作者｜吳思瑾

編輯｜王與桐

(資料圖片)

*

36氪獲悉，智能BI 廠商「歐拉認知智能」完成由天時創(chuàng)新資本獨家投資的千萬級PreA+輪融資，本輪融資由毅仁資本擔任獨家財務顧問，這也是其今年完成的第二筆融資。

在數字化轉型的當下，企業(yè)的首要任務就是幫助員工建立數據思維，并形成用數據進行輔助決策的企業(yè)文化。“在傳統情況下，企業(yè)都是通過設立數據中臺來解決，這種技術思維使得一線業(yè)務人員必須通過IT人員或數據分析師來獲取專業(yè)數據，并沒有真正拉近業(yè)務人員與數據的距離，而智能BI的發(fā)展正是基于此。”歐拉認知智能創(chuàng)始人&CEO王緒剛向36氪介紹。

區(qū)別于以寬表模型為技術基礎的傳統BI，通常需要業(yè)務部門向數據分析部門發(fā)起需求申請，而智能BI通過NLP、ML、增強分析等一系列技術，實現了數據準備到可視化探索、洞察生成、增強的自助式分析等一系列功能。一線業(yè)務人員只需通過在搜索框輸入關鍵詞，即可生成相關數據分析的結果；簡單易用，快速高效，大大降低了企業(yè)對數據分析師/IT人員的依賴。

本文介紹的歐拉認知智能成立于2019年，是一款智能BI SaaS軟件，核心特點是其數據分析基于純自研的圖計算引擎生成。圖計算引擎是在圖查詢系統上設計而成，能夠實現在單個系統中同時支持高效的圖查詢和圖計算操作。比如電商平臺希望能夠在查詢用戶歷史訂單的情況下（圖查詢），基于圖數據對用戶進行商品個性化推薦（圖計算）。

“在數字化快速發(fā)展的當下，數據的多樣性和關聯性與直接影響了數據的價值大小，而圖結構模型可以很好地展示數據之間復雜的關聯性并實現合理預測；此外，圖的語義表達還是實現“搜索即應用”效果的關鍵技術之一。歐拉團隊和本人不僅在‘實時圖計算’方面擁有相關發(fā)明專利和豐富的實操經驗；公司自研的圖計算引擎還不必再搭配其他組件和數據庫，整體成本較低?！蓖蹙w剛在介紹選擇圖計算技術作為數據分析底層技術的原因時表示。

在此前的報道中，36氪曾詳細介紹了歐拉的業(yè)務模式。過去的近8個月里，歐拉實現了從通信行業(yè)到零售行業(yè)的跨越，并積累了近十家中大型企業(yè)客戶。

談到選定零售行業(yè)的原因時，王緒剛介紹說：“對數據分析類產品來說，數據質量直接影響結果的準確性，而零售行業(yè)的數據基礎相對完善，不論是數據量，還是數據的多樣性和完整性，目前都明顯優(yōu)于其他行業(yè)，也正是這樣，零售企業(yè)對數據驅動決策的接受度最高，對精細化運營數據的需求也最迫切”。

然而，智能BI廠商能否順利扎根新行業(yè)，除了產品是否好用外，還在于是否構建了完善的行業(yè)知識圖譜。因為對企業(yè)來說，如果通過搜索生成的數據結果僅為企業(yè)一方信息的話，那也只是一個工具而已，解決的是效率問題；而行業(yè)知識圖譜的構建，則迎合了企業(yè)進行市場調研分析的運營需求，可以提高工具附加值。

王緒剛表示，在構建行業(yè)知識圖譜上，歐拉的做法是通過與行業(yè)專家訪談，將行業(yè)品牌、品類、產品及觸點內化為行業(yè)知識結構而成，對企業(yè)來說“開箱即用”。這也為歐拉與以實體店為主的零售企業(yè)合作創(chuàng)造了新的機會，這類企業(yè)由于線上數據較少，需要借助如銷售表現、用戶口碑等外部行業(yè)數據來輔助優(yōu)化運營策略。

對線上數據完善的企業(yè)來說，通過關聯如主數據、人貨場數據等內部一方數據，構建企業(yè)級和場景級知識圖譜，一線員工根據不同需求，按不同維度搜索數據，比如銷售更關注“場”的表現、運營更重視“人”的數據，而產研則看重“貨”的走勢。

圖源：歐拉認知智能

除產品功能外，對企業(yè)來說，最看重的或許是搜索結果的準確性和操作的易用性，這對數據之間的關聯緊密性和顆粒密度提出了很高的要求，但明顯不是所有零售企業(yè)的數據都符合這個條件。為此，王緒剛介紹道：

首先，在數據質量不一的情況下，歐拉是通過技術手段最大限度的確保分析結果準確性。一是語義解析，歐拉做了基礎的語義識別和語義實體關系屬性解析，并將該關系抽象成一個游走的起點到終點的路徑。二是圖譜構建，歐拉支持對文本數據和小樣本進行實體抽取和關系抽?。煌瑫r用大模型技術做圖結構本身的知識遷移，便于在同行業(yè)中實現跨客戶的數據遷移和相似行業(yè)之間的知識遷移。

其次，在交互性上注重結果的精準度和覆蓋率之間的平衡，確保用戶的搜索體驗和獲得感。

再次，歐拉十分注重產品的易用性，對有基礎的數據分析師/IT人員而言，可以快速上手和體驗到產品的價值；對于沒有基礎的一線業(yè)務員工而言，除了簡單的培訓外，還會內置常見的分析看板和熱搜詞，幫助對方建立使用習慣和獲得感。

在智能BI領域，歐拉的挑戰(zhàn)主要來自以大廠為代表的百度智能云Suger BI、微軟Power BI；同樣對標ThoughtSpot的MagicBI；以及正在努力向智能BI拓展的傳統BI廠商，如思邁特軟件Smartbi、帆軟等。

在提及與對標BI廠商和核心競爭對手的區(qū)別時，王緒剛表示：從技術上來說，ThoughtSpot是一個多維索引表，其索引上不含屬性，而歐拉則在索引上新增了屬性，兩者在存儲結構上較為相近；MagicBI的底層技術是在傳統管理系統數據庫的基礎上將自然語言轉成SQL語言，計算模式并未發(fā)生根本變化。歐拉的圖數據結構改變了過往的計算模式，在搜索的靈活性、計算的實時性等方面都更優(yōu)，在建模初期導入數據和后期維護的成本方面則更低。

2021年，歐拉營收達千萬級，收入模式主要是按數據量計算費用；王緒剛介紹，預計今年的營收將為去年的150%。截至目前，歐拉已累計數十家大型客戶，原有通信行業(yè)客戶續(xù)約率90%以上。在獲客方式上，包含直銷和渠道銷售兩種。

據介紹，本輪資金主要用于繼續(xù)提高圖計算引擎的能力，加快產品迭代和進一步拓展市場。

投資人觀點：

天時創(chuàng)新資本創(chuàng)始合伙人CEO周桂良表示：我們堅定看好歐拉創(chuàng)始團隊在圖計算領域的技術沉淀和市場化能力。從技術上來講，以圖計算為代表的新技術，革新了以前的計算和數據存儲方式，在處理復雜關系上有著天然優(yōu)勢，在海量數據、多對多的復雜實體聯系場景以及與云計算、AI、IoT等新技術的融合中均有著異常突出的市場表現。未來，會有越來越多的企業(yè)在生產環(huán)境中應用圖計算技術和圖數據庫產品，圖數據庫會更多地被視為一個獨立的基礎設施產品，用戶會更加重視數據庫的性能、成本、易用性和易維護性。天時創(chuàng)新資本重點投資新消費品牌、新零售服務、新科技和供應鏈創(chuàng)新等領域，周桂良表示我們后續(xù)將充分利用投資團隊在消費零售供應鏈領域的深度研究和積累的豐富產業(yè)資源，在戰(zhàn)略、資本規(guī)劃和鏈接產業(yè)上下游客戶等方面賦能歐拉團隊，特別是支持歐拉在消費零售領域相關業(yè)務場景拓展，助力歐拉在零售領域的業(yè)務創(chuàng)新。