来源：中国企业家杂志
企业在AI时代最核心的能力，恰恰是模型之外的能力，是日常经营决策背后的数据底座与决策上下文。
文｜《中国企业家》记者 苗诗雨
见习编辑｜张昊编辑｜马吉英
头图来源｜受访者
过去一年，作为数据行业的老兵，观远数据创始人苏春园直观地感受到了变化。
随着美国决策智能公司Palantir市值超过4000亿美元，“决策智能平台”这个概念被彻底点燃。港股直接掀起了一场以“AI+数据”为概念的上市热潮。顶着“中国版Palantir”名头的中国公司，已经有中科闻歌、滴普科技等几家公司。
投资机构与他的交流明显增多。“尤其是最近6个月，市场关注度提升得很快，甚至有些超出预期。”经历过前几年BI（商业智能）与数据相关赛道低迷的融资环境后，面对快速升温的市场热度，他还是保持着审慎。
他和投资人聊得最多的不是资本的宏大叙事，反而是在不断强调“这些数据能不能切实帮助客户洞察到生意的机会、指导行动的改变”。简单地讲，所谓的“让决策更智能”，到底能不能真正落地？
放在当下的AI狂热期，这多少有些不合时宜。去年，当团队预见到了这一波AI所带来的机遇时，他却将年会主题定为“渐进力”三个字，这掀起了内部不小的争议：大厂都在喊加速颠覆，而一家成立了9年的BI公司，为什么还要慢慢做？
“这不是我第一次被误解了。”当谈到这件事，他笑了笑，“大家都说我过于保守了。”
但熟悉他的人，都知道这是他独有的节奏——能预见、捕捉行业变动的创业者很多，但能克制欲望，做取舍的创业者却少之又少。
2023年，业务尚存开拓空间时，他主动收缩了20%的组织，调整盈亏模型，从而度过了那个寒冬；而到了2025年，当行业仍然悲观，他重新变得积极，因为“模型开始落地”。
这并不容易判断，苏春园说AI给软件行业带来的冲击一直在改变。回到大模型刚出现时，“软件已死”是主流论调，传统SaaS面对的似乎只有被颠覆一条路。而当Agent盛行，软件背后的数据与上下文又成了大家嘴里不可或缺的“基础设施”。
他自称一直在等这一天。2016年刚创业时，他提出的是“AI+BI”——AI驱动的数据分析，跟今天的理念其实一模一样。只是AI的广泛落地在当时还是太超前了，在投资人那里，这更像是典型的科技领域创始人在“吹牛”“画饼”。
后来，他更多地对外讲“先让业务用起来，再让决策更智能”，对内继续使用“Beyond BI”这个成立之初建起来的微信群。他不想让公司看起来那么“抽象”，但他心里清楚——观远数据不应该只是一家BI公司。
苏的创业故事并不算特别，概括起来就是一位海归、跨国企业前高管，自立门户。成熟的团队加上超前的理念，让观远数据成立仅3年就完成了B轮融资，5年就把产品部署到了联合利华、招商银行等巨头公司的决策体系中。
而在BI赛道最黑暗的那几年，他因为组织架构以产研为核心导向，不像其他竞争对手那样有庞大的销售队伍，而躲过一劫。
“既想领先，但又得务实，这种矛盾的对比反而是有意义的，要约束一些东西，实现务实的领先。”苏春园的这句话，是他商业观的高度浓缩。
在整场采访中，他最常提及的是内部做了哪些组织架构的变动。在会议室的白板上，他熟练地画出了“工作站（Pod）”组织框架，这是他过去一年研究最多的东西。他告诉记者，他要构建一套AI原生组织，以工作站形式组织产品研发团队，这对于一家成立了9年的公司来说，是一场巨大的“撕裂”。
既要对内，还要对外，市场不会等待他做好所有才调整。尤其是观远数据从早期就开始重仓的零售消费行业，环节众多，技术难以解构。“让业务用起来”和“让决策更智能”是并行的，很难同时在两个维度上都做得出色，但苏春园手中的资源有限，慢一步就会彻底下桌。
而如今的状态，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。从结果上看，去年以来，他已经把产品卖到了跟消费领域相邻的制造领域，这是此前他并不熟悉的领域。这一定程度上说明了，他的模式具备了一定的可复制性。
“制造业现在有点像3年前的零售消费——粗放管理、数据意识刚觉醒。”苏春园说，“但我们不会高举高打进去，还是先找标杆、验证场景，再星火燎原。”
“吹了个牛”
苏春园既兴奋又慎重。
“好比2024年上半年，CEO们被DeepSeek影响，AI预算不设限。但下半年除了豆包等，没什么真正落地的。很多项目demo一天上线，修改一年，最后草草收场。”
2016年刚开始创业时，苏春园提及AI完全兴奋。虽然不确定“Beyond BI”的想法是否行得通，但此前近10年的工作经验告诉他，单一的BI无法让决策真正智能。
苏春园是信息系统专业的科班生，2004年他在卡内基梅隆大学就读时，还尚未有“大数据”的概念，但系统学习已然让他对数据挖掘、机器学习、优化算法等概念产生兴趣。当时，data mining（数据挖掘）是最火的概念。
观远数据联合创始人兼COO鲁伊莎举了一个被无数商业教材收录的经典案例——啤酒与尿布。沃尔玛通过数据分析发现，啤酒和尿布的购买高度相关，于是将两者摆放在一起促销。“在20年前，这是数据挖掘最生动的例子。”鲁伊莎说。
强大的兴趣驱动让苏春园在一毕业就进入了MicroStrategy（微策略），这家公司当时在全球BI领域排名前三。他一路从总部的工程师，做到中国区研发负责人，对接的都是全球前30%的500强企业——花旗银行、阿迪达斯、奈飞等。
看起来在原来的轨道上也是不错的成长路径，但2015年前后，强烈的割裂感冲击着他，“国外的软件越来越不接地气，无法匹配国内企业的真实需求，且并没有长期投入中国市场的想法。而国内数据分析行业参差不齐，好想法碍于融资进度，更多在早期准备阶段。”
苏春园说得很直白，“做得越久，我越发现传统BI‘不智能’。”当时的BI更多是让决策者看到数据，但不能发现问题，更谈不上指导决策。
BI就应该像它的名字“商业智能”那样，他产生了自己做点什么的念头，于是在辞职过渡了一年后的2016年，他联络了微策略时期的三位老友。相似的职业背景让他们对“Beyond BI”不谋而合，9月正式创立了观远数据。
“其实是‘拍脑袋’，我们认为BI产品会迭代，这是一个方向假设。”苏春园笑着说，内部只是很明确不止做BI，但“AI+BI”的提出，更像是几个想要改变世界的年轻人的疯狂想象。
不过这个方向也并不全凭“想象”。那个阶段，美国Palantir已经验证了“数据分析为行为提供建议”商业路径的可行性，它的客户包括FBI（美国联邦调查局）、CIA（美国中央情报局）及不少商业巨头。
内部凭经验认为，从BI到AI的逻辑是通的。“这就好比智能驾驶，L2会自然被认为要向L3、L4更高阶演进。”苏春园说。只是当时没人说得清楚，那个更高阶的形态到底是什么。9年后回看，那个方向越来越清晰：不是更聪明的BI，而是一个让AI真正参与决策的智能平台。
他们甚至在成立初期，就提出了一个AI含量很高的方向，从敏捷分析（Agile）到指导行动（Actionable），“这个理念一直没变，只是在等合适的时机”。
但出乎意料的是，这一等，就是9年。
点击封面订阅全年杂志
清醒
苏春园等的不是钱或者产品，而是合适的客户。
成立不到半年，尚在完善的团队就打磨出了第一款产品，开始广撒网寻找客户试用。他并没有纠结是否一击必中，他的首要问题是先要有第一个客户。
传统的智能决策产品，通常聚焦零售、互联网、金融领域，这是机会最多也是最卷的三大市场。但对于一家初创公司来说，产品显然没有太多竞争力。
“早期的客户都是靠我们刷脸。”苏春园说，几个联创边写代码边跑客户，“产品还在雏形，就拿着PPT和demo卖‘理念’。”他们开玩笑地把早期找客户的过程概括为“3F”理论——Friends、Family and Fools（朋友、家人和傻瓜）。比如第一个客户正是朋友推荐的一家名叫“咬不得”的杭州连锁包子店。
真正打开局面的，是同一时期签下的一家银行客户。同样经朋友介绍，对方很认可他们的理念，但审批流程导致签约受限。为了拿下这笔订单，团队自费买了两台服务器，从杭州带到上海，跟客户调试对接。
后来，这家银行成了前三家签约客户之一。而到了2017年中，1.0产品正式发布时，观远数据已经有10个零售、金融、泛互联网的签约客户了。
但在迈出第一步后，苏春园做了一个内外部都不解的决定：只聚焦零售消费。“投资方都质疑我，为什么搞零售？”这是个太分散、迭代太快的领域。
他的解释是，零售消费是数据原生的赛道，尤其是移动互联网下的“新消费”。终端企业几乎都在阿里巴巴、京东平台上观察数据的变化，这群人的逻辑也极度市场化——产品做得好才付钱。在苏春园眼中，中国最卷的行业，恰恰就是生产力最先进的行业。
而对于一款BI产品，虽然不同行业具备一定共性，但细分需求千奇百怪，甚至不搭边。如果涉及多个行业，最后可能哪个都顾不上，这违背了他创业的初心——产品必须要用起来。
回看这个决定，他是幸运的，因为很快便迎来了第一个真正意义上的标杆项目——联合利华。
项目的主要任务是用AI算法预测清扬洗发水未来1到4周在不同区域、不同渠道的销量，预测得越准，就越能及时配货、交付，从而减少库存积压。
过程并不顺利。对比多是500强管培生出身的计划员，AI预测结果差一大截。直到第二年末，结果才发生了反转——数据预测的能力稳定超越了人工。自此，观远数据和联合利华合作了7年。
几年时间，双方的合作从“预测销量”延伸到“决策智能”——比如供应链排产Agent，把订单波动、产线切换、物流时效等复杂约束综合计算，并能在人工干预后自动学习、沉淀规则。
2021年，是苏春园口中的“全新阶段”，观远数据开始涉猎零售以外的业务。一个重要契机是，在金融行业被称为“零售之王”的招商银行找到他们，寻求产品合作。“他们看中了我们在零售消费领域的口碑和深度。”他说。
他反而更多是犹豫，甚至在第一时间拒绝了，理由和当初决定聚焦零售赛道一样。金融的定制化需求极强，“我担心产品没有准备好，节奏和方向会受到影响”。他在内部提到：签约了一个大客户而偏离产品主线，因小失大。
但这个项目过于重要，他几乎被团队推着走，隔三差五就要进行沟通研讨会，最终大家还是达成一个共识——不会因此影响整个产品的标准，才通过了这个项目。
筹备持续了一年多，牵扯大量的产品研发测试和改造，但也让观远数据打响了跨行业的第一枪。“招行选什么，其他家银行就默认为可以参考。”鲁伊莎说，宁波银行、北京银行等也相继成了客户。
聊起这个阶段，苏春园总感叹“幸运”。2021年，观远数据完成了B轮融资，也完成了4.0产品的发布。这期间他没有遇到任何资金上的挑战。
小步慢走
但真正的考验很快到来。
2022年，观远数据完成了C轮融资，投资方包括Tiger Global等全球最顶级的资本机构。苏春园认为有了更充足的弹药，依旧维持猛攻的状态。
他开始进入更多领域，团队人数快速扩张到了350人，产研、销售市场、交付实施三大模块的组织架构也成型了。
那时候，行业已经有了退潮的迹象，很多BI明星公司都无法兑现“高光时刻”宣称的愿景。反而是此前略显“沉默”的观远数据还在进攻，苏春园用“逆势猛进”来形容那时的状态。
但2023年，他口中的至暗时刻到来，他用的一连串形容词是痛苦、挣扎、谷底……
外部客户的决策流程突然减速，“客户预算缩减，审批周期普遍延长到了半年到一年。”据鲁伊莎回忆，这一年客户不再强调需求和市场偏好，挂在嘴边的话是“先活下来，再说活得好”。
观远数据高举高打的状态似乎和市场是脱节的。“我们之前像是坐电梯爬山，现在是要走盘山路上山。”他其实很快就意识到了这一点，此前的融资节奏是非正常状态，资本红利、客户预算红利带来的高增长，已经是过去式。
在公司成立的7周年庆典上，苏春园定了一个新基调：从高速成长的红利期，进入敏捷组织的新周期。简单讲，他要调组织，降亏损。
2023年年底，团队从350人收缩至约260人。到了2024年，公司营收增长受阻。这期间，苏春园把精力从外部移到内部，开始了组织转型，AI自然是主线。
之前，观远数据的产品节奏是每年迭代一个大版本，以BI为主，持续融入AI元素。而此后，它不仅回归零售“根据地”，还开始围绕具体业务场景做Agent，AI的权重被极大提高。
他的重中之重是建设“工作站”模式：内部组成5到7人的跨职能小组，来自不同部门，针对一个细分市场或场景，快速验证假设，站长可以直接汇报给苏春园。
这种组织形态的底层逻辑，不只是为了快，它要求团队进入客户现场，把隐性的业务逻辑、指标口径、人工干预规则一点点打捞出来，再沉淀到系统里。工作站成了观远把“现场经验”转化为“产品能力”的最小单元。
他对这个架构的要求是工作效率的极度提升。“六步法：假设、衡量、检测、验证、放大或证伪。”苏春园解释。这让内部产生了质变，以前更像华为BLM（业务领先模型），这适合战略明确、市场高速成长的周期。而现在外部因素变化远大于内部，需要小团队分布式感知市场，快速验证。
AI应用的决策期限也被明确定义为“三六十二”规划：3个月见效，6个月落地，12个月实现共创效益。
即便是业务数据“原地踏步”，他依然将2025年定义为公司的AI元年，AI工程师嵌入到业务团队，“工作站”模式端到端负责场景验证。
他再一次把筹码压在了客户身上，而不是摊大饼地铺销售人员，把AI产品“扔”到不同赛道，自己长出来结果。
这一定程度来自于此前吃过甜头。2019年，BI行业普遍采取买断制销售模式，苏春园力排众议尝试了一次转型——订阅制。这意味着一款产品的短期收入会大幅减少，即便诸多销售人员因此离职，他还是坚持要推。在他看来，订阅制的核心不是收费方式的变化，“如果客户第二年不续费，我们就拿不到钱，这倒逼我们必须把服务做好。”
为此，他还调整了组织架构，成立了行业首个“客户成功体系”。这个一级部门直接汇报给苏春园，在每月固定的时间点，他带着所有管理层和面向客户的员工，讨论客户数据——哪些客户吐槽了、使用率下降了、问题升级了。
事实证明，他再次选对了。AI产品更需要对客户和市场的了解，有的决胜点甚至是一个不起眼的细节。观远数据很快就重回增长，2025年底还迎来了盈亏平衡点。
苏春园常说自己是“渐进主义”，“领先的故事并不一定是宏大叙事，更真实的情况，其实都是长期方向上日复一日的迭代演进。”但这次的AI竞速，要远比此前的任何一次更凶险，留给创业公司的生存空间有多大？
2019年，他曾经历过一次与大厂的竞争。
那个阶段，“数据中台”概念火热，阿里巴巴等推出“全家桶”战略——云设施、数据中台、BI打包销售。不少客户不再续费BI，认为这只是数据中台的一个模块。“有几个月，我们联创团队很沮丧，数据中台厂商有钱、有叙事、有生态，我们有什么？”苏春园说。
他闭关了近半年，最后发现，数据中台的内核其实是“数据仓库”，而市场上依旧有不少企业，尤其是中大型公司明白独立的BI平台很有必要。所以，他没有选择被大厂牵着走，而是做板块业务的延展，哪怕丢掉一些客户。事后证明，这是决定公司活下来的重要选择，他的心得是：与巨头竞争的核心不是资源对抗，而是战略能够快速调整。
在跑通零售消费赛道之后，他又一次开启了扩张，这次的重点是制造。
他的策略是“相邻阵地”——制造业是消费品的上下游，天然有关联。比如观远数据从联合利华，延伸到了它的工厂供应链，继而再延伸到上汽、零跑等车企，以及昊志机电、小天才等生产制造企业。
他说这并不是“刻意”的延伸，而是产品、数据尤其是场景积累到一定程度的自然延伸。
他也在反复提醒一个点：现在大模型与Agent过于火热，但对于企业决策层来说，企业在AI时代最核心的能力，恰恰是模型之外的能力，是日常经营决策背后的数据底座与决策上下文。这来自于经营复盘会、零售门店、制造车间和电商直播间的各个业务现场。这些冰山之下的“脏活累活”，将决定企业经营决策能力的未来上限。
6月底，观远数据正式发布了DecideX·AI决策智能平台。苏春园在发布会上调侃，这是一场“准备了9年”的新产品发布会。
在他看来，“让业务用起来，让决策更智能”这句话，前半句用了9年，后半句才刚刚开始。
新闻热线&投稿邮箱：tougao@iceo.com.cn
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。
热门跟贴