和鲸科技创始人兼CEO 范向伟

如何解放数据科学家的生产力?

“就像设计师要使用Photoshop来做好看的图片,而对于数据分析师、数据科学家这个群体来说,他们也要利用工具要把数据加工成不同的业务场景所需要的模型、可视化报表以及数据化图表。” 范向伟介绍。据悉,和鲸科技自主研发的数据协作工具已经服务了一批各行业的顶尖客户,包括中国联通、中国平安、招商银行、腾讯、百度、携程、IBM、华为、南京市政府等。

目前清华大学、北京大学、中国人民大学、上海交通大学、浙江大学等知名院校已采用K-Lab进行数据科学与人工智能的教学与实训平台。为了解决企业的数据化需求,和鲸科技还打造了数据科学平台的工具体系,为数据工作者提供数据分析及AI开发协作工具。

做数据科学界的“Uber”

目前,和鲸社区(heywhale.com)是国内规模最大的专业第三方数据科学社区,聚集了超过5万的数据智能人才,与其它社区相比,数据科学社区不仅具备分享和交流功能,还提供了众多比赛、项目、数据集和实训等丰富内容,不同领域的人才在这里协同,解决前沿问题,探索创新想法。可以说和鲸社区既是人才交流的平台,同时也是一个开放式创新的平台。

“用通俗化的解释,有了社区+工具支撑的开放式创新平台就类似于数据科学服务领域的Uber模式。企业现在越来越重视AI研发和数据化建模,但这样的高端人才在全世界都是非常稀缺的。我们把全国乃至全球范围的数据人才聚集在一个平台上,通过对接企业的开放化的需求,以数据竞赛和协同研发模式,帮助企业远程解决多样化、创新化、复杂的建模和数据分析的任务。”范向伟说。

全民普及数据文化

大数据和AI的趋势下,传统的IT角色纷纷面临转型。运维工程师、安全工程师、数据库工程师等岗位需要技能升级,变成半个AI工程师或者半个数据科学家,而业务人员也应该转变理念,用数据化的思维去设计产品,利用简单、易用的数据化方法来指导业务运营。

借助“社区+平台+工具”的优势,和鲸科技能够从上至下建立数据驱动的企业文化和企业能力,让数据更大程度地赋能业务。

“以一家拥有上万名员工的金融机构客户为例,他们不只是希望购买某个报表软件,或者获得一个更加好用的Excel,而是打造一个更强大的数据科学部门,提升数据科学的生产效率,并让业务部门也参与进来,加强数据科学对业务的赋能。” 范向伟说。这家金融机构通过与和鲸科技的合作,建立数据科学平台来组织内部的开放式比赛和培训,包括面向全体员工的数据科学比赛,以及面向业务人员的培训,让员工每年定期参与到数据科学的活动中来。

在范向伟看来,和鲸科技所做的事是让数据科学家的工作成果以社区化的形式被记录和承载,让其他需要数据分析服务的业务部门看到,更高层的领导也能了解到,促进更多跨部门、跨层级的合作,并帮助企业员工从传统人才向新型数字化人才转型,构建面向未来的跨层级、跨职能的人才池。 

选择AWS的理由

作为一家SaaS平台服务商,和鲸科技的数据科学工具选择了AWS作为云服务供应商,看中是AWS的稳定性以及技术创新能力。

“数据科学服务其实是在企业中利用云技术最多的场景之一。AWS产品的稳定性、API完善度相比其他平台有优势。使用AWS后,软件开发时间从6个月降到了3个月。”范向伟指出。

此外,AWS相比其他云厂商更关注研发创新,而这对于和鲸科技这样的科创公司来说,就显得很重要。

“我们本身是非常强调科技创新,要用最新的技术去服务客户,保持产品领先性。而这些技术在云计算厂商之间是有一定的时间差的,往往是AWS最早把这个能力提供出来的,其他的云计算厂商开始跟进。这种时间差对于我们来说特别宝贵,甚至决定了能不能在行业中赚到钱。选择AWS,我们就降低了自身保持领先性的成本。”

数据思维是刚需

展望未来,数据思维将成为企业必备的思维方式,会有越来越多的公司利用数据来贯穿着所有的决策流程。

“在北美,像高盛和摩根士丹利这样的公司会面向全体员工进行数据能力的培训,平时开会的时候尽量能够用数据化的方式提出问题,解决问题。这甚至已经内化到他们的政治、经济、文化和教育之中了。用户、客户、库存、流量、预算、单位客户成本、单位维护成本,所有这些要素都能以数据科学语言来描述,实现量化和数字化。”

当下,国内对于数据资产的利用还处于起步阶段,这恰恰也是和鲸科技的市场机会。“在数据智能的领域,和鲸帮助企业做好转型升级,也帮助更多的个体参与这场数据驱动的产业变革之中。”范向伟说。

【凡本网注明来源非中国IDC圈的作品,均转载自其它媒体,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。】

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党