对话数阔创始人刘宝强：数据要素时代，从采集到决策的十三载深耕

【原创】在数据被正式确立为第五大生产要素的今天，如何将海量、异构、非结构化的数据转化为可决策、可行动的商业洞察，成为每一家志在未来的企业必须跨越的门槛。数阔（SKIEER）的故事始于2013年——从全球领先的八爪鱼数据采集器起步，2018年推出云听CEM客户体验管理平台，2022年发布八爪鱼RPA，如今已形成“数据获取—数据治理—智能分析—自动化执行”的完整闭环。公司服务全球近700万用户，覆盖超10000家企业客户，连续多年盈利，并于2020年完成B轮过亿元融资。今年，面对AI大模型与智能体加速进入企业业务现场，数阔也完成了使命愿景的更新：从早期的“链接数据，赋能业务”，进一步走向以数据、AI与自动化能力，帮助客户打造超级个体、构建超级组织。近日，我们与数阔创始人刘宝强进行了一次深度对话，探讨了数据要素从“燃料”到“决策引擎”的演变路径，以及AI如何重塑数据服务的价值逻辑。

>核心观点：数据价值需锚定业务场景；AI旨在封装专业能力为智能体；高质量数据集须具备全、准、可决策属性；出海品牌的核心壁垒在于一手数据获取能力。

亿邦智库：在全球化浪潮下，中国品牌出海面临的数据应用挑战究竟是什么？

刘宝强：语言和文化差异仅是表象，真正的核心壁垒在于获取“第一手数据”的深度与准确性。例如，英国人使用的“quite good”往往暗含保留意见，仅凭语言能力难以捕捉其真实情绪。我们曾服务一家欧美大码女装品牌，其团队内部缺乏目标用户画像，难以洞察海外客户的身材焦虑与审美偏好。通过抓取并分析海外社交媒体、电商评论及论坛数据，我们利用AI模型还原了真实的用户画像。这表明，出海企业不能依赖通用的“出海课程”，而必须建立本地化的数据洞察体系，真正听懂客户声音。

亿邦智库：面对如此复杂的全球数据环境，八爪鱼采集器在底层技术上有何关键进化？

刘宝强：八爪鱼的核心在于降低数据获取门槛，让非技术人员也能获取全球公开数据。系统内置智能识别算法，依托全球7000+台服务器实现分布式并发，日吞吐量超10亿条，支持99.9%的网页类型及30多种语言。近期上线的八爪鱼MCP（模型上下文协议）进一步实现了与ChatGPT、Claude等AI助手的直连。用户只需通过自然语言提问，AI即可自动调用八爪鱼完成实时数据抓取与分析。这一变革将数据获取的门槛从“编程技能”降维至“自然语言交互”，极大地提升了数据获取效率。

亿邦智库：海量数据涌入后，如何构建真正具备决策价值的高质量数据集？

刘宝强：高质量数据集必须满足“全、准、可决策”三大标准。传统调研的小样本量偏差极大，AI时代必须追求全量数据。例如在为清华大学构建iCPI实时指数时，我们覆盖了上百个平台及八大消费品类，追踪挂牌价、成交价乃至砍价数据，以真实反映物价波动。同时，数据必须锚定具体业务场景，我们会根据样本量级标注结论可信度。在高频消费场景中，十万级样本往往已接近市场真实反馈，足以支撑决策，而非盲目追求百万级数据的边际递减。

亿邦智库：从基础采集到深度应用，云听CEM是如何打通数据与业务场景的？

刘宝强：企业常面临“采得来、消化难”的困境。云听CEM整合了电商评价、社交媒体、客服记录等全渠道反馈，利用自研深度学习模型打通非结构化数据，还原消费者完整的决策路径。目前，该平台已服务OPPO、vivo、科沃斯、联合利华、科大讯飞等司数百家头部品牌。更重要的是，我们将其从“被动分析工具”升级为“主动服务Agent”。系统不再等待查询，而是每日自动扫描数据，主动推送风险警报与解决方案，将数据分析转化为可执行的业务指令。

亿邦智库：面对通用大模型的冲击，垂直领域的CEM产品如何构建护城河？

刘宝强：客户需求已从“是什么”进阶到“为什么不用ChatGPT”。通用大模型缺乏垂类行业的精细数据与Know-how，无法自动串联企业内外部数据源。以扫地机器人行业为例，我们服务行业前十名中大部分品牌长达七八年，沉淀的行业知识模型是通用模型无法替代的。我们将这些专业能力封装为可规模化复用的智能体，这正是数阔在AI时代的核心竞争力所在——用行业深度对抗通用广度。

亿邦智库：在数据分析之外，RPA产品如何完善数阔的自动化闭环？

刘宝强：2022年推出的八爪鱼RPA，充当了AI Agent的“手和脚”，负责执行层面的自动化操作。它模拟人工操作，覆盖跨境电商选品、财务对账、抖音回评等130多个业务场景。例如某直播MCN机构在大促期间，利用RPA将数小时的日报处理工作压缩至十分钟。大数据、AI与自动化这三大核心能力，共同构成了智能体的完整基座，使得原本数十人耗时经年的项目，如今三五人三五个月即可交付。

亿邦智库：能否结合具体案例，展示从数据采集到决策的完整价值链路？

刘宝强：典型的应用场景包括：为某集团私有化部署政策情报平台，动态采集全球政策数据，统一构建“政策库”，直接提升了净利润；为某内容社交产品提供百万级新闻资讯采集，支撑个性化推荐算法；为某头部服饰品牌搭建CEM系统，自动识别尺码偏差、做工细节等负面标签，推动产品快速迭代。这些案例印证了数据价值在具体业务场景中的爆发力。

亿邦智库：对于致力于构建数据竞争力的企业，您有何核心建议？

刘宝强：首先，要坚定对数据价值的信念，不能因过往数据中台项目的失败而因噎废食。其次，要采用正确的方法论：先明确业务问题与数据需求，再选择工具。数阔定位为“共创陪跑”伙伴，我们不仅交付软件，更与客户共同定义问题、打磨模型。通过长期陪跑OPPO、波司登、韶音、追觅等品牌，我们将行业经验蒸馏为模型能力，反哺新客户，实现知识资产的持续增值。

结语：从数据原点到决策终点的确定性路径

从八爪鱼到云听CEM，再到RPA与AI Agent，数阔十三年的实践构建了一条数据价值闭环。数据的价值不在于拥有，而在于在业务场景中触发正确行动。正如刘宝强所言，数阔的使命是将真实世界的数据转化为可执行的商业智慧。在数据要素价值加速释放的当下，唯有将数据、AI与行业Know-how深度融合，企业才能将“生产资料”转化为“核心竞争力”。数阔将在未来持续呈现这一路径的最新实践，推动个体与组织的共同进化。