项目名称：所问数据

主营业务：为零售业提供预测性数据分析SaaS平台

上轮融资情况：2017年2月宣布获得数千万的Pre-A轮融资，投资方为洪泰基金领投，九合创投跟投

下轮融资意向：暂不明确

项目关键词：预测性数据分析；“自适应”与“自学习”预测算法；跨境电商；BI系统；易选品

“商品销量是营销和运营部门做决策所依赖的最关键的因素和参考数据，如果这部分数据缺失，很多运营和营销的决策也就没有依据。”所问数据创始人颜鹏告诉拓扑社。

所以，越来越多的企业开始意识数据驱动决策的重要性，企业可以通过数据多维度、多颗粒度分析用户的购买行为，对销量进行预测，从商品生产到流通等环节进行把控，提升企业的运营管理能力，降低运营风险。

预测性分析帮助企业提升供应链效率、优化营销与运营决策

所问数据创始人兼CEO，美国North Dakota State University计算机博士，曾在3M公司任高级研究科学家一职，负责海量数据的建模与分布式计算。2015年12月6日，j2直播，颜鹏正式回国，与3M同事丁圣超一起创办所问数据。

颜鹏认为，线下实体店获取数据成本高、非标准化、线上与线下数据整合困难，线上电商比较容易通过信息技术获取数据，门槛低。不过线上电商竞争激烈、变化快，如果只通过线上促销、购买咨询公司的数据报告等方式进行用户行为分析，缺乏时效性、数据不准确、分析力度不够。“咨询公司只能进行宏观的数据分析，同时采取抽样统计、线下访谈的方式进行信息收集，这样水分很大；此外，咨询公司都是在线上各种促销活动后进行每月报告梳理，滞后性比较强。”

所问大数据及AI智能引擎面向大型品牌零售企业提供系统定制服务，以前端预测性竞争分析为切入点，目标是逐渐向供应链大数据服务的方向发展，承担客户核心预测系统的建设；面向跨境出口电商，以爆品预测等痛点功能为切入点，目标是打通客户的订单系统，承担平台大卖家的核心预测系统的建设。

“团队成员曾负责美国3M公司全球销售预测，具有丰富的大数据分析与深度学习经验和系统部署经验；其次，独有的人工智能领域多项核心技术，可以复用于不同行业；再次，所问的预测准确率优于商业软件及学术模型，可在销量缺失的电商平台完成精准预测。”颜鹏告诉笔者所问的竞争壁垒。

那么，什么是预测性分析？颜鹏给出这样的定义，预测性数据分析是基于对历史数据的分析，利于统计和机器学习算法做出未来结果的预测，区别于被广泛应用于BI产品的统计分析，预测性分析的最大价值在于对于未来的预测能力。比如产品销量的预测、目标客户的预测等都属于预测性分析可以应用的范畴。

“预测性分析的门槛在于三点，预测准确率、自适应、自学习。所谓自适应，指的是可以自动的选择最优的算法进行预测而无需任何人工干预；所谓自学习，指的是算法会基于上一次的预测不断的自我学习和自我优化，客户使用产品的时间越久，获得的准确率就越高。”此外，所问通过对产品的深度推荐和销量影响因子的深度挖掘，帮助企业揭示数据背后隐藏的规律，提前预判市场变化进行相应资源规划。颜鹏告诉笔者，所问的数据主要来自两方面，企业的进销存数据和外部爬取。

笔者了解到，目前国际上使用预测性数据分析技术的公司有Palantir、Uptake Technologies，国内鲜有做这方面的事情。“2014年，预测性分析技术在美国刚开始初步发展阶段，2015年美国已经可以看到落地的案例。目前国内还没有人能实现足够精准的数据挖掘和预测，大型企业还是会小心谨慎地让年轻的创业公司处理他们基础设施中如此关键的部分。”

颜鹏坦言，在美国已经把模型搭建好，做到比较成熟的阶段，回国之后开始进入产品化。“从模型到产品其实挺复杂的，整个后台处理的数据量非常大，也是基于一套分布式的计算架构。目前，atv，所问从数据抓取、数据处理，再到模型，最终到可视化，提供的是一套完整解决方案。”

通过商业智能分析帮助电商预测爆品

经过了一年的积累和研发，所问已于去年10月上线了面向电工行业的产品-BI系统，这款产品主要主要针对京东商城，提供行业内不同品牌的销量预测，基于预测结果进行行业类目分析、品类特征分析等服务，其分析可以细化到单件SKU。“目前，预测准确性基本在80%以上，部分商品甚至超过90%。”