(注：近日，数澜科技联合创始人、轮值CFO高雁冰在天堂硅谷信息技术闭门会上做了主旨演讲，以下根据其讲话内容整理而成。）
数据中台今年很火，实际上我们团队在阿里内部10年，以及出来创业3年，一直在做这个领域的事情。过去40年中国其实在IT和信息化这个领域发展得比较快。但中国过去这么几十年还没有发展出一个千亿级的软件企业。原因其实很简单，在过去的40年，中国IT信息化的基础架构是被国外公司垄断的，国内的大部分软件公司都在做上层的应用级开发，干些脏活累活。
今天中国各个行业的企业在IT信息化的建设已具备扎实的基础和丰富的IT系统，累积了大量数据，但数据光是放着，是一个负债，每年花很多成本维护，怎么把它用起来成为一个难题。这个时候大客户就提出了：IT时代有像IBM,Oracle这样的公司可以提供基础软件，能支撑我们快速构建一些场景化的应用。但是今天要用数据的时候，全球还没有这样的一个技术架构。
这个过程对于传统企业是一个很难的事情。第一，企业的技术体系非常复杂，有大量IT公司给他提供异构的软件系统，相互间数据没有统一标准，最后杂乱无章。对于企业来讲，有什么样的数据，数据质量怎么样，怎么评估，可用性如何？都没办法知道。所以让其构建一个数据团队太难。第二，大数据处理领域，涉及太多的技术点，例如多元异构数据如何有效整合？数据安全如何处理？怎么让数据形成自然流动的状态，为业务所用？
在国内，就涌现了大量公司尝试去解决这个问题，尤其是在金融保险领域。但是这个产物目前更多的是在垂直领域。举个例子，比如说在金融领域，为了去放小贷或信用卡，我可能构建了一个基于信用卡和小贷的这么一个垂直的大数据应用，把银行的一部分数据聚集起来，形成一个数据的仓库，在上面去构建一个应用。那么明年我要去做其他业务，比如说风控，那么我又要建一个这样的体系，对于企业来讲，他就感到更困惑。我原来的数据是不离散的，它是孤岛，它不一致，今天我构建了这么一个大数据应用，我发现我的企业内部的数据更乱，企业有没有办法去解决这个问题？所以又回到这个点，今天为什么数据中台会火，大家都思考一个问题，我能不能在整个企业内部横向构建一套体系，他把我所有的数据全部整合起来，它是实时的，然后把这个数据形成一套动态的数据资产体系，我上面要去做业务的时候，我随时可以用这套数据生产体系，快速的去完成它的整个的交付，这是我们企业的一个梦想。所以大家谈到的数据中台，我们认为他就要去解决几个问题。
现在说两个部分，第一部分就是我们团队认为什么才叫企业的一些数据中台？它会去具备什么样的特点？它可以做什么？它不可以做什么？它怎么去解决企业存在的问题？所以其实对于数据中台这个词来讲的话，每一个企业每个人都有自己的理解，那么我们认为它其实是一套系统，把一个企业的数据持续的运用起来的一套机制，它是一套动态的体系，它不是一个软件，它不是一个产品。没有一个产品叫数据中台卖给你，直接买就能用。数据中台它其实是一个工具，加上企业本身对数据的一种理解和认知，然后再加上企业本身特性化的数据，形成了一套资产，共同形成了一套体系。这个体系是属于中台，就好像我的客户，比如说万科，它的数据中台，我们帮他构建的跟碧桂园肯定是不一样的。像中国地产公司TOP20我们服务了差不多一半，每一家都不一样，万科有11个业态，碧桂园有12个业态。那么像龙湖等其他的公司他又不太一样，它的数据结构和体系都不一样，所以在整个的企业数据终端这个领域，我们认为它其实是一个闭环的一个系统。对于企业来讲，第一个就是说如何他把他的业务数据化的过程，就是传统的IT要干的事，对吧？而且所有的业务过程通过ERP这些系统转化成一些数据沉淀下来，然后接下来的事就是数据中台要去干的，把这些业务数据通过一套资产化的一套体系转化成企业的数据资产，然后再把这些资产转化成我们业务人员看的明白的数据的服务，最后这些服务直接能跟我们的上层的业务流程去集成起来。比如说优化我们现有的业务流程，优化它的性能，优化它的效率，提升我们的整个运营成本的控制水平等等服务，那么这些服务再往下走，它又会转化成一些业务，沉淀出一些数据，它整个是一个闭环的过程。
对于一个企业来讲，要构建数据中台，我们认为它要解决三个方面的能力，第一个就是把你纷繁复杂的这种数据体系，这些系统可能里面有大量的结构化的数据，还有一些文本语音图片流媒体的非结构化的数据，通过一套我们把它叫数据自然流动的技术，能够转化成一套数据的资产，这是第一个部分的功能。第二个部分，把你的这些初步汇集过来的数据，经过我们进一步的数据处理的技术，让你的业务人员能够看得明白。转化成一套可视化的数据资产体系。然后第三个部分，把这些数据资产体系通过一个动态服务的框架，当你的业务场景发生变化的时候，能够随需而变，马上就能够去开发出来。我举个例子，比如说像我们在华泰证券，像我们在万科里做的，他们原来一个业务产品发生变化的时候，他们平均的开发和交付的周期大概是3到6个月，那么用了我们的数据中台体系之后把他的时间大概就缩短到几个小时到几天，其实这样就能够彻底的去解决企业的问题。
今天我们说企业要做数字化转型示范，最大的一个问题是什么呢？是因为它的业务高速发展，它的业务在前台快速变化的时候，那么它后端的这种IT支撑的交付能力跟不上。所以当IT开发出来的时候，实际上我们业务这个场景早就过去了。如果你能极大的去降低这样一个速率不匹配的问题，相对企业的价值来讲是非常大的。实际上从整个业务的定位来讲的话，对于企业本身的发展，它是分成几个阶段，第一个就跟我们传统的IT建设，也会有很多大量的IT系统。然后过去的十年，我们企业其实也在做各种“互联网+”，我们有很多线上的业务开展起来，进了大量的线上的系统。所以我们进入互联网的一个时代，那么今天大家在讲，数据的这个时代，它的特点是什么？数据中台的概念是，他要穿透整个企业的所有的核心业务域，成为整个企业的一个基础架构核设施，那么所有企业的数据，都要通过数据中台把他的能力释放出来，不管是传统的业务，还是我们的“互联网+”的业务形态，还是在数据时代的一些新兴的业务平台，其实都是作为数据中台的一个核心的支撑的一个基础。
本身从数据中台的建设上来讲的话，那么我们认为四点其实是非常关键的，就是数据中台这个东西，它本身是一个企业的基础架构，它是不会带来直接的业务价值。大家可以把它理解为它就是企业的一个业务和数据的操作系统。那么这个操作系统能干什么呢？待会我们在下面可以去看到它可以做什么事情，但是我们认为有四点是特别重要的。你帮企业构建一个数据中台，首先来讲的话，那么在建设过程中，首先对于企业来讲，比较重要的第一点就是你整个数据，不管你怎么处理和治理，我要可见。到底数据处理成一种资产，而资产是怎么表现出来，我要看到。这些数据是从什么地方来的？数据的血缘是可以被追溯的。对于企业来讲，其实是一个比较头疼的问题，我给大家举一个例子，我们跟万科在合作做物业地产服务业的时候，这么小一个case，万科有42家分公司，有27家软件公司给他提供了27套物业管理系统，每一个系统都不一样，数据结构完全没有标准化，这都是一些什么文本语音的东西。那么针对这类的，你把它全集团集中化了之后，实际上在集团这个层面看到的就是一套东西，到底我有什么客户，他们持有什么样的物业，他们的服务水平怎么样？怎么去定义？周边的合作伙伴怎么去定？那么在整个数据处理过程中，这27个系统42家分公司的数据处理，它是一个循源源不断的过程，那么我们要让整个过程看起来要是可见要是可用的，所以第二点是可用。
第三个就是可懂，对业务人员来讲，在下面的那些物业，收到的信息就是一些人打电话，很多次报修，但是物业的人，不知道这代表什么，不知道怎么去更进一步的去优化对客户的服务水平。所以当我们把这些数据聚焦处理整合打通之后的话，基层业务人员能看的明白了，比如说他到底是哪一点不满意，那么客户的这种客服人员可以针对它去做相关的动作。
然后第四个对一个企业来讲，其实是最核心的一点，我们认为数据既然是一种资产，它一定是可运营的，这一点是最难的。很多企业号称建了一个数据平台，完了就放在那里，因为他们不知道怎么去持续运营这些数据，你不知道怎么去运营这些数据，那么它对于业务的价值就没办法完全的发挥出来，很有限。所以其实在我们跟很多企业接触的时候，我们都告诉他，数据中台不是一个产品，不是说你买了就能用的，它是一套体系。那么怎么去帮助企业去构建数据中出来，我们认为它要分成三个部分，这里其实是我们一个方法论的一个介绍。总体来讲分成哪三个部分或者三个阶段，第一个叫我们叫方法论导入，因为很多企业的老板，今天尽管他们都在讲数据中台这个东西，但是他不懂，很多老板不懂，跟很多老板交流过，他不知道怎么样去构建这样一套体系。他的团队有没有数据的理解和认知，实际上不确定。然后围绕着建立一套数据的一个自动化的驱动的一套机制，他的业务部门和它的IT部门应该怎么去重塑？怎么去树立他的这种合作的边界，他们也不清楚。下一步的数据运营该怎么去用，怎么去驱动起来，他们其实也不了解，所以一般在企业里去实施数据中台战略的时候，我们第一步就是帮企业去做一个简单的咨询，我会告诉他几点。
第一点就是来讲数据中台，因为它是个企业级的应用，它一定是一把手工程，不是某一个部门的领导说了这个算了。所以一定是CEO或者CFO亲手挂帅的一个项目，它是一个企业级的战略。为什么是个企业级的战略？它承载了企业数字化转型的一个核心，首先在这一点上我们会告诉企业的一把手怎么去思考和建立这套体系。第二个就是在整个的组织方面，在配套的整个数据体系的认知上面，我们会跟客户一起形成一个团队，怎么去让它具备对数据的理解和认知的一个观念，就是说从企业的角度来讲，你刚才讲这个需求最后落到实点就是什么？
第一，数据的标准怎么去建立起来？比如，在政府的其他的部门，在地产，在零售，在金融，教育，工业这些行业，它的每一个行业的标准是不一样的，如何去建立这样一套数据标准，客户是不知道的，因为它的系统太复杂，所以它其实很难去建立这个标准，我们要告诉他建立这套标准的整个模式，配套给他一个工具，如何建立。
第二个，数据资产化的体系怎么去设计，包括它现有的组织怎么去调整？IT部门内部要不要去具备一个数据的运营部门或组织要不要建，这里面需要什么样的一些人员，他们是不清楚的，那我们要告诉他们，数据的本身资产化的体系的设计，比如说标签整个体系的设计是如何去做的，我们是教客户这个方法，不是说直接给他一个结果。
所以在整个的方法论的层面，我们会跟客户一起去把整个体系构建出来，这是第一个阶段。构建了这套体系之后，其实第二个阶段才是帮助客户做一个系统，有一个软件，我今天卖给你们，去私有化部署了，部署了这个软件之后，结合我们之前的一个在整个方法论层面的梳理，那么我们就把你原有的这些IT系统分阶段分批次的逐步的灌进来，灌进来之后这些数据自动就同步过来了，自动的进了中台这个软件里面，最后形成了企业的一个可见的数据资产体系，这是第二个阶段。这个时候你的数据中台基本就初步完成。
第三个阶段就是说我们要跟客户一起去看一下这些数据怎么去运营，在它的上面如何去构建不同的业务场景。实际上这个也是我们现在这种团队比较短板的地方，因为我们其实不懂行业，但是我们是这么看的，也是在这么实践：真正懂客户的业务一定是他自己。我们这种团队或者叫数据中台要干一件什么事情，你把企业自己看不懂的数据，通过你的资产化的能力，最后转化成一种界面上它可见的能看的明白的东西，像我们很多客户看完、看懂之后，他就自然知道我的业务上应该采取什么动作，他知道产品的动作之后，就在我的平台上面去做二次开发，然后再去开发出一些业务的应用场景，来完成它整个本身业务的赋能，这个是我们现在在干的一些事情，我们认为数据中台它本身应该也是这样。
在数据中台上面应该有两类人，一类是大的企业，像银行、证券、保险、地产，它其实都有一个非常强的开发团队，都可以在我们的终端上做二次开发，还有一类就是说在行业里生根多年的那些小的开发公司，或者就是专业化的开发公司，他们懂开发，懂行业，懂产品，懂客户，但是他们不具备大数据的能力。那么通过我们这套数据的中台体系，它可以在上面二次开发，完成对于行业的一些产品的深度的一些持续的开发，这是他们要去做的事情。
在整个的数据中台的构建过程中，一定要分阶段的话，我们是会把它分成这样的五个阶段。其实刚才大概也提到了，那么第一个阶段就是跟客户一起去看，它现有的业务的产品是什么样的。尽管数据中台它是一个基础架构，但是他最终的目的也是为业务去服务的，所以在构建这个数据中台体系的时候，包括你在构建你的数据标准的时候，你是需要去分析客户的业务场景的。他的业务是什么形态？它现在的IT建设的现状是什么样的？他的现有的现在的数据的一个现状是什么样？哪些数据的维度存在缺失和空洞，我们是需要帮他整体梳理。客户他其实并不太清楚。
第二个阶段梳理完了之后，我们要帮它去设计架构，你的两套数据标准该怎么去定义？那么你的本身的整个业务的大图，大的视图在你的业务人员的指导下，我们会帮你画出来，你的数据的整个架构视图是什么样的，就帮你去画出来。然后你的技术的演进的目标，这些我们都帮他去设计。然后第三个就是最重要的一个环节，其实数据中台里面最核心的一点就是数据资产的建立的过程，待会儿我们会提到什么是数据资产，这个词我感觉也被行业讲滥掉了，但是到底什么是数据资产，它到底是解决企业什么问题？
我们通过几个其实关键的动作，第一个就是数据的打通，待会我可以介绍一下什么叫数据打通，怎么去打通数据，然后如何把通过底层打通的数据之后，对数据进行多维度的重新组织，然后把数据呈现出给到他的业务人员，然后怎么帮他去设计数据模型的标准。第四个过程解决了数据资产的问题，就是说怎么让它把资产用起来。所以在第四个阶段就是我们要提供一套什么样的机制，能够让他在不懂大数据，不懂开发语言的情况下，能够通过界面的拼装的方式，能够把一些业务的产品在我们的体系能够设计和实现出来。
当然还有第五个环节就是说当他把这些应用开发出来之后，我需要有他动态的数据的评价机制，能够去优化它的整个链路，它是一个动态的过程，但数据中台在建设过程中，我们认为其实有几个比较核心的点，这里重点去提，从整个技术的路标来讲，或者说从整个本身企业要关注的点上来讲有三个：一个是本身数据的，我们把它叫自然流动的技术。因为在IT本身的建设，它自然有它的双螺旋的生命周期，一个企业的IT他一定会永远的坚持下去，不停的更新，因为企业的业务生生不息，所以他的IT的建设就一定会持续下去。所以它的IT的这种异构很复杂，永远会持续，不是说今天你给他整完了之后，明天就结束了，不是这样的，明天他也会到不同的软件公司去上新的软件应用，那么永远会存在它的数据的一个持续性和不准确性，就是一定持续的一个问题。所以在这样一个场景下面，你怎么能保证你的数据中台往那一放了之后，能应对企业未来十年几十年的发展和变化。那么这些IT系统在新上了之后，或者原有IT系统在修改之后，他只要接到你的数据中台上就能保证它的数据能够快速的能够变成一种资产，这是一个自动化的过程。
第二个就是数据资产化的一套体系，你怎么能保证在这样一个情况下，它的数据的资产化也是一个完整的一个全面的自动化的一个过程。然后第三个就是在未来还能够支持快速的服务和响应。当然对于一个企业精英来讲，我们认为工程化的能力和计算机的服务能力也是非常重要的。对于用户来讲，它有一个非常好的界面，大部分东西要是可视化操作的。这里我们就重点去提一下关于数据的资产化体系，实际上是这样的，就是我们认为数据的资产化它本身是一个动态、一个体系，你从企业的一个离散无序的数据状态，你把它通过你的一套技术，能够把它转化成一个用户的业务人员，能够看得明白，看得懂的数据的这个成像，它是一个综合的过程。
那么这里面其实从表象上来讲，就是说从人直观的看到的东西来讲，他就是两套数据标准，一套是我们底层的跟行业业务相关的数据标准，通过行业业务的数据标准，你就可以把企业原来纷繁复杂的IT系统的数据直接映射过来。那么这个映射过程是怎么去做的？当然里面会用到大量的人工智能的技术，不能靠手工。我举个例子，我们很多客户的IT系统里对他自己的客户的叫法可能多达几十上百种。那么在整个数据的处理过程中，你要把它做到自动化，所以这里面需要用到大量的人工智能技术。第二个就是说标签的内部体系的设计，那业务人员能看到一个东西，所以我们怎么去设计这个东西？这里面有三个的数据的核心，我们认为实际上很多企业在做数据的中台建设的时候，最核心的一个点，我觉得大家没有可能就是对于数据我们是这么来看的，首先企业在数据的整个中台体系的数据设计，它是要跟业务做深度结耦的，这是第一点。
我们很多传统的数仓，其实我们建数据模型的时候都是按照组数据的方式来解决，这是不对的，因为企业的业务生生不息，不停在发展，此消彼长，所以你的核心数据模型如果跟他的业务绑定的话，其实是最大的一个问题。当你的业务发生变化的时候，你的核心模型就会发生变化，你核心模型承载着上层的所有算法都会出问题。所以在数据上汇集过来的时候，第一步要干的事情就是把数据跟业务结合，要对数据进行重新的整合，重新的组织，就不要按照业务的维度来组织数据，这个是很有意思的。这个我们把它叫对数据的一种认知，第二个就是数据的全面打通，打通它是一个比较有意思的概念。像刚才陈总讲的，其实很多具备强ID属性的数据，我们是比较容易打通的，但是对于企业来讲，很多数据它是属于弱ID的或者没有ID的。比如说我通过你的网站上面浏览一下，没有登录，你并不知道我是谁，对不对？我有你的APP的应用，用到LBS到处去走一圈，也不知道我是谁。这样大量的数据，如果你不把它识别出来，挂到相应的数据下面的话，这些数据其实基本没有价值。
像我们做的很多金融公司和尤其是互联网公司，他们有大概70%的数据属于这一类型，弱ID或者没有ID，你怎么去把它打通，然后把这些数据重新识别出来。这一步非常关键，如果这个问题不解决，其实就会面临一个问题，举一个最近的场景，我们对客户做洞察。你的传统的数据百分之百过来，到你这个洞察做标签定位的时候，发现只有10%是可用的，为什么？因为你要洞察你要输入，比如说就是一个用户的设备ID,一个用户的身份证号码，你会发现你只能把一些强ID的数据抓出来，弱ID的数据全丢掉了，所以在构建打击这个体系的时候，那么我们要做一套机制，在我们内部叫多渠道的数据ID-Mapping体系，它是专门解决这个问题的，当然这个体系以前我们在阿里的时候已经构建了，所以阿里巴巴的现在他们能够在1个人的26个纬度，把你所有的数据都给打通掉。你只要登录阿里的任何一个服务，你不需要订购的，它都会识别数据的，准确率能做到98%。所以它背后的逻辑就是这样的。
然后数据资产上面已经解释了，其实在数据最后变成资产了，要去做业务赋能的时候，这个过程如何做到动态化，我们是这么来思考和设计的。因为你的业务场景的变化，往往你可以用相应的一个数据模型去描述它，然后这个模型最终也可以用算法把它在系统里呈现出来。你的业务场景经常发生变化，那就意味着实际上你的算法会经常变化，那么我们实际上刚才说的这两层数据的标签内容和数据内部之间，我们是用算法去承载的，就是说数据内部经过一些算法计算，它就会形成标签，那么这个算法是根据你的业务场景走的，当你的业务场景发生变化的时候，你就可以在一个可视化界面上去更新你的算法，那么这样就可以比较完美的去解决第一，快速推出服务的能力。第二，对整个价格体系的一个柔性的支持和影响。那么这是数据资产这套体系在系统的一个呈现，这里不多介绍，它其实是分成四个层面。
对企业来讲，ODS是你的所有的原始的数据这个层次。第二层就是我们叫中间数据层，这一层会按照业务的角度去构建你整个的数据体系标准，然后第三层在标签这一层，就是你会看到它跟你跟业务是没有关系的。而第四个部分就是说通过标签，然后往上形成数据的一些服务。那么这些服务在往上就是ADM里给到业务去使用。这是我对于数据中台的一些思考。
那么其实在我们目前来讲，经过三年也服务了全国大概300多家各个行业大型的一些客户，那么这是我们在做工业智能制造这个领域的。当然有部分客户我们是不便于披露的，它有比较高的保密要求。实际上在智能制造这个领域，我们主要做几件事情，一个就是用一些互联网采集的一些数据，帮助一些制造型企业干几个事情。
第一个就是像刚才其中提到的，我们如何去降低整个的设备本身运行过程中的一些故障的问题，经过故障的一些预测。第二个在整个全面的生产，比如说一个工艺流程有几百个环节，那么我们怎么去优化它，找出它的环节瓶颈，去优化它。然后第三个就是说在一些制造的一些良品率上面，我们怎么通过数据的一个相关性的一种识别和挖掘，帮助他去提升最终成品的了解。第四个是在整个智能制造的过程中，我们给他提供一个全面的制造驾驶舱，把它所有的数据和动态的展示和归集起来，这是我们在国内的一些尝试。
第二个就是国内最大的一个媒体公司，他们其实有大量的数据，以前他们在做媒体做这种最新的一些时尚的设计的时候，其实都是找特别牛逼的团队，那么现在我们帮他构建一套体系，把它过去媒体的所有的这些非结构化的信息数据全部整合起来，然后结合他现有的一些IT系统的数据，就现在能做到什么？通过我们这套平台，它现在一些普通的设计师也可以比较好的抓住媒体时尚的一些热点，然后去做一些特别好的一些产品设计，降低整个产品，整个全生命周期设计的成本。
这是国内的一个地产案例，其实这讲的就是万科的，当然我们在国内还做了像龙湖雪松、碧桂园等，所以他们来讲最大的一个问题就是说数据太复杂，多业态没办法协同，所以他们今天为什么要去构建这样一个数据中台，就是先把他所有业态的数据放进来，放进来之后，按照它的产业地产，住宅地产，商业地产的几个维度，把数据重新标准化，再去对它整个业务体系进行重塑，像万科就是这个过程。目前，我们的规划是三年，三年之内，要把它全国的11个业态所有的东西全部放在这个平台上来，所有它未来的新业务都会在基于这个平台进行二次开发，那么整个万科集团的2000多个开发人员，都会在我们平台来完成整个集团的相关开发性工作。
在政府里面的一个简单的应用，现在尤其是在数据处理的每个环节，因为会用到大量的人工智能的技术，所以类似在公安检察院安全口的公检法司，实际上在大数据的落地能力是非常强的。那么我们这是在整个浙江省做的各级检察院，那么主要帮助解决什么问题？通过数据处理的核心软件和AI的能力，能够帮他把现有的一些检察院他们要去做的判案，我们帮他们做一个辅助的判案一套体系，那么极大地提升它的效率，帮助他提高90%多的效率，而且基本上没有错误率。
现在，我大概介绍一下数澜科技这家公司，我们这家公司成立于2016年，实际上三年多以来我们一直专注在大数据的基础架构里，我们团队其实前身是由两个团队构成，一个是阿里最早的一批做大数据的团队，大家可以看到的就是阿里的大数据，整个体系我们从2008年开始一直做到2016年，基本上是把它完全的做出来。第二块就是来自于华为的2012实验室的一些同学，那么当然还有全球的一些像Stanford和MIT的一些同学，那么我们一直在专注于做企业本身数据的基础架构这个领域，我们认为实际上在今天全球进入数据时代来讲的话，中国是有可能在基础架构领域能够领先于全球的，但互联网我们其实已经领先了半个身位了。我们在中国的复杂的应用场景的驱动下，今天我们是有可能领先于全球去做这样一个基础架构的事物。
所以在三年多的时间里，我们服务了全国各个行业，现在是七大行业，超过300多家，我们也是针对头部客户。有几个数据，第一个就是说我们现在大概的客单价大概300多万费用，针对头部客户。第二个就是说我们基本上所有的客户，我们现在能做到百分之百的复购，因为在对企业做数字化转型来讲的话，实际上它一旦要选择这个方向，它其实一定会坚定不移走下去的。在数澜科技成立三年来讲，我们也得到了像天堂硅谷这样的一些顶级投资机构，还有IDG和云锋这些机构的一个比较大的支持，我们目前也经过了四轮的融资，在做第五轮，也拿到了一些资金的支持，当然也拿到了我们投资者对我们全方位的其他的支持。
数澜其实有一个最简单的企业的使命，我们希望帮助企业把数据给用起来。我们希望通过我们的技术和服务的能力，真正地帮助各行各业的客户把他自己的数据用起来，用好，这就是我们一直会保持不变的使命和价值愿景。
谢谢大家。
