說到數據，大家並不陌生，從分類方式上，可以分為結構化數據（企業ERP、財務系統等）和非結構化數據（視頻、語音數據為主）。按數據佔比情況劃分，非結構化數據佔比80%，而結構化數據僅佔20%，過去的數據分析主要是基於結構化數據做應用和優化，但是80%的非結構化數據被閒置，基於人工智能技術的蓬勃發展，非結構化數據的價值挖掘開始成為熱點，數據堂的發展背景大抵如此。
數據堂主要業務是提供數據採集、製作、共享和增值服務的數據資源運營商。上游對接數據擁有者，下游對接數據使用者。數據堂並不是從事具體的行業應用開發，因此在C端的認知度並不高，但是對於B端數據應用類型的企業而言，是非常熟悉的。提供類似服務的公司還包括海天瑞聲和標貝科技，這三家公司的業務類型各有差異。
成立於2011年的數據堂，齊紅威認為自己見證了中國大數據行業的誕生與發展，2011年從業者開始炒作大數據概念，2012-2013年找業務方向。2014年創立公司，2015-2016年出規模，大數據中國落地的前6年大概如此。
然而先到者有福利，齊紅威在融資路上一直走得比較順，創業初期自有資金探索模式，2014年初，數據堂拿到田溯寧雲基地和國泰創投1300萬元的pre-a輪融資，2014年底掛牌新三板，成為大數據行業第一股，2015年5月完成由達晨創投領投的A輪融資4200萬元，最近的一輪融資是2016年獲得2.4億元人民幣B輪融資，由中航信託、海通證券、東方證券、浙商資管、青島華通、安徽國富共同出資。
人工智能對數據有強依賴性，數據堂強勢佈局
數據堂的模式好比石油領域的中石油和中石化。三段論：第一階段獲取原油，第二階段將原油做深度的加工，提煉成品標準油產品，第三階段面向加油站或者特殊行業提供標準油產品。數據領域同比也差不多，第一階段給有數據的單位做深度合作，獲取數據的使用權，第二階段，將數據分析、處理、融合，做成標準的數據產品，第三階段，將標準的數據產品賣給具體的行業應用企業。
數據堂營收分數據租賃和數據交易兩種模式，對於中小型客戶，他們希望低成本地訓練算法模型，數據集對於模型訓練只需要用一次，數據集本身價格貴，因此可以租賃使用的模式。客戶將算法模型部署在數據堂的服務器上，數據堂提供數據集給予模型做單次訓練，訓練結束之後，客戶帶走模型，留下數據集，這相當於客戶租賃了數據集的單次服務。另一種模式，對於大企業而言，他們有充足的資金，願意購買數據集，那就直接售賣數據集。
同理，政府、電信運營商等單位數據，客戶發出需求，數據堂將算法模型部署在數據提供商服務器中，最後只能取走算法模型，數據不能帶出門，另一個考慮，數據量很大，儲存成本不小，所以齊紅威更願意將模型部署到數據提供商的服務器中。“這是行業目前最有默契的合作模式，各取所得”，齊紅威暗示。
數據堂最大的收入來自於人工智能行業，最大的客戶也來自於人工智能行業，齊紅威認為，現在人工智能行業對數據的需求遠沒到飽和的狀態，以人臉識別公司為例，人工智能在每個百分點精度提高都離不開海量的數據集訓練，而且很多人工智能企業有海外拓張的需求，而國內的人臉數據集就不能滿足海外算法產品模型的需求，需要根據當地的人臉數據集重新對模型進行訓練，因此，人工智能對數據的依賴是很大的。
齊紅威認為，人工智能比電商、搜索引擎、大數據這幾波的商業空間都要大，因為它是無孔不入的，能夠進入到任何一個領域和行業進行產業升級和結構化調整，這麼大的商業空間，而人工智能才剛剛開始。
齊紅威的戰略是“廣積糧、築高牆、緩稱王”
區別於海天瑞聲簡單的數據服務（採集、清洗、標註），數據堂特徵是做行業化細分數據產品，以無人駕駛為例，無人駕駛行業需要的數據是多樣的，包括路況數據、地圖數據、指示牌數據、紅綠燈數據等，數據堂能根據行業特徵，系統性、多維度地收集數據，滿足行業化需求。
數據堂通過行業型的數據產品方案，讓數據能夠定製化的貫穿一個領域，當領域做透之後，這個數據就具備重複使用、規模化的能力，齊紅威認為“向前多走了一步”，只有行業化的數據產品才能產生更大的附加價值，才能提升營收規模和利潤率。但同時意味著需要多維度的數據、龐大的存儲基礎、豐厚的流動資金，做數據產品的特徵明顯，前期投入大，後期投入少，營收規模則相反，前期營收少，後期營收多的交叉型商業模型。
這種商業模式的創業風口，齊紅威認為“已經沒新機會了”，也正是由於數據堂做得比較早（成立於2011年），並且成為新三板大數據交易與服務產品第一股，才有機會在屢次資本寒冬中持續融資，三次融資下來，積累發展資本將近3億元。
齊紅威很喜歡上述的gartner曲線，並且對大數據行業進行代入分析，他總結：2011年是萌芽期，歷經2012、2013、2014年的爬坡發展，到2016年進入行業狂熱期，在2017年進入到下滑通道，將有大量的、產生不出實際價值的企業死掉，誰能熬過幻想破滅期，誰才能真正的活下來。在2017年的時間節點，齊紅威的戰略是“廣積糧、築高牆、緩稱王”。
應用人工智能技術，數據標註和加工從勞動密集型到技術導向型
自2011年成立至今，數據堂通過自行採集和購買的形式，已經積累自有數據規模超過2000TB，而其中人工智能的數據佔據大半。在數據堂庫存中的數據是結果型的優質數據（被訓練好的算法模型或者已經做好標註的數據集），而不是原始數據。
齊紅威將數據堂定位是科技型公司，希望將公司輕盈化，很多勞動密集型的工作，他都以眾包的形式對外輸出，數據堂聚集了50萬有線下數據採集能力的兼職人員，他簡稱為“眾客”，這50萬的眾客身份各異，有學生、家庭主婦、專業發音人等，數據堂通過一個APP實現派單和項目跟進管理事項，讓任務通過眾包的形式得以完成。
現實生活中的80%數據是非結構化數據（圖片、視頻、語音），這種數據在使用之前，必須從非結構化數據變成結構化數據，而箇中技術就是人工智能的技術。數據清洗、標註、加工等原本是勞動密集型工作，在數據堂將成為一個技術導向型的工作。
以數據標註為例，數據堂做數據標註是半自動化的流程，假設有100萬張人臉圖片需要打標註點，首先以人工形式標註10萬張，然後用10萬張圖片去訓練一個打標註點機器人，讓這個機器人擁有標註的能力，最後讓眾客基於機器標註的圖片再進一步檢查即可，整個過程減少了大量的人工標註的工作，解放了大量的勞動力。
數據堂的資本佈局
在2016年，數據堂在貴陽設立了子公司，在此之前已經在中美兩地建有4家全資子公司，並在北京、南京等地設有5個專業數據處理中心。而這次在貴陽設立子公司，主要是看到政府逐漸在開放數據資源，因此希望在貴陽提前佈局。
在資本佈局上，2016年數據堂和將門創投共同發起設立大數據產業戰略投資基金，數據堂作為LP出資3000萬人民幣，將對大數據產業鏈上下游相關業務公司進行戰略投資，齊紅威想構建一個健康的大數據生態，在2016年投資食藥網就是很好的開局。
在採訪的最後，齊紅威總結像數據堂這種數據資源提供商，對數據的提煉程度、對數據的挖掘能力是企業核心競爭力，隨著客戶的行業化越來越深入，對數據要求越來越高，很考驗數據資源提供商的數據處理分析能力，因此，數據堂是一個技術導向型的產品公司。
本文作者極客王子，億歐專欄作者；微信：liangjiemin-2016（添加時請註明“姓名-公司-職務”方便備註）；轉載請註明作者姓名和“來源：億歐”；文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。
賞
50
55