数据准备工作使数据可信，Datablau要帮企业自动搞定

数据作为企业的一项重要资产越来越被重视，而在对数据进行分析之前，需要做大量的数据抽取、处理、整合工作。这个准备工作是个脏活累活，却非常关键，只有做好数据准备工作，后面的数据分析才能产生真正的商业价值。

上规模的企业往往有上百个业务系统、数据库，以及成千上万份表单，数据环境十分复杂。不同IT厂商的数据技术、设计思路不同，导致每个数据集独立存在，无法互通。以前，企业关注的主要是业务，只要系统稳定不宕机就行了。而大数据时代，数据只有流通、碰撞才能产生价值。企业如果想进行数据关联性分析，需要业务人员和IT人员一起，根据需求对数据进行对应、分类，并编写脚本进行提取和关联。如果沟通不畅导致提取的数据不准确，还得重新开发。Gartner曾指出，这项工作往往要花费企业80%的时间。

36氪近日接触的Datablau，主要针对这个问题，为企业提供用户数据管理方案，通过技术手段将数据的IT属性和业务属性相融合，节省企业人工开发、整合、沟通的时间。公司今年2月宣布完成数百万元天使轮融资，投资方是跨境投资机构美国中经合集团。

企业存量数据的总量代表大数据，但此前其各个业务的数据集彼此独立。如果企业想了解不同系统间的数据整合在一起能产生什么价值，必须将按照业务逻辑重新拉通。

Datablau充当的就是数据科学家的角色，既有IT知识，又了解企业业务。Datablau会先了解企业有哪些存量数据，再从不同数据库，将不同结构的客户、内部流程、运营等数据进行抽取并脱敏，通过预定义标签以及企业的自有概念，将数据按标签梳理归类，产生数据资产目录和面向业务数据虚拟集。

Datablau主要针对大型客户做私有云部署。企业安装部署Datablau后（一般3~5小时），IT人员将各数据源与平台对接，自动获取或手动设置存量/增量数据模型后，系统就能自动进行数据梳理工作，按照业务概念将数据分类归档。

与Datablau类似的，国外有Trifacta、Paxata、Tamr等。不过，数据准备在美国已比较成熟，中国市场接受程度普遍还不高。原因是，尽管数据准备是大数据分析的必经之路，但短期并不能给企业带来直观的效果。据创始人王琤估计，目前国内有足够能力用好这套技术的不超过1000家企业。他也在探索适合中国市场的商业模式，同时不放弃国际市场。国内一些数据分析公司，如GrowingIO、神策数据、诸葛IO等，主要是针对用户行为数据，Datablau主要是按照业务逻辑拉通企业的存量大数据，更偏后端。

Datablau于2016年投入研发，目前1.0版本已经发布，试用客户包括eBay、国家电网、北大智慧城市等。

团队方面，目前共10人，主要是技术和销售。创始人王琤2005年北京大学毕业，曾任ERwin全球研发负责人、CA技术开发部主任，在数据建模领域有10年经验；CTO朱金宝是前ERwin总架构师，10年ERwin研发经验；销售负责人汤滨，曾任日志易的销售副总裁；首席科学家丁贵广是清华大学软件学院副教授、清华大学软件学院副院长、博士。