作者｜吴思瑾
编辑｜王与桐
36氪获悉，商业智能软件提供商Synergies讯能集思（以下简称讯能集思）宣布完成由诺基亚成长基金（NGPCapital）领投的数千万美元A+轮融资，北拓资本担任本轮融资独家财务顾问。据介绍，本轮资金主要用于市场拓展和团队建设。
商业智能（BI）在国内发展已有20多年，但对大多数企业来说，BI被使用最多的还是其数据分析的功能以及作为前端展示的工具。但其实BI的价值远不如此，早在年，Gartner曾这样定义BI：一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。也就是说，BI作为一个完整的体系，其价值还未被完全发挥。
年前，传统式BI是市场主流，但随着数字化转型进程的加快，传统式BI的弊端也逐渐显现：业务部门向数据分析部门提出需求后，需要经过数据提取、清洗、分析、建模等过程，耗时费力，且随着时间的推移和需求的变化，数据分析结论的有效性也逐渐降低。这样的结果就导致很多企业的BI系统无法很好的实现帮助企业决策的目标，这其中的根本原因在于数据分析师/科学家懂技术却不懂应用场景，而业务人员反之；理想的模式应该是业务人员在发生需求时自己通过数据分析得出结论并及时调整下一步实施策略。
因此，主要面向业务人员的自助式BI应运而生并在年左右开始快速发展。据IDC中国的最新数据显示，年中国商业智能软件市场将呈现高速增长态势，市场规模预计达到7.6亿美元，同比增长26.5%；到年，中国商业智能软件市场规模将达到16亿美元，未来5年整体市场年复合增长率（CAGR）为21.6%。
图源：IDC中国
近年来，随着AI、大数据和云计算的普及，叠加自然语言、机器学习等技术的发展，智能化BI已成为另一大主流发展趋势，海内外BI厂商纷纷布局智能化BI产品，如微软的PowerBI、Tableau、Qlikview，国内的帆软、永洪科技、亿信华辰等。
智能BI，也称作ABI，是指从数据准备到可视化探索、到洞察生成、到增强的自助分析等系列功能，对业务人员来说十分友好，通过语音询问或在搜索框输入关键词即可生成相关数据分析的结果，简单易用，快速高效，从而降低对数据分析师/科学家的依赖。
本文介绍的讯能集思是36氪此前曾多次报道的智能化BI领域的厂商之一。讯能集思成立于年底，总部位于上海，在中国台北、新加坡、波士顿均设有分公司，其核心产品是一款基于增强型分析技术开发的通用SaaS——无代码AI智能决策平台JarviX，通过连接ERP、MES、YMS等系统，帮助制造、品管、运营、财务等业务部门人员在无需编程技能的情况下自主完成数据分析和通过拖拉拽的方式创建工业APP。同时，JarviX还提供了整套分析方法论以及内置数十套行业最佳实践模板，实现业务人员对数据的快速导入和规模化应用，使数据在不同的业务场景中快速产生分析价值。
对业务人员来说，具体的操作步骤分以下三步；简单来说，就是发现问题、找出原因、得到答案：
1、通过NLP提问，系统自动调取数据构建可视化战情室等应用程序；
2、通过NLP自动调用内建AI算法如根因/分群/异常/关联等分析数据；
3、通过AutoML和模拟器等技术对业务做出预测和优化。
据介绍，JarviX的产品应用模块包括数据管理中台、自然语言数据探索、AutoML算法平台、动态监控战情中心和No-Code应用创建。覆盖了如智能生产排程、智能供应链、良率根因分析、设备AI参数优化、共用料优化、报价分析预测、智能经管分析、预测性维护、公差分析匹配、AI智能风控和财富管理等多个标准化场景应用。
目前，JarviX主要服务于工业制造行业的年产值在5亿元以上的大型企业和1-5亿元的中型企业，现有合作客户近百家，包括苹果供应链企业例如富士康、绿点；特斯拉供应链企业如福耀玻璃、锠新以及主要户外鞋供应链如钰齐等；大中客户占比各半，主要分布在电子制造和汽车零配件领域。
之所以选择这个行业深耕，一方面与创始人张宗尧的个人经历有关：张宗尧毕业于MIT麻省理工学院，拥有电机与计算机博士学位，研究内容涵盖光学、机器学习、机器视觉与大数据平台等，在富士康担任研发主管期间，曾利用数据分析帮助深圳工厂提升良率节省近万美元。
另一方面，张宗尧认为：首先，工业领域拥有足够大的市场机会，仅从中国来看，年中国GDP约万亿，工业GDP约33万亿，生产方式的转变与人力成本的上升使工业企业迫切进行精细化、数据化管理；其次，现阶段AI在工业领域可发挥最大价值，由于工业制造领域的数据基本全部为企业第一方数据，几乎不受外部因素影响，所以在这种环境下增强型分析可以发挥最大效能，达到最佳的优化；再次，从团队背景上来看，讯能集思可以说是AI/数据分析领域最懂工业的，工业领域最懂AI/数据分析的。同时随着技术的进步，增强型分析也将在其他行业发挥更大的价值。
官方信息显示，讯能集思的核心团队也几乎全部来自名企名校，如IBM、捷普、Cisco、MIT、康奈尔大学、清华大学、新加坡国立大学等，兼备技术开发能力与工业制造背景；目前，现有团队成员80余人。
这种商业模式固然好，但仍然有几个绕不开的问题：
一是这种模式决定了讯能集思的合作门槛只能是信息化程度较高且拥有较多数据的中大型企业，但这类企业的系统多以定制化为主，这就意味着各家系统缺乏统一标准、且数据的数量和质量不一，无形中为后期交付提高了难度；
二是涉及增强型分析的各项技术如NLP、低/零代码、ML等与实际应用场景结合还需一段时间来磨合，以形成更成熟的底层算法，来确保数据分析结果的准确性。
为此，张宗尧介绍道，关于系统和数据的问题的确存在，这也是讯能集思会选择有一定数据基础的企业进行优先合作的重要原因：
一方面，在实际操作上，讯能集思会引导企业就现有数据先用起来，当企业感受到价值后，再引导企业通过内置的最佳实践模板来收集其他业务数据进而扩大数据分析的范围，形成良性循环；同时，讯能集思还会建议企业建立自己的知识库，以形成企业之间的运营差异化。在交付上，讯能集思主要委托合作企业进行实施。
另一方面，讯能集思的目标不仅是打造一款真正能帮助企业实现数字化转型升级的产品，还希望能成为一家研究型的企业，因此一直在与各大学校进行合作开发底层算法，比如官宣的就有与德国汉堡大学在排产排程的算法和知识图谱层面进行深度合作；同时，还大量的与咨询公司合作开发最佳实践的模板。
当问及如何面对来自海内外多家企业的市场竞争时，张宗尧表示，当下讯能集思的优势主要集中在产品技术层面和现有的数十个行业最佳实践上；下一步，讯能集思还将重点发力外部数据与内部数据的关联，以方便企业在进行数据分析时做出更有预测性的判断。
值得一提的是，讯能集思连续入选了Gartner增强分析市场指南代表厂商、大中华区AI新创指南和亚太地区CoolVendor等多个榜单。
目前，讯能集思的收入模式分为年费和月费，主要区别是订阅周期及是否单独采买人工费用，中型客户客单价在50万左右，大型客户客单价在数百万不等；年，合作客户续订率为90%，全年营收较过去一年实现了一倍以上的增长，增长部分源自新客户和旧客户增购。
在拓客方式上，除自销渠道外，讯能集思还十分注重与设备商、咨询公司和系统集成商等渠道的合作。
下一步，讯能集思将与诺基亚共同打造全球制造业工厂的私有5G通讯智能解决方案，同时解决传统工厂数据通信及应用双难的问题，以达成更多业务合作。
联系电话：