Stratifyd創始人汪曉宇：打造AI數據分析生態
如今，Stratifyd Inc.發力中國市場，致力於將大數據人工智慧應用普惠至各行各業，為各行企業賦能。
全文3067字，閱讀約需6分鐘
文丨劉士武
人工智慧發展至今已歷經三次浪潮，身處第三次浪潮的今天，人們已經感知到AI對於生活方方面面的影響。
智能家居、智能機器人、指紋識別、人臉識別等等，都是AI在日常生活中的應用體現。人工智慧正以不可逆轉的迅猛之勢進入到我們的生活之中，人們時刻感受著AI帶來的高效與便捷。
為了更深入地了解AI在不同業務領域的應用，洞察AI在千億級市場中發揮的無窮能量，億歐公司專程採訪了人工智慧數據分析服務提供商Stratifyd Inc.的創始人王曉宇，以探究竟。
中外資本湧入AI市場「藍海」
資本的嗅覺總是最敏銳的，在全球人工智慧崛起之時，大量的風投資本湧入這個新興的技術領域。從國際到國內，從互聯網巨頭到行業新貴，人工智慧已成為最受矚目的新興產業，化身新時代的「寵兒」。
當然，Stratifyd Inc.也不例外。
從2014年成立至今，Stratifyd Inc.收到了來自中外多個資本方的投資。不過，中西方文化的差異也讓中外基金公司在投資的選擇與價值判斷上出現一些差異。
Stratifyd Inc.創始人汪曉宇對億歐坦言：「國內投資人對於創業者實現價值的周期相對要求更加嚴格，所以國內的創業周期較短，或者說更加的相對中短期。」相反，在美國，大多數投資人對創業時間周期的容忍性比較好。投資人有足夠的耐心，對創業者意味著足夠的空間和信任。
作為被美國當地基金密集背調（Due Diligence）的汪曉宇來說，Stratifyd Inc. 融到了B輪，基本上就達到了自負盈虧。「實際上，在A輪和B輪的融資過程中，更多都是美國本土的公司（獨立）介入的。」汪曉宇回憶道。
中美基金的投資差異，主要體現在被投的平均數量上。
在汪曉宇看來，美元基金投資公司的數量，相對國內是比較有限的。結合整體投資環境來說，大多數基金的風格並不是要投出個幾百家公司，更多的是偏謹慎一些。
「在美國，一家基金公司通常會投二三十家企業。」汪曉宇表示，「基金公司和被投企業之間，相對深入的探討和溝通非常的緊密，非常的多。比如說我跟我的董事會，美國董事會可能每周，或者每隔幾天我們就進行溝通和交流。」
更少的被投，就意味著每個獨立的企業會被更多地關注，同樣的關懷感在國內並不多見。「國內的機會相對比較好，項目也比較多，可能對每個項目給的關懷就相對少一些，原因大家都可以理解。」汪曉宇表示。
談及自己的第一個外部投資機構Fusion Fund，汪曉宇滿是認可。
「Fusion Fund的創始人張璐是第一個投我們公司的投資人，她非常容易看清楚自己想投的方向，只要想清楚了，就會非常努力地去投，然後一直持續地去支持被投公司。」汪曉宇對億歐說道。
Fusion Fund希望幫助所有被投企業，為之引薦相關公司和合作方。讓被投企業之間、被投企業與外部大企業之間可以得到及時地交流溝通，資源上儘可能全方位互通。
「這是很不一樣的一個點，是資方的『天性』所決定的。」汪曉宇表示，5年前她就投了Stratifyd，「這是一個非常有遠見的過程。」
當然，在2015年，也是國內投資的一個熱潮期。Stratifyd Inc.在中國資本市場中也備受青睞，先後贏得華創資本、真格基金以及騰訊的認可和投資。它們看好Stratifyd Inc.在人工智慧領域的無限潛能，事實證明，它們的選擇是對的。
Stratifyd Inc.到底是做什麼的？何等優勢會讓中外資本方如此青睞？在介紹這些內容之前我們先來了解一下Stratifyd Inc.的發展史。
Stratifyd Inc.的發展與蛻變
人工智慧大行其道的同時，卻因不同應用場景、不同數據維度和類型所帶來的處理內容、處理邏輯演算法的差異，讓整個行業的從業者們更像是在「分頭行動」，也讓一部分優秀的AI工程師「被迫」將更多時間花在了基礎演算法的研究上。
「能否有一個AI驅動的數據分析平台，幫助大部分企業在不花費大量學習成本的情況下，引入AI技術並提升經營效率？」這是Stratifyd Inc.創始人汪曉宇一直在思考的問題。
在北京讀完大學後，汪曉宇便前往美國求學。在北卡羅來納大學（UNC）夏洛特分校博士畢業後，汪曉宇先是留校任教了5年時間，之後便全身心投入到研究工作當中。Stratifyd Inc.就源於美國數據可視化研究中心計算機科學博士後的研究工作，汪曉宇和同事們曾一起研究如何利用AI獲取、分析並可視化展示非結構化數據。
在研究過程中，汪曉宇漸漸發現，非結構化數據的可視化功能可應用於輿情預警、市場營銷、客訴分析等眾多領域，於是創辦了Taste Analytics，希望能夠幫助更多企業高效完成數據的收集和分析工作。
汪曉宇告訴億歐，公司剛成立的那段時期便積累了很多客戶，例如其中一個企業客戶的郵箱，每周能收到幾十萬封投訴和建議郵件，而Taste Analytics提供的方案可以幫助公司快速將郵件內容聚類、整合，通過圖表視圖來告訴運維人員用戶反饋了哪些問題。
值得一提的是，Taste Analytics只提供數據分析服務，並不會抓取或存儲郵件信息，所以企業不用擔心隱私泄露的問題。
產品逐漸成熟後，汪曉宇和團隊成員開始探索更多可能性，選擇的方向最終確定為「通用AI數據分析平台」，公司也更名為Stratifyd Inc.。
「之所以要做通用AI數據分析平台，是為了使這款產品能夠讓技術人員、業務人員、學生、學者等各個群體，都可以很快上手並分析處理他們所研究的內容，並以圖像、圖表等可直觀接收的形式展現，提升工作或學習效率。這個過程他們無需理解什麼是神經網路、什麼是AI。」汪曉宇表示。
Stratifyd Inc.通用AI數據分析平台，更像是將汪曉宇團隊此前的「定製產品」變成「可量化產品」。按照汪曉宇的話來說，用戶端的簡單易用，意味著前期底層代碼設計和模型訓練的工作量將會大大提升。
此外，為了保證最終輸出數據的準確性，Stratifyd Inc. 前期做了大量的非監督AI學習工作，簡單講就是把普通工作人員需要去深入理解的這種演算法能力，以體系化、平台化的方式集成到通用數據分析後台中，這樣的話用戶就不需要花時間去學習分析方法以及人工完成分析了。
AI賦能多行業客戶，助力企業高質量增長
Stratifyd Inc.將通用AI數據分析平台命名為Stratifyd，希望用戶能夠第一時間想到在使用產品後的收穫——高效運營、模型預測、輔助決策。
億歐在採訪中了解到，Stratifyd兼具實時交互、圖像可視化、結構化和非結構化數據分析能力，能夠幫助大中小型企業定位用戶、員工以及市場中的海量文本反饋信息，洞察其商業價值，提升企業經濟效益。
汪曉宇表示，Stratifyd有兩大核心優勢，第一是通過系統化的數據收集分析，減少企業運營的中間環節成本。
「我們的一個客戶是一家大型車企，使用我們的系統之後，用戶無論通過售後服務、電話投訴、社交媒體還是其他渠道反饋車輛問題，都會由我們的系統收集並分析數據，將問題直接反饋到相應的生產環節——這就節省了中間信息收集和部門間傳遞的過程。」
Stratifyd的第二個優勢在於，能夠通過現有數據建立預判模型。「實現這個功能首先源於Stratifyd提供的自動監測、自動管理演算法，通過這些演算法，系統能夠自主分析未來哪些部件有較大的維修或更換需求。」
Stratifyd在完成數據的分析和預測後，能夠根據企業需求以數據或圖像形式提供後續決策參考，這也讓企業決策者在制定發展計劃時，能夠獲得更好的客觀參考依據。
汪曉宇表示，公司客戶包含三大行業方向：
金融和保險行業：客群主要為銀行信用卡、電子銀行等業務部門，這部分客戶面臨的難題是數據維度廣、計算模型繁瑣，人工計算和預測難度較高，而Stratifyd的非結構化數據整合分析便可以解決這些問題；
本地化和全球化的醫藥廠商：這部分傳統企業的特點是生產和銷售鏈條較為繁雜，各環節相互溝通成本高，很適合使用Stratifyd提升整體效率；
零售快銷行業：其使用Stratifyd的邏輯與傳統醫藥廠商類似。
截至目前，斯圖騰飛已經服務了美國、中國、澳大利亞、紐西蘭、日本、新加坡等多個國家的客戶，語言覆蓋達29種。
如今，Stratifyd Inc.發力中國市場，致力於將學術殿堂級的大數據人工智慧應用普惠至各行各業，為各行企業賦能。我們相信，隨著企業對AI的認知和人工智慧普及程度的提高，Stratifyd Inc.的潛能是不可限量的。
RECOMMEND
