科技巨头企业，如alphabet、facebook、微软、bat等掌握了海量的数据，笼络了顶尖科学家，拥有更雄厚的资金实力，成为前沿科技底层技术的主要竞技者，对于创业者而言，这是一个“神仙打架”的赛道。

垂直领域也有应用数据智能的需求，要将前沿科技落地于垂直行业，存在以下难题：

① 需要找到有实效的落地场景；

② 即懂业务又懂技术的复合型人才一将难求；

③垂直行业的数据源无法打通，“数据孤岛”限制应用；

尽管有tensorflow，pytorch，theano和keras等开源的机器学习平台，让ai的开发得以部分去中心化，垂直行业的企业要从0到1开发应用仍然有较高的门槛：需要从数据采集开始，再做数据储存、清洗、挖掘，然后才是机器学习、算法选择与调试、模型评估，最后才是产品发布。

能不能有一个工具集成的平台，就像excel之于财会从业者一样，帮数据科学家省去重复性高、技术含量低的环节呢？

36氪最近接触的dataexa，是一家提供“行业+数据智能”解决方案的科技公司。

dataexa主要有两款产品，数据洞察平台dataexa-insight 以及 认知计算平台dataexa-sati，借用这两个平台，垂直行业的企业要搭建具体场景的模型或者行业图谱时，可以省去从第一行代码到具体与场景结合的前期准备工作。

dataexa-insight是一个机器学习和深度学习平台。平台内置了逻辑回归、随机森林、gbdt等40多种常见的机器学习以及100多个神经网络层，包括细化的cnn、rnn、lstm、rbm等 。算法中参数配置的颗粒度可以做到与微软azure machine learning水平相较的程度。

在现有算法不适用时，dataexa-insight也支持技术人员自定义算法，可开放接口，提供sdk做二次开发。创始人兼ceo洪万福表示，目前这些知名厂商的产品都不支持在可视化建模平台上自定义算法 。

dataexa-insight的产品开发基于hadoop、spark、tensorflow等开源平台。市场上也有类似的平台，如阿里云的数加pai、微软的azure machine learning，与之相比，dataexa-insight的优势在于跳脱了巨头体系的兼容性——使用通用模型格式，可跨行业重复使用，产品复用度高，研发边际成本可以下降。

另外，大厂商现阶段只支持公有云服务，而dataexa主要提供私有化部署服务。

dataexa-insight的另一个亮点在于，支持机器学习和深度学习算法的可视化建模和模板化建模，数据分析师工作过程中可以更专注于如何与场景中的具体问题结合。

dataexa-insight的目标还包括数据科学家和不熟悉技术业务分析师。洪万福表示，因为垂直领域的企业大多初步接触数据智能行业，所以即使提供标准化开发平台，仍然需要定制化地为客户开发解决方案，不过行业的最佳实践可以跨行业应用。datexa-insight在公安反恐、消费金融风控、精准营销等领域都有最佳实践模型。

dataexa另一款主打产品是语义计算平台dataexa-sati，基于自然语言处理、图储存计算、问答系统、推理引擎等技术，挖掘非结构化、半结构化数据，帮助用户建构行业知识图谱的平台。

dataexa-sati类似的产品有spark graphx、palantir gotham、ibm watson、ibm-i2 analyze等。相比之下，dataexa-sati的特点是拥有超过150+功能的图计算引擎，以及类似wolfram|alpha的计算推理引擎。

dataexa-sati可应用于公共安全情报分析、金融征信、反欺诈、各行业用户画像与精准营销、复杂社交网络图谱等。

洪万福表示，公安反恐和金融是dataexa应用比较成熟的领域，市场推广方面主要通过与渠道商合作。

dataexa创始人兼ceo洪万福曾任清华同方软件出口首席架构师、戴尔高级架构师、科宇集团副总裁。团队其他成员还包括微软剑桥研究院博士后、剑桥大学机器智能博士、博士后等。

dataexa此前曾获得千万级天使投资。

以上是网络信息转载，信息真实性自行斟酌。