经过3年以上的发展，各类大数据to B服务都已在中国初具规模。他们或扎根互联网，为“云时代”以前的互联网公司提供了云上工作的方式；或立足垂直行业，用互联网给这些亟待升级的“传统行业”赋能。
虽然数据创业公司颇有一些，且无论做SaaS还是做外包服务都已相当成熟，“数据可视化”却仍是较为薄弱的环节。来自美国的可视化服务在中国尝到了最初的甜头，而土生土长的数据可视化公司，比如DataHunter，也逐渐迎来了最好的发展时机。DataHunter于4月初宣布，他们获得了来自Ventech China银泰资本的数千万A轮融资，并走上了开拓更多行业的快车道。
“公司成立于2014年，我们在2016年才开展现在的业务，还不到两年，”DataHunter创始人程凯征表示，“也不是没有意义。在to B市场，用户选择服务时会看企业的资历比如存续时间。”他开玩笑地说，如果是2016年刚成立的公司，业务开展可能会困难一些。
程凯征说，数据领域很细分，大家讨论时经常混为一谈，这样就造成了一些误会。比如最典型的是，许多服务企业市场的数据公司，也稀里糊涂地上了“大数据”风口，但这是个严重的误判。
实际上企业市场的数据谈不上大数据。很多时候，就一家企业而言，数据规模是很有限的。在业务数据的范畴，一家企业拿出的往往只是“小数据”。
“不过大数据这个词对企业市场倒是起了很强的教育意义。很多企业一下子意识到，数据是有价值的。这也给我们这些做数据服务的公司带来了机会，”程凯征说，“即便是小数据，在to B的数据服务出现之前，也有很多公司自己在拿它们做些事情，只不过没有‘大数据’这个帽子，听着没那么厉害。价值肯定是有价值的。”
数据服务被细分成很多行业，比如数据采集、数据的存储和加工、数据分析，而DataHunter做的则是最前端的数据可视化。如果把数据分成“给机器用”和“给人用”，可视化就是给人用的数据，容易理解其位于数据产业的最下游，与人工智能领域的人机交互类似。程凯征说，之所以选择这个领域，一是因为遍观中国市场，可视化的竞争没有那么激烈，“没做过的人往往误判这块没有技术含量、深度不足”；而是可视化服务在中国还比较好卖。
看不到的东西是最难卖的东西。看上去越好，就容易卖。对我们而言是这样，对使用我们服务的企业，他们拿给用户“看得见的东西”，也是一个道理。
数据可视化当然不是“技术含量低”的领域。实际上，可视化本身也可细化为许多步骤，比如本身处于数据产业前端的数据可视化，其最“前端”的工序，是数据可视化的呈现，而在那之后则是数据可视化的分析。
“数据可视化的呈现，有很多业务实际运用的场景。有人觉得就是把数据变成图。他们可能没有想过，那是对于静态的数据，如果做实事数据的呈现，结果就是动态的。而且呈现在什么表面也不同，用手机看和用巨幕看，对背后技术的要求当然不一样。”程凯征说，展开业务后，真地接触到不同行业、不同背景客户的可视化需求，就会知道可视化也有多种多样的挑战。
程凯征表示，任何一个企业做一个单独的数据可视化场景，只要砸钱、砸人力，那当然是没问题，“有的企业做一个巨幕，直接花几百万块钱”。不过对于高效率、标准化、产品化的服务而言，不同的场景背后，DataHunter需要探究相近的解决方案，并开发相应的工具。
“我们获得了很多专利，比如超大屏幕下的渲染方式。我们为天津做了一个项目，18m×3m的大屏幕，数据不断在变化。”程凯征解释道，如果按照传统思维硬上，每次数据有微小变动，就要刷新整个屏幕的图像，可以想象背后服务器的压力会非常巨大。
至于数据可视化的分析，则与呈现有相通的道理。“数据可视化其实就是把大量数据翻译成人能直观产生感觉的内容，比如形状、趋势、大小。不然面对几个数据可能还好，面对大量数据的时候，一眼看上去，人肯定是没有感觉的。”程凯征说，用最简单的说法，就是让人能看到大量数据中“一眼看不到的东西”。
而不同的数据该用什么样的图形来表达，背后自然有一套逻辑，DataHunter称其为“数据可视化的逻辑”。
不是线图、饼图、条图那么简单。针对单一数据可能还好，有些复杂数据，你只有放在一起看才能得出结论。那么假如你一张图上要呈现四种不同维度的数据，就不能说画四条线，或者四个饼那样。这背后不仅是一个逻辑，也是一个专业的学科。
在DataHunter内部，分析和呈现也是两条不同的产品线。2016年开展业务时，程凯征拥有的是一个四人团队，以及他们的数据服务、企业服务经验，而具体的产品完全是从0开始。如今，经过两年摸索，DataHunter已经扩展到40人，其中技术团队有30人。
“其实直到今天我们也算不上知名，毕竟体量小，”DataHunter已经服务了国内不少知名企业，但程凯征比较谦虚，“我们能取胜，相比国外资历更久的大公司，还是因为产品更好。站在巨人的肩膀上吧，刚开始做的时候，我们看了现有的所有产品，分析了未来的趋势。他们产品背后的逻辑是什么，优点在哪，不足在哪，哪些因素适合国内市场，哪些在国内是阻碍？我们分析、吸收，才有了自己的产品。”
程凯征表示，一年多接触客户的过程中，客户往往将DataHunter与国外产品比较，比如Raw、Tableau、Visualization free等，而鲜少与国内产品比较。“我觉得国内产品还停留在2.0阶段吧，我们已经是3.0了。”
程凯征解释了数据可视化2.0和3.0的区别。2.0是“IT导向”的可视化，也可以叫做“验证式分析”。
什么叫验证式分析呢？就是客户先提出一个想法，然后IT人员选择数据，清洗数据，建模，把有用的数据呈现出来。其实就是先有结论，然后挑合适的数据把它画出来。IT人员不一定懂业务，他们为了实现结论，刻意筛选数据，有时候就不太客观。
到了数据可视化3.0，IT人员不再是工作流程的核心，业务人员才是。“你不用再懂技术，利用3.0的工具，业务人员自己就可以操作数据，看到结果，然后再得出结论。”这样做最大的好处，就是让数据分析回归“从数据到结论”的本来目的，而非装模作样的“从结论找数据”。
程凯征说，3.0还有一个2.0不具备的特点，是从孤立到协作。“IT人员挑数据实现结论，出来肯定是静态的么，然后加在PPT里，开会给别人看一下。这一般只对公司决策层有意义。普通员工让技术帮忙做个图，开会时候老板提出异议，想看另一个图，就得散会，然后重新去做，这个流程非常地长。”
而如果将数据可视化集成在协作工具中，图像就可基于讨论结果随时修改，“你在开会时直接就做出来看了”，不必再受限于PPT等静态文件。这也是3.0提升企业数据分析效率的重要原因。“而且也解放了IT人员。业务部门自己就能做分析了，不用再打扰技术。”
意义其实很大。实际情况中，多数公司的业务发展，是快于内部管理跟进速度的。比如这个星期做了新的销售，事后开会复盘，如果像传统那样由IT人员辅助输出数据，可能都是一个月后的事儿了。这无疑会影响公司成长的速度。
程凯征说，数据可视化的市场还很宽广，即便面临国外同行也是如此。一来国外产品在国内多少有些欠考虑，不能适合本土市场需求的方方面面，二来需要可视化的业务还有很多。“很多大公司以前也用过国外的产品，其实现在也在用，但不妨碍再使用我们的产品。大公司内部，可视化的场景是多种多样的，而且会不断增加。针对新需求，采用新产品，在现阶段还很常见。”
程凯征说，和所有的数据服务类产品相同，最先使用数据可视化产品的，既有需求、又有精力的大企业和地方政府，至今都仍然是头部客户。而其他客户很多时候也并不是没有需要，只是财力或人力还不足以支持。但随着精细化运营时代来临，数据可视化也将惠及更多企业。
有个客户是开餐馆的。在我们以往的理解中，餐饮行业如果对数据服务有需求，一般也都是连锁的，或者餐饮集团，不过这就是一家餐馆而已。分析时我们发现，他家70%来客都是回头客，这在餐饮行业算非常高了，一般餐馆也就20~30%。这说明他可能广告做得不够好，知名度不够高。另一方面，老客这么忠诚，说明他有独到之处，研究以后我们发现是他家原材料质量上乘。我们就建议餐馆也直接销售原材料，结果他们的业绩上涨了20%。
DataHunter2017年取得的成绩在电商消费、装备制造、汽车、媒体等行业尤其突出。取得融资后，DataHunter在继续打磨产品的同时，要在有一定成绩的行业“做深”并拓展新行业，也可能为中小企业推出部分免费、模块收费的产品。“最重要的还是开放我们的能力。在国内招一个数据分析师并不容易，这个行业还是比较早期，我们得把自己的能力分享出去，促进整个行业发展。”程凯征说。
“电商消费目前是最需要数据可视化的行业。主要是SKU太多，促销活动太多，数据量大，市场变化快，需要快速反应，对数据分析的要求就高。”程凯征表示，随着流量红利衰退，精细化运营的重要性愈发凸显，大刀阔斧的“促销”可能没有以前那么好用了。“SKU多了，售卖的渠道也多了，比如在无人货架上什么产品好卖？这个连感性的观察都没有，只能依靠数据分析。”
尽管如此，程凯征认为，数据服务真的能使中国各行业产生巨变，还需要时间积累。“其实就连数据本身，我们和美国相比，做得也还不够好。很多企业看上去收集了不少数据，实际上方向不对，或者质量很差。教育行业不是我们一家公司的事，是整个大环境的事情。企业服务收入稳定，但增长缺乏爆发。我们去年有1000多万收入，但不太可能像to C那样，今年就变成几亿了。我们会稳扎稳打，也希望同行能不懈努力。”程凯征说。
同为创业公司也想求报道（请猛戳这里或加编辑微信 zy514035492 ）？只要你们对产业正在产生影响、或未来可能有颠覆效应，就都是我们的关注对象——无论大小。