编者按：以前一个品牌的兴起，能不能成功，非常依赖于一个天才的管理者、天才的产品经理、天才的设计师等。现在他们的角色当然也非常重要，但越来越多的决策开始依赖于数据支撑，数据可以帮助这些优秀的职业人做得更好。一面数据CEO任栋霓认为这是数据为企业带来的贡献，数据可以让企业变得更加灵活、稳定。

文 / 李畅

编辑 / 小荼

一面数据CEO 任栋霓

1984年出生的任栋霓作为一个纯技术背景的理工男，在香港科技大学把计算机科学专业从本科攻读到博士。博士在读期间就任职腾讯、日本国立情报学研究所（东京），毕业后又到华为诺亚方舟研究院（香港）从事移动大数据系统研究与开发，随后在快播的技术架构组负责机器学习的研究与产品化工作。

在快播时的工作就是基于数据，用机器学习的技术，去在互联网或一些2C的项目上产生价值。当时就看到这个技术的前景应用价值是非常大的，哪怕是离开了一个大的公司也可以发挥很大的价值。 任栋霓回忆道，那时这个技术刚刚起来，很多行业都还处于更新换代的阶段。于是以任栋霓为代表的机器学习团队独立组建了一面数据，专注于帮助企业做数据融合、数据理解、数据分析。

一面数据为多个行业客户，提供数百个品牌的本竞品电商语义分析解决方案。每周采集、处理、分析的文本数据达数百万条，提供618、双11等重要电商节日的语义分析服务。每年处理的语义数据量达数十亿条。

在2014年5月获得天使轮融资后，2016年7月，一面数据宣布获得了1400万元Pre-A轮融资，投资方为真格基金和联想之星。2018年5月，一面数据又获得德同资本和众麟资本投资的A轮融资。我们2017年实现盈亏平衡，2018年盈利。任栋霓介绍，我们一半的收入来自于标准的数据产品，另一半来自于基于我们数据平台各种各样的增值的服务。。

任栋霓从一个从业者变成创业者后，也面临着更多新的挑战。原来我只需要在技术上精进，要把一个指标从95%做到98%，脑子里只需要有这一件事就行了；现在更需要我花时间的地方是（判断）行业究竟需要什么，是需要98%还是只需要95%，以及（寻找）我们的机会在什么地方，怎样去把握住这样的机会，我需要什么样的人，我的团队需要具备什么样的能力，以及我怎么样去更好地激励我的团队等等。

从 广 撒 网 到 瞄 准 消 费 品 行 业

创业初期，一面数据在各个行业齐头并进都做过尝试，当时我们服务过零售金融，比如说银行；服务过投资机构，比如说对冲基金和风险投资机构，还有大型的私募股权基金；还服务过地产运营商等等。在试了将近一年之后，任栋霓发现消费领域才是最适合一面数据的团队基因、技术储备的。

2015年中，一面数据瞄准消费品行业全力投入。原因有三点，一是消费品是一个充分竞争的行业，品牌与品牌之间比拼的就是谁的产品做得好，谁更了解消费者，所以他们会特别依赖于对数据的研究、对消费者的理解、对各种各样新事物把握跟了解的速度。

第二，消费品是一个数据极其丰富的行业，每天有几亿的消费者在浏览他们的产品，在购买、传播、评论等环节，会留下非常多的足迹，即数据，可用来分析、建模，然后去指导他们的业务。任栋霓表示，此外，消费品行业的反馈周期非常短，当做了一个决策，不论是在接下来的市场营销活动，或者具体产品的迭代更新，或者在广告上的一个修改，都可以看出它的变化和价值。

第三，我们觉得消费品是一个足够广泛，市场规模也足够大的赛道，足以让我们来施展。

在瞄准消费领域后，一面数据以语义分析去切入这个行业，因为当时各个行业都会有一个比较大的痛点，就是消费者对品牌的评价和评论，以及对产品、功能或其他话题的讨论越来越多。尤其是在电商和社交平台上，比如天猫一年产生的用户评论量有上百亿条。任何一个品牌都没有能力去阅读、处理这样的评论和数据。

任栋霓举例分析了语义分析的重要性，据说当时有品牌团队，为了汇报一个季度的消费者对自身品牌的评价时，整个团队20多个人花了两周的时间，去天猫一条一条查看消费者的评论。我们觉得这非常低效，可以有更好的方式帮大家去节省时间，甚至做到更准确，且没有显著偏差的服务。

一面数据从语义分析切入以后，发现数据在消费领域的应用场景会越来越多，我们深入了解了行业之后，才会知道其实很多工作环节，都可以让数据帮助大家工作得更轻松，获得更准确的决策支撑。

用 技 术 优 势 弥 补 对 行 业 认 知 的 不 足

其实向消费品行业，提供用户和市场的研究的这项服务，已经存在非常长的时间了，甚至可以说是伴随着消费行业发展，一路相随的，例如传统的市场调研机构、咨询公司都会做类似的事情。

我们希望把自己放在一个新时代的数据服务机构的角色上。因为传统的方式在过去一个时代它是非常管用的，那时候节奏很慢，消费流行的趋势可能一两年更换一波。任栋霓表示，但现在因为社交、电商、移动互联网等层出不穷的革新，消费者的购物和获取信息的习惯完全被改变，所以消费行业也需要新的伙伴能够提供研究服务。我们应该用这个时代的方法，来解决这个时代的问题。

作为技术驱动型的公司，一面数据面对的竞争者更多是一些欠缺技术背景，但是有理解行业或跟客户关系更好的企业或机构。我们的策略非常直接，就是用自己的技术能力，把数据挖得更准，做得更快。任栋霓解释一面数据是如何做到更快更准的，传统的数据服务可能会花几天、甚至十几天时间，定期提供一份份月报或季报，但对我们来说，所有的东西都是实时更新的，一旦模型建立了，今天就可以看到昨天的变化，一些新的机会或者风险都可以第一时间知道，这个就是更快。

怎么定义更准呢？一方面，就是用传统的方式永远不知道这个判断是否客观，哪怕找再多的消费者做访谈或调研，也不知道跟竞争对手的差异具体有多大，没有办法做完全定量的分析。任栋霓表示，但我们可以通过整个市场上可用的数据去告诉大家，市场的平均值在哪儿，你的竞争度在哪儿，可以做到更加的精确和客观。

和传统方法相比，我们另一方面的优势，就是可以去复用。用传统的方式每做一个项目和研究做完它就会结束，整个过程中积累的数据资产或各种各样的经验都没有办法去直接复用到其他公司，或项目上，几乎都要重来一遍。任栋霓介绍，但现在我们有一个统一的数据平台，这让我们有了一个能力，当接入一个新的需求或任务的时候，可以更快地产出结果，秘密就在于底层的各种数据处理已经在这个平台上，做得非常完善了。

技术是强项，但对行业的了解是一面数据的短板，需要提前备课。当我们进入一个行业的时候，第一件要做的事情就是构建这个行业的知识图谱，需要知道这个行业里的消费者都会关注哪些方面，比如说大家会关注产品、服务、物流、价值，产品下面又会含产品的包装、设计、功效、气味等各种各样的要素，这就是我们能够让这个技术落地在消费品行业之前，需要提前去备的功课。

为了得到高质量的数据和模型，在业务场景里产生实际的价值，我们常常会投入大量的研发精力，例如建立起第一个语义分析模型跟客户一起做了将近八个月的时间，才调试到上线可用。任栋霓说，像大型的尤其是跨国的消费品集团，他有非常多合作伙伴，比如广告公司、市场调研公司、咨询公司等。这种大型集团之所以选择跟毫无行业背景的纯技术类公司的我们合作，正是因为传统的方式已经不能去满足他们的需要，同时感受到我们展示出的专业性，所以他们也愿意花时间来一起磨合。

在这个过程中出现最多的波折和问题就是，我们在没有行业基础的情况下，怎么去执行客户给我们提出的需求，最终我们交付的东西，客户也会帮我们去看它究竟是有效的还是无效的，如果是无效的，我们怎么样去调整和迭代。任栋霓表示，这个课我们从2015年开始一路学，花了非常长的时间，到现在，我们对整个消费品行业的理解，已经不亚于任何一个传统的行业专家了。

在上线之前，一个模型其实只是一个纯技术的小工具，或者说是一个实验室的产品，但一旦它上线之后，我们就要每个月不断去迭代它。任栋霓表示，这个时候它就完全可以复用到其他行业其他领域，或者说跨行业的一些品牌和公司。

任栋霓表示，跟行业最优秀、最领先的品牌在一起，根据他们的需求，你会知道行业要什么，什么是有用的，什么是没用的，这对产品和数据积累都有非常大的帮助。

对 数 据 做 了 三 件 事

一面数据做的事和为企业带来的价值其实就是三点，数据融合、数据理解、数据分析。任栋霓说。

第一步数据融合，就是必须要有数可用。所有品牌面对的数据都是非常零散的，分布在各种各样的角落，比如说公开的互联网上，有社交网络、电商、媒体；比如说一些大型的平台方或数据生态系统，像京东、阿里、腾讯，他们都有自己的数据产品。另外还有一些是沉睡在品牌自己的IT系统里的，大家的ERP、CRM，还有其他一些线下数据等等。我们帮品牌将这些所有的数据聚合在一个统一的平台上，让大家有数可以用。

在数据源上，一面数据每天在公开网络上采集的数据量达几百GB，这个量是非常大的。同时我们在数据生态系统的接入上，也有非常强的积累，我们是京东九数ISV（独立软件开发商），可以使用京东生态系统里的数据去更好地服务平台商。据了解，一面数据同时是微软加速器、阿里AI明星班和腾讯AI加速器的成员。

在企业私有数据这部分，因为我们会更理解企业的业务，所以也知道大家会用什么样的系统，知道企业应该去收集哪些数据，所以我们才有资格跟企业坐在一起，去梳理内部的数据应该怎么治理、提取，甚至跟外部的数据做融合。

第二步数据理解，就是我们希望能够让机器代替人去理解这些数据。包括大量数据的打通、自动化处理，还有通过AI的方式，自然语言处理去处理这些非结构化的文本，包括商品的描述、标题、用户的评论等，转化成结构化的信息和数据。在这一环节，机器能够产生其最大的价值。

另外我们有一个非常强大的数据融合的引擎，这是我们从2015年开始就独立去研发的。任栋霓介绍，最早我们用行业里别人的解决方案，但发现在这独特的场景、伴随着大数据量、和复杂数据源的情况下，并没有很好的商业产品可以完美的解决这个问题，所以我们就开发自己的数据融合的核心引擎。

这一块也是我们的核心竞争力。 任栋霓表示，我们有一个数据平台团队，它负责开发我们数据处理的内核，有了这个数据内核之后，所有人的工作量都大大的减少。原来每一个数据处理的流程，都需要做代码的开发，有专人去维护，现在可以通过平台配置的方式，统一去维护这些数据的处理，比以前变得更稳定，时效性更强，人力成本也至少降低一半。

在数据理解方面，一面数据现在整个知识图谱里所涉及到的话题有上千个。这也是一个非常大的量。另外我们的准确率和召回率都是在行业领先的，在具体品类里的F1值，就是大家经常来评估语义分析准确率和召回率的指标，我们可以做到85%以上，而行业平均水平是在70%多。

第三步是数据分析，我们希望能够把第一步融合好的、同时在第二步处理计算好的数据，直接应用到行业里每一个具体的场景。我们是一家非常垂直的消费行业数据解决方案服务商，所以我们会深刻理解消费品行业里的组织架构，每一个部门，每一个角色，在日常工作里所面对到的问题、挑战、KPI。我们希望能够帮助客户的各个角色，用更多的数据跟信息让他的工作做得更好。这里就涉及到大量的分析、建模，还有数据在具体每个场景里的应用。

比如我们可以去智能分析整个品类里的流行趋势，可以做价格的弹性策略，什么样的折扣可以带来什么样的销量，去管理你的收益。还可以根据消费者的评论和口碑的变化，去定位你和你产品的核心竞争力，消费者对你产品的感知跟竞争对手的差异。任栋霓介绍，然后我们还可以实时发现产品的品控以及问题，甚至还可以通过及时的预测，来指导精准制造，还有一些订货、库存管理等问题。

个 性 化 + 标 准 化 的 产 品 结 构

目前在一面数据的客户中，80%都是KA客户，中小企业占到20%。任栋霓介绍，大型跨国集团有20家，服务品牌80多个

Yinsights是一面数据最主要的解决方案，主要服务于KA客户。它涵盖了以上提到的所有场景，包括如何去融合数据、如何去理解数据、如何在各个具体场景里分析然后产生价值，是一个非常完整的解决方案。

任栋霓介绍，Yinsights的价值链拆分为四个环节，应对企业不同阶段的需求，第一个在品类研究，这一般来说是在产品上市之前需要去研究的；第二个是在市场营销，当你的一个产品上市了，那你在营销过程中需要去获取什么样的数据，以及这个数据来指导你做什么样的决策；第三个是市场销售，当产品进入一个成熟的销售渠道时，需要关注渠道销售、定价合理程度等等数据表现；最后一个就是消费者反馈，产品已经卖出去了，消费者怎么去看品牌的产品或服务，怎么样维护品牌的口碑等等。

我们在服务客户时候，就会根据客户的需求，在这个大的解决方案里抽出对他最有帮助的模块去进行部署和实施。任栋霓表示， Yinsights是一个个性化的产品包。

去年，一面数据研发了一个新的产品Yidrone，刚刚上线不久。任栋霓介绍，其实这是一个非常标准的轻量级的小而美的产品，它的特点就是可以帮助各种大小品牌客户，快速了解到行业上的动态和流行的趋势，入门门槛也相对来说比较低。YiDrone这个产品，让我们除了KA客户之外，还可以去服务更多的品牌。

同时，一面数据还拥有一个在业内极具影响力的自媒体品牌数据冰山，在知乎、微信公众号、今日头条等自媒体平台运营。数据冰山将团队对数据分析和行业理解形成干货文章，分享给关注数据分析的受众。经过4年多的耕耘，数据冰山已经成为了知乎上关注人数最多的数据分析专栏，在所有专栏中关注量也排在前10名。

其实我们身边有很多非常有意思的事情，可以用数据解释，从而让我们有一个更新的视角去看待，不管是最近的一些热点事件也好，或者是一些新兴的有趣的事情，所以我们希望能够把我们所擅长的东西运用到生活里去，让大家更了解数据的价值。

另外一方面，我们也是希望让同事有机会去展现自己，多写写东西，尤其像我们做数据，是非常要讲究逻辑、故事线还有洞察的，写文章其实对这些能力是一个非常好的锻炼。

从2015年起，一面数据开始通过数据冰山产出内容，当时也没想到会变得这么有名。任栋霓说。

任栋霓表示，虽然我们已经做了五年了，但这个行业仍然在一个非常初期的起步阶段，同时每家公司的切入点和逻辑，以及服务的客户类型、价值产出都会有所区别，所以暂时没有非常激烈的直接竞争。由此可见，消费领域的数据分析正处在生长期，有非常大的想象空间。