“所问数据” 定位企业级数据分析的预测引擎，通过 SaaS 形式给企业提供深度销售分析和销售预测。
其实，企业在销售前端和后端供应链通常是脱节的。有这样一个场景：一款新品上架，销售人员往往根据过往的销售经验进货，如果脱销，临时进货成本较高，如果滞销，现金流会压在仓库里。
所以，“所问数据” 就是在前段销售和后端供应链之间建模，通过机器学习，来预测和指导商家销售。除此之外，所问还出具深度报告，分析影响销售结果的因素。
所问数据CEO 颜鹏强调，目前很多做数据分析的产品实质就是 “深度统计”，例如，他们做的分析大多是 “北京 22 岁以下的女生的消费水平怎样”、“喜好怎样” 诸如此类。而所问数据侧重做预测，例如，企业上架一款皮包，这款皮包未来是热销还是滞销，营销销售的关键性因素是什么，预测未来一定时间内的销量是多少。
写到这里，联想起 36 氪此前报道过一家为企业预测潜在客户的公司 Everstring，已获 6500 万美元 B 轮融资。从大的概念上讲，所问数据和 Everstring 一样，都是在做预测性的数据分析。不过，Everstring 是在为企业预测 B 端客户，而所问数据预测 C 端用户。
根据所问数据的应用场景不难发现，他的目标客户基本是商家。颜鹏告知，目前的知名大客户有线上服装电商茵曼和线下防盗门企业浙江九皇集团。
那么数据源来自哪里？壁垒是什么？客户又怎样检验预测效果？
对此，颜鹏表示，数据来自两部分，一个是企业自己的进销存数据，另外是外部爬取。最核心的优势就是算法和模型。
至于预测效果，通常有两种方式，“企业不采用我的模型之前的数据跟现在比较” 和 “企业采用别人的产品比我差多少”。实际上，颜鹏团队在回国之前，自己比对过 M3 Competition 竞赛的产品，M3 Competition 的参赛者包括做预测做的最好的商业软件公司如 ForecastPro 和学术机构等。比对结果下来，所问数据的误差率最低。
目前，所问数据团队有 11 人，基本全是技术人员。CEO 颜鹏博士毕业于美国 North Dakota State University，专攻大规模数据挖掘与反恐数据挖掘，曾被美国 FBI 邀请加入，之前就职于美国 3M 公司明尼苏达总部，担任高级研究科学家。而 CTO 丁圣超博士后在 University of California, San Diego，从事基因表达水平预测的研究 ，曾就职于美国 3M 公司明尼苏达总部，担任高级研究科学家，从事大规模数据分析与预测。
团队于 2015年12月 回国，并在今年1月 份获得了九合创投的天使轮融资。春节之后开展业务，签下了 3 家用户，潜在用户在 10 家左右。营收模式主要看两方面，一个是系统版本采用 “基础＋增值” 方式，另一个是看数据体量进行收费。
颜鹏还透露，现阶段平台还在给不同类型的企业做定制开发，这样来完善所问数据的分析效果，等服务客户跑到 10 家左右，就可以上线标准化平台。据悉，所问数据已启动 Pre－A 轮融资。
- 美国类似公司有：预测性数据分析公司 Palantir（估值 200 亿美金），Uptake Technologies（A 轮估值破 10 亿美金），Everstring（B 轮估值破 10 亿美金）等，欢迎了解关注。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
