就像汽车淘汰了马车，触摸屏最终代替了黑莓键盘，“市场不一定总是从简单向复杂演变，而常常会以另外一种方式发生变化。”和滴普科技董事长兼CEO赵杰辉的沟通，很容易让我联想到理查德·鲁梅尔特在他的那本奇书《好战略，坏战略》中的这句话。

因为他的思考，落脚点都集中于如何打造一款客户真正需要的有核心技术的好产品，并且去更高级的场子里竞争。刚刚完成B+轮融资的滴普科技，团队核心成员大多是在这个行业里摸爬滚打多年的老人，创业4年，即便在规模上，这家公司已经成为新一代湖仓一体数据智能基础软件领域的独角兽，但理性、平实、克制、谦逊这些基因依然烙印在它的组织文化里。

滴普科技企业发展阶段图源滴普科技官方

严格意义上来讲，虽然近些年数据智能新故事层出不穷，但真正称得上国际一流的、或者往这个方向努力的屈指可数。空话最早流行于学术界，但最近一段时间却在信息技术产业内大行其道，每个人都在大谈数字化，对能找到一个海外标的趋之若鹜，以至于让人们产生一种错觉，数字化开始向某种流行病态势演变。

显然，这是不对的。我们经常浅显地把信息化、数字化和智能化“三浪叠加”视为中国企业服务行业的巨大红利，不同于欧美，中国企业更像是一场“跃进式”突击，这无疑给数据智能玩家们提出了更高的要求：产品不仅要具备先进的概念，更要立足扎实的解决客户刚需价值，还要能够跟上核心技术的进步。

所以我们能明显地感觉到一个趋势：SLG和PLG不再是对立面，在中国这片数字化热土上，以SLG导向下的PLG正在慢慢崛起。中国数据智能行业亟需一场变革，但这场变革绝对不会发生在外部，就像赵杰辉一直挂在嘴边的，“我们算是比较笨的一个团队，花了4年的时间才搞明白了一个道理，不要妄想你可以做很多事情，也不要妄想你自己的产品可以卖给所有人，要做大得先做强，要做强得先聚焦，而不是单单谋求规模上的数字。”

距离IBM首次提出“数字化”这个概念已经过去了10年，但真正让数字化有理论支撑的则来自于大数据时代的另一位开拓者——谷歌，它著名的“三驾马车”远早于2012年诞生：GFS（谷歌文件系统）第一次公开发表的论文是在2003年，MapReduce（并行编程模式）公开发表时间是在2004年，BigTable（在GFS上构建的处理结构化数据的分布式数据库）则公开发表于2006年。

在后来的发展过程中，人们对于数字化的理解和定义也发生明显转变。蓝色巨人IBM认为数字化就是通过整合数字和物理要素，进行整体战略规划，实现业务模式转型，并为整个行业确定新的方向；到了2017年，麦肯锡全球研究院对数字化内容上作出了进一步阐释，包括资产数字化、运营数字化、劳动力的数字化；不同于前两者对定义上的钻研，埃森哲团队的研究显得更落地一些。

根据埃森哲的观点，即便数字化如火如荼，但中国各行业的数字转型水平整体仍处于初级阶段，“数字化转型”本身具有不确定性——转型没有固定的形态和一成不变的路径，转型所要达到的目标也随企业实际情况的不同而千差万别。因而数据智能服务供需双方首先要明确的是，数字化转型是手段而不是目的，转型的初心是帮企业解决问题创造价值，以终为始，企业也要清楚自己业务或管理的瓶颈所在。

不得不承认的是，过去这些年国内数据智能行业是混乱与繁荣并行。很多人还没搞明白什么是PC互联网，移动互联网就来了，接踵而至的是产业互联网和万物智联时代，资本追着海外风口跑，企业被时代推着走，造成中国数据智能行业一个很奇特的怪象：大量的、不合理的需求端连接着活跃的、低质量的供给端。

“最典型的例子就是各种各样的中台搅动市场。我们不能把数据智能公司和传统的软件公司混为一谈，他们本质上不是一个物种。”滴普表示道。对于滴普而言，成立4年来，也走过不少弯路，但有一点是明确而坚定的，就是真正把战略收拢聚焦到数据智能的基础软件FastData上。事实也的确如此，自Hadoop流行以来，国内新冒出来的数据智能玩家大都围绕Hadoop生态工具上作文章，没能进一步往底层技术架构延伸。

我们亟需一场深入到行业骨髓的阶段性反思。“在与Gartner分析师的交流中，听到一个非常有意思的观点，他把数字化客户分为三类，Level 1是客户需要你帮他做完整的解决方案，Level 2是客户有自己的完善的解决方案设计，他们需要采购的主要是模块化的基础产品，Level 3是客户可能已经有系统性的解决方案并基本建设完成，需要的是面向未来的技术和场景层面的联合创新，探索新的价值。”滴普表示道。

但显然，国内数字化市场中的很多的主体主要聚焦于第一类，创业公司为了活下去，精力都放在迎合客户解决方案的打单和实施层面；大公司为了拓展第二增长曲线，忙着把自己的方法论和经验打包成产品对外输出。无论前者还是后者，自始至终并没有把“客户刚需价值”的深入思考放在出发点。他们惯性地认为做好是第一要义，却忽略了马斯克第一性原理中的精髓是做对一件事，泥泞之上真正的客户成功也就无从谈起。

“往前走很关键，尤其是在行业进入了冷静期和反思期。”在滴普科技看来，如果说“BI+传统数仓”和“数据中台+以Hadoop为代表的大数据应用”是大数据产业发展的前两个阶段，那么现在我们正探索第三个阶段，即以“机器学习+湖仓一体”技术为代表的新一代数据基础设施，所构建的数据智能基础能力。

乔布斯曾说过一句很著名的话，好的产品都站在人文和科技的十字路口，这句话放到如今的大数据领域也是一样，打磨产品从来不是自嗨、活在数字真空里，而是寄生在实体经济、实体企业中，玩家一定会面临“既要”、“还要”的问题，在这种环境下，选择对的战略和路径尤为关键。

“深淘滩、低作堰。”是滴普科技近4年的成长后才逐步真正领会到的心诀，这句话最早出自任正非之口，在他看来，这是都江堰能延续下来的主要诀窍，其中蕴含的智慧和哲理，也远超出了治水本身。

深淘滩，就是要不断地挖掘内部潜力，降低运作成本，提高自身的能力为客户提供更有价值的服务。深淘滩的内涵就是苦练内功，把基础打好，然后创造价值，进而建立起自己的护城河，至于“低作堰”就是要节制自己的贪欲，既不能什么客户的所有需求都想着吃下来，也要更开放，在大生态里形成竞合关系。

在滴普科技看来，数字经济是一个很大的概念，在这个体系里，每个玩家各司其职，所以锚定好自己的战略定位很重要。但现实情况是，眼下国内数字化更像是巨头的游戏，它们习惯性地把个性的经验和资源开放给市场，站在经验本位去构建产品，也不会过多去思考市场究竟是否真正需要，更别谈形成良性的生态分工，然后嘴里还嚷嚷着我们是客户至上。

赵杰辉以面馆举例，“你会发现赚钱的面馆都有一个主打产品，有的甚至只做一种面但盈利水平要远超做菜单很厚的餐厅。”less is more，这个道理很多人都懂，但真正能切实践行的却很少，很多有潜力的初创公司后来被业务牵着跑，反倒把最有亮点的产品越做越复杂，陷入“功能叠加的死亡螺旋”，所以我们经常能看到一些软件公司，业务很广、规模很大，盈利水平却并不高。

过往的经验告诉我们，创业型企业一定不能在非战略方向上投入战略资源，不少公司都在这上面栽了跟头，赵杰辉坦言滴普科技理解并能坚决的聚焦的过程也是经历了很长的心路历程。类比到滴普科技的FastData产品，经历超过上百PB级数据的综合测试及商业客户运行后，滴普科技对FastData 1.0版本进行了一次重大迭代升级，正式进化到2.0时代。

如果把数字经济分层而论，它在最底层的竞争点一定是怎么构建起更高级的数据分析平台，然后在这个底层的基础上开出各种花，也就是针对不同行业、不同场景的智能化应用。

FastData实时湖仓平台架构图源滴普科技官方

“做对一个产品很难，但你必须要持续做，因为这是唯一正确的路。”赵杰辉如是说，因为从根本上讲，To B不像To C，我们身处在一个长周期赛道，而且从大环境上来看，我们正在经历了一轮数字化泡沫后的冷静和反思期，这正是企业深入的反思自身技术能力、商业能力和客户价值的关键阶段，竞争到最后其实是外部客户价值聚焦和内部组织效率高低的竞争，对于数据智能玩家而言，要先做强再做大，而不是先做大再做强，因为这中间涉及到新锐玩家和老牌玩家的博弈取舍，单从概率上讲，虽然这两个难度都很大，但选择前者显然是更有挑战、更明智的。

技术创新、服务构建、以及做生意，出于公司的分层管理导致我们很容易把这三件事割裂开来，“外部开荒、内部打架”是过去中国软件开发行业的常态，但这恰恰是优秀玩家挣脱泡沫期的一个关键征兆，行军到冷静和反思调整期的新阶段，而且这个时期十分关键。

去年12月，赵杰辉曾在滴普科技内部有一场关于战略审视的会。这种类型的会在滴普很重要，因为在他看来，“战略的核心不仅在战（做什么），更重要的是略（不做什么）。”在这场会议中，滴普明确了Cloud First战略，并把国际化、生态化视为公司下一步提升的重点。

研讨完后的1月，滴普科技正式成立了云服务部，并把FastData Cloud和现在的销售体系合并，从那之后，凡是市场部门必须是要做Cloud。这支队伍在内部被称作是“尖刀连”，眼下他们最关键的任务就是把Cloud First战略持续跑通、持续落地，奠定国际化和生态化的基础。

和其它玩家相比，得益于一直坚持“云中立、互联网生态中立”的理念，滴普科技的市场体系和产品体系相对来说更加独立自主，拿现在FastData Cloud产品来说，已经通过多家云厂商的认证，并在AWS亚马逊云科技、微软Azure和华为云上服务了多家客户。

未来已来，只是分布的不均匀。在滴普科技看来，去更高级的场子里竞争，是中国数据智能玩家必须要走的一步路。一方面，直面这种竞争能让我们的产品视野更加开阔；另一方面，国际化水平的市场需求，也能倒逼我们的产品成熟度更上一层楼，因为真正的To B客户，一定是理性的，他们往往会苛求技术上的先进性和实际的客户价值。

作出这种判断的依据，还来自于FastData产品架构的特殊性，湖仓一体和云计算有着很强的耦合性，因为湖仓一体“统一→简单、松耦合→弹性、敏捷→探索”的设计思路与云计算天然契合，所以当湖仓一体以云原生的方式部署时，它强大的性能优势可以被最大化释放。滴普科技认为，未来新一代的Data+AI的能力，将以云服务的方式快速发展。

和前些年的赛道火热相比，最近国内数据智能行业在风气上要冷静一些，放眼国外，以Snowflake、Databricks、Confluent为首的成功案例依然在续写。和10年前的云计算一样，今天的数据智能行业正站在产品和业务转型的历史拐点，很多中、大型企业，尤其是跨国企业（比如飞利浦、施耐德等），它们既需要安全的云服务能力，也需要优秀的数据智能能力作为业务和组织的支撑。

但无论行业复杂度如何变化，有一点是可以确定的：未来数据智能的演进，取决于对知识的实时管理和大范围数据的协同。比起抱怨行业里存在的种种弊病，“克服+解决”成为摆在我们这些身处创业一线的人唯一可以选择的路，用赵杰辉的话来说，就是未来的数据智能一定是祛魅神秘主义、更加普惠的，事物需要回归它的本质，月球很迷人，但人们往往容易忽略它表面上被陨石撞击过的坑坑洼洼。