(注：近日，數瀾科技聯合創始人、輪值CFO高雁冰在天堂硅谷信息技術閉門會上做了主旨演講，以下根據其講話內容整理而成。）
數據中臺今年很火，實際上我們團隊在阿里內部10年，以及出來創業3年，一直在做這個領域的事情。過去40年中國其實在IT和信息化這個領域發展得比較快。但中國過去這么幾十年還沒有發展出一個千億級的軟件企業。原因其實很簡單，在過去的40年，中國IT信息化的基礎架構是被國外公司壟斷的，國內的大部分軟件公司都在做上層的應用級開發，干些臟活累活。
今天中國各個行業的企業在IT信息化的建設已具備扎實的基礎和豐富的IT系統，累積了大量數據，但數據光是放著，是一個負債，每年花很多成本維護，怎么把它用起來成為一個難題。這個時候大客戶就提出了：IT時代有像IBM,Oracle這樣的公司可以提供基礎軟件，能支撐我們快速構建一些場景化的應用。但是今天要用數據的時候，全球還沒有這樣的一個技術架構。
這個過程對于傳統企業是一個很難的事情。第一，企業的技術體系非常復雜，有大量IT公司給他提供異構的軟件系統，相互間數據沒有統一標準，最后雜亂無章。對于企業來講，有什么樣的數據，數據質量怎么樣，怎么評估，可用性如何？都沒辦法知道。所以讓其構建一個數據團隊太難。第二，大數據處理領域，涉及太多的技術點，例如多元異構數據如何有效整合？數據安全如何處理？怎么讓數據形成自然流動的狀態，為業務所用？
在國內，就涌現了大量公司嘗試去解決這個問題，尤其是在金融保險領域。但是這個產物目前更多的是在垂直領域。舉個例子，比如說在金融領域，為了去放小貸或信用卡，我可能構建了一個基于信用卡和小貸的這么一個垂直的大數據應用，把銀行的一部分數據聚集起來，形成一個數據的倉庫，在上面去構建一個應用。那么明年我要去做其他業務，比如說風控，那么我又要建一個這樣的體系，對于企業來講，他就感到更困惑。我原來的數據是不離散的，它是孤島，它不一致，今天我構建了這么一個大數據應用，我發現我的企業內部的數據更亂，企業有沒有辦法去解決這個問題？所以又回到這個點，今天為什么數據中臺會火，大家都思考一個問題，我能不能在整個企業內部橫向構建一套體系，他把我所有的數據全部整合起來，它是實時的，然后把這個數據形成一套動態的數據資產體系，我上面要去做業務的時候，我隨時可以用這套數據生產體系，快速的去完成它的整個的交付，這是我們企業的一個夢想。所以大家談到的數據中臺，我們認為他就要去解決幾個問題。
現在說兩個部分，第一部分就是我們團隊認為什么才叫企業的一些數據中臺？它會去具備什么樣的特點？它可以做什么？它不可以做什么？它怎么去解決企業存在的問題？所以其實對于數據中臺這個詞來講的話，每一個企業每個人都有自己的理解，那么我們認為它其實是一套系統，把一個企業的數據持續的運用起來的一套機制，它是一套動態的體系，它不是一個軟件，它不是一個產品。沒有一個產品叫數據中臺賣給你，直接買就能用。數據中臺它其實是一個工具，加上企業本身對數據的一種理解和認知，然后再加上企業本身特性化的數據，形成了一套資產，共同形成了一套體系。這個體系是屬于中臺，就好像我的客戶，比如說萬科，它的數據中臺，我們幫他構建的跟碧桂園肯定是不一樣的。像中國地產公司TOP20我們服務了差不多一半，每一家都不一樣，萬科有11個業態，碧桂園有12個業態。那么像龍湖等其他的公司他又不太一樣，它的數據結構和體系都不一樣，所以在整個的企業數據終端這個領域，我們認為它其實是一個閉環的一個系統。對于企業來講，第一個就是說如何他把他的業務數據化的過程，就是傳統的IT要干的事，對吧？而且所有的業務過程通過ERP這些系統轉化成一些數據沉淀下來，然后接下來的事就是數據中臺要去干的，把這些業務數據通過一套資產化的一套體系轉化成企業的數據資產，然后再把這些資產轉化成我們業務人員看的明白的數據的服務，最后這些服務直接能跟我們的上層的業務流程去集成起來。比如說優化我們現有的業務流程，優化它的性能，優化它的效率，提升我們的整個運營成本的控制水平等等服務，那么這些服務再往下走，它又會轉化成一些業務，沉淀出一些數據，它整個是一個閉環的過程。
對于一個企業來講，要構建數據中臺，我們認為它要解決三個方面的能力，第一個就是把你紛繁復雜的這種數據體系，這些系統可能里面有大量的結構化的數據，還有一些文本語音圖片流媒體的非結構化的數據，通過一套我們把它叫數據自然流動的技術，能夠轉化成一套數據的資產，這是第一個部分的功能。第二個部分，把你的這些初步匯集過來的數據，經過我們進一步的數據處理的技術，讓你的業務人員能夠看得明白。轉化成一套可視化的數據資產體系。然后第三個部分，把這些數據資產體系通過一個動態服務的框架，當你的業務場景發生變化的時候，能夠隨需而變，馬上就能夠去開發出來。我舉個例子，比如說像我們在華泰證券，像我們在萬科里做的，他們原來一個業務產品發生變化的時候，他們平均的開發和交付的周期大概是3到6個月，那么用了我們的數據中臺體系之后把他的時間大概就縮短到幾個小時到幾天，其實這樣就能夠徹底的去解決企業的問題。
今天我們說企業要做數字化轉型示范，最大的一個問題是什么呢？是因為它的業務高速發展，它的業務在前臺快速變化的時候，那么它后端的這種IT支撐的交付能力跟不上。所以當IT開發出來的時候，實際上我們業務這個場景早就過去了。如果你能極大的去降低這樣一個速率不匹配的問題，相對企業的價值來講是非常大的。實際上從整個業務的定位來講的話，對于企業本身的發展，它是分成幾個階段，第一個就跟我們傳統的IT建設，也會有很多大量的IT系統。然后過去的十年，我們企業其實也在做各種“互聯網+”，我們有很多線上的業務開展起來，進了大量的線上的系統。所以我們進入互聯網的一個時代，那么今天大家在講，數據的這個時代，它的特點是什么？數據中臺的概念是，他要穿透整個企業的所有的核心業務域，成為整個企業的一個基礎架構核設施，那么所有企業的數據，都要通過數據中臺把他的能力釋放出來，不管是傳統的業務，還是我們的“互聯網+”的業務形態，還是在數據時代的一些新興的業務平臺，其實都是作為數據中臺的一個核心的支撐的一個基礎。
本身從數據中臺的建設上來講的話，那么我們認為四點其實是非常關鍵的，就是數據中臺這個東西，它本身是一個企業的基礎架構，它是不會帶來直接的業務價值。大家可以把它理解為它就是企業的一個業務和數據的操作系統。那么這個操作系統能干什么呢？待會我們在下面可以去看到它可以做什么事情，但是我們認為有四點是特別重要的。你幫企業構建一個數據中臺，首先來講的話，那么在建設過程中，首先對于企業來講，比較重要的第一點就是你整個數據，不管你怎么處理和治理，我要可見。到底數據處理成一種資產，而資產是怎么表現出來，我要看到。這些數據是從什么地方來的？數據的血緣是可以被追溯的。對于企業來講，其實是一個比較頭疼的問題，我給大家舉一個例子，我們跟萬科在合作做物業地產服務業的時候，這么小一個case，萬科有42家分公司，有27家軟件公司給他提供了27套物業管理系統，每一個系統都不一樣，數據結構完全沒有標準化，這都是一些什么文本語音的東西。那么針對這類的，你把它全集團集中化了之后，實際上在集團這個層面看到的就是一套東西，到底我有什么客戶，他們持有什么樣的物業，他們的服務水平怎么樣？怎么去定義？周邊的合作伙伴怎么去定？那么在整個數據處理過程中，這27個系統42家分公司的數據處理，它是一個循源源不斷的過程，那么我們要讓整個過程看起來要是可見要是可用的，所以第二點是可用。
第三個就是可懂，對業務人員來講，在下面的那些物業，收到的信息就是一些人打電話，很多次報修，但是物業的人，不知道這代表什么，不知道怎么去更進一步的去優化對客戶的服務水平。所以當我們把這些數據聚焦處理整合打通之后的話，基層業務人員能看的明白了，比如說他到底是哪一點不滿意，那么客戶的這種客服人員可以針對它去做相關的動作。
然后第四個對一個企業來講，其實是最核心的一點，我們認為數據既然是一種資產，它一定是可運營的，這一點是最難的。很多企業號稱建了一個數據平臺，完了就放在那里，因為他們不知道怎么去持續運營這些數據，你不知道怎么去運營這些數據，那么它對于業務的價值就沒辦法完全的發揮出來，很有限。所以其實在我們跟很多企業接觸的時候，我們都告訴他，數據中臺不是一個產品，不是說你買了就能用的，它是一套體系。那么怎么去幫助企業去構建數據中出來，我們認為它要分成三個部分，這里其實是我們一個方法論的一個介紹。總體來講分成哪三個部分或者三個階段，第一個叫我們叫方法論導入，因為很多企業的老板，今天盡管他們都在講數據中臺這個東西，但是他不懂，很多老板不懂，跟很多老板交流過，他不知道怎么樣去構建這樣一套體系。他的團隊有沒有數據的理解和認知，實際上不確定。然后圍繞著建立一套數據的一個自動化的驅動的一套機制，他的業務部門和它的IT部門應該怎么去重塑？怎么去樹立他的這種合作的邊界，他們也不清楚。下一步的數據運營該怎么去用，怎么去驅動起來，他們其實也不了解，所以一般在企業里去實施數據中臺戰略的時候，我們第一步就是幫企業去做一個簡單的咨詢，我會告訴他幾點。
第一點就是來講數據中臺，因為它是個企業級的應用，它一定是一把手工程，不是某一個部門的領導說了這個算了。所以一定是CEO或者CFO親手掛帥的一個項目，它是一個企業級的戰略。為什么是個企業級的戰略？它承載了企業數字化轉型的一個核心，首先在這一點上我們會告訴企業的一把手怎么去思考和建立這套體系。第二個就是在整個的組織方面，在配套的整個數據體系的認知上面，我們會跟客戶一起形成一個團隊，怎么去讓它具備對數據的理解和認知的一個觀念，就是說從企業的角度來講，你剛才講這個需求最后落到實點就是什么？
第一，數據的標準怎么去建立起來？比如，在政府的其他的部門，在地產，在零售，在金融，教育，工業這些行業，它的每一個行業的標準是不一樣的，如何去建立這樣一套數據標準，客戶是不知道的，因為它的系統太復雜，所以它其實很難去建立這個標準，我們要告訴他建立這套標準的整個模式，配套給他一個工具，如何建立。
第二個，數據資產化的體系怎么去設計，包括它現有的組織怎么去調整？IT部門內部要不要去具備一個數據的運營部門或組織要不要建，這里面需要什么樣的一些人員，他們是不清楚的，那我們要告訴他們，數據的本身資產化的體系的設計，比如說標簽整個體系的設計是如何去做的，我們是教客戶這個方法，不是說直接給他一個結果。
所以在整個的方法論的層面，我們會跟客戶一起去把整個體系構建出來，這是第一個階段。構建了這套體系之后，其實第二個階段才是幫助客戶做一個系統，有一個軟件，我今天賣給你們，去私有化部署了，部署了這個軟件之后，結合我們之前的一個在整個方法論層面的梳理，那么我們就把你原有的這些IT系統分階段分批次的逐步的灌進來，灌進來之后這些數據自動就同步過來了，自動的進了中臺這個軟件里面，最后形成了企業的一個可見的數據資產體系，這是第二個階段。這個時候你的數據中臺基本就初步完成。
第三個階段就是說我們要跟客戶一起去看一下這些數據怎么去運營，在它的上面如何去構建不同的業務場景。實際上這個也是我們現在這種團隊比較短板的地方，因為我們其實不懂行業，但是我們是這么看的，也是在這么實踐：真正懂客戶的業務一定是他自己。我們這種團隊或者叫數據中臺要干一件什么事情，你把企業自己看不懂的數據，通過你的資產化的能力，最后轉化成一種界面上它可見的能看的明白的東西，像我們很多客戶看完、看懂之后，他就自然知道我的業務上應該采取什么動作，他知道產品的動作之后，就在我的平臺上面去做二次開發，然后再去開發出一些業務的應用場景，來完成它整個本身業務的賦能，這個是我們現在在干的一些事情，我們認為數據中臺它本身應該也是這樣。
在數據中臺上面應該有兩類人，一類是大的企業，像銀行、證券、保險、地產，它其實都有一個非常強的開發團隊，都可以在我們的終端上做二次開發，還有一類就是說在行業里生根多年的那些小的開發公司，或者就是專業化的開發公司，他們懂開發，懂行業，懂產品，懂客戶，但是他們不具備大數據的能力。那么通過我們這套數據的中臺體系，它可以在上面二次開發，完成對于行業的一些產品的深度的一些持續的開發，這是他們要去做的事情。
在整個的數據中臺的構建過程中，一定要分階段的話，我們是會把它分成這樣的五個階段。其實剛才大概也提到了，那么第一個階段就是跟客戶一起去看，它現有的業務的產品是什么樣的。盡管數據中臺它是一個基礎架構，但是他最終的目的也是為業務去服務的，所以在構建這個數據中臺體系的時候，包括你在構建你的數據標準的時候，你是需要去分析客戶的業務場景的。他的業務是什么形態？它現在的IT建設的現狀是什么樣的？他的現有的現在的數據的一個現狀是什么樣？哪些數據的維度存在缺失和空洞，我們是需要幫他整體梳理。客戶他其實并不太清楚。
第二個階段梳理完了之后，我們要幫它去設計架構，你的兩套數據標準該怎么去定義？那么你的本身的整個業務的大圖，大的視圖在你的業務人員的指導下，我們會幫你畫出來，你的數據的整個架構視圖是什么樣的，就幫你去畫出來。然后你的技術的演進的目標，這些我們都幫他去設計。然后第三個就是最重要的一個環節，其實數據中臺里面最核心的一點就是數據資產的建立的過程，待會兒我們會提到什么是數據資產，這個詞我感覺也被行業講濫掉了，但是到底什么是數據資產，它到底是解決企業什么問題？
我們通過幾個其實關鍵的動作，第一個就是數據的打通，待會我可以介紹一下什么叫數據打通，怎么去打通數據，然后如何把通過底層打通的數據之后，對數據進行多維度的重新組織，然后把數據呈現出給到他的業務人員，然后怎么幫他去設計數據模型的標準。第四個過程解決了數據資產的問題，就是說怎么讓它把資產用起來。所以在第四個階段就是我們要提供一套什么樣的機制，能夠讓他在不懂大數據，不懂開發語言的情況下，能夠通過界面的拼裝的方式，能夠把一些業務的產品在我們的體系能夠設計和實現出來。
當然還有第五個環節就是說當他把這些應用開發出來之后，我需要有他動態的數據的評價機制，能夠去優化它的整個鏈路，它是一個動態的過程，但數據中臺在建設過程中，我們認為其實有幾個比較核心的點，這里重點去提，從整個技術的路標來講，或者說從整個本身企業要關注的點上來講有三個：一個是本身數據的，我們把它叫自然流動的技術。因為在IT本身的建設，它自然有它的雙螺旋的生命周期，一個企業的IT他一定會永遠的堅持下去，不停的更新，因為企業的業務生生不息，所以他的IT的建設就一定會持續下去。所以它的IT的這種異構很復雜，永遠會持續，不是說今天你給他整完了之后，明天就結束了，不是這樣的，明天他也會到不同的軟件公司去上新的軟件應用，那么永遠會存在它的數據的一個持續性和不準確性，就是一定持續的一個問題。所以在這樣一個場景下面，你怎么能保證你的數據中臺往那一放了之后，能應對企業未來十年幾十年的發展和變化。那么這些IT系統在新上了之后，或者原有IT系統在修改之后，他只要接到你的數據中臺上就能保證它的數據能夠快速的能夠變成一種資產，這是一個自動化的過程。
第二個就是數據資產化的一套體系，你怎么能保證在這樣一個情況下，它的數據的資產化也是一個完整的一個全面的自動化的一個過程。然后第三個就是在未來還能夠支持快速的服務和響應。當然對于一個企業精英來講，我們認為工程化的能力和計算機的服務能力也是非常重要的。對于用戶來講，它有一個非常好的界面，大部分東西要是可視化操作的。這里我們就重點去提一下關于數據的資產化體系，實際上是這樣的，就是我們認為數據的資產化它本身是一個動態、一個體系，你從企業的一個離散無序的數據狀態，你把它通過你的一套技術，能夠把它轉化成一個用戶的業務人員，能夠看得明白，看得懂的數據的這個成像，它是一個綜合的過程。
那么這里面其實從表象上來講，就是說從人直觀的看到的東西來講，他就是兩套數據標準，一套是我們底層的跟行業業務相關的數據標準，通過行業業務的數據標準，你就可以把企業原來紛繁復雜的IT系統的數據直接映射過來。那么這個映射過程是怎么去做的？當然里面會用到大量的人工智能的技術，不能靠手工。我舉個例子，我們很多客戶的IT系統里對他自己的客戶的叫法可能多達幾十上百種。那么在整個數據的處理過程中，你要把它做到自動化，所以這里面需要用到大量的人工智能技術。第二個就是說標簽的內部體系的設計，那業務人員能看到一個東西，所以我們怎么去設計這個東西？這里面有三個的數據的核心，我們認為實際上很多企業在做數據的中臺建設的時候，最核心的一個點，我覺得大家沒有可能就是對于數據我們是這么來看的，首先企業在數據的整個中臺體系的數據設計，它是要跟業務做深度結耦的，這是第一點。
我們很多傳統的數倉，其實我們建數據模型的時候都是按照組數據的方式來解決，這是不對的，因為企業的業務生生不息，不停在發展，此消彼長，所以你的核心數據模型如果跟他的業務綁定的話，其實是最大的一個問題。當你的業務發生變化的時候，你的核心模型就會發生變化，你核心模型承載著上層的所有算法都會出問題。所以在數據上匯集過來的時候，第一步要干的事情就是把數據跟業務結合，要對數據進行重新的整合，重新的組織，就不要按照業務的維度來組織數據，這個是很有意思的。這個我們把它叫對數據的一種認知，第二個就是數據的全面打通，打通它是一個比較有意思的概念。像剛才陳總講的，其實很多具備強ID屬性的數據，我們是比較容易打通的，但是對于企業來講，很多數據它是屬于弱ID的或者沒有ID的。比如說我通過你的網站上面瀏覽一下，沒有登錄，你并不知道我是誰，對不對？我有你的APP的應用，用到LBS到處去走一圈，也不知道我是誰。這樣大量的數據，如果你不把它識別出來，掛到相應的數據下面的話，這些數據其實基本沒有價值。
像我們做的很多金融公司和尤其是互聯網公司，他們有大概70%的數據屬于這一類型，弱ID或者沒有ID，你怎么去把它打通，然后把這些數據重新識別出來。這一步非常關鍵，如果這個問題不解決，其實就會面臨一個問題，舉一個最近的場景，我們對客戶做洞察。你的傳統的數據百分之百過來，到你這個洞察做標簽定位的時候，發現只有10%是可用的，為什么？因為你要洞察你要輸入，比如說就是一個用戶的設備ID,一個用戶的身份證號碼，你會發現你只能把一些強ID的數據抓出來，弱ID的數據全丟掉了，所以在構建打擊這個體系的時候，那么我們要做一套機制，在我們內部叫多渠道的數據ID-Mapping體系，它是專門解決這個問題的，當然這個體系以前我們在阿里的時候已經構建了，所以阿里巴巴的現在他們能夠在1個人的26個緯度，把你所有的數據都給打通掉。你只要登錄阿里的任何一個服務，你不需要訂購的，它都會識別數據的，準確率能做到98%。所以它背后的邏輯就是這樣的。
然后數據資產上面已經解釋了，其實在數據最后變成資產了，要去做業務賦能的時候，這個過程如何做到動態化，我們是這么來思考和設計的。因為你的業務場景的變化，往往你可以用相應的一個數據模型去描述它，然后這個模型最終也可以用算法把它在系統里呈現出來。你的業務場景經常發生變化，那就意味著實際上你的算法會經常變化，那么我們實際上剛才說的這兩層數據的標簽內容和數據內部之間，我們是用算法去承載的，就是說數據內部經過一些算法計算，它就會形成標簽，那么這個算法是根據你的業務場景走的，當你的業務場景發生變化的時候，你就可以在一個可視化界面上去更新你的算法，那么這樣就可以比較完美的去解決第一，快速推出服務的能力。第二，對整個價格體系的一個柔性的支持和影響。那么這是數據資產這套體系在系統的一個呈現，這里不多介紹，它其實是分成四個層面。
對企業來講，ODS是你的所有的原始的數據這個層次。第二層就是我們叫中間數據層，這一層會按照業務的角度去構建你整個的數據體系標準，然后第三層在標簽這一層，就是你會看到它跟你跟業務是沒有關系的。而第四個部分就是說通過標簽，然后往上形成數據的一些服務。那么這些服務在往上就是ADM里給到業務去使用。這是我對于數據中臺的一些思考。
那么其實在我們目前來講，經過三年也服務了全國大概300多家各個行業大型的一些客戶，那么這是我們在做工業智能制造這個領域的。當然有部分客戶我們是不便于披露的，它有比較高的保密要求。實際上在智能制造這個領域，我們主要做幾件事情，一個就是用一些互聯網采集的一些數據，幫助一些制造型企業干幾個事情。
第一個就是像剛才其中提到的，我們如何去降低整個的設備本身運行過程中的一些故障的問題，經過故障的一些預測。第二個在整個全面的生產，比如說一個工藝流程有幾百個環節，那么我們怎么去優化它，找出它的環節瓶頸，去優化它。然后第三個就是說在一些制造的一些良品率上面，我們怎么通過數據的一個相關性的一種識別和挖掘，幫助他去提升最終成品的了解。第四個是在整個智能制造的過程中，我們給他提供一個全面的制造駕駛艙，把它所有的數據和動態的展示和歸集起來，這是我們在國內的一些嘗試。
第二個就是國內最大的一個媒體公司，他們其實有大量的數據，以前他們在做媒體做這種最新的一些時尚的設計的時候，其實都是找特別牛逼的團隊，那么現在我們幫他構建一套體系，把它過去媒體的所有的這些非結構化的信息數據全部整合起來，然后結合他現有的一些IT系統的數據，就現在能做到什么？通過我們這套平臺，它現在一些普通的設計師也可以比較好的抓住媒體時尚的一些熱點，然后去做一些特別好的一些產品設計，降低整個產品，整個全生命周期設計的成本。
這是國內的一個地產案例，其實這講的就是萬科的，當然我們在國內還做了像龍湖雪松、碧桂園等，所以他們來講最大的一個問題就是說數據太復雜，多業態沒辦法協同，所以他們今天為什么要去構建這樣一個數據中臺，就是先把他所有業態的數據放進來，放進來之后，按照它的產業地產，住宅地產，商業地產的幾個維度，把數據重新標準化，再去對它整個業務體系進行重塑，像萬科就是這個過程。目前，我們的規劃是三年，三年之內，要把它全國的11個業態所有的東西全部放在這個平臺上來，所有它未來的新業務都會在基于這個平臺進行二次開發，那么整個萬科集團的2000多個開發人員，都會在我們平臺來完成整個集團的相關開發性工作。
在政府里面的一個簡單的應用，現在尤其是在數據處理的每個環節，因為會用到大量的人工智能的技術，所以類似在公安檢察院安全口的公檢法司，實際上在大數據的落地能力是非常強的。那么我們這是在整個浙江省做的各級檢察院，那么主要幫助解決什么問題？通過數據處理的核心軟件和AI的能力，能夠幫他把現有的一些檢察院他們要去做的判案，我們幫他們做一個輔助的判案一套體系，那么極大地提升它的效率，幫助他提高90%多的效率，而且基本上沒有錯誤率。
現在，我大概介紹一下數瀾科技這家公司，我們這家公司成立于2016年，實際上三年多以來我們一直專注在大數據的基礎架構里，我們團隊其實前身是由兩個團隊構成，一個是阿里最早的一批做大數據的團隊，大家可以看到的就是阿里的大數據，整個體系我們從2008年開始一直做到2016年，基本上是把它完全的做出來。第二塊就是來自于華為的2012實驗室的一些同學，那么當然還有全球的一些像Stanford和MIT的一些同學，那么我們一直在專注于做企業本身數據的基礎架構這個領域，我們認為實際上在今天全球進入數據時代來講的話，中國是有可能在基礎架構領域能夠領先于全球的，但互聯網我們其實已經領先了半個身位了。我們在中國的復雜的應用場景的驅動下，今天我們是有可能領先于全球去做這樣一個基礎架構的事物。
所以在三年多的時間里，我們服務了全國各個行業，現在是七大行業，超過300多家，我們也是針對頭部客戶。有幾個數據，第一個就是說我們現在大概的客單價大概300多萬費用，針對頭部客戶。第二個就是說我們基本上所有的客戶，我們現在能做到百分之百的復購，因為在對企業做數字化轉型來講的話，實際上它一旦要選擇這個方向，它其實一定會堅定不移走下去的。在數瀾科技成立三年來講，我們也得到了像天堂硅谷這樣的一些頂級投資機構，還有IDG和云鋒這些機構的一個比較大的支持，我們目前也經過了四輪的融資，在做第五輪，也拿到了一些資金的支持，當然也拿到了我們投資者對我們全方位的其他的支持。
數瀾其實有一個最簡單的企業的使命，我們希望幫助企業把數據給用起來。我們希望通過我們的技術和服務的能力，真正地幫助各行各業的客戶把他自己的數據用起來，用好，這就是我們一直會保持不變的使命和價值愿景。
謝謝大家。
