9月27日-28日，由钛媒体与ITValue共同主办的2022全球数字价值峰会深圳站在深圳星河·领创天下举行。此次峰会以“复苏与可持续发展”为主题，聚焦“数据”议题，从数据驱动业务转型、数据交易、数据营销、产融结合、供应链创新等多方位探讨数字化经济大潮下，“数据掘金”的新突破口。

会上，钛媒体集团联合创始人、ITValue发起理事万宁对话海松资本高级副总裁李阳、惟客数据创始人兼CEO李柯辰、中集集团CIO潘进杰、阿尔法公社创始合伙人、CEO 许四清、初心资本合伙人许旸洋，针对如何面对数字创新、企业内部进行以数据为目标的创新会遇到哪些难点、如何看待数据创新的市场变化等进行了深入讨论。

在中集集团CIO潘进杰看来，企业数字创新过程中，从集团而言，业务扩展通过整合并购不可避免，由于并购企业的系统不尽相同，数据标准不一致，导致数据价值挖掘的难度增加。此外，中集集团业务多元，分层管理下，以及集团内部存在竞争，数据归属，则是另一个挑战。

“大家对试错和创新的包容度，包括企业内部对它的包容度很重要。”惟客数据创始人兼CEO李柯辰认为现在数字化转型道路不像以前有可以复制的对象，哪怕在营销领域都没有固定标准，只能靠自己摸索，企业数字创新的挑战之一来源于场景化试错的包容度。

阿尔法公社创始合伙人、CEO 许四清分享，天使投资要准星前移才能有机会。中国有大量的IT用户，有大量用户，包括高级别的用户抱怨解决能力和供应能力的不足，中国的使用者和供应者就像一个腰鼓集中在两端，缺乏一个平台把垂直领域中各种各样的解决方案能力沉淀成各种产品。

海松资本高级副总裁李阳很认可生态，觉得国内如果只投一个小的方向以小搏大，在数据创新方面还是比较难，比较合适的是把大行业或者大的标杆客户拉来一起做生态，大的标杆客户想做的事情非常多，但全靠自己的能力做不完，和它一起打磨这个产品、这个系统，未来所谓的规模化复制是一种比较好的逻辑。

初心资本合伙人许旸洋观察到，不同的销售模式带来了不同的产品复杂度和产品易用性，以及产品数据层面的不同点。比如To CIO的解决方案，这类项目周期长，客单价高，对于能力要求也非常高，如果深度合作，这类大KA可以给专业化服务商提供每年千万级的收入。而当产品直接面向业务人员时，则更结果导向，需要直观展现产品可以带来什么可量化的积极结果。

以下为主题讨论实录，经钛媒体整理：

万宁：当一个企业数字创新的时候，其实会走向由实到虚，再由虚反哺实体的管理，中集遇到哪些问题？

潘进杰：我们遇到的困难分为几个方面：第一，中集集团去年实现了1600亿的收入，董事长宣告在未来五年要实现3800亿的销售收入，我们有更多的整合并购会发生，在整合并购里很难排除并购的企业与你用的系统是否相同，更不要说数据标准，所以在大型的企业发展过程中，一旦遇到大的整合并购，数据质量的标准如果不一致，挖掘价值就非常困难；第二，关于增长方面，中集集团面临一个问题，公司是分层管理多元化的企业集团，这代表着企业在集团内部有很多的合作和竞争，甚至在板块内的很多企业是有竞争的，竞争中存在数据归属问题。同时，集团本身有很多的上市公司，上市公司有自己的管理办法，集团公司代表着大股东，对数据的拥有权，以及数据本身的排他性问题。

万宁：可以看到随着业务更多在向数据化转型，我们面对的挑战非常多，惟客围绕营销做了一些工作，惟客又如何回答在企业内部进行以数据为目标的创新会遇到哪些难点？

李柯辰：今天所讲的做数字化，特别是对数据的利用，其实在中国已经进入了“无人区”。如果非要说挑战，大家对试错和创新的包容度，包括企业内部对它的包容度很重要。我们做数字化、业务标准和数字化内部管理，需要保证数据达到业务的标准才能做建设。以往国外的ERP都有工业的标准，而今天中国消费互联网和移动互联网的发展一定程度上赶上了世界的企业，对比以往的标准，如今中国哪怕做营销领域，去海外跟Salesforce对比，依然无法复制它，因为海外还没有国内复杂，这个时候发现没有标准，没有复制的对象，只能靠自己摸索探索，所以场景化试错的包容度，以及数据可采集和可应用的范围，这会是一个比较大的挑战。

万宁：的确，现在随着企业规模的不断放大，包括我们从整合并购到数据标准，会看到非常多的创新机会，许总也投入了很多类似的项目，站在一个全维度上，作为一个投资人怎么看现在数据创新市场的变化？

许四清：本次会议讨论的主题是资本驱动数据创新，我觉得是互相驱动的关系。举一个例子，我们最近投资了一个团队，和团队的关系实际是伙伴关系，该团队有600项专利，贡献了11项国际电联的标准。他们做的是协同算力网络，具备两个特性，一是把共网上点对点的传输速率提高10倍，而是绝对的安全性，理论上只能用量子计算的能力来破解。

技术创新已经摆在那里了，如何找到商用场景很关键。我们和创始人多次“密谋”，好几次到凌晨两三点，谈这个大场景是什么，最后确认一个场景就是东数西算。大量的数据在东边，比如说平安、迈瑞的数据，拿到西边算。我以前管过数据，数据的传输是个大问题，举个例子，数据中心出问题时，或者关键时刻数据不行，人要带着硬盘飞过去，因为公网的数据传输慢且不可靠。现在这么多数据放在西边算、东边拿，安全性怎么保证？我们确定了这个之后很兴奋，觉得这是一个革命性的商业创新，这是资本和创新互相驱动的结果。

万宁：我们看到了资本也开始提出“共赢共享”，我们观察到，通过业务场景进行数字化项目，成为资本关注的赛道，初心资本也投了很多项目，并开始在企业内部进行孵化，想请问许旸洋总，资本是不是可以快速介入到基于数据创新的潮流上？

许旸洋：初心在整个数据赛道的布局思路，可以分为几大类。首先，从客户体量上可以有明显的切分，例如台上在座的各位嘉宾不管是迈瑞还是中集，都属于超大KA，对于这一类客户，是To CIO的解决方案，这类项目周期长，客单价较高，同时对供应商的能力要求也非常高。有一批公司聚焦在这个领域，专门帮助大公司深度推进数字化进程，从资本的视角，如果一家公司可以和大KA客户达成深度合作，保守估计可以为专业化服务商提供每年千万级的收入。

KA客户的下一层是结构更精简的数百人的中等体量客户，这类公司一般尚未设立CIO的职位，更多是To CTO的销售，让每个开发者具有更强的数据能力。To CTO的销售，会遇到包括数据溯源、数据归属在内的很多的问题，通过新的技术形态，可以采用更灵活的架构或更轻量的部署做。

初心观察到近几年市场上的新现象——直接To业务人员的软件。面向业务人员的软件更结果导向，可以直观展示产品带来的可以量化的积极结果，而不是复杂的流程。同时更加贴近业务本身，能够让让一个业务骨干也有做核心业务数据分析的能力。

这几类不同的销售模式带来了不同的产品复杂度和产品易用性，都是初心会积关注的方向。

万宁：想请问李总，海松资本是怎么看待围绕企业数字化大场景下的创新，以及对这个创新项目你们的介入是怎样的？

李阳：海松是一个管理规模200多亿的基金，人民币和美元的打法是完全不同的，我们谈到数据就不可不说数据链条是非常长的，从前期的数据搜集到数据分析、数据运营、数据整理、数据清洗，到后面用一些AI算法支持数据决策，甚至是数据反哺业务的发展，路径非常长，前面的偏数据搜集、采集、分析的部分，我理解很多机会是偏人民币的机会，是传统行业的升级，传统行业原来就没有数据，甚至谈不上数字化，只是信息化到数字化转型的过程中。美元机构关注很多很好的机会，像前几年非常火的RPA、低代码之类的，是比较宏观比较长的故事，到数据的决策或者数据直接影响业务，这些是非常靠后的，现在还实现不了，我理解的美元和人民币的投资方向不太一样。

举一个例子，拿生产资料和生产力来说，原来没有数据积累的概念，数据积累就是在积累生产资料，后面如果真的智能化，从信息化到智能化，上到第三个台阶，才是生产力，是质的变化。前面的部分是慢工出细活，就像农民种地，我囤了很多的地和种子，一直在播种、浇水、锄地，过了一年是不是能丰收，这是有风险的，我前面都是投入，这是基础建设，资本投资就是看是不是能承担这个风险，后面如果直接到决策这一点，有可能市场太小，机会太小，如果赌中了，一个大的市场机遇就起来了，赌不中就变成一个非常小的投资。

万宁：潘总，不管是并购还是集团层面，围绕数据的全部链条，其实会有很多的需求，在这个过程中你的观察是什么？这些企业有没有已经帮助中集在数据创新上支持实现一些业务？或者你认为还没能达到你的要求，我想听听你的反馈。

潘进杰：中集集团是以制造业为主的企业，谈到数据分析，在工业领域中，如果我们用全球灯塔工厂或者麦肯锡的数据标准，它有五层架构，从底层的采集到连接，再到治理，这三层东西，底层的东西，资本没有什么好投的，到第五层分析应用机会巨大。在工业里有几个赛道非常重要，首先就是关键工艺的改善，去年提到了冷藏箱、发泡箱的工艺，靠传统是解决不了的，有大量人工智能、机器学习的能力，我个人的浅见是这样，对工具类企业不是很在意。如果在某一个细分领域做得很深，比如说质检，通过数据的积累或者预测性维修的能力，当你有一个智能产品，就像一个成员企业做的智能停车库，是用AGV的方式停车，很明显在这样的场景中，车库本身高效稳定非常必要，在深圳的一个大巴车库是由我们组建的，很难想象如果车库坏掉的话，整个城市的出行会不会出现问题。

从数据创新来说，在工业领域，我们有太多需要透过数据本身来驱动，或者用数据来决策的，在这个细分领域，能力、专家团队对我们非常有价值，我们在大KA这方面的能力很薄弱，特别希望结合生态圈行业里的人一起搭建，而不是靠一个单体企业来养一帮人解决。特别是在多元板块下，更多是从集团的角度来定义一些标准，把数据和平台定义清楚，后面基于平台的能力，会需要更多的生态伙伴，在关键工艺的改善、产品的智能化、预测性维修或者运营上，可以给我们一个解决方案，有很多通过数据化的方式把环保、安全做得更高效，这些都是细分领域的公司是非常重要的。

万宁：从用户的角度，虽然我们也把它定义为KA，到一个具体的细分业务场景，颗粒度很小，作为资本，你们会怎么看待这样的发展？从更大的场景来看，在中国的创新环境中现在是什么样的阶段？

李阳：我讲两个资本的逻辑。第一个，因为我们是从TMT早几年看投资，现在copy to China的逻辑在To B的软件服务领域是不行的，因为中国和美国的环境不一样，所以做本地化有非常大的机会，而且中国人民吃苦耐劳的精神在WTO以后显示出非常突出，我们有很深的感受，2000年到2010年外企蓬勃发展的阶段，现在可以看到很多创业企业都是原来在SAP、Oracle这种大公司公司出来创业，他们有深刻的对行业的理解，清晰地知道行业的痛点，他们对行业的把握非常深，这方向的创业有非常大的机会。

第二个，我很认可生态，国内如果只投一个小的方向以小搏大，在数据创新方面还是比较难，比较合适的是把大行业或者大的标杆客户拉来一起做生态，大的标杆客户想做的事情非常多，但全靠自己的能力做不完，我和它一起打磨这个产品、这个系统，未来所谓的规模化复制是一种比较好的逻辑。

万宁：阿尔法公社的特点是重度帮助创业者和企业，这样的生态是需要很多投资机构沉浸参与其中，你们是怎么在这方面推进进程的？

许四清：我们做天使投资的要准星前移才有机会，而且必须对产业深入了解，我讲两点：

第一，从宏观的角度来看，美国软件行业的集中在大平台、通用软件方面，通用软件占据了营业收入的九成。在国内很不一样，更多的软件公司是垂直应用端，从上市公司的规模看，通用软件和垂直软件大约五五开。这个有历史成因，平台性的美国都做了，如微软、SAP、Oracle，中国的公司大多只能从垂直领域下手。这是客观的条件，导致中国和美国的创新模式在数字领域是不太一样的，我们更多面向垂直领域。

第二，从微观的角度来看，中国有大量的应用场景，就像今天在座的迈瑞、中集这样高级别的用户都在抱怨解决能力不足、供应能力不足。还有一帮人也有极强的痛点，就是服务提供者不知道怎么卖给这样的用户。中国的使用者和供应者就像一个腰鼓，集中在两端，购买能力在一端，供应能力在另外一端，供应能力见不到购买能力，缺一个平台把垂直领域中各种各样的解决方案能力沉淀成各种产品。在座的飞书也介绍了很多非常好的解决方案，飞书是生态环境，有大量的解决方案，有能力帮助两端对接。钛媒体做得也很好，数字价值峰会是个大平台，供需参与者每年见面聚会，像朋友一样交流，大家没有太强的戒备心，极大的促进了两端的对接。

万宁：我特别欢迎在座各位都来数字价值观察室，让腰鼓两端的人同台讨论，请问初心资本许总，如果我们也开出这样一个场景，你们会怎么看待数字价值观察室做的这件事，真正地帮助KA级或者超KA级的公司看我们的创新产品？

许旸洋：总体来说，初心在一线接触到很多刚刚涌现，尚未成熟，但视角独到的有意思的机会。在数据行业的链条上，初心围绕三类角色看到了不同的机会：

第一，数据处理的前端的数据治理和准备方面，主要是希望能代替数仓工程师和数仓分析师，很多新公司面对的问题是招不到优质的数仓人才，一方面因为成本高昂，另一方面这批人才有一定的技术追求，想去更大的平台，又贵又难招是很现实的问题，所以我们看到有很多创业公司想帮公司解决数仓人才问题。假如公司养不起8-10人，年成本在300-400万的数仓工程师团队，但可以用一个更轻量级的方案代替，不虽然没有最顶尖的人，但让公司在30%的成本下能拥有70%-80%顶尖人才的能力。这是我们在数据处理前端看到的公司看到的机会。

第二，数据处理的后端，数据分析与数据展示，我们接触了很多一线的数据分析师和业务人员，数据分析师面临的问题是，虽然有看似一应俱全的国内外的数据分析工具，但要做出高质量的数据分析报告仍然非常依靠资深的数据分析师。一个年轻的数据分析师，尽管有大量的工具但也很难做出有价值的东西，本质还是说明数据分析工具这个市场仍然还有创新的空间，能够真正赋能初级数据分析师，做到半自动化的分析，尽可能摆脱人的瓶颈。

第三，与数据分析师不同，业务人员面临的问题更加直接。绝大部分公司里业务人员数据分析的需求和数据分析师团队提供的供给是大幅错配的：业务人员找到数据分析师团队帮忙，反馈周期链条很长，短则一两周，长则一个月。因此，初心也注意到有一批公司正在做把业务需求的分析做更好地消化和承接，让有数据分析需求的业务人员直接使用数据产品就可以得到数据决策支持。

除了这三个在数据领域偏基础层的机会。初心也很关注刚刚提到的生态问题，关注数据和垂直行业交叉背景的机会，比如工业场景ERP的渗透率只有20%-30%，但也已经开始有公司在工业领域中做交叉学科的创新，把数据，人工智能的能力和特定的工业场景紧密结合，帮助制造业企业实现数字化的落地。

万宁：我想问一下柯辰，之前当过CIO，知道企业需要什么，在未来中国企业围绕数字化和数据创新业务方面，你会给大家什么样的建议？

李柯辰：作为一个创业者，我始终处于客户和投资人之间。目前能负责数据治理的人才难求，而单靠人力去完成的企业数据治理模式也不够标准化，无法获得投资人的青睐。

惟客在数据治理方面有自己的路径。起初是专业服务KA客户，属于项目驱动，一定要找好的公司、好的场景，去摸索场景里的标准，即便没有标准，至少让我们提高做这个事情的认知，让完成事情的效率变得更高。在产品化上，我可能会做一些贴合业务的事情，这个事情能给企业带来一些业务上价值。

还有，在产品里提出一些亮点，就像潘总提到的，比如我做这个行业，因为做了十个头部客户，我的算法模型在里面是最优的，我们会帮助客户筛选线索，并且筛选准确度是最高的，别人可能是92%，我是92.5%。本身服务KA客户，可能是从项目到产品，最后到技术驱动的过程，因为一旦形成技术驱动以后，就避免了大厂对你的挑战。

我们为什么会选择从项目开始？因为我们只能先去干大厂不愿意干的”脏乱差“的活，只有这么一个空间，而且只有在这个空间里找到符合企业价值的产品，最后找到一些场景，才能让你立于不败之地。我认为做To B企业还有一个最好的竞争力，就是案例，你最好把一个产业打透。

从创新来说，如果企业做数据的方向分为大数据和数据的方向，这里面产生创新的价值非常难，因为毕竟不是做芯片，最终就是数据模型。如果是小数据的话，可能和自身对行业的理解有关系；如果是基于大数据的模型，就像刚刚说的统筹学，比如在中集集团可能会有拉货柜路径，能够帮企业节能，包括药明康德，企业有那么多药品实验窗，如何更有效地利用这些实验窗，借助业务和统筹学的应用，能够做得更好。

还有一类，从算法技术类来讲，推荐算法、人脸识别需要大量的数据来训练模型，这种场景更适合公司垂类到某一个行业里，解决这个行业的问题。如我在这个行业里做了五个、十个客户，我“训练”和“接触”过的场景比别人更多。从企业数据应用的维度来讲，其实我也是更倾向于从业务价值场景来倒推创新应用，而不是简单地从底座来看。

目前我在企业里看到两种视角，一种是偏IT的视角，我先构建一个比较好的底座，未来在上面“长”任何东西都可以，还有一种方式是我能找到具体场景的业务价值，通过业务价值来逐步迭代平台和场景，我们目前的做法更偏向后者。

万宁：只要选对了一个场景，选对了路径的方式，你会最终赢得资本市场对你的支持，最终获得中国数据创新大的市场中的立身之地。再次谢谢各位的倾情参与！ (本文首发钛媒体APP，作者 | 苏黎）