12月24日，由创业邦主办的“2021企业数字化创新峰会”在深圳湾万怡酒店举行。

本次峰会以“重构未来”为主题，邀请到聚焦数字化相关赛道的投资机构代表，来自大数据、云计算、AI、企业服务等领域的创业者，围绕数字经济、企业服务领域的技术、商业、创业、投资展开深度对话。

峰会现场，创业邦特邀总编辑黄翔，数之联联合创始人兼智慧工业事业部总经理方育柯，九尾科技联合创始人兼副总裁林玩松，风变科技创始合伙人、CTO 兼 COO吴亮亮，GrowingIO 副总裁邢昊进行了名为《大数据与人工智能产业新变量与新机遇》的圆桌对话，犀利观点如下：

1.当用户行为与历史交易数据碰撞时，就产生了非常多的商业洞察和商业增长机会。

2.真正颠覆行业的大数据解决方案还没有出现，或者出现在一个完全想不到的角度或者姿势，这恰恰是人工智能和大数据最难的地方。

3.要认清自己选择什么样的赛道，首先用户要有一定的数据沉淀；二是它对于品质的关注比较高，甚至这个品质决定了它在市场上的存活。

4.大数据与人工智能技术变革推动了人力资源数字化产品迭代创新，更多的企业人力资源数字化进程已经加速，人力资源数字化带来的人岗匹配、人才分级、人力解放等降本增效措施，将是企业可持续发展的重要保障。

以下为圆桌对话内容，由创业邦整理：

黄翔：大家好，本场圆桌论坛讲的是大数据和人工智能产业新变量与新机遇。今天有四位嘉宾，大行业都属于这个领域。请各位来简单介绍一下自己的公司，说一说公司是利用大数据和人工智能来解决什么样的问题？

方育柯：我们是成都数之联科技有限公司，最近刚股份制改制完。我们公司是2012年在成都成立，前身是电子科技大学数据化学实验室，现在刚好10年，我们最近也会搞10周年的一个大复盘会。公司现在主要是做大数据和AI，在政府智慧治理和制造业里面的应用。在制造业除了做AI质检，还会帮助半导体企业打造良率和生态工艺的闭环，帮它做降本增效。降本就是降低AI质检的成本，增效就是帮它快速解决所出现的更新问题和良率的优化问题。这是我们在行业里面主要做的事情。

黄翔：方博士介绍公司比较多，介绍自己比较少。方博士是电科大计算机软件和理论的博士、高级工程师，主持过很多重大科研项目，包括国家的863基金，过去在华为产品做架构师。下面请九尾科技林总做介绍。

林玩松：我叫林玩松，企业是九尾科技，旗下有兼职猫、云校招和招聘猫以及专注人效提升的Saas产品“鹿用”，我们通过线上自营的三大招聘流量平台结合线下运营的青年人才创新创业产业园来为企业及用户提供灵活就业一站式服务。全国的流量大概是有4400万的用户，整个企业用户大概是147万，相当于占欧洲一个中型国家的人力资源。因为当下灵活就业也是一个风口，所以我们很早于2013年大学生创业时就切入了这个赛道。那时是在大众创新、万众创业的大学生创业市场，风口上几只猪掉下去没有死，现在赶上大数据和人工智能的变迁，我们不断深挖数据沉淀和SaaS系统的深度人力资源服务，也在做升级的转型和规划，包括明年计划在香港上市。

黄翔：吴亮亮也是非常年轻的创业人，领域是成人教育的提供商。

吴亮亮：我是风变科技的CTO兼COO吴亮亮，简单介绍一下风变科技，我们是一家以技术推动优质教育资源大规模供给的科技公司，专注于为成年人提供优质的职业教育学习选择。在传统的公司中，“技术+教育”结合起来是什么样的？通常是一个老师把线下的课程，通过录一个视频或者开直播给大家上课，这个东西只不过把线下课的形式换到了线上。我们想，能不能用人工智能大数据的方式来替代老师？我们的目标是以数字化和人工智能的方式赋能教学端，以自动化教学的方式替代真人教学。除此之外，我们也是一家布道人工智能的公司，大家看到我们公司在朋友圈里面发布的风变编程Python小课的广告，其实我们不仅仅是Python教育公司，我们还把技术迁移到了其他复杂学科的教学，把技术用于其他领域或者社会上所缺的课程内容里面。现在国家也在大力发展新职业和新技能的教育，所以我们现在也在积极拥抱大社会发展趋势。

黄翔：最后一位邢昊。

邢昊：大家好，我来自GrowingIO。我们服务的客户有三类：第一类是国际企业，苹果、特斯拉、乐高、宜家、奔驰这样国际化的公司；第二类是最近比较火的新瑞品牌，喜茶、良品铺子；第三类是细分赛道的龙头企业，东方航空、安踏等等这样的企业。帮这些企业做什么呢？我们帮它挖矿，不是比特币的矿，是挖他们的数据矿，用大数据做用户行为分析和用户价值的一家公司。疫情之后，企业和用户之间的交互和沟通已经越来越做数字化，得益于大家疯狂做小程序和电商，我们的企业在和用户进行连接，数据已经成为生产要素了，可惜这些企业产生了数据连接，但是没有很好地收集用户数据。

创始人从美国回到国内创建了GrowingIO，我们现在独特的技术叫低代码，当时还不叫低代码，通过一行代码来到数字平台里面，合法合规去收集所有的行为数据。其实我们不但挖矿，还帮助客户去生产数据。今年是公司成立的第五年，我们致力于让每个企业获得像今日头条、阿里和腾讯这样数字化的能力，希望大家的生意能够越做越好。

创业的逻辑

黄翔：你们当初是怎么进入这个领域的，当时背后的逻辑是什么？

邢昊：这是挺有意思的话题。早年公司的创始人叫张溪梦，他在美国领英做了五年数据分析的总监，在美国数据有非常大的价值，他也经常说数据有黄金和钻石，里面有巨大商业增长的机构。回国以后，他用增长的概念创建了这家公司，所以我们叫GrowingIO。

最早互联网特别火，2018年之前，我们做了7000多家互联网企业。最近两年，越来越多传统行业和实业企业+互联网的过程中也产生了大量的需求，现在我们也尊从国家的新方向，希望为国家的实体经济提供更多的支撑。这两年涌现了更多有实际生意的企业。在和实体企业碰撞时发现了一件特别有意思的事情，以前只分析用户行为，当我们把系统私有化部署到企业里面，它们愿意把历史交易数据给到我们，当用户的行为与历史交易数据碰撞的时候，就产生了非常多的商业洞察和商业增长机会，这是最近我们看到的几方数据融合所带来的价值，大概是这样一种心路历程。

现在也不能说我们做得非常好，很多企业实践还是来自于企业给我们的输入，这也是Growing里面的概念。本质上来讲，我们在践行人工智能所讲的深度学习，不断向行业学习新的知识，再反哺给企业，这是我们大概的心理状态和企业状态。

黄翔：吴亮亮，说一下你创业的逻辑。

吴亮亮：我们是从学校里面就开始创业的，当时我们为什么想要去做教育这件事情呢？因为我们在学校里面能获得的一些教育资源其实是不够的，现在也遇到同样的问题，你在学校里面学到的东西不一定是你想要的。那么怎么去解决这样的问题？早在2017年的时候，有一个非常火的MOOC教育，那时候大家相信，通过MOOC教育平台，所有人可以上清华和复旦。

但是我们发现了一个问题，单纯地把老师的教学录制成视频，很多人其实是看不下去的。我们想，能不能通过技术做一些突破和应用。在上课学习的过程中，最重要的是互动反馈和内容自适应，我们都希望有老师可以一对一地给我们教学。于是，我们通过把自研技术融入教学中，不断地改变和优化产品的交互界面，让原来只是一个人盯着屏幕看、毫无互动的方式，变成可以在学习课堂中发生频繁互动，这样我们可以获得更多的反馈数据，针对每个学员和每个学生不同的反馈给他不同的内容，实现真正的互动式教学的效果。

所以，我们不断在这件事情上做一些深耕后，我们自己也发现，其实你在学习的交互上发生了改变，用户在原来学习方式上坚持5分钟到15分钟左右，就可能会去刷其他东西。但是融入人工智能大数据的方式后，可以让一个学生能够沉浸式地学习45分钟以上，这样技术的突破其实就真正改变了数字化世界的教育方式，这也是我们一直在做的事情。

黄翔：林总当时怎么考虑的？

林玩松：吴总是大学生创业，我虚长他几岁，我是1992年出生的，我们也是大学生创业。那时跟师兄师姐，大概六七个人一起做兼职，做了人力资源中介。很多同行办中介卡，大家学生时代干过兼职，买一张卡几百块钱，中介会给你介绍工作。我们当时基于这样的情况下，建立了一个中介的人力资源平台，几个人把所有的数据放到一个数据平台上。

我们不知道什么叫大数据，不知道什么叫做人工智能，那时就觉得有数据放到平台上。非常萌芽的时候，我们参加了广州挑战杯互联网的比赛，拿到了一点融资，我们团队也是受到了李克强总理的接见，非常荣幸。

现在市场越来大，今年和去年，李克强总理和中央强调，国内灵活就业的人群大概有2亿，占中国的人口大概有1/6到1/7的比例，非常大。国外灵活就业的渗透率大概是30%-40%，中国灵活就业的渗透率大概是9%，这个市场非常大，不是一个小生意。

现在很多骑手像滴滴、货运、快递基本都是灵活就业，他们通过SaaS系统来实现精准匹配。我们所做的东西就是不断地创新。我不是技术出身，也不是营销出身。我的CEO是广州中医药大学的。所以我们招了一群技术人员，在这里，我们的资历很浅，希望将来会越来越多往大数据和人工智能方面做匹配。

现在平台经济发展越来越好，大数据的沉淀和大数据的匹配越来越重要。最重要的是C端，有大概5千万的用户，主要是95后和00后。他们的父辈都是改革开放后的人，他们不希望被传统8小时的雇佣制限制，每个人身上都有技能标签、兴趣标签和地域标签。我们可以做人岗精准匹配。简历的智能筛选系统和区域人才分级系统这些需要SaaS和大数据的沉淀，我们所做的事情就是不断靠近，实现智能化提升各环节的效率。

黄翔：九尾科技的人力资源这个科技大家关注比较少，美国的独角兽当中有两块是中国自己比较缺的，一块是房地产科技，还有就是人力资源技术公司，这里面的技术含量非常高。这两块在未来是大量产生独角兽的机会。

方教授你说说。

方育柯：我本身是学数据挖掘、学计算机和算法出身，那时所做的东西只是觉得从数据的边缘发现问题比较有价值，在学校做科研的时候，像华为、中兴会给我们一些课题，让我们去做。毕业之后就觉得与其跟别人做，还不如直接探索里面的商业价值，大概走了三年的弯路，从2012年-2015年一直在玩儿技术，觉得技术做OK，客户就会认可。但并不一定如此，你的努力和回报并不一定成正比。

经历了一定的弯路再去摸索，早期我们见到项目就去做，做化工、酒类等传统企业。举一个例子，我们做传统的企业，类似于做泡菜和老干妈之类的，成都那边还有郫县豆瓣，他们用传统的工艺去做，数据的收集很恼火，他们不Care生产过程的数字化，他们只需要按照老师傅的经验去操作，美味可口的泡菜就出来了。

这与我们没有关系，我们要认清自己选择什么样的赛道。首先用户要有一定的数据沉淀；二是它对于品质的关注是比较高的，甚至这个品质决定了它在市场上的存活，尤其像半导体，1个点的良率对于它们而言就是利润。我们结合几种技术锁定了几个方向，尤其是在可量化的地方，在投入回报能成正比的地方选择自己的赛道，包括面板、PCB和汽车零部件等赛道和领域。

与行业结合的难点在哪？

黄翔：方博提了一个问题，说走了很多弯路，这也是我下一个问题。在座的公司和创始人都很年轻，实际上，公司的时间按传统互联网公司的发展来看都已经挺长了，长的十来年，短的也有五六年。除了方博士所说的弯路之外，是不是也有大家从事的这件事情（大数据、人工智能）和行业的结合，本身是不是有难点，你认为难点在哪儿？从林总开始。

林玩松：我们成立的时间应该也有8年的时间，之前所做的事情更多是一些简单的互联网平台化的算法，相对来说比较简单一点。现在所遇到的问题其实跟行业整体的背景有关系，因为人力资源无非就是在四个点：招、培、育、留。现在做的两个点比较好：

1.招。这个领域的公司有很多，比如像猎头的猎聘和脉脉，综合性平台包括智联、无忧和58，白领的招聘平台有Boss直聘。我们是蓝领和灵活就业的招聘平台。兼职猫及这些平台是早期的资本洗出来的，不断烧钱而烧成头部的平台。所以招做得比较好。

2.培。教育行业培训相对来说比较标准化，所以在人力资源的赛道中，人力资源的培训比较少有跑出来的企业。

3.育。关于绩效和薪酬这一块，还是有一些SaaS做得比较好。

4.留。关于怎么去留人，或者怎么做体制这一块，也是比较少。

招和育在行业做得比较好，本身我们的行业是灵活就业的行业，灵活就业大概可以理解为18-24岁、25-34岁的年龄段，而这个年龄阶段是劳动力阶层的50%多。50%多中有大部分人员学历水平比较低。为什么成为灵活就业？为什么是骑手、外卖员和快递员，因为他们本身文化水平比较低，有些是建筑行业的水泥工、建筑工和农民工，他们对于互联网大数据的接洽度比较低，他们需要被教育的过程，我们教育了八年的时间。我们相信未来的市场是美好的，因为这个市场的比例不断变大，用户的互联网习惯和大数据的体验习惯会慢慢转化过来，这才是需要一个漫长的时间。

第一，有的行业从横向来说是招、培、育、留，需要标准化的板块；第二，在底层的C端，用户需要教育，而且教育需要比较漫长的一个时间，因为我们不是做中高端，我们做的是通用岗位的（中低端的板块）。

吴亮亮：我们这个行业与大数据之间的关系是比较难构建的，因为教育是一个传统行业，我们把行业构建起来需要做颠覆性的操作。我们公司做的颠覆性操作是真正实现没有一个老师去做教学，比如说我们教用户去学Python这样一个新的编程技术，我们服务了几百万的学员，但在这个过程中，是没有一个老师去教学的，完全以数字化的方式去完成自动化教学。

在这方面我们做了什么呢？

一是我们一直在探索把技术应用到线上教育之后，能不能完全超越线下教育。因为线下教学很难做到能够照顾的每一个人，大家的背景不一样，大家的知识面不一样，但是老师所讲的所有东西都是一样的。如果技术能够做到千人千面教学，这个问题解决之后就能大大提高几百万学员的学习效率，这样产品面向的人群也是泛人群的，可以覆盖更多的教育用户。

二是把教学数字化以后，可以全部变成线上，这样一整套链路可以变成沉浸式的。比如我们去学编程，会遇到一个问题：老师今天课堂上讲的东西，你回去试一下实操，第一步就卡在了安装环境上，因为你的电脑和老师是不一样的。那么能不能把所有的过程，教学、练习和测评都装到一个软件上，让软件替代老师教学，降低学习门槛，这是数字化很重要的事情。

三是教学需要从招生开始，到安排学生进入学习，后期再跟踪学生的学习情况，最后是学生学习目标的达成交付。整个过程，传统的的做法是用Excel登记学生数据，但这些数据都是离线化的数据，没有在线化的数据是没有意义的。我们把全链路的数据存在了数据中台，一个学生今天看到A广告还是B广告，是来自哪个行业，身份是老师还是学生等等，所有的标签信息都开始对接进来，这个过程中虽然都是线上的，我们背后也还是有人的，这些人可以观察到所有学员的数据，以便可以提供更针对性的贴心服务，进行30天、甚至两个月的长周期教学服务。这个过程中数字化的意义非常大。

黄翔：邢总说说。

邢昊：人工智能和大数据是目前常见的词语和数据，最难的一点是，你向技术或向人工智能提一个什么样的问题。谁能选中这个命题实际上是最难的事情。

以前我们说搜索引擎很厉害，谷歌和百度能搜很多东西，但是你真正坐到电脑面前打开搜索引擎，你知道要搜索什么呢？不知道提问什么。比这个更可怕的事情是，当大数据出现以后，我们交互的方式和沟通的方式是颠覆了原来的认知，比如，以往看电视觉得这个节目看过之后就看不了了，当时的创新是要做点播平台，以我为主来选择电视，而不是电视推什么就看什么，这是我们的创意和创想。大数据出现以后是抖音和快手，是点播吗？不是点播，是卖给你什么看什么，不是传统意义上对于数据应用的方法。

回到营销的领域也是面临这样的问题，现在大家最敏感的问题就是个人隐私保护，商家把数据收集之后对于大家隐私是不是侵犯，大家一定要合法合规的收集数据。每个人有数据存于企业里面，你知道所有的特征里面最不重要的特征是什么？名字，名字是最不重要的特征。每个人都不是所需要的隐私状态，每个人都是分群，很难对于每个人做精细化的处理，这不是大数据的工作方法，它不科学，效率也不高。

今天为止，企业里面要对于用户做分层分群，营销领域是一个开放性问题，不太像质检，我们不得不招聘很多行业专家试图为我们的大数据引擎提出人工智能洞察的真问题，让人工智能来解决。现在看待行业和行业的解决方案太传统了，真正颠覆行业的大数据解决方案还没有出现，或者出现在一个完全想不到的角度或者姿势，这恰恰是人工智能和大数据最难的地方。当然，如果你乐观地看，这也是它最有意思的地方。