BI老兵，9年進正賽，打的竟是當年“吹牛”的劇本

企業在AI時代最核心的能力，恰恰是模型之外的能力，是日常經營決策背后的數據底座與決策上下文。

《中國企業家》記者 苗詩雨

見習編輯｜張昊 編輯｜馬吉英

頭圖來源｜受訪者

過去一年，作為數據行業的老兵，觀遠數據創始人蘇春園直觀地感受到了變化。

隨著美國決策智能公司Palantir市值超過4000億美元，“決策智能平臺”這個概念被徹底點燃。港股直接掀起了一場以“AI+數據”為概念的上市熱潮。頂著“中國版Palantir”名頭的中國公司，已經有中科聞歌、滴普科技等幾家公司。

投資機構與他的交流明顯增多。“尤其是最近6個月，市場關注度提升得很快，甚至有些超出預期。”經歷過前幾年BI（商業智能）與數據相關賽道低迷的融資環境后，面對快速升溫的市場熱度，他還是保持著審慎。

他和投資人聊得最多的不是資本的宏大敘事，反而是在不斷強調“這些數據能不能切實幫助客戶洞察到生意的機會、指導行動的改變”。簡單地講，所謂的“讓決策更智能”，到底能不能真正落地？

放在當下的AI狂熱期，這多少有些不合時宜。去年，當團隊預見到了這一波AI所帶來的機遇時，他卻將年會主題定為“漸進力”三個字，這掀起了內部不小的爭議：大廠都在喊加速顛覆，而一家成立了9年的BI公司，為什么還要慢慢做？

“這不是我第一次被誤解了。”當談到這件事，他笑了笑，“大家都說我過于保守了。”

但熟悉他的人，都知道這是他獨有的節奏——能預見、捕捉行業變動的創業者很多，但能克制欲望，做取舍的創業者卻少之又少。

2023年，業務尚存開拓空間時，他主動收縮了20%的組織，調整盈虧模型，從而度過了那個寒冬；而到了2025年，當行業仍然悲觀，他重新變得積極，因為“模型開始落地”。

這并不容易判斷，蘇春園說AI給軟件行業帶來的沖擊一直在改變。回到大模型剛出現時，“軟件已死”是主流論調，傳統SaaS面對的似乎只有被顛覆一條路。而當Agent盛行，軟件背后的數據與上下文又成了大家嘴里不可或缺的“基礎設施”。

他自稱一直在等這一天。2016年剛創業時，他提出的是“AI+BI”——AI驅動的數據分析，跟今天的理念其實一模一樣。只是AI的廣泛落地在當時還是太超前了，在投資人那里，這更像是典型的科技領域創始人在“吹牛”“畫餅”。

后來，他更多地對外講“先讓業務用起來，再讓決策更智能”，對內繼續使用“Beyond BI”這個成立之初建起來的微信群。他不想讓公司看起來那么“抽象”，但他心里清楚——觀遠數據不應該只是一家BI公司。

蘇的創業故事并不算特別，概括起來就是一位海歸、跨國企業前高管，自立門戶。成熟的團隊加上超前的理念，讓觀遠數據成立僅3年就完成了B輪融資，5年就把產品部署到了聯合利華、招商銀行等巨頭公司的決策體系中。

而在BI賽道最黑暗的那幾年，他因為組織架構以產研為核心導向，不像其他競爭對手那樣有龐大的銷售隊伍，而躲過一劫。

“既想領先，但又得務實，這種矛盾的對比反而是有意義的，要約束一些東西，實現務實的領先。”蘇春園的這句話，是他商業觀的高度濃縮。

在整場采訪中，他最常提及的是內部做了哪些組織架構的變動。在會議室的白板上，他熟練地畫出了“工作站（Pod）”組織框架，這是他過去一年研究最多的東西。他告訴記者，他要構建一套AI原生組織，以工作站形式組織產品研發團隊，這對于一家成立了9年的公司來說，是一場巨大的“撕裂”。

來源：受訪者

既要對內，還要對外，市場不會等待他做好所有才調整。尤其是觀遠數據從早期就開始重倉的零售消費行業，環節眾多，技術難以解構。“讓業務用起來”和“讓決策更智能”是并行的，很難同時在兩個維度上都做得出色，但蘇春園手中的資源有限，慢一步就會徹底下桌。

而如今的狀態，恰恰是他想要的“快”。在他眼中，聚焦不等同于保守，也不是原地踏步。從結果上看，去年以來，他已經把產品賣到了跟消費領域相鄰的制造領域，這是此前他并不熟悉的領域。這一定程度上說明了，他的模式具備了一定的可復制性。

“制造業現在有點像3年前的零售消費——粗放管理、數據意識剛覺醒。”蘇春園說，“但我們不會高舉高打進去，還是先找標桿、驗證場景，再星火燎原。”

“吹了個牛”

蘇春園既興奮又慎重。

“好比2024年上半年，CEO們被DeepSeek影響，AI預算不設限。但下半年除了豆包等，沒什么真正落地的。很多項目demo一天上線，修改一年，最后草草收場。”

2016年剛開始創業時，蘇春園提及AI完全興奮。雖然不確定“Beyond BI”的想法是否行得通，但此前近10年的工作經驗告訴他，單一的BI無法讓決策真正智能。

蘇春園是信息系統專業的科班生，2004年他在卡內基梅隆大學就讀時，還尚未有“大數據”的概念，但系統學習已然讓他對數據挖掘、機器學習、優化算法等概念產生興趣。當時，data mining（數據挖掘）是最火的概念。

觀遠數據聯合創始人兼COO魯伊莎舉了一個被無數商業教材收錄的經典案例——啤酒與尿布。沃爾瑪通過數據分析發現，啤酒和尿布的購買高度相關，于是將兩者擺放在一起促銷。“在20年前，這是數據挖掘最生動的例子。”魯伊莎說。

強大的興趣驅動讓蘇春園在一畢業就進入了MicroStrategy（微策略），這家公司當時在全球BI領域排名前三。他一路從總部的工程師，做到中國區研發負責人，對接的都是全球前30%的500強企業——花旗銀行、阿迪達斯、奈飛等。

看起來在原來的軌道上也是不錯的成長路徑，但2015年前后，強烈的割裂感沖擊著他，“國外的軟件越來越不接地氣，無法匹配國內企業的真實需求，且并沒有長期投入中國市場的想法。而國內數據分析行業參差不齊，好想法礙于融資進度，更多在早期準備階段。”

來源：受訪者

蘇春園說得很直白，“做得越久，我越發現傳統BI‘不智能’。”當時的BI更多是讓決策者看到數據，但不能發現問題，更談不上指導決策。

BI就應該像它的名字“商業智能”那樣，他產生了自己做點什么的念頭，于是在辭職過渡了一年后的2016年，他聯絡了微策略時期的三位老友。相似的職業背景讓他們對“Beyond BI”不謀而合，9月正式創立了觀遠數據。

“其實是‘拍腦袋’，我們認為BI產品會迭代，這是一個方向假設。”蘇春園笑著說，內部只是很明確不止做BI，但“AI+BI”的提出，更像是幾個想要改變世界的年輕人的瘋狂想象。

不過這個方向也并不全憑“想象”。那個階段，美國Palantir已經驗證了“數據分析為行為提供建議”商業路徑的可行性，它的客戶包括FBI（美國聯邦調查局）、CIA（美國中央情報局）及不少商業巨頭。

內部憑經驗認為，從BI到AI的邏輯是通的。“這就好比智能駕駛，L2會自然被認為要向L3、L4更高階演進。”蘇春園說。只是當時沒人說得清楚，那個更高階的形態到底是什么。9年后回看，那個方向越來越清晰：不是更聰明的BI，而是一個讓AI真正參與決策的智能平臺。

他們甚至在成立初期，就提出了一個AI含量很高的方向，從敏捷分析（Agile）到指導行動（Actionable），“這個理念一直沒變，只是在等合適的時機”。

但出乎意料的是，這一等，就是9年。

清醒

蘇春園等的不是錢或者產品，而是合適的客戶。

成立不到半年，尚在完善的團隊就打磨出了第一款產品，開始廣撒網尋找客戶試用。他并沒有糾結是否一擊必中，他的首要問題是先要有第一個客戶。

傳統的智能決策產品，通常聚焦零售、互聯網、金融領域，這是機會最多也是最卷的三大市場。但對于一家初創公司來說，產品顯然沒有太多競爭力。

“早期的客戶都是靠我們刷臉。”蘇春園說，幾個聯創邊寫代碼邊跑客戶，“產品還在雛形，就拿著PPT和demo賣‘理念’。”他們開玩笑地把早期找客戶的過程概括為“3F”理論——Friends、Family and Fools（朋友、家人和傻瓜）。比如第一個客戶正是朋友推薦的一家名叫“咬不得”的杭州連鎖包子店。

真正打開局面的，是同一時期簽下的一家銀行客戶。同樣經朋友介紹，對方很認可他們的理念，但審批流程導致簽約受限。為了拿下這筆訂單，團隊自費買了兩臺服務器，從杭州帶到上海，跟客戶調試對接。

后來，這家銀行成了前三家簽約客戶之一。而到了2017年中，1.0產品正式發布時，觀遠數據已經有10個零售、金融、泛互聯網的簽約客戶了。

但在邁出第一步后，蘇春園做了一個內外部都不解的決定：只聚焦零售消費。“投資方都質疑我，為什么搞零售？”這是個太分散、迭代太快的領域。

他的解釋是，零售消費是數據原生的賽道，尤其是移動互聯網下的“新消費”。終端企業幾乎都在阿里巴巴、京東平臺上觀察數據的變化，這群人的邏輯也極度市場化——產品做得好才付錢。在蘇春園眼中，中國最卷的行業，恰恰就是生產力最先進的行業。

而對于一款BI產品，雖然不同行業具備一定共性，但細分需求千奇百怪，甚至不搭邊。如果涉及多個行業，最后可能哪個都顧不上，這違背了他創業的初心——產品必須要用起來。

回看這個決定，他是幸運的，因為很快便迎來了第一個真正意義上的標桿項目——聯合利華。

項目的主要任務是用AI算法預測清揚洗發水未來1到4周在不同區域、不同渠道的銷量，預測得越準，就越能及時配貨、交付，從而減少庫存積壓。

過程并不順利。對比多是500強管培生出身的計劃員，AI預測結果差一大截。直到第二年末，結果才發生了反轉——數據預測的能力穩定超越了人工。自此，觀遠數據和聯合利華合作了7年。

幾年時間，雙方的合作從“預測銷量”延伸到“決策智能”——比如供應鏈排產Agent，把訂單波動、產線切換、物流時效等復雜約束綜合計算，并能在人工干預后自動學習、沉淀規則。

來源：受訪者

2021年，是蘇春園口中的“全新階段”，觀遠數據開始涉獵零售以外的業務。一個重要契機是，在金融行業被稱為“零售之王”的招商銀行找到他們，尋求產品合作。“他們看中了我們在零售消費領域的口碑和深度。”他說。

他反而更多是猶豫，甚至在第一時間拒絕了，理由和當初決定聚焦零售賽道一樣。金融的定制化需求極強，“我擔心產品沒有準備好，節奏和方向會受到影響”。他在內部提到：簽約了一個大客戶而偏離產品主線，因小失大。

但這個項目過于重要，他幾乎被團隊推著走，隔三差五就要進行溝通研討會，最終大家還是達成一個共識——不會因此影響整個產品的標準，才通過了這個項目。

籌備持續了一年多，牽扯大量的產品研發測試和改造，但也讓觀遠數據打響了跨行業的第一槍。“招行選什么，其他家銀行就默認為可以參考。”魯伊莎說，寧波銀行、北京銀行等也相繼成了客戶。

聊起這個階段，蘇春園總感嘆“幸運”。2021年，觀遠數據完成了B輪融資，也完成了4.0產品的發布。這期間他沒有遇到任何資金上的挑戰。

小步慢走

但真正的考驗很快到來。

2022年，觀遠數據完成了C輪融資，投資方包括Tiger Global等全球最頂級的資本機構。蘇春園認為有了更充足的彈藥，依舊維持猛攻的狀態。

他開始進入更多領域，團隊人數快速擴張到了350人，產研、銷售市場、交付實施三大模塊的組織架構也成型了。

那時候，行業已經有了退潮的跡象，很多BI明星公司都無法兌現“高光時刻”宣稱的愿景。反而是此前略顯“沉默”的觀遠數據還在進攻，蘇春園用“逆勢猛進”來形容那時的狀態。

但2023年，他口中的至暗時刻到來，他用的一連串形容詞是痛苦、掙扎、谷底……

外部客戶的決策流程突然減速，“客戶預算縮減，審批周期普遍延長到了半年到一年。”據魯伊莎回憶，這一年客戶不再強調需求和市場偏好，掛在嘴邊的話是“先活下來，再說活得好”。

觀遠數據高舉高打的狀態似乎和市場是脫節的。“我們之前像是坐電梯爬山，現在是要走盤山路上山。”他其實很快就意識到了這一點，此前的融資節奏是非正常狀態，資本紅利、客戶預算紅利帶來的高增長，已經是過去式。

在公司成立的7周年慶典上，蘇春園定了一個新基調：從高速成長的紅利期，進入敏捷組織的新周期。簡單講，他要調組織，降虧損。

2023年年底，團隊從350人收縮至約260人。到了2024年，公司營收增長受阻。這期間，蘇春園把精力從外部移到內部，開始了組織轉型，AI自然是主線。

之前，觀遠數據的產品節奏是每年迭代一個大版本，以BI為主，持續融入AI元素。而此后，它不僅回歸零售“根據地”，還開始圍繞具體業務場景做Agent，AI的權重被極大提高。

他的重中之重是建設“工作站”模式：內部組成5到7人的跨職能小組，來自不同部門，針對一個細分市場或場景，快速驗證假設，站長可以直接匯報給蘇春園。

來源：AI生成

這種組織形態的底層邏輯，不只是為了快，它要求團隊進入客戶現場，把隱性的業務邏輯、指標口徑、人工干預規則一點點打撈出來，再沉淀到系統里。工作站成了觀遠把“現場經驗”轉化為“產品能力”的最小單元。

他對這個架構的要求是工作效率的極度提升。“六步法：假設、衡量、檢測、驗證、放大或證偽。”蘇春園解釋。這讓內部產生了質變，以前更像華為BLM（業務領先模型），這適合戰略明確、市場高速成長的周期。而現在外部因素變化遠大于內部，需要小團隊分布式感知市場，快速驗證。

AI應用的決策期限也被明確定義為“三六十二”規劃：3個月見效，6個月落地，12個月實現共創效益。

即便是業務數據“原地踏步”，他依然將2025年定義為公司的AI元年，AI工程師嵌入到業務團隊，“工作站”模式端到端負責場景驗證。

他再一次把籌碼壓在了客戶身上，而不是攤大餅地鋪銷售人員，把AI產品“扔”到不同賽道，自己長出來結果。

這一定程度來自于此前吃過甜頭。2019年，BI行業普遍采取買斷制銷售模式，蘇春園力排眾議嘗試了一次轉型——訂閱制。這意味著一款產品的短期收入會大幅減少，即便諸多銷售人員因此離職，他還是堅持要推。在他看來，訂閱制的核心不是收費方式的變化，“如果客戶第二年不續費，我們就拿不到錢，這倒逼我們必須把服務做好。”

為此，他還調整了組織架構，成立了行業首個“客戶成功體系”。這個一級部門直接匯報給蘇春園，在每月固定的時間點，他帶著所有管理層和面向客戶的員工，討論客戶數據——哪些客戶吐槽了、使用率下降了、問題升級了。

事實證明，他再次選對了。AI產品更需要對客戶和市場的了解，有的決勝點甚至是一個不起眼的細節。觀遠數據很快就重回增長，2025年底還迎來了盈虧平衡點。

蘇春園常說自己是“漸進主義”，“領先的故事并不一定是宏大敘事，更真實的情況，其實都是長期方向上日復一日的迭代演進。”但這次的AI競速，要遠比此前的任何一次更兇險，留給創業公司的生存空間有多大？

2019年，他曾經歷過一次與大廠的競爭。

那個階段，“數據中臺”概念火熱，阿里巴巴等推出“全家桶”戰略——云設施、數據中臺、BI打包銷售。不少客戶不再續費BI，認為這只是數據中臺的一個模塊。“有幾個月，我們聯創團隊很沮喪，數據中臺廠商有錢、有敘事、有生態，我們有什么？”蘇春園說。

他閉關了近半年，最后發現，數據中臺的內核其實是“數據倉庫”，而市場上依舊有不少企業，尤其是中大型公司明白獨立的BI平臺很有必要。所以，他沒有選擇被大廠牽著走，而是做板塊業務的延展，哪怕丟掉一些客戶。事后證明，這是決定公司活下來的重要選擇，他的心得是：與巨頭競爭的核心不是資源對抗，而是戰略能夠快速調整。

在跑通零售消費賽道之后，他又一次開啟了擴張，這次的重點是制造。

他的策略是“相鄰陣地”——制造業是消費品的上下游，天然有關聯。比如觀遠數據從聯合利華，延伸到了它的工廠供應鏈，繼而再延伸到上汽、零跑等車企，以及昊志機電、小天才等生產制造企業。

他說這并不是“刻意”的延伸，而是產品、數據尤其是場景積累到一定程度的自然延伸。

他也在反復提醒一個點：現在大模型與Agent過于火熱，但對于企業決策層來說，企業在AI時代最核心的能力，恰恰是模型之外的能力，是日常經營決策背后的數據底座與決策上下文。這來自于經營復盤會、零售門店、制造車間和電商直播間的各個業務現場。這些冰山之下的“臟活累活”，將決定企業經營決策能力的未來上限。

6月底，觀遠數據正式發布了DecideX·AI決策智能平臺。蘇春園在發布會上調侃，這是一場“準備了9年”的新產品發布會。

在他看來，“讓業務用起來，讓決策更智能”這句話，前半句用了9年，后半句才剛剛開始。