EverString联合创始人汪超：算法早已改变你我的生活

叶丽丽

大数据是21世纪的石油，算法是提炼它的手段。未来已来，只是尚未流行。

《财经天下》周刊=EW 汪超=WC

EW：能否先用一句话帮我们明确一下这几个概念——数据、大数据、数据挖掘、算法和算法经济，以及它们之间的关系？

WC：数据就是基本的资料，能表达出一定意义的都可以称为数据;大数据最初的含义是海量数据，后来演变成一个生态和方法论，在大数据生态里面，数据挖掘很重要。很多地方提到“大数据是21世纪的石油”，但大数据本身是没有含义的，只有挖掘出数据背后的相关性才能让它有价值，而数据挖掘主要就是靠算法，不同需求使用不同算法，将来各行各业都需要构建算法模型来挖掘海量数据。企业并不需要自建团队来构建模型挖掘数据，可以把这些业务交给特定的算法研发公司来做，这就会形成算法经济。

EW：从数据到算法经济这个演变的过程经历了几个阶段？

WC：从20世纪70年代开始的最初20年，美国的企业级软件服务商主要致力于收集和储存数据，这也是数据利用的开始阶段，进入90年代以后，以Salesforce为代表的公司通过自动化销售来管理工作流程，这就是SaaS（Software-as-a-Service，软件即服务的简称）阶段。大数据流行以后，大概在2000年逐渐开始出现一些分析数据的数据可视化工具，Tableau是当时代表性的可视化数据分析软件，这种数据分析很快达到可以进行预测服务的阶段，随后美国进入预测即服务（Prediction As a Service）阶段，这个演变的过程，数据和算法是其中最重要的部分，进入预测即服务阶段，算法就能够帮助提高决策效率，这也是算法经济得以产生的原因，接下来几年美国企业级服务的目标就是通过人工智能自动化做决策。

EW：算法经济的核心是什么？

WC：简单说，算法经济的核心是算法+数据+商业场景，是使用算法去解决特定的商业问题的一种模式，目的是提高企业在商业场景中的决策效率，把人力资源充分利用起来。

EW：算法现在已经开始流行了吗？将来算法会对生活产生什么影响？

WC：算法早已无处不在，有数据的地方就有算法，手机App背后都有算法。我们使用百度搜索时，都会调用背后的Page Rank算法，这个算法能够将我们需要的信息呈现出来，我们出行的时候，我们用到的百度地图、滴滴打车等，都是算法。算法会让生活越来越便利，人们不用关心背后算法是什么，只要懂得怎么使用就好了。将来可能出现的情况是，人会越来越懒，很多工作机器人能够做好，人只需要提问就好了，机器人负责解决问题，人存在的价值就是能不能提出更难的问题。

EW：在美国当时是怎么开局的？遇到过一些什么困难吗？

WC：创业刚开始肯定是艰难的，尤其是我们这样新的领域。2013年我们拿到徐小平牵头投资的160万美元，在接下来的大半年里，我们几乎每天都在熬夜，去做我们的第一个产品，这个产品主要是针对网上爬取的数据进行分析，为客户提供决策方案，产品上线后无一人买单，没有人看好我们，还有客户直接跟我们说你们的产品毫无用处。我们当时觉得产品没人买，公司没戏了。没有人知道出路在哪里。

在账上只剩下大概10万美元的时候，我们几乎走到绝境，因为我和杨文杰把投行赚的钱也都放进去了，已经没有更多的资金支持我们继续往下走了。大家疯狂找出路，希望能够找到一个对的方向。有一天，杨文杰打电话过来很兴奋的跟我说他找到了方向，说我们不能做数据分析和可视化公司，而应该做成能够预测潜在客户的公司，直接给企业推荐客户。听他的描述我们觉得可行，找到方向我们很兴奋，创业那么久是第一次有庆祝的心情，我们当天晚上在硅谷的瑰丽酒店订了一桌菜，觉得公司有希望了。

但我们依然面临一个难题，我们当时新的产品没做出来，但是我们没什么钱了，所以需要说服客户买单，就要让他们接受我们的理念，我们的第一家公司是一家杀毒软件公司，我们跟他们的负责人说我们能够精准地帮他预测下一个客户是谁，两个月内给出方案，他们付我们五万美元，如果不满意随时可以退出。这是我们第一个客户，我们的方案完全是根据他们的痛点来制定的。

EW：你们是怎么争取到500强公司的订单的？

WC：我们一开始就瞄准了大公司，因为我们提供的服务收费比较高，只有大公司才付得起，我们也能够尽快有收入，还能产生品牌效应，所以世界500强企业肯定是我们最先关注的公司。

但这往往是最难的，即使他们相信我们的产品能够为他们预测用户，也会有很多其他的问题阻碍合作，比如说信息安全。在美国，信息安全是非常重要的，我们需要接入客户的CRM（客户关系管理）系统，这些机密的数据企业怎么能够放心交给我们这种初创的小公司。所以我们拿大客户的订单更难。举个例子，我们是微软创投加速器第三期的成员，但是这层关系作用不大。当时杨文杰每天就跟微软销售部的工作人员一样，每天都去上班，在市场营销员工旁边推荐我们的产品，死磕了两个多月，负责人才同意试一试，我们当时签了一系列的保密协议，我们把他们的数据看的比我们自己的还重要，因为一旦泄露对我们公司都是灭顶之灾。有了微软这个大客户后，我们就能够用这个去说服别的客户，有一些品牌效应，后面的路就好走一些。

EW：你们具体是怎么通过算法来实现营销预测服务的？

WC：首先，我们肯定要有数据，数据是基础。这些数据有三个来源，第一是我们从网上爬取来的，第二是从数据公司买来的数据，第三是企业提供的数据。

我们建立了一个庞大的数据库，包含了1100多万家企业的数据，这些数据是我们从数据公司买的和从网上收集过来的。我们用一些自然语言的处理方式，将这些数据结构化，形成能够描述一家公司的指标，然后去分析公司之间的相关性，我们会把与某家公司有关系的，连接形成一个知识图谱。下一步就是连接我们服务的企业的客户关系管理（CRM）系统，这个系统里面有公司已经合作的客户数据及潜在客户的信息。比如说，一家企业有1万个潜在客户，其中通过公司的努力，让其中的1000个转化成为真正的客户，那么我们所要做的就是，找到转化的客户和非转化客户的差异性，以及转化客户的共同特征，根据这些共同特征，我们帮他们去寻找更多的具有相同特征的客户。

这些共同特征就是我们构建算法模型的指标。在我们原来的大数据库，也就是1100多万家公司中去寻找跟这1000家客户最相似的企业，相似程度越高的，我们给它打越高的分，那么销售在寻找客户的时候，就可以先处理分数高的企业，这极大提高了营销效率。

EW：为什么这能够成为一门生意？

WC：因为寻找客户是每个企业的刚需，如何能够更快找到潜在客户并且提高潜在客户的转化率，是每个企业都要思考的问题。在大数据时代，数据已经成为寻找客户最必要的因素，怎么利用这些数据，就需要有专门的团队去使用算法组建模型。

是否每个企业都有能力去组建这样的团队呢？几乎不太可能。我们称从事这种工作的人为数据科学家，数据科学家需要具备三个特质：第一，他能理解商业问题;第二，他能知道怎么使用算法构建模型;第三，他能够将算法和商业问题结合起来去实现实际的应用。这种复合型人才现在很稀缺，而且很贵，我们公司有60多个研发人员，只有10个是数据科学家，所以普通的企业更没有可能花费大量的成本去组建这样的团队了，企业就会寻找专业的公司来帮他们寻找客户。这就是我们的生意。

EW：刚开始你们的产品不被看好，那么是怎么拿到融资的？

WC：我们在投行待了很多年，认识很多投资人，找认识的人去介绍我们的理念，我们的模式很烧钱，很多投行也会有疑虑。后来接触到徐小平，他对我们的模式很认可，然后2013年初我们拿到天使轮160万美元的融资。

刚开始也不顺利，2013年我们产品失败后进行了转型，大数据不是商业模式，它只是方法论，我们后来提出了EverString场景的方向，这个过程是从0到1的过程，很痛苦。那时候我们的钱都已经花的差不多了，我们只能尽量保证自己生存，每天疯狂加班，钱快没了新产品还没成型，真的很焦虑，只能一边开发新产品一边找客户买单。我们摸索出来的这条新的商业模式是行得通的，渐渐有了客户量，赚了一些钱，让我们活了下来。

2014年8月的时候我们找到了A轮投资人，到2014年的时候，一些其他的初创公司也开始进入这个领域，这种模式虽然刚开始，但投行开始看好这个模式，很多投行也投了其他类似的企业，我们也拿到了A轮融资。之后我们就比较顺利，到B轮的时候，我们的客户已经超过50家，还有一些500强的客户，这个成绩让我们在B轮的时候融到了6500万，这应该是当时企业人工智能领域最大的一起B轮融资。我们现在可能不会进行C轮融资了。

EW：在美国是否有遇到竞争？你们的核心竞争力是什么？

WC：竞争肯定会有，早期跟我们类似的公司有Infor，Six Senses，现在跟我们一起处于第一梯队的是Demandbase和Inside Sales，他们基本上业务跟我们是一样的，这个市场很大，至少有50万家潜在客户，但是我们三家现在的客户量都不超过200家，所以谈不上直接的竞争。

现在存在的竞争是良性的，就是看谁的模型和算法准确率更高，所以我们的核心竞争力就是我们的算法模型，提高模型的精确度是我们努力的方向。随着算法经济的流行，将来我们会遇到更多竞争。毕竟这方面的发展空间还很大，很多传统公司也会延伸进入这个领域，我们扩大业务后也会往外延伸进入别人的生态系统。将来竞争必不可免，只能让我们的模型更快更准，才能获得更多市场。

EW：大数据行业存在哪几种商业模式？你们公司是哪一种？

WC：大数据行业现在的商业模式有四种，第一种是做底层平台架构的，比如说阿里云，他们提供大数据的基本框架。第二种是数据的收集平台，比如专门做数据储存的巨杉数据库。第三种是数据分析平台，比如在平台上提供数据分析和数据计算的方案。第四种就是提供一些预测服务的平台，就是通过已有数据去预测潜在客户等，这也是我们现在在美国做的事情。我们的业务主要是TO B（面向企业客户）的，目前主要以金融和科技公司为主，商业模式是很典型的SaaS模式，按年收费，一条产品线一般是10万美元，当然也看数据量，大概分成三个档次，两万到五万一个档次，五万到八万一个档次，八万到十几万一个档次。

EW：中国的大数据行业这两年发展得如何？考虑进入中国市场吗？

WC：中国的大数据行业发展很快，数据基础、数据环境大多已经和美国同步，在一些应用上已经超过了美国，比如中国的电商领域，在数据、性能和应用上都不会比美国差。在大数据的使用程度上，信息交换成本越来越低，信息对称越来越多，这方面没有太大落后。中国在TO C（面对个人消费者客户）这个层面，很多已经超过美国，但是在企业服务领域，可能会弱一点。

其实刚开始我和杨文杰是想要中国、美国市场一起开始，但后来我们发现，美国市场比较成熟，而中国市场还存在很多问题，产品落地很难。第一，我们公司最重要的是算法和数据。数据这一块，中国的公开数据很少，从第三方数据渠道买也买不到多少，因为很多公司的网站不怎么更新，有效信息很少，那么数据能够发挥的价值很小。第二，我们公司做这个业务，需要一些底层技术的支撑，就是企业得有自己的CRM系统，这个系统是企业本身建立的，有了这个系统我们才能够对接到我们的数据库。第三，在中国，付费意识还不普及，市场还不够成熟，比如我们某个单条产品线收费是每年10万美金，这对于美国很多企业来说很正常，但是对于中国的企业来说可能就是很大的数额。所以现在我们还不打算进入中国市场，接下来应该会将业务扩展到欧洲等英语系国家，但是中国是个万亿级市场，我们肯定是不会错过的，等待更成熟的时机我们就会进入。

EW：你之前也提到说到，中国在算法经济上将会在五到十年内实现弯道超车，赶超美国，为什么有这样的预测？

WC：我觉得未来的五到十年是一个战略性的发展机遇。中国有这个商业基础，也有这个商业需求，其实中国的个人互联网应用做得比大多数国家都好，因为中国人口很多，需求很多，商业场景也很多，只要有需求，很快就能够被满足，所以我觉得速度不是太大问题。

问题在于，中国的商业和企业服务领域跟个人互联网不太一样，这个跟国家的经济战略导向有关，之前美国也出现过中国现在讲的供给侧改革，实际上这就是给企业减负，促进创新，寻找新的增长点，那时候美国鼓励大家去西部高科技，硅谷就是那个时期创建的，很快引领了全球的科技创新。中国现在也处于这种改革的初期，肯定会出现一些问题，但都是小的波折，不阻碍整个浪潮的发展，我觉得以中国人的聪明才智和勤奋，可以在这样一段时间内去催生一些创新的东西。

接下来五到十年，是很大的机会，国内的TO C已经很完善，那么TO B有很大的市场，所有的投资人都在往这里看。2015年被称为国内企业服务的元年，因为去年这方面的投资特别多，企业服务的公司数量增长也很多，媒体报道也很多，可以预见的将来，中国的企业级服务一定是会赶超美国的。

EW：如果像您所说，将来算法经济流行起来，中国也进入这样一个算法经济时代，会给企业和个人带来什么改变呢？

WC：首先就是企业人工智能肯定会往更高级的形态发展，未来的企业级服务会将数据和算法结合，直接作为决策的工具，会思考的SaaS才是未来，终极目标是企业之间可以直接对话，对话的语言就是各种算法。

个人层面，物联网普及以后，物联网上的设备会产生大量的个人数据。举个例子，将来每个人都可以通过健康医疗App收集到自己的健康数据，可以通过算法推荐适合的养生建议，可以指导饮食计划和各种健康服务。将来家里的智能硬件也能够收集家庭生活质量的数据，也能够通过算法来推荐各种服务。

商业层面，当算法可以带来经济效益时，肯定会有第三方专业算法服务提供商的模式出现，现在互联网RTB广告行业算是走在前沿，它通过算法来竞价广告投放，那么将来在其他领域，也会慢慢普及，其实未来已经来临，只是尚未流行。