“相比于技术上的单点突破，BI(商业智能)产品更需要时间的沉淀。”思迈特软件创始人吴华夫说道，这项看似“狂拽酷炫”的技术背后，更需要“卖油翁”一般的磨练和沉淀。

近年来，AI、低代码等技术的发展，推动着传统BI向敏捷BI、智能BI转型。而看似酷炫的BI背后，不仅仅是技术的迭代，更需要对行业的深刻理解。

正所谓隔行如隔山，企业之间、行业之间差异化的数据分析需求，让很多国外的BI厂商在国内“水土不服”，而这恰好是国内厂商的机会所在。

光大控股母基金董事总经理张琤指出，商业智能BI和大数据分析市场在政策利好下，将迎来两大重要机遇——软件国产化、合作国际化。

围绕BI国产化的逻辑，国内BI厂商奋起直追，凭借着对本土企业痛点的精准把握，对各类数据源进行打通并整合，根据不同的需求“对症下药”。从Oracle、SAP、Tableau等海外巨头的夹击中突围，并获得了资本市场的关注。

值得注意的是，在众多国产BI厂商中，思迈特软件的商业打法颇具差异化。

当其他厂商还在竞相争夺金字塔尖的大客户时，思迈特软件找到了自己的商业化道路。前期以大客户市场为主，依靠行业的头部客户来驱动产品力，在积累了丰富的行业经验后，再切入腰部客户市场，通过服务腰部客户的细分需求来推动商业化。

7月20日，思迈特软件宣布完成C轮融资，本轮融资由光大控股旗下广州光控穗港澳青年创业基金独家投资。此前，思迈特软件曾先后获得来自价值资本、方广资本的A轮投资，高成资本、琥珀资本的B轮投资及明略科技的B+轮投资。

思迈特软件创始人吴华夫向光锥智能透露，目前公司基本能够做到现金流平衡，因此，融资的主要目的更多是为下探到中腰部，获得更多可能性。对于思迈特软件而言，此次融资更像是冲击IPO之前的一次助跑。

本期，光锥智能对话思迈特软件创始人吴华夫，聊一聊BI的机遇与挑战。

以下为采访实录，将围绕以下三个主要问题展开：

1、SaaS付费难的背景下，思迈特软件的商业模式是如何练成的?

2、对于BI而言，是技术驱动还是场景驱动?

3、BI国产厂商有哪些机会?

光锥智能：10年时间里，思迈特软件能在BI领域里够快速成长起来，主要依靠的是哪些客户?

吴华夫：

我们的团队脱胎于东南融通，因此思迈特软件从诞生之日起就带着金融基因，在金融领域的客户偏多。客户主要由两部分组成：

第一个部分是大客户，

包括：中国银行(601988)、民生银行(600016)、交通银行(601328)和华为等。主要来源是一部分原来在东南融通的老客户，还有客户上下游的传播。

第二个部分是正在切入的中腰部客户。

数字经济的快速发展，也让中国真正进入了信息化、AI化、移动化和SaaS化“四化合一”的时代。中国几千万家企业，腰部客户的市场机会越来越大，并且腰部客户也会成长为大客户，这是我们阻挡不了的趋势。

目前，思迈特软件已服务4000多家行业头部客户，典型客户包括万达、深交所、北汽等。涉及金融、制造、零售、医疗、地产和政府等多个领域。

光锥智能：为什么瞄准大客户?在服务大客户的过程中有没有什么困难?

吴华夫：

大客户的确能够给我们带了很多好处，无论是产品的打磨上，还是影响力的传播上。但服务大客户并没有想象中顺利。

1.大客户获客很难。想要获得大客户并不容易，而且获客成本也比较高。

2.大客户要求高且交付周期长。大客户不仅对BI产品的要求苛刻，服务过程中有时候还会不断追加新需求和新特性，导致交付周期变长。

3.大客户之间的需求差异大。客户与客户之间发展阶段可能不一样，需求的关注点也不一样，导致产品的复制性不强。

光锥智能：从头部客户转到腰部客户的过程中，您觉得两者之间有哪些差异，会不会水土不服?

吴华夫：

第一点，大客户的需求是分散式的。在整个BI里，大客户的需求会分配给不同的公司，每家公司的分工都很明确。这种情况下，我们只需要满足客户在BI领域的需求即可。但腰部客户不同，它的需求是一站式解决所有的问题。

第二点，腰部客户交付简单。很多时候我们只需要提供一个简化的版本就可以满足腰部客户的要求，相当于做了减法。但交付简单也意味着对产品通用性要求高，这也对产品标准化提出了要求。

第三点，腰部客户对需求并不敏感。大部分腰部客户不清楚自身的需求，比如一家制造企业，我们需要给他提供很多行业经验、指标体系，把需求搞清楚以后再来提供交付，这里我们就需要交付标准化。

前期我们的重心一直放在头部客户，而服务头部客户必须要有一些牵引力。经过长时间的大客户经验沉淀，我们产品的性能可能已经超过了目前市场上很多客户的需求。

但本质上我们还是在做生意，一直向客户提供性能过剩的东西，最后无法实现商业化也是徒劳。所以我们要通过腰部客户变现，把产品市场匹配度做好，让它螺旋上升。

光锥智能：为什么要做腰部客户?

吴华夫：

做大客户并不是一件简单的事情。前期在大客户上积累的经验，锤炼了我们的产品能力。通过把所有客户的功能沉淀到产品里来建造产品壁垒。

大客户获客难且交付周期长，所以我们通过在大客户市场打磨产品以后，逐步地转移到中腰部市场实现商业化。目前，我们打磨出来的标准化产品基本可以满足腰部客户的需求，已经具备了从头部转到腰部客户的条件。

光锥智能：从产品到销售，思迈特软件如何实现标准化?

吴华夫：

我们靠金融起家，金融行业因为数据资产多，客户的定制化需求也更旺盛。在金融客户不同需求的”蹂躏“下，产品的通用性得到大幅提升，为行业的拓展奠定了基础。

在大客户之后，我们瞄准了腰部客户的市场。但在腰部客户和大客户之间不可避免的存在差异，为了提高产品的市场匹配度，我们从2020年开始实施产品的标准化。

同时，由于行业客户数量多，把客户的交付都交给专业的公司来负责几乎不可能。因此，我们实施交付标准化，把交付的工作交给合作伙伴。通过一套交付标准化流程，合作伙伴即使不懂BI，也能帮助客户完成交付。

销售标准化的背后是渠道化体系的建设。就像企业能量模型，前半截推着石头上山，到了山顶之后，通过渠道和营销把能量释放出来。我们现在已经接近山顶，所以渠道化和营销的工作在加大。

光锥智能：思迈特软件做的标准化产品是SaaS产品还是PaaS平台?PaaS平台和SaaS产品，思迈特软件的侧重比大概是多少?

吴华夫：

我们的标准化产品有几种方式，公有云和私有云均有布局。在国内，特别是金融行业，客户不愿意把数据放到公有云上，私有云的部署也就更多。

产品的形态上，思迈特软件还是以PaaS平台为主，专注在零售、金融、制造等领域。纯SaaS化是大势所趋，但把数据放在云端还需要更加完善的法律。

我们现在也想要构建生态，以思迈特软件的平台为支撑，把SaaS应用放进来。但生态并非一朝一夕就能完成，还需要长时间的打磨。

光锥智能：BI为什么要去做生态?BI做生态的价值在哪?是商业化的价值还是前瞻性考虑?

吴华夫：

了解每个行业对于数据的需求和使用数据的痛点是交付标准化的前提。我们专门建立了“BI+”应用市场，BI内核的东西由我们来负责，通过BI PaaS平台，让渠道商进行场景化应用的开发，真正做到“不仅仅是BI”。

与此同时，客户的行业数量多、碎片化，把所有的工作都包揽下来几乎不太可能。因此，我们为渠道商提供具体的方法论，将渠道商交付的经验沉淀为应用市场中的一个应用模板，让客户根据需求挑选。

光锥智能：思迈特软件在发展的过程中有没有遇到哪些困难?

吴华夫：

相比于技术上的单点突破，BI产品更需要时间的沉淀。

于是我们改变路径，直接从管理需求出发。

在2020年实施标准化以前，我们一直都在做产品的打磨。之前给客户做BI，我们从底层的数据出发，自下而上提供数据分析，但是企业看不到效果，因为很可能分析出来的结果不是他想要的。

把管理需求抽象成为“指标体系”

我们，并在各个业务条线上做指标分解，利用指标体系驱动数据治理，把自下而上和自上而下结合起来。因为纯粹从需求出发，容易导致数据重复，效率不高;但从下往上又需要花费很多时间，如果没有业务需求，数据治理就是在白费力气。以满足需求为主，在这个过程中同步去做数据治理，实现螺旋上升。

说到底，BI没有什么特殊的技术点，前期是针对每个不同的场景和需求一个一个啃下来，需要对每个行业和场景有比较深刻的理解，才能去拓展业务。BI发展了这么久，我们推出的指标管理平台，也是需求与数据融合的一个结晶。

光锥智能:您提到的指标管理平台是不是通过低代码开发?客户可以根据自己的需求，在产品平台里面去选?

吴华夫：

在指标形成以后，客户可以通过低代码的方式在指标管理平台上选取自己所需的指标做成报表，最终生成个性化的仪表盘。

同时，从战略性指标到各个业务部门的指标，都可以体系化。让业务充分参与到指标体系的建设中，整个体系的数据资产才能够不断迭代，不需要每次都重新开发新的指标。

其实这也解决了一个很大的问题：数据能被业务用起来。现在整个BI行业都处于让业务用起来的阶段，我们需要让业务能通过数据获得价值。

光锥智能：这次融资的主要目标是什么?

吴华夫：

目前我们的现金流基本平衡但是在研发投入上遇到较大的瓶颈，每年的研发投入超过30%，所以这次融资可以解决一部分研发投入上的问题。另外，还能进一步推动客户渠道的拓展还有生态的构建。

光锥智能：与Oracle等海外厂商相比，国内BI的差异性和优势在哪?中国企业对场景理解的更深入，是不是意味着本土企业有更大的机会?

吴华夫：

国内和国外在数据素养上有较大的差异。国外的BI不支持数据的录入，因为在做BI之前数据就已经很完备了。但中国企业在分析的过程中可能数据都没准备好，数据录入和BI需要同时去做，这也是中国企业的特殊性。

比如国外的Oracle，它的功能全面，但在某些场景下它不一定比我们Smartbi强，因为我们更了解客户的需求。国内的客户除了在性能上有要求以外，对整个系统的打通、协作都有需求，并且往往是大客户的这些需求更多。我们抓住了这些场景需求，才有机会做替换。

在应用场景、数据情况等方面，国内与国外对于数据的应用和要求是不一样的。中国的分析师更熟悉Excel的操作，国外的BI他们用不习惯。基于这种情况，我们把BI和Excel做了深度的融合，让分析师既可以享受到BI的权限和性能，又能感受到Excel的操作体验感。

客户对于行业细分场景的需求，是国产厂商实现突围的机会。虽然基础的数据库领域被国外占领，但在对场景的理解方面国内企业有独特的优势。