5年前曾對標谷歌Kaggle，中國數據科學產品如何煉成？_風聞
谭婧在充电-谭婧在充电官方账号-偏爱人工智能（数据、算法、算力、场景）。-2021-01-22 14:11
人類正從IT走向DT（Data Technology），這是個大背景。
企業處在數據產品和AI產品的紅海，想活命就必須手持一本《AI避坑逃生指南》。
個人處在競爭與內卷的浪潮，數據思維和工具是護身符。
在上海市徐彙區虹漕路77號C8，我見到了和鯨科技創始人範向偉與首席產品官殷自強。
這是一家擁有近15萬註冊數據科學家社區的公司，這是一家在數據科學的江湖裏無論如何也不會錯過的公司。
我們曾經從2017年就開始“聊天”。
這次只是，無數次中的一次。
只是這次，忠實地做了記錄。
出發時，和鯨只是一家被稱作“對標谷歌Kaggle”的公司。
到如今，和鯨是一家“走通”從競賽到社區，再到產品的公司。
在中國，乃至全球，這條路，都是獨一無二的。
彼時，美國有，中國抄。
那一輪，投資人拿和鯨和Kaggle做中美對標，數據競賽玩家拿“中國版Kaggle”指代和鯨。
Kaggle是什麼？
是全球最大的數據科學技術分享社區（在線分享代碼、項目和數據集等），創立於2010年。“Kaggle大神”是數據科學競賽界頂禮膜拜的江湖稱謂，可見其地位之顯赫。
2017年，Kaggle被谷歌收購，宣佈收購消息是彼時谷歌雲首席科學家李飛飛。消息漂洋過海，範向偉耳邊都是：“賣給BAT，財富就自由”。
1.Kaggle被收購上岸，和鯨去向何方？
範向偉不想“賣”公司，因為他一開始就沒有“抄”。辦競賽、搭平台、建社區、出產品，全套拳法，天人合一。
到今天，真相大白了。因為沒得抄了，反而能看出來誰在踏踏實實做數據科學的產品。
既然不被收購，那接下來，路在何方？
這個問題，範向偉這幾年應該被問了無數次。
當年，有人説Kaggle可以推出SaaS產品，因為抓住了一羣獨特的、技術含量極高的、小眾的羣體。這羣人的需求，比中情局的情報還珍貴。
四年過去了，Kaggle始終沒有邁出這一步。被誤稱為“中國版Kaggle”的公司卻做到了。
SaaS產品“數據科學雲端協作工具”，並非誕生美國硅谷車庫，而誕生在中國人自己的數據科學社區。如果它有口號的話，估計會和熊貓、雪豹、金絲猴“撞稿”：“我們誕生在中國。”
彼時，數據化浪潮開天劈地，數據競賽風起雲湧，範向偉從上海交通大學統計系的教室裏緩步走出。他並不熱心於完成碩士學業，而是心心念念數據競賽。
興趣是最好的開始，而同行者最是惺惺相惜。社區就是吸鐵石，把同類人“吸”在一起。
數據競賽社區高手雲集，人氣高，思路廣，不乏大量活躍者，貢獻算法、案例、數據集，吸引更多數據人才，武林高手齊聚光明頂，圍攻“挑戰性數據問題”。
數據競賽社區中國不止一家，阿里巴巴、百度都有，是不是論規模，定輸贏？
範向偉的答案是否定的。和鯨不只是數據競賽舉辦方。
別人僅僅是辦一場活動，和鯨團隊則在打磨產品——先做競賽系統，再把整個競賽系統SaaS化。他們做到了從人力運營轉換到競賽產品。
範向偉説：“多年前，比賽客户就開始自辦比賽了，我們只提供競賽產品。比如華東師範大學，就是用和鯨的比賽系統直接辦比賽。”
演化與進化都是悄然發生的。
歌手唱：《想愛誰你就去愛誰》
範向偉説：“想辦競賽你就去辦競賽”，下半句是：“給你工具就行了。”
中國移動、中國電信、南方電網、中華醫學會、鵬城實驗室、北京醫保局都來找和鯨辦數據競賽，範向偉拿出產品——數據競賽管理平台。
一面辦比賽，一面產品化。這是一件很有趣的事兒。
數據競賽不崇尚孤膽英雄，團隊作戰更為常見。
一起寫代碼，讓“協作”成為參賽選手的剛需。
從那時開始，像種子一樣的“協作”產品理念，已經發芽了。數據競賽系統突出競賽，數據科學雲端協作工具突出協同，兩個產品的底層模塊有共同之處。
首席產品官殷自強説：“SaaS化是因為有抓手，我們才有機會摸索產品化的道路。”和鯨社區打磨產品的方法是獨一無二的，類似開源軟件的方法論，千手捉蟲（bug）快，和真實需求的距離最近。
“有多近？”
“和鯨團隊的辦公室，是距離中國數據科學競賽比賽現場最近的地方。”
打磨，是SaaS產品的必由之路。
殷自強説：“數據競賽的價值是什麼？這個問題我們思考了五年，這五年來，我們辦了100多場比賽，100個不同的場景，100家不同的機構，處理100個人工智能需求，100個機器學習需求，共性在哪？”
“直接給到客户的，相當於為客户做定製開發。某一模塊可能只是客户唯一需求。對於高速迭代的工具平台，這種先定製開發，再產品化的模式會遇到很大的挑戰。”殷自強説。
“和鯨的做法是，某個產品模塊上新，讓社區先使用。”
社區，是和鯨得天獨厚的寶地，是孫悟空的花果山，是哪吒的陳塘關。
“比賽結束，一切都結束了，那是活動營銷公司的生意。” 殷自強補充説。
答案並不是。
產品要在場景無數次驗證大規模的需求，數據競賽就是這樣的場景，證明產品是可以支撐千人同時在線編程。若論同時使用產品的人數，一家普通公司不可能比社區裏的人多。所以，和鯨的產品對客户的服務，變成了降維滿足客户需求。
和鯨社區裏的各色需求都被提煉成產品的迭代需求。這既是一種“折磨”，也是一種“幸福”。折磨受得越多，產品越成熟。很多時候，在和鯨辦公室裏看見研發團隊誰的神情最焦灼，那人便是殷自強。
但是他説這句話的時候充滿自（fan）信（er）心（sai）：“從來沒有碰到過哪個公司的併發，把我們給卡住了。”
2. 準確判斷AI的技術趨勢
數據與AI的發展既強勢，又混沌。做數據和AI產品要對主流技術趨勢敏感，有判斷力。
用範向偉的話説就是：“數據科學已經發展到第三階段（3.0），數據類型、基礎設施、分析工具和工程任務中的行為，發生巨大變化。” 一個軟件版本用N年的時代，已經一去不復返了。
殷自強自問自答：“快速擴容是一個里程碑。10台變成100台，1000台變成10000台，這種變化不能影響服務。支持大規模工程的能力，業界遲早要有，且大家都會去選最好的。這件事情，為什麼不是我們來做？”
當K8s剛出1.0版本的時候，CTO和技術團隊敏鋭地關注了。
第一是發現大廠都選K8s，主流的大廠進來，需求迅速變成現實。第二K8s表現強勢，剛出來的時候還有一個叫Swarm的一套技術，也能解決彈性控制的問題，但還是被K8s快速淘汰掉了。第三K8s是開源的。人工智能界的好東西，很多都開源了。 判斷結論有了：K8s有優勢，會帶來一波變化，那就抓住它。
產品好是一個大概念，有很多“訣竅”是外行人難以察覺的。
3.SaaS產品，不唯技術論英雄
江湖有一種迷信，似乎只要算法高超，就勝券在握。但是，傳統機器學習算法和深度學習算法各有優勢，各有用途。
大規模深度學習已是貴族遊戲了，只有工業界的頭部大公司才可以承受，鯉魚躍龍門般的高門檻限制了創新探索和整體發展。比起深度學習，數據分析“身價平平”。
但是，江湖有云，欲練上乘劍法，不限招式多寡。
《倚天屠龍記》當中，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。楊逍拿着劍冷笑道：“倚天劍，好大的名氣！在我眼中，卻如廢銅廢鐵一般！”
孤鴻子對兵器盲目迷信。楊逍就不信這個邪。
算法和產品都是工具，工具的存在，是為了解決問題。
在“解決問題”這個終極任務面前，人的智慧極為重要，不能過分誇大工具的威力。
範向偉説：“我們判斷數據分析的場景價值更大一些，或者是説，要做AI，首先要從數據分析起步。單獨看技術難度，數據分析肯定簡單，但是不能説價值低，要做好數據分析，一樣充滿挑戰，需要發掘人的價值、解決人的問題。”
倚天劍不能擊敗所有對手，深度學習也不能。
範向偉認為，在企業中，最難處理的問題，永遠是人的問題。他堅信，人是一切問題的根源，也是一切辦法的支點。
所以，當和鯨團隊意識到這個問題的重要性的時候，產品邏輯瞭然於胸——數據科學雲端協作工具，也就是和鯨的ModelWhale。
他説：“數據科學家彼此之間的協同，是權利責任、資源分配、分工協同、過程追蹤、成果整合的問題。產品定位，立足於此。”
“人才和管理，是數據產品和AI產品落地過程中隱形大坑。”這句話應該寫在《AI避坑逃生指南》的第一頁。
明槍易躲，暗坑難防。
近幾年，最知名的數據產品，莫過於數據中台。一個數據中台的實施與落地，牽扯企業組織變革、資源變革、流程變革……一場變革尚且窮盡其力，如此多的變革，讓一款產品，難負其重。
這是數字化改革的“深水區”，觸動了很多人的深層次利益。
某公司中層幹部的內心獨白是：“我們部門的私有數據，是私有資產，為啥要和隔壁部門共享。年終獎拱手讓人嘛？”
數據工具的先進性，並不能解決人類思維的慣性。
產品邏輯的背後，是產品理念、企業的理念，以及創始團隊的信仰。數據協作工具這一類型的產品猛地聽起來，並不容易理解。而範向偉則認為這是最好的“工具”。
“數據思維”狠狠告別“原始年代”，也是個體的必然選擇。培訓拯救不了焦慮，數據科學唯有從動手開始。
門檻的高度是一個比較值，不是一個絕對值。自2017年起，範向偉就一直拿學英語這件事情打比方。
他説：“七八十年代，國民整體英語水平偏低，英語翻譯很吃香。近十年，英語普及得較好，英語能力不再是一種稀缺能力。”
以前，學英語。
如今，學數據科學。
範向偉也談到了5年以來的觀察：
“5年前，用户絕大多數是計算機專業背景，因為編程是敲門磚。現在，很多社會科學學院、大氣科學學院、商學院、醫學院背景的人已經離不開數據科學的工具了。”
這個變化，符合幾年前他的判斷。
他説：“我們跟隨行業的腳步，很多人在社區裏成長，努力培養數據思維，學以致用。和鯨團隊不相信，只靠類似AI全家桶的產品，就能解決產業裏無法窮盡的問題。”
範向偉認為：這是過度“封裝”，容易陷入局部最優的陷阱，長期看來，難以迭代，拓展和複用。
企業業務是動態變化的，數據的用法是動態變化的。
有，且只有：業務員越具備數據思維的時候，越利用得好數據，才會把數據的價值滲透到毛細血管級別的場景裏面去。
《AI避坑逃生指南》認為：定位數據與人工智能類的企業級產品，有兩個大坑。
一號坑位
工具類的產品都是賦能千行百業的，石油、電力、交通等，大多數情況下創業者自己不是核心用户，你滿足的是別人的需求，無法得知客户的真實需求，容易踏進主觀臆斷的坑。
二號坑位
訂單合同金額較高，碰到大的項目，客户必定有定製化的需求，標準化產品賣不進去。屈從定製，團隊和人力就搭進去了，容易踏進人力資源外包公司的坑。
今天的和鯨，是國家氣象信息中心國家級工程——氣象大數據雲平台（“天擎”）數據挖掘分析系統支撐方。和鯨做對了什麼？第一，洞悉了客户需求的“水晶球”，第二，做到了產品通用性的厚積薄發。
（完）
《親愛的數據》出品
