数据作为企业的重要资产，越来越受到重视。在分析数据之前，需要做大量的数据提取、处理和集成工作。这项准备工作很糟糕，但至关重要。高层企业通常拥有数百个业务系统、数据库和数千个表单。数据环境非常复杂。不同的IT供应商有不同的数据技术和设计思想，导致每个数据集独立存在，不能相互通信。以前，企业最关心的是业务，只要系统稳定，不停机。在大数据时代，只有流通和碰撞才能产生价值。如果企业需要进行数据关联分析，则需要业务人员和IT人员根据需要对数据进行对应和分类，并编写脚本来提取和关联数据。如果通信不畅导致数据提取不准确，则必须重新开发。Gartner指出，这项工作通常占用企业80%的时间。为了解决这个问题，最近36个氪星公司联系到的datablau为企业提供了一个用户数据管理方案。它通过技术手段集成了数据的IT和业务属性，为企业节省了人工开发、集成和通信的时间。今年2月，公司宣布完成数百万元的天使轮融资，投资者是美国中经合组织的跨境投资机构。企业库存数据总量代表着大数据，但其各个业务的数据集以前是相互独立的。如果企业想要了解不同系统之间数据集成的价值，他们必须根据业务逻辑重新连接。datablau是一位既了解IT又了解业务的数据科学家。datablau将首先了解企业拥有什么样的库存数据，然后从不同的数据库中提取和脱敏具有不同结构的客户、内部流程和操作的数据。通过预定义的标签和企业自身的概念，按照标签对数据进行排序和分类，生成数据资产目录和面向业务的数据虚拟集。datablau主要为大客户部署私有云。企业安装部署好数据链（通常3-5小时）后，IT人员将数据源与平台对接，自动获取或手动建立存量/增量数据模型，系统可以根据业务概念自动整理数据并归档。与datablau类似，国外也有trifacta、paxata和tamr。然而，美国的数据准备相对成熟，对中国市场的接受度一般不高。其原因是，虽然数据准备是进行大数据分析的唯一途径，但短期内不能给企业带来直观的结果。据王政估计，中国只有不超过1000家企业有足够的能力充分利用这项技术。他也在探索适合中国市场的商业模式，而不是放弃国际市场。国内一些数据分析公司，如成长型IO、魔幻数据、诸葛IO等，主要关注用户行为数据。datablau主要是根据业务逻辑在企业中拉取大量的数据，比较落后。Datablau于2016年推出。目前，1.0版已经发布。试用客户包括eBay、国家电网和北大智能城。在团队方面，目前有10人，主要是技术和销售人员。创始人王政2005年毕业于北京大学。他是欧文全球研发和CA技术开发部的主管。他在数据建模方面有10年的经验。朱金宝首席技术官（CTO）曾任欧文首席建筑师，拥有10年的欧文研发经验。首席顾问刘晨在IT行业拥有12年以上的经验和8年的数据治理经验。首席科学家丁桂光是清华大学软件学院副院长。清华大学软件学院教授、副院长、博士。

« Facebook也需要生产AR眼镜，但要上市还需要几年时间。 | 网络视频会议“集成终端”：用智能想象未来 »