就像汽车淘汰马车一样，触摸屏终于取代了黑莓键盘。“市场并不总是从简单到复杂，但它经常以另一种方式变化。”与迪普科技董事长兼CEO赵杰辉的交流，很容易让我想起理查德·鲁梅尔特在他的精彩著作《好战略，坏战略》中的这句话。
因为他的思考，落脚点集中在如何打造一个客户真正需要的，拥有核心技术的好产品，在更先进的场地竞争。刚刚完成B+轮融资的迪普科技，核心团队成员都是在这个行业摸爬滚打多年，创业4年。即使从规模上看，这家公司已经成为湖库新一代集成数据智能基础软件领域的独角兽，但理性、简单、克制、谦逊的基因依然烙印在它的组织文化中。
图:迪普科技企业发展阶段
严格来说，虽然近年来数据智能的新故事层出不穷，但真正能称得上世界一流或者在这个方向上做出努力的屈指可数。空方言最早流行于学术界，最近开始流行于信息技术行业。所有人都在谈论数字化，如此渴望找到一个海外目标，以至于人们有一种错觉，数字化已经开始演变成一种流行病。
显然，这是错误的。我们往往简单地将信息化、数字化、智能化的“三波叠加”视为中国企业服务业的巨大红利。与欧美不同，中国企业更像是一场“跨越式”的突击，这无疑对数据智能玩家提出了更高的要求:产品不仅要有先进的理念，要立足于解决客户的刚需价值，还要能跟上核心技术的进步。
因此，我们可以清晰地感受到一个趋势:SLG和PLG不再是对立的，SLG引领下的PLG正在中国这片数字热土上慢慢崛起。中国的数据情报行业急需一场变革，但这种变革绝不会对外发生。正如赵杰晖一直在说的，“我们是一个相当愚蠢的团队，花了四年时间才搞清楚一个道理。不要以为自己可以做很多事情，也不要以为自己的产品可以卖给所有人。如果你想变得更大，你必须变得更强。如果你想变得更强，你首先要专注于它，而不是只在规模上寻求数字。”
去吧，这很重要。
从IBM第一次提出“数字化”的概念到现在已经过去了10年，但是真正给数字化以理论支持的，还是来自于大数据时代的另一个先驱Google。其著名的“三驾马车”早在2012年之前就诞生了:GFS在2003年发表了第一篇论文，MapReduce在2004年，BigTable在2006年。
在后来的发展过程中，人们对数字化的理解和定义也发生了明显的变化。蓝色巨人IBM认为，数字化是整合数字和物理要素，进行整体战略规划，实现商业模式转型，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有了进一步的解释，包括资产、运营、劳动力的数字化。与前两项关于定义的研究不同，埃森哲团队的研究更接地气。
按照埃森哲的观点，即使数字化如火如荼，但中国各行业的数字化转型水平整体上仍处于初级阶段，“数字化转型”本身具有不确定性——转型没有固定的形式和不可改变的路径，转型要达到的目标随企业实际情况差异很大。因此，数据智能服务的提供者和需求者首先要明确，数字化转型是手段而不是目的。转型的初心是帮助企业解决问题，创造价值。从最后开始，企业也要知道自己业务或管理的瓶颈。
不得不承认，在过去的几年里，国内数据情报行业乱象与繁荣齐头并进。很多人还没搞清楚什么是PC互联网，移动互联网来了，随之而来的是产业互联网时代，万物互联时代。资本追逐海外网点，企业被时代推着走，导致中国数据智能行业出现了一个非常奇怪的现象:大量不合理的需求终端与活跃、低质量的供给终端相连接。
“最典型的例子就是各种中间平台搅动市场。我们不能把数据情报公司和传统软件公司混为一谈。他们本质上不是一个物种。”滴滴说。对于滴滴来说，成立四年以来，走过了很多弯路，但有一点是明确而坚定的，那就是真正把战略聚焦在数据智能的基础软件——fast data上。的确，自Hadoop普及以来，国内新崛起的数据智能玩家大多围绕Hadoop生态工具撰写文章，未能进一步延伸到底层技术架构。
我们迫切需要一个深入行业骨髓的阶段性反思。“在与Gartner分析师交流的过程中，我听到了一个非常有趣的观点。他将数字用户分为三类。1级意味着客户需要你帮助他们制定完整的解决方案。2级意味着客户有自己的完美解决方案设计。他们需要采购的主要是模块化的基础产品。3级意味着客户可能已经有了系统的解决方案，并且已经完成了基础建设。他们需要的是面向未来的技术和场景的联合创新，以探索新的价值。”滴滴说。
但是，很明显，国内数码市场的很多主体主要集中在第一类。创业公司为了生存，专注于客户解决方案的订购和执行；为了扩大第二条增长曲线，大公司正忙着将他们的方法和经验包装成出口产品。无论是前者还是后者，自始至终都没有把“客户只是需要价值”的深入思考放在出发点上。不可避免地，他们认为做好是第一要务，但他们忽略了马斯克的首要原则的本质是做对一件事，在泥泞的地面上根本谈不上真正的客户成功。
“向前发展至关重要，尤其是在该行业已经进入冷静期和反思期的时候。”在滴滴科技看来，如果说“BI+传统数据仓库”和“数据中间站+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，那么现在我们正在探索第三个阶段，即以“机器学习+湖库融合”技术为代表的新一代数据基础设施构建的数据智能基础能力。
焦点法则:深淘滩，低堰。
乔布斯曾经说过一句名言，所有好的产品都站在人文和科技的十字路口。这句话在今天的大数据领域也是一样的。打磨产品从来不是自我满足的活在数字现实空，而是寄生在实体经济和实体企业中。玩家必然会面临“需要什么”和“需要什么”的问题。在这种环境下，选择正确的策略和路径尤为重要。
"深冲刷滩，低堰."是迪普科技经过近四年的成长逐渐真正掌握的心法。这句话最早是由任说出的。在他看来，都江堰能延续下去是主招，其中蕴含的智慧和哲理远远超出治水本身。
深滩，就是要不断挖掘内部潜力，降低运营成本，提高自身能力，为客户提供更有价值的服务。谭涛的内涵是努力实践，打好基础，然后创造价值，然后建立自己的护城河。至于“低工堰”，就是控制自己的贪欲。要更加开放，在大生态中形成竞争关系。
在迪普科技看来，数字经济是一个大概念。在这个体系中，每个玩家各司其职，所以锚定自己的战略地位非常重要。但现实是，目前国内的数字化更像是巨人的游戏。他们习惯性地将个人的经验和资源向市场开放，基于经验打造产品，不会过多考虑市场是否真的需要，更不会形成良性的生态分工，然后大喊我们是客户第一。
赵杰辉以面馆为例。“你会发现，所有赚钱的面馆都有一个主打产品，有的甚至只做一种面条，但利润水平远远高于菜单厚的餐馆。”少即是多，这个道理很多人都懂，但能实际践行的人很少。很多潜在的初创企业都是由业务主导的，但最有亮点的产品反而越来越复杂，陷入了“功能重叠的死亡螺旋”。所以我们经常可以看到一些业务广、规模大的软件公司，但是盈利能力并不高。
以往的经验告诉我们，创业型企业一定不要把战略资源投入到非战略方向，很多公司都在这点上栽了跟头。赵杰辉坦言，滴滴科技理解并坚定专注的过程也经历了漫长的心路历程。与滴滴科技的FastData产品相比，经过对超数百Pb数据和商业客户运营的全面测试，滴滴科技进行了fast data版本的重大迭代升级，正式进化到2.0时代。
如果数字经济是分层的，它在底层的竞争点一定是如何搭建更高层次的数据分析平台，然后在这个底层的基础上百花齐放，也就是针对不同行业、不同场景的智能应用。
图:FastData实时湖库平台架构
“做好一个产品很难，但你必须坚持做下去，因为这是唯一正确的方法。”赵杰辉说，因为从根本上来说，To B不像To C，我们处在一个长周期的轨道上，从大环境来说，我们正在经历一个数字泡沫后的冷静和反思期，这是企业深刻反思自身技术能力、商业能力和客户价值的关键阶段。说到底，竞争实际上是外部客户价值聚焦和内部组织效率的竞争。对于数据聪明的玩家，先做强做大，而不是先做大做强，因为这涉及到新玩家和老牌玩家的博弈选择。单就概率而言，虽然这两个难度都很大，但选择前者显然更有挑战性，也更明智。
在更先进的场地比赛。
创新，服务建设，做业务，因为公司的层级管理，我们很容易把这三件事分开。“外开荒，内斗”是过去中国软件开发行业的常态，但这只是优秀选手正在走出泡沫期，向冷静反思调整的新阶段进军的关键标志，而这个时期是至关重要的。
去年12月，赵杰晖在迪普科技内部开过一次战略检讨的会议。这种类型的会议在迪普看来非常重要，因为在他看来，“战略的核心不仅仅是战斗，更重要的是战略。”在这次会议中，滴滴明确了云优先战略，将国际化和生态化作为公司下一步推进的重点。
研讨会结束后的1月，滴滴科技正式成立云服务部门，将FastData云与目前的销售体系合并。从此，所有的营销部门都要做云。这个团队内部称为“尖刀公司”。目前他们最关键的任务是保持云优先战略的运行和落地，为国际化和生态化打下基础。
相比其他玩家，得益于秉承“云中立、互联网生态中立”的理念，滴滴科技的市场体系和产品体系相对更加独立。以目前的FastData云产品为例，已经通过了多家云厂商的认证，在AWS亚马逊云技术、微软Azure、华为云上服务了众多客户。
未来来了，但分配不均。在滴滴科技看来，这是中国数据智能玩家在更高级领域竞争的必要一步。一方面，面对这种竞争可以拓宽我们的产品视野；另一方面，国际市场需求也可以迫使我们的产品成熟度上一层楼，因为真正的To B客户必须是理性的，他们往往要求先进的技术和实际的客户价值。
做出这个判断的依据也来自于FastData产品架构的特殊性。湖库一体化与云计算之间存在强耦合，因为湖库“统一→简单、松耦合→灵活→敏捷→探索”的设计思想与云计算有着天然的契合，所以当湖库一体化以云原生方式部署时，其强大的性能优势可以得到最大程度的释放。滴滴科技认为，未来下一代数据+AI的能力将以云服务的形式快速发展。
相对于前几年的火爆赛道，国内数据情报行业最近显得比较平静。放眼国外，以雪花、Databricks、合流为首的成功案例仍在续写。和10年前的云计算一样，今天的数据智能产业正站在产品和业务变革的历史转折点上。很多中大型企业，尤其是跨国企业，既需要安全的云服务能力，也需要优秀的数据情报能力作为业务和组织的支撑。
但无论行业的复杂程度如何变化，有一点是肯定的:数据智能的未来演变取决于知识的实时管理和大规模数据的协作。相比抱怨行业的各种弊病，“克服+解决”成了我们这些身处创业一线的人唯一的选择。用赵杰辉的话来说，未来的数据智能一定是神秘的，更包容的，事物需要回归本质。月球令人着迷，但人们往往会忽略其表面被陨石撞击过的坑坑洼洼。
