稀缺到平凡,是一个规模化的过程,技术创业促成这一个“技术大众化”的变化,就面向了更多的客户群体。以数据科学为例,市场已经进入到 “单例/局部” -> “集成/全局”的创新通道上,不是说单例和局部的优化没有价值,而是说当前的情况下,从集成和全局的视角出发,性价比更好。

使用越简单,客户群体越大

开发算法是数据科学家的工作领域,需要极高的学术能力;使用算法,是数据工程师的领域,需要极高的行业垂直认知。通常认为数据科学家的人数更少,难度更高,实际上深入行业的“高工”人数更为稀少,我们所看到的“大量”工程师,是指从事相对“高工”来说,更简单工作的。

随着使用难度的降低,客户群体会逐渐变大,这是对技术创新的奖励,属于“技术下沉”带来的红利。

每种“技术下沉”,都有对应的方法

方法代表
AI增强的类问答交互Magic BI、北极数据、……
低代码图形界面海致BDP
Excel类交互界面维格表
领域专用语言Kur、Gen、Byzer、SQLFlow……
算法工程化机器学习框架/机器学习平台
  1. 算法工程化,如机器学习框架(封装多种算法)/机器学习平台(封装算法和资源)

    • 稀缺的算法能力 -> 普通工程师,例:国产机器学习框架oneflow
    • 稀缺的工程能力 -> 算法开发者
  2. 语言,有两类分支

    • 开发一种领域专用语言,降低使用算法或工程化的难度,如

      • Kur,一种深度学习专用语言
      • Gen,MIT提出的AI专用编程语言
    • 已有语言的能力拓展,让客户群使用熟悉的技术栈进入新的技术领域,如让数据分析师具备数据模型的能力

      • Byzer,类SQL语言,用于数据智能
      • SQLFlow,类SQL语言,用于数据AI
  3. 低代码/无代码,让具备一定逻辑能力的业务方,进行简单数据开发,也可以是提高数据分析师和工程师工作效率的工具

    • 海致BDP
  4. 创新型BI,通常基于NLP等技术,通过近似问答的方式,由AI自动输出数据智能结果,直接将数据能力下沉到一线的业务人员

    • MagicBI,AI驱动和搜索式的下一代智能分析平台
    • 北极数据,增强型数据分析工具

每个方法都有受众,只是多寡不同

一种技术能力扩散到更广泛的客户群,都伴随着降低准确性、牺牲效率、舍弃高难度能力的代价,从目前的市场趋势看,创业机会的分布是哑铃状的,底层框架难度大,成功后价值高,有垄断效果;应用层的增长型BI客户群基数大,收费更容易;而中间的语言类和低代码类,更多像是实现框架或数据应用的工具,需要投入更多运营资源,才有机会形成规模。

标签: none