SaaS 难的不是增长，而是如何在克制中取舍

BI (Business Intelligence 商业智能) 的概念，由全球最专业权威的 IT 研究咨询公司 Gartner Group 在 1996 年首次提出，定义为一类由数据仓库、数据挖掘、数据备份和恢复等部分组成 , 以帮助企业决策为目的的技术及其应用。

但随着市场经济走向成熟，且外部环境变化速度和程度加剧，传统 BI 面对 IT 模式, 难以真正让数据赋能，甚至阻碍了业务的敏捷调整和快速发展。

为了更好地探讨 BI 产品的 “前世今生”，崔牛会创始人兼 CEO 崔强与观远数据创始人兼 CEO 苏春园在 SaaS 小会展开了一场关于 BI 的线上对话，对话内容包括创业历程，对行业的理解以及对未来的预判。

苏春园：2016 年 9 月，我和几位联合创始人开始启动观远。特别有意思的是，可能因为我们几个都是码农，创业启动当天，我们几个就拉了个群开始做这件事，并没有太多仪式感。但为什么做观远这件事也是有逻辑的。

第一，当时在国外，数据分析在全球拥有很成熟的市场，包括最近这五年，也有越来越多的公司做数据分析，背后是依托于数字化浪潮的发展；第二，创业前，我也接触过很多国内外的企业和客户，当时国外的理念和实践更先进，那个时候再去看国内，确实有一定差距，于是更坚定了自己去做这件事的信念。

苏春园：核心是看到了 BI 产品的机会，或者是机会背后更广泛的需求。国内市场更多的是传统的 BI，本质上还是报表类产品，但未来的五年到十年，我们看到传统以 IT 为主去做表格的时代会慢慢进化到现代化 BI。

第二，让业务用起来。观远的使命是让业务用起来，这句话原来更多面向的是 IT 部门，但现在更重要的是如何与 IT 部门一起服务其他部门的业务，让业务团队的人同样可以使用，在某种程度上降低业务团队使用 BI 做决策的门槛。

第三，提高内部协作效率。举个例子，传统以报表为核心的 BI 在企业中做决策，首先要有相关需求，其次要设计如何通过报表取数据出来，然后再将数据交给 IT 部门，IT 部门将数据分派给专门负责取数的团队，负责取数的团队拿到数据以后再去做一些开发，最后再返回给业务部门。

实际上，到最后一步基本上就是返回到 Excel，在 Excel 中进一步培训。所以，过去以报表为主的时代，IT 部门去响应业务部门的需求，它仍然是有价值的，以及它对初步的报表统计，整个使用面还是比较广的，因此报表在过去十年依然有其刚性价值存在。

但在 VUCA 时代的今天，业务变化速度很快，因此，对解决业务所需要的节奏速度要求更高，而敏捷就是速度的核心点。所以这其实是过去若干年形成的共识，它背后的趋势的本质就是要研发出不同产品来提高协作效率。

而现在，一定程度上，就把数据的主权交给了业务团队，可以更熟练的自己做决策，不止 BI，整个行业背后的逻辑也是在解决如何不断地降低使用门槛，自己能够决策的，不用再去额外跨部门，因为跨部门对于任何一个稍微有点规模的组织，都很耗时。

同时，在这里面还有三个比较大的挑战：第一，如何平衡面向 IT 部门和业务的产品设计；第二，面对企业级刚性需求时，如何突破自身技术壁垒；第三，数据素养。

苏春园：第一，我们对于客户成功的指标定义为 NDR，也就是客户是否对你认可，有没有在你那里得到价值，客户会不会选择继续续费，毕竟企业都是理性的。

第二，客户成功越来越成为企业长期增长的引擎，企业发展到一定规模后，老客户中有很多都是行业标杆，都是行业最先进实践的典型代表，与他们长期合作共创的过程，本质上就是在不断提升和定义产品与服务的行业标准。

苏春园：第一，毕竟我们依然属于创业公司，在选择服务客户和行业时，相对于大公司会更聚焦一点。

比如前几年，我们先聚焦在做好零售消费行业，到这两年陆续进入到泛互联网，泛金融等行业。我们整体上会更倾向于优先聚焦那些更市场导向的行业、更积极的追求先进的企业。

第二，在大行业的选择下，过去几年我们在战术上有一些迭代。

我们在与客户合作的过程中，不太会过度承诺，也就是我们不会把自己的产研等与客户的合同进行绑定。说白了，短期内可能会因为过度绑定牺牲掉一些东西。除非是一些战略级的客户，我们会另当别论，因为战略级客户本身对产品有正向的影响。

第三，要有科学的方法论。

如果说前面是战略取舍，那后面一定要有科学的方法论，对于不同的需求如何做成配置项。又或者，哪怕只服务现有的客户，或者行业内客户，其实都会有很多源源不断的需求，我们可以把未来一年以及更长时间的需求列出来，提前做路径规划。

苏春园：客户活跃率。

在我们内部，我会不断地问客户经理他们所负责客户活跃度情况，但这点可能和观远的业务相关。在观远，只要客户足够活跃，哪怕他对你有所吐槽，但黏性依然很高，这个时候我们可以在其他地方提升。

苏春园：第一，我手上没有一个非常准确的数字，但我们内部每年我们会做 NPS 调研，这个指标我们每年在稳步上升，而且比行业平均区间高不少，也反映在第三方机构的背调上，我们非常开心看到这个口碑。

第二，我们的新客户，超过 80% 以上在选型之前都会去询问我们的老客户，也就是交叉验证，而且我们特别建议他们去找我们老客户聊。

苏春园：基于标准产品的极度克制。在客户选择上，要有科学方法，学会克制。

首先，我们会把主打的若干行业客户进一步细分，细分成不同的阵地；其次，拆解成业务设计，结合阵地细分为若干个更细小的阵地，通过这些更细分的阵地，找到相互值得长期合作的客户，也叫理想客户画像 (ICP)，不断刷新对 ICP 的定义和共识。坦诚的说，这方面我们也处于早期阶段，对 KA 的思考与经营还在相对前期，也期待学习行业中更有经验的先进实践。

苏春园：易用性，企业级，场景化。

苏春园：先说结论，肯定是要看客户需要。

这个问题背后讨论的是，私有化到底是不是云。我认为这个问题大家应该已经有共识了，SaaS 的本质是订阅，它可以私有化，也可以云。进一步来说，数据类产品、数据类分析产品，包括与数据相关的大中型企业，在相当长一段时间内，私有化会是主流。

苏春园：第一，回归当下。

我们内部在过去一两年，也在探索生态战略，也有上下游的合作伙伴。在探索的过程中，我们发现还是要回归当下。先抛开生态不谈，针对 SaaS 本身，很多逻辑还处于跑通的过程，不能持续规模化。这种情况下，如果不能回归 SaaS 本身，谈生态还有什么意义。

第二，先有分工，再谈合作。

我认为应该先有分工再谈合作，以观远为例，如何找到自己的差异化，服务好自己的客户也许是这个阶段更重要的事。相对来讲，找到自己的边界，扎扎实实把自己的主要业务做好的情况下，各自再相互差异化的进行补位合作，生态也就自然而然地形成了。

苏春园：先说结论，一定是以解决方案为导向，这是更广阔，主流的需求。

其次，如何理解“以解决方案为导向”，我认为是基于产品的解决方案，纯咨询或者使用别人的产品做代理，外包，这些都不能称之为“以解决方案为导向”。产品是魂，必须经过不断迭代，才能成长为有生命力的产品解决方案。

最后，帮助客户构建核心竞争力。长期来说，所谓的“解决方案”实际上客户希望除了有好产品，更重要的是通过解决方案，提升数据分析能力。但能力的建设是长效的，前期如果能够通过“抄作业”也是个不错的选择，后面可以边工作边沉淀。

未来几年，对于数据领域来说，解决方案背后的本质是客户期待。解决方案可以帮助客户解决短期问题，但真正需要做的是帮助客户构建核心数据分析能力。