作者：Leo

2005年，還在中金公司投行工作的劉雨濛，被上級安排了一個特殊的任務，擁有IT背景的他需要幫助公司篩選各類數據服務商。

投行為了弄清楚公司商業模式、運行規律、市場規模，需要整合不同垂直細分市場的數據，彼時的劉雨濛對接了礦冶、一級市場融資、股票、品牌份額等多個數據服務商，數據不僅維度繁雜且沒有分析處理獲得結果，如何與中金已有IT系統打通也是巨大難題。

9年后，回想起當年對接多個服務商的“恐懼”，劉雨濛決心親自做一個“一站式解決數據采集與服務”的平臺，視野數科誕生了。

服務金融起家，產業數據服務商崛起

劉雨濛與團隊擁有豐富的金融領域經驗，本人也操盤過諸如達能26億元投資蒙牛乳業、德國嘉博化工收購山東濟寧金威煤電等大型項目，接觸了大量國內外數據產品，深刻洞察金融機構使用產業數據的痛點。

早期的數據服務模式，服務商依賴于挖掘大量原始數據，透過excel等工具簡單結構化后提交給客戶，接口繁雜且數據離散，分析員無法獲得一手結果。盡管機構信息化投資額逐年增多，依然無法滿足分析員與交易員對數據結果的要求。

2014年底，劉雨濛拉著團隊開啟了自己的創業路，憑借在中金、美馳等金融機構并購與投資經驗，視野數科瞄準了金融機構數據挖掘的需求。

視野數科首要解決了數據挖掘與積累問題，并盡可能將多個產業維度數據集合到了一個平臺。彼時中國大數據創業公司主要模式還是數據挖掘、清洗與售賣，經過半年產品研發與運營，視野數科一站式獲取一二級市場投融數據、公司與市場等多維度數據。

隨后視野數科開始客戶試水，2015年中，涌鏵投資了解到產品后非常興奮，主動接觸了劉雨濛，在了解視野數科的創業方向后，當天就簽了TS（投資意向書），并于當周打了投資款。

天使投資人的果決不僅來自于對視野數科團隊的認可，更是在“金融機構使用數據難”這一痛點有著強烈共鳴。隨后2017年視野數科開啟商業化，僅一個月，就與12家新三板公司、10家投資機構簽約，其中不乏紅杉資本，并成功將三家投資方都轉化成了自己的客戶。

證券業協會數據顯示，證券行業金融科技采買投入不減。2017年到2019年，中國券商平均信息技術投入占上年度應收比重提升至8.07%，信息技術投入金額年增速超35%，頭部券商在信息技術的采購額都超過了10億元。

視野數科憑借對金融機構的充分理解，隨后橫向拓展多類型客戶，成功獲取招商銀行、建設銀行、中國銀行、中金公司、招商證券、國信證券、普華永道、渤海人壽、中國信達等數百家機構客戶青睞，實現產品在金融等多領域的全面布局。

目前視野數科相繼完成了4輪融資，累計融資額近億元，資方不乏政府、金融背景的知名資本，包括2015年12月獲得涌鏵投資、盛大資本的天使投資；2016年完成有成創投、涌金集團、盛大集團的千萬級Pre-A輪融資；2018年8月獲得清控銀杏、首正澤富、杭州銀行A輪5000萬元投資；2021年7月獲得考拉基金、清控銀杏等老股東的數千萬元戰略投資。

由“數據驅動”到“分析驅動”的大數據商業模型

經過多年布局，視野數科已覆蓋主流二級市場（上交所、深交所、新三板等）、工商局、發改委、債券、一級市場投融等全產業數據挖掘，涉及數萬家融資機構項目、1500余細分行業、50種債權與全國監管等大量產業數據。

與早期的Wind、Capital IQ、Bloomberg類似，視野數科最初的壁壘是“數據規?！?，但在劉雨濛設想中，DaaS（Data as a Service）才是大數據服務的最佳形態，其中行業認知的積累是關鍵。

在完成最新一輪數千萬元融資后，視野數科開始對戰略與業務進行升級。戰略定位由“金融科技服務商”升級為“產業經濟數據服務商”，在金融領域充分驗證數據挖掘與基礎模型搭建能力后，團隊將目標市場放大到全產業領域，擴大了市場想象力。

其次，視野數科開始服務諸如政府、資管機構、互聯網公司、傳媒、制造、地產等多類型公司，客群的豐富變相提升了數據挖掘豐富度，視野數科覆蓋了更多特色數據，進一步進化為產業經濟發動機。

第三，眾多客戶需求也帶來了產品的升級，過去以數據挖掘、清洗、交易為主要的產品服務，逐步積累為授信審批、風險評估、營銷獲客、政策掃描、客群分析等更接近分析結果的產品，視野數科開始利用數據智能分析參與到實體經濟的服務中。

“未來我們貫徹以‘數據’提供‘服務’，在數據挖掘基礎上建立分析模型，不僅輸出數據結果，還能為客戶提供分析報告，也就是數據分析結果?！痹趧⒂隄骺磥?，客戶需要的不僅僅是數據，應該是解決問題的能力。

例如在政府機構，產業政策需要充分的理論與實際驗證，地方該發展什么產業、引進什么公司都需要客觀理性的數據分析，政府不僅需要打通體制內沉睡的數據，還需要串聯外部的產業數據。

透過精心設計的數據模型、分析模型，視野數科為東營等地方政府提供“數據到方案”的落地產業規劃報告，直接幫助當地明確產業發展路徑。

除了常規需求，視野數科也期望通過服務典型客戶，積累更多行業know how，布局多元化產品，降低對定制項目的依賴，實現標準數據與標準產品的商業模式。

中國信達曾就“不良資產”挖掘需求找到視野數科，希望找出中國市場內“有效、符合要求”的資產；中國銀行就企業信貸產品提出具體畫像，希望視野篩選優質企業客戶。

劉雨濛分析，盡管這些需求并不常見，考慮AMC（資產管理公司）與商業銀行普遍存在類似問題，產品團隊通過服務典型客戶逐步構建挖掘、分析模型，在未來服務合伙伙伴中可以復用相關技術與產品思路，實現“定制化產品”到“標準產品”的演變，而這也是視野數科戰略升級的重要部分。

在積累并系統整合了行業認知后，視野數科未來也計劃為客戶提供由咨詢到數據應用的服務，借助多產業數據模型搭建經驗，視野數科可以解決諸如專精特新小巨人潛在名單、地方產業規劃發展路徑、銀行貸款客戶風險評級等特殊需求。

在今年下半年，視野數科產品將更新至2.0版本，屆時將大幅提升數據庫產品結果精準度，也將優化海外數據源頭，與納斯達克等底層數據源機構達成合作。

數據服務商的演變與發展

與傳統數據交易服務商不同，劉雨濛認為數據服務商的核心能力雖然在數據，但價值實現并不依賴于交易。

僅在5、6年前，政府端開始積極發起大數據挖掘與應用，各類服務商活躍于挖掘政府公開數據，打包出售工商企業數據，一份千萬級企業信息，市價百萬的數據在當時十分吃香。但幾年后，這類數據已被充分挖掘，企業客戶可以花更低的成本獲取，數據交易的價值溢出已非常低。

在視野數科看來，結構化數據、數據報告都是數據價值產品體現，疊加分析邏輯、分析模型的報告與結果才是數據價值本質，一家數據服務商必然要經歷4個成長階段：

第一階段，數據服務商掌握某一維度數據門路，找到種子用戶，能建立基礎的處理模型并輸出一定結果，類似于早期二級市場服務商采集交易數據，提供交易分析服務。

第二階段，拓展數據維度，積累數據規模，構建競爭壁壘，盡管數據挖掘不存在技術壁壘，但數據積累量難以在一朝一夕完成，數據清洗、結構化都是服務商長期發力的關鍵，此時服務商會擁有一批穩定且典型的客戶。

第三階段，擁有強大的B端銷售網絡與服務團隊，不僅可以持續挖掘客戶需求，還能圍繞需求構建產品，同時運營客戶實現復購。

第四階段，服務商在客戶群中搶占用戶心智，達成權威、專業的品牌形象，服務商單依靠品牌紅利就能不斷拉新、復購。

劉雨濛評估，目前視野數科正處于第二向第三階段過渡，在戰略升級中拓展數據量同時，公司也在積極構建覆蓋全球的銷售服務網絡。

在數據產品設計上，視野數科遵循了“標準品”與“定制品”并進方式，除了數據交易、數據挖掘、數據加工、基礎應用服務外，團隊還會篩選出可復制的定制需求，逐步實現標準化。

產品團隊會評估需求可復制性強弱，在同類型客戶中是否普遍，此外面對IT開發復雜的項目，也會拒絕掉純外包落地的需求，同時也會評估團隊現有能力，“不打無準備的仗”。

劉雨濛堅持“客戶至上”理念，力求在服務新客時就充分展示數據挖掘、服務能力，鼓勵客戶主動提新需求，圍繞重點客戶打造標桿案例，實現業務實踐價值，充分樹立服務品牌。

“作為數據服務商，我們也非常重視數據安全，不僅有完備的商業道德約束，在技術和服務模式上也能充分保障用戶數據資產安全?！?/span>

視野數科采取落地服務與隱私隔絕，將公開采集數據注入到客戶數據庫中，向客戶公開數據采集來源，還能從技術上避免帶走客戶數據的危險。

在中國大力推進企業數字化轉型當下，有效利用數據無疑是重要切入點，以數據采集并提供交易的蠻荒模式勢必將轉為數據精細化運作，以“數據驅動結果”的視野數科毫無疑問將抓住變革先機，盡管開墾產業需要不少時間，以技術、數據為底層服務，基于產業邏輯的數據服務才能在場景生態中實現產業價值。