九章云极的创始人方磊在微软工作期间发现了这个数据行业的痛点，看到了数据科学平台的蓝海。2011 年，方磊开始在微软 Bing 搜索部门工作，先后担任过数据科学家和数据工程师。他发现 Bing 内部 800 多个数据工程师在一个名为 Aether 的系统上协作，这个平台包含一万多个模块和几十万个项目，而整个团队能够有序地在同一个平台进行协作，并且具备管理、资源调配和提高工作效率等诸多功能。
2013 年，方磊决定回国创业，在北京中关村创立了九章云极 科技 公司，希望搭建一个给数据科学团队使用的协作办公平台，帮助企业的数据科学家和数据工程师更好地协作。
目前在大多数企业中，数据的价值主要体现在进行粗浅的数据分析，将数据做成包含饼图、折线图等的可视化报表，进而指导业务。而随着企业积累的数据越来越丰富，对数据分析的要求越来越高，过去的数据分析方式已经不能满足企业的需求。
方磊认为，企业数据的价值正在发生转变，数据分析进入了 “增强分析” 阶段，即通过机器学习或者人工智能增强数据分析能力。以往的可视化分析是通过视觉呈现产生洞察，但通过人工智能技术分析产生的洞察更强大，比如通过模型分析金融反欺诈中的数以亿计的交易。
在这个大环境下，九章云极推出了 DataCanvas 数据科学平台，希望帮助企业应用 AI 进行智能化转型。
为了降低企业应用 AI 的难度，DataCanvas 提供了完整的机器学习平台和 AI 模型生产化平台，将数据清洗、特征工程、模型训练等一系列高难度的数据模型工作自动化。使用者不需要具备专业的数据科学背景和编程算法能力，只需借助 DataCanvas 数据科学平台上的 AutoML 建模功能，即可完成海量数据处理和数据模型全生命周期管理。
DataCanvas 更强大的功能还体现在实时数据处理上。例如，在每天生成海量数据的金融行业，实时数据决策的需求尤为迫切：在刷xyk的一刹那判断出是否是盗刷，在瞬息万变的股市中计算出最佳投资方案……都需要借助实时数据处理来保证。
“九章云极的核心是把数据变成模型，为客户提供模型能力的技术工具或服务，以支撑各类商业场景。” 方磊说道。
对于数据科学的发展趋势，方磊认为技术的壁垒是在不断降低的，现阶段更重要的是普及应用。“降低技术门槛已经不是数据科学发展的核心难题，核心难题是如何将技术与现实场景中的业务结合起来。” 方磊表示。如何高效共享专业知识，如何将行业经验、业务知识和数据科学、人工智能有效结合，并最终实现在业务场景中，是企业在人工智能浪潮中共同面对的技术落地难题。
针对这一难题，方磊提出了 “知识融合” 的概念。“我们人类的很多常识是跟业务相关的，机器学习在某些方面可以洞察出微妙的数据信息，但有些还是需要依赖人的技能。” 方磊表示，“建立一个模型，技术在其中占 30% 到 40%，剩下的其实是业务知识。” 他列举了金融应用中的一个场景：比如小微贷款模型需要考察企业的隐形负债风险，有经验的审计要考察的第一项是借贷是否拆整为零，如果公司收到不同账号的整额打款，就可能有隐藏的负债风险。这需要人的常识性经验来做判断，需要人把这样的经验变成机器学习里面的一个特征，机器学习就可以做出相应的风险告警。
在实际 *** 作中，九章云极为企业落地 AI 提供了 “四库” 解决方案：通过建立 “四库”——模型仓库、特征仓库、场景模版仓库和 AutoML Recipe 仓库，解决企业业务知识与技术知识融合的难题。数据分析、建模的门槛降低以后，企业的 AI 应用成本也相应地降低，就能在更多的业务场景中应用 AI。
目前，九章云极不仅在金融行业反欺诈、精准营销等场景有丰富的实践经验，在政府、交通、IoT、地产、教育等领域也在不断落地机器学习的创新应用。
在服务政府的一个案例中，九章云极与山东省青岛市人民检察院合作了 “案件质量评查系统建设项目”。利用 DataCanvas 数据科学平台，通过运用机器学习算法、模型训练等技术实现智能案件评查，将人工办案的工作量下降 80%，效率提升 80%。以往评审类案件由于人力的限制只能抽查 10%-20%，而借助人工智能技术可以做到 100% 全部评审。
服务全球客户，是方磊接下来的目标。他判断中国的 To B 业务出海在 3 到 5 年以后会慢慢成为主流。随着云计算的发展，全球很多大公司的数据业务都在云上。“云可以成为一个入口，在云上我们就可以去提供全球服务和参与竞争了。” 方磊认为 ToB 业务的出海一定会经历这个过程。
2018 年 3 月，九章云极进行了 B 轮近亿元融资，由红点创投、东方富海等机构参与。2017 年 1 月实现了 5000 万元 A 轮融资。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）