)品的迭代需求。這既是一種“折磨”，也是一種“幸福”。折磨受得越多，產(chǎn)品越成熟。很多時(shí)候，在和鯨辦公室里看見(jiàn)研發(fā)團(tuán)隊(duì)誰(shuí)的神情最焦灼，那人便是殷自強(qiáng)。

但是他說(shuō)這句話的時(shí)候充滿自信心：“從來(lái)沒(méi)有碰到過(guò)哪個(gè)公司的并發(fā)，把我們給卡住了。”

準(zhǔn)確判斷AI的技術(shù)趨勢(shì)

數(shù)據(jù)與AI的發(fā)展既強(qiáng)勢(shì)，又混沌。做數(shù)據(jù)和AI產(chǎn)品要對(duì)主流技術(shù)趨勢(shì)敏感，有判斷力。用范向偉的話說(shuō)就是：“數(shù)據(jù)科學(xué)已經(jīng)發(fā)展到第三階段（3.0），數(shù)據(jù)類型、基礎(chǔ)設(shè)施、分析工具和工程任務(wù)中的行為，發(fā)生巨大變化?！?/p>

一個(gè)軟件版本用N年的時(shí)代，已經(jīng)一去不復(fù)返了。殷自強(qiáng)自問(wèn)自答：“快速擴(kuò)容是一個(gè)里程碑。10臺(tái)變成100臺(tái)，1000臺(tái)變成10000臺(tái)，這種變化不能影響服務(wù)。支持大規(guī)模工程的能力，業(yè)界遲早要有，且大家都會(huì)去選最好的。這件事情，為什么不是我們來(lái)做？”當(dāng)K8s剛出1.0版本的時(shí)候，CTO和技術(shù)團(tuán)隊(duì)敏銳地關(guān)注了。

第一，發(fā)現(xiàn)大廠都選K8s，主流的大廠進(jìn)來(lái)，需求迅速變成現(xiàn)實(shí)。第二，K8s表現(xiàn)強(qiáng)勢(shì)，剛出來(lái)的時(shí)候還有一個(gè)叫Swarm的一套技術(shù)，也能解決彈性控制的問(wèn)題，但還是被K8s快速淘汰掉了。第三，K8s是開(kāi)源的。人工智能界的好東西，很多都開(kāi)源了。

判斷結(jié)論有了：K8s有優(yōu)勢(shì)，會(huì)帶來(lái)一波變化，那就抓住它。產(chǎn)品好是一個(gè)大概念，有很多“訣竅”是外行人難以察覺(jué)的。

SaaS產(chǎn)品，不唯技術(shù)論英雄

江湖有一種迷信，似乎只要算法高超，就勝券在握。但是，傳統(tǒng)機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法各有優(yōu)勢(shì)，各有用途。

大規(guī)模深度學(xué)習(xí)已是貴族游戲了，只有工業(yè)界的頭部大公司才可以承受，鯉魚(yú)躍龍門(mén)般的高門(mén)檻限制了創(chuàng)新探索和整體發(fā)展。比起深度學(xué)習(xí)，數(shù)據(jù)分析“身價(jià)平平”。

但是，江湖有云，欲練上乘劍法，不限招式多寡?！兑刑焱例堄洝樊?dāng)中，孤鴻子和楊逍比武，楊逍奪走孤鴻子的倚天劍又扔還。殺傷力不大，侮辱性極強(qiáng)。

楊逍拿著劍冷笑道：“倚天劍，好大的名氣！在我眼中，卻如廢銅廢鐵一般！”孤鴻子對(duì)兵器盲目迷信。楊逍就不信這個(gè)邪。

算法和產(chǎn)品都是工具，工具的存在，是為了解決問(wèn)題。在“解決問(wèn)題”這個(gè)終極任務(wù)面前，人的智慧極為重要，不能過(guò)分夸大工具的威力。

范向偉說(shuō)：“我們判斷數(shù)據(jù)分析的場(chǎng)景價(jià)值更大一些，或者是說(shuō)，要做AI，首先要從數(shù)據(jù)分析起步。單獨(dú)看技術(shù)難度，數(shù)據(jù)分析肯定簡(jiǎn)單，但是不能說(shuō)價(jià)值低，要做好數(shù)據(jù)分析，一樣充滿挑戰(zhàn)，需要發(fā)掘人的價(jià)值、解決人的問(wèn)題?！?/p>

倚天劍不能擊敗所有對(duì)手，深度學(xué)習(xí)也不能。范向偉認(rèn)為，在企業(yè)中，最難處理的問(wèn)題，永遠(yuǎn)是人的問(wèn)題。他堅(jiān)信，人是一切問(wèn)題的根源，也是一切辦法的支點(diǎn)。

所以，當(dāng)和鯨團(tuán)隊(duì)意識(shí)到這個(gè)問(wèn)題的重要性的時(shí)候，產(chǎn)品邏輯了然于胸——數(shù)據(jù)科學(xué)云端協(xié)作工具，也就是和鯨的ModelWhale。他說(shuō)：“數(shù)據(jù)科學(xué)家彼此之間的協(xié)同，是權(quán)利責(zé)任、資源分配、分工協(xié)同、過(guò)程追蹤、成果整合的問(wèn)題。產(chǎn)品定位，立足于此?！?/p>

“人才和管理，是數(shù)據(jù)產(chǎn)品和AI產(chǎn)品落地過(guò)程中隱形大坑?！边@句話應(yīng)該寫(xiě)在《AI避坑逃生指南》的第一頁(yè)。

明槍易躲，暗坑難防。近幾年，最知名的數(shù)據(jù)產(chǎn)品，莫過(guò)于數(shù)據(jù)中臺(tái)。一個(gè)數(shù)據(jù)中臺(tái)的實(shí)施與落地，牽扯企業(yè)組織變革、資源變革、流程變革……一場(chǎng)變革尚且窮盡其力，如此多的變革，讓一款產(chǎn)品，難負(fù)其重。這是數(shù)字化改革的“深水區(qū)”，觸動(dòng)了很多人的深層次利益。

某公司中層干部的內(nèi)心獨(dú)白是：“我們部門(mén)的私有數(shù)據(jù)，是私有資產(chǎn)，為啥要和隔壁部門(mén)共享。年終獎(jiǎng)拱手讓人嘛？”數(shù)據(jù)工具的先進(jìn)性，并不能解決人類思維的慣性。

產(chǎn)品邏輯的背后，是產(chǎn)品理念、企業(yè)的理念，以及創(chuàng)始團(tuán)隊(duì)的信仰。數(shù)據(jù)協(xié)作工具這一類型的產(chǎn)品猛地聽(tīng)起來(lái)，并不容易理解。而范向偉則認(rèn)為這是最好的“工具”。

“數(shù)據(jù)思維”狠狠告別“原始年代”，也是個(gè)體的必然選擇。培訓(xùn)拯救不了焦慮，數(shù)據(jù)科學(xué)唯有從動(dòng)手開(kāi)始。

殷自強(qiáng)說(shuō)：“我們也在做拖拉拽系統(tǒng)，降低門(mén)檻，降低畏懼情緒?！?/p>

“同時(shí)，也思考用戶快速搭建分析框架（框架包括，觀察數(shù)據(jù)分布、提取特征、測(cè)試模型、評(píng)估效果），完善代碼，并調(diào)整成能提高模型準(zhǔn)確率和業(yè)務(wù)相關(guān)性的成果（報(bào)告或模型）?！遍T(mén)檻的高度是一個(gè)比較值，不是一個(gè)絕對(duì)值。自2017年起，范向偉就一直拿學(xué)英語(yǔ)這件事情打比方。他說(shuō)：“七八十年代，國(guó)民整體英語(yǔ)水平偏低，英語(yǔ)翻譯很吃香。近十年，英語(yǔ)普及得較好，英語(yǔ)能力不再是一種稀缺能力?！?/p>

以前，學(xué)英語(yǔ)。如今，學(xué)數(shù)據(jù)科學(xué)。

范向偉也談到了5年以來(lái)的觀察：“5年前，用戶絕大多數(shù)是計(jì)算機(jī)專業(yè)背景，因?yàn)榫幊淌乔瞄T(mén)磚?，F(xiàn)在，很多社會(huì)科學(xué)學(xué)院、大氣科學(xué)學(xué)院、商學(xué)院、醫(yī)學(xué)院背景的人已經(jīng)離不開(kāi)數(shù)據(jù)科學(xué)的工具了。”這個(gè)變化，符合幾年前他的判斷。他說(shuō)：“我們跟隨行業(yè)的腳步，很多人在社區(qū)里成長(zhǎng)，努力培養(yǎng)數(shù)據(jù)思維，學(xué)以致用。和鯨團(tuán)隊(duì)不相信，只靠類似AI全家桶的產(chǎn)品，就能解決產(chǎn)業(yè)里無(wú)法窮盡的問(wèn)題。”

將視野放寬到行業(yè)，那些做數(shù)據(jù)科學(xué)產(chǎn)品與AI產(chǎn)品的中國(guó)SaaS廠商，幫客戶把算法都搞定了，變成一個(gè)普通業(yè)務(wù)員工能去用的工具。

范向偉認(rèn)為：這是過(guò)度“封裝”，容易陷入局部最優(yōu)的陷阱，長(zhǎng)期看來(lái)，難以迭代，拓展和復(fù)用。企業(yè)業(yè)務(wù)是動(dòng)態(tài)變化的，數(shù)據(jù)的用法是動(dòng)態(tài)變化的。有，且只有：業(yè)務(wù)員越具備數(shù)據(jù)思維的時(shí)候，越利用得好數(shù)據(jù)，才會(huì)把數(shù)據(jù)的價(jià)值滲透到毛細(xì)血管級(jí)別的場(chǎng)景里面去。

《AI避坑逃生指南》認(rèn)為：定位數(shù)據(jù)與人工智能類的企業(yè)級(jí)產(chǎn)品，有兩個(gè)大坑。首先是，工具類的產(chǎn)品都是賦能千行百業(yè)的，石油、電力、交通等，大多數(shù)情況下創(chuàng)業(yè)者自己不是核心用戶，你滿足的是別人的需求，無(wú)法得知客戶的真實(shí)需求，容易踏進(jìn)主觀臆斷的坑。其次是，訂單合同金額較高，碰到大的項(xiàng)目，客戶必定有定制化的需求，標(biāo)準(zhǔn)化產(chǎn)品賣(mài)不進(jìn)去。屈從定制，團(tuán)隊(duì)和人力就搭進(jìn)去了，容易踏進(jìn)人力資源外包公司的坑。

如今的和鯨是國(guó)家氣象信息中心國(guó)家級(jí)工程——?dú)庀蟠髷?shù)據(jù)云平臺(tái)（“天擎”）數(shù)據(jù)挖掘分析系統(tǒng)支撐方。和鯨做了哪些準(zhǔn)備？第一，洞悉了客戶需求的“水晶球”，第二，做到了產(chǎn)品通用性的厚積薄發(fā)。