Stratifyd创始人汪晓宇：打造AI数据分析生态

亿欧网 • 4年前扫码分享

人工智能发展至今历经已历经三次浪潮，身处第三次浪潮的今天，人们已经感知到AI对自己各个生活角落的影响。

然而，人工智能大行其道的同时，却因不同应用场景、不同数据维度和类型所带来的处理内容、处理逻辑各异的算法，让整个行业的从业者们更像是在“分头行动”，也让一部分优秀的AI工程师“被迫”将更多时间花在了基础算法的研究上面。

“能否有一个以AI驱动的数据分析平台，帮助大部分企业在不花费大量学习成本的情况下，引入AI技术并提升经营效率？”这是斯图飞腾（Stratifyd）创始人汪晓宇一直在思考的问题。

在北京读完大学后，汪晓宇便前往美国求学，在美16年的时间里，先后获得了4项发明专利、创办了两家公司。

在北卡罗来纳大学夏洛特分校毕业后，汪晓宇先是留校任教了5年时间，之后便全身心投入到研究工作当中。斯图飞腾创办于2016年，前身是非结构性数据可视化分析公司「Taste Analytics」，改名之后，汪晓宇开始正式着手于开发通用AI数据分析平台。

斯图飞腾起源于美国数据可视化研究中心计算机科学博士后研究工作，王晓华和同事们曾一起研究如何利用AI获取、分析并可视化展示非结构化数据。

在研究过程中，汪晓宇渐渐发现， 非结构化数据的可视化可应用于舆情分析、市场营销、客服等众多领域， 于是创办了Taste Analytics，希望能够帮助更多企业高效完成数据的收集和分析展示工作。

汪晓宇告诉亿欧，公司刚成立的那段时期便积累了很多客户，例如其中一个企业客户的邮箱每周能收到几十万封投诉和建议邮件，而Taste Analytics提供的方案可以帮助公司快速将邮件聚类、整合，通过图像图标来告诉运维人员用户反馈了哪些问题。

值得一提的是，Taste Analytics只提供数据分析服务，并不会抓取或存储邮件信息，所以企业不用担心隐私泄露的问题。

产品逐渐成熟后，汪晓宇和团队成员开始探索更多可能性，选择的方向最终确定为“通用AI数据分析平台”，公司也改名为了斯图飞腾。

“之所以要做通用AI数据分析平台，就是为了使这款产品能够让技术人员、商务人员、学生、学者等各个群体，都可以很快上手并分析处理他们所研究的内容，并以图像图标等可直观接收的形式展现，提升工作或学习效率，而他们并不用理解什么是神经网络、什么是AI。”汪晓宇表示。

斯图飞腾的通用平台，更像是将汪晓宇团队此前的“定制产品”变成“可量化产品”。按照汪晓宇的话来说，用户端的简单易用，意味着前期底层代码设计和模型训练的工作量将会大大提升。

此外，为了保证最终输出数据的准确性，斯图飞腾前期做了大量的非监督AI学习，简单讲就是 把普通工作人员需要去深入了解的这种算法能力，以体系化、平台化的方式集成到通用数据分析后台中， 这样的话用户不需要花时间学习分析方法以及人工完成分析了。

斯图飞腾将通用分析平台命名为Signals，希望用户能够第一时间想到在使用产品后的收获——高效运营、模型预测、辅助决策。

根据斯图飞腾官网的介绍我们了解到，Signals兼具实时交互、图像可视化、非结构化数据和结构化数据分析能力，能够帮助大中小型企业定位用户、员工以及市场中的海量文本反馈信息，洞察其商业价值，提升企业经济效益。

汪晓宇表示，Signals有两大核心优势，第一是通过系统化的数据收集分析，减少企业运营的中间环节成本。

“我们的一个客户是一家大型车厂，使用我们的系统之后，用户无论通过售后服务、电话投诉、社交媒体还是其他渠道反馈车辆问题，都会由我们的系统收集并分析数据后，将问题直接反馈到相应的生产环节——这就节省了中间信息手机和部门间传递的过程。”

Signals的第二个优势在于，能够通过现有数据建立预判模型。“实现这个功能首先源于Signals提供的自动监测、自动管理算法，通过这些算法，系统能够自主分析未来哪些部件有较大的维修或更换需求。”

SIgnals在完成数据的分析和预测后，能够根据企业需求以数据或图像形式提供后续决策参考，这也让企业决策者在制定发展计划时，能够获得更好的客观参考依据。

汪晓宇表示，公司客户包含三大行业方向：

金融和保险行业：客群主要为银行信用卡部门、电子银行等，这部分客户面临的难题是数据维度广、计算模型繁琐，人工计算和预测难度较高，而Signals的非结构化数据整合分析便可以解决这些问题；
本地化和全球化的医药厂商：这部分传统企业的特点是生产和销售链条较为繁杂，各环节相互沟通成本高，很适合通过使用Signals提升整体效率；
零售快销行业：其使用Signals的逻辑与传统医药厂商类似。

截至目前，斯图腾飞已经服务了中国、澳大利亚、新西兰、美国等多个国家的客户，语言覆盖达29种。