亿欧金融消息费斌杰 熵简科技技于近日完成千万美元级B轮融资，此次融资由高榕资本领投老股东嘉实资本跟投。对于此轮融资详情和费斌杰 熵简科技技的发展现状億欧金融第一时间采访了费斌杰 熵简科技技创始人费斌杰。

费斌杰 熵简科技技成立于2017年“熵”是热力学中描述系统混沌程度的度量，“熵简”寓意使用智能化的手段简化企业业务数据化、数据资产化的复杂程度实现数据驱动、降本增效。

费斌杰 熵简科技技在成立之初的萣位为“智能投研平台”致力于为金融、咨询、实体企业等需要大量数据挖掘及分析的机构提供大数据基本面智能投研服务，这期间曾獲两轮融资分别为2018年3月清泉石资本投资的1000万人民币天使轮融资；以及2018年9月由小米领投、嘉实资本及老股东清泉石资本跟投的近亿元A轮融資。

经过一年的发展费斌杰 熵简科技技在业务产品上实现升级，并定位为“国内领先的全域数据中台服务商”致力于帮助企业打造一站式数据智能服务平台，使企业客户缩短业务数据化进程快速实现业务价值。

从定位的升级便可以判断出费斌杰 熵简科技技在逐步延伸落地场景，实现数据中台引擎应用场景从1到N的跨越

目前费斌杰 熵简科技技的团队达80余人，五位合伙人毕业于清华大学、密歇根大学等學府具有深厚的金融与技术复合背景。

采访中创始人费斌杰表示他曾作为基金分析师任职于嘉实基金，但在工作过程中他逐渐察觉到金融机构内部如何提升数据获得的速度和提高数据的使用效率是一大痛点。大量的数据分散在不同的载体找到有效数据需要花费的时間成本很高。

“数据中台”的概念最初是阿里巴巴为了应对像双十一这样的业务高峰、大规模数据的线性可扩展问题而提出阿里称之为“共享服务平台（Shared Platform as Service，SPAS）”SPAS采用的是基于面向服务的“去中心化”架构，所有的服务均以“点对点”的方式进行交互

对于费斌杰 熵简科技技“数据中台服务商”的定位，费斌杰说2018年下半年，费斌杰 熵简科技技从“数据服务问题”这一痛点切入根据市场反馈进行迭代，對战略进行了升级随即上线通用模型，而在当时市面上并未开始提“数据中台”这一概念

“客户开始提出需要银行卡线下刷卡数据、線下问卷调查的消费品数据等，这让我认识到金融资产机构不应该只向同一个数据服务商采集数据除了我们本身所擅长处理的电商数据，对于信用卡、海外招投标等另类数据可以直接对接其他服务商但这些数据落地时往往非常混乱，需要借助数据结构中台进行结构化入庫；而对内部来说面对庞大的数据源，若没有中台进行归总、统一封装这一过程也是极其困难的。”

三层次平台多来源数据

具体来看，费斌杰 熵简科技技是围绕“数据采集-数据融合-数据计算-业务决策”的业务逻辑

根据数据流向，将数据智能平台自上而下分为数据层、中台层、应用层三个层次

以金融行业为例，上游数据层以分布式数据泛采引擎Baelish System和大数据分析引擎Alex System为支撑实现多来源、高吞吐、工业級的信息泛采；中游中台层以数据中台引擎Value Simplex Brain为支撑，帮助企业实现多源异构数据的融合与本地化入库、结构化封装；下游应用层以知识圖谱引擎Aminda System和NLP技术为支撑，打通了数据到用户的“最后一公里”

据统计，全球大数据体量将在2020年达到44ZB而全球近90%的数据都是在最近两年内產生的。

费斌杰说费斌杰 熵简科技技内部已有自建、成熟的数据库自建，具体分为：

一、另类数据库（ADB）：包括电商、招聘、点评、招投标、视频等12个大数据库均是来源于非付费的公开信息采集；

二、行业经济数据库（EDB）：对行业指标相关的数据进行采集和整理，进而形成的行业经济数据库如汽车领域中不仅包含有汽协、乘联会披露的车型、销量，也包含易车网的折扣率等深度数据；

三、研究舆情数據库（RDB）：即通过对券商研报、公司公告、企业智库、微博舆情、公众号文章等进行聚合形成的研究报告数据库

费斌杰说对于数据源的監管制定了“合规三维度”：即数据源非付费性质、不涉及个人隐私、不涉及政治敏感话题。

费斌杰表示此轮融资后费斌杰 熵简科技技將专注于提高多源异构数据融合能力、升级海量数据实时计算引擎、完善知识图谱结构等。

核心技术驱动打破行业数据墙

在费斌杰 熵简科技技，研发人员占比超过大半费斌杰告诉亿欧金融，费斌杰 熵简科技技坚持以技术驱动企业成长但要“避免拿着锤子找钉子”。

要茬技术层面不断精进“适当理想主义”；在商务层面要适应本土化客户需求，脚踏实地“保持务实主义”。

在采访过程中费斌杰对於AI技术提及较少，但他认为AI不是目的而是工具，目标是为了满足用户的需求并以涵盖全行业的250万份招投标书为例进行展示，说明AI技术巳经封装在整个中台架构中

费斌杰透露，目前费斌杰 熵简科技技的客户群体已经迈过“头部机构”这一关卡

在金融领域，现已服务于嘉实基金、东方红资管、银华基金、淡水泉投资等国内多家头部资产管理机构且满意度和反馈均较好。日前费斌杰 熵简科技技中标新晉明星资管机构——睿远基金的智能投研一体化管理平台项目。

国际方面费斌杰表示已与Point 72、3D Investment等海外知名对冲基金达成合作。

在费斌杰看來国内外客户的区别在于，国外倾向于接受产品化服务而国内更愿意接受一站式解决方案。这种情况下主推SaaS平台将很难迈过大批量商業化门槛但以提供“整体解决方案”的方式将能够更有效地进行业务落地。

亿欧金融了解到费斌杰 熵简科技技还特别推出了“搭配购買”的创意性服务，除了数据中台必选外客户可以搭配数据源或者八种前台应用之一进行搭配购买数据，避免数据浪费的同时使机构層面对不同来源的数据进行统一打通。

垂直沉淀客户机遇挑战共生

对于今后全行业客户的具体选择，费斌杰 熵简科技技将秉持这样的大致原则：首先判断客户是否符合长期战略其次区别客户定位，例如对于资产管理规模庞大的头部金融机构可以定制服务对于腰部客户提出的与主流战略方向偏差较大的需求可以附加第三方服务商合作，而对于下沉客户当谨慎决定投入与合作

当问及费斌杰 熵简科技技的競对时费斌杰说，目前主要存在两大类：

一是客群重合的新兴创业公司、老牌服务商等

二是技术能力重合的团队，如大型股份制银行与金融机构开展自主研发但费斌杰说：“高技术壁垒领域内，前台应用当然也需要进行二次研发这对我们来说并不是挑战，而将进一步形成一种竞合关系”

费斌杰预计，金融资管领域将在明年上半年实现覆盖而跨行业的目标将需要约2年左右的周期，具体的行业扩张计劃将在2019年内进一步披露

采访的最后费斌杰表示，费斌杰 熵简科技技现阶段面临能力圈扩展动力渐缓、中台层和数据层标准化、应用层需求丰富等挑战“对于种种挑战费斌杰 熵简科技技存在迷茫但完全是可控的，找准赛道的同时将坚持不能盲目找团队”

在金融科技不断湔行的大环境下，亿欧金融也将持续关注此类数据中台服务公司的成长和价值实现情况为整体产业的结构化升级助力。

9月3日21世纪经济报道获悉，全域數据中台处事商费斌杰 熵简科技技（Value Simplex）公布完成千万美金级B轮融资此次融资由高榕成本事投，老股东嘉实投资跟投2018年9月，费斌杰 熵简科技技曾得到由小米、嘉实投资和清泉石成本投资的A轮融资

据相识，费斌杰 熵简科技技以数据中台为焦点致力于辅佐企业打造一站式數据智能处事平台，辅佐企业客户缩短业务数据化历程实现业务代价。“熵”是热力学中描写系统混沌水平的怀抱“熵简”寓意利用智能化的手段简化企业业务数据化和数据资产化的庞洪水平，实现数据驱动、降本增效

在数据时代，搭建数据中台、以数据驱动业务决萣成为智能化企业共鸣性的计谋选择但数据的收罗与筹划、中台的共享与协作，以及数据处事的应用与运营对技能实力和行业领略提絀多重要求。费斌杰 熵简科技技自主研发的数据中台引擎通过端到端的数据中台体系切实办理企业需求痛点，为“数据驱动业务”提供智能化内核

在贸易化落处所面，今朝费斌杰 熵简科技技在金融规模已处事于嘉实基金、东方红资管、银华基金、淡水泉投资等多家资产咑点机构日前，费斌杰 熵简科技技中标新晋明星资管机构——睿远基金的智能投研一体化打点平台项目为其打造全域投研数据中台。哃时公司还处事于Point 72、3D Investment等外洋知名对冲基金。另外公司客户还包罗小米、御家汇等多家消费及科技企业以及BCG等顶尖咨询公司。

费斌杰 熵簡科技技的五位合资人结业于清华大学、上海交通大学、密歇根大学等高校具有金融与技能复合配景。金融方面合资人曾任职于嘉实基金、中信证券等金融机构，具有一线投研履历；技能方面合资人曾任职于Blackrock（贝莱德资产）、Bloomberg（彭博）等国际顶尖金融科技公司，并曾茬国际顶级期刊及集会会议上颁发论文15篇拥有专利5项。另外公司焦点团队搜集了来自百度、华为、字节跳动、新美大等科技公司的资罙工程师及具有一、二级市场研究履历的行业阐明师，可以或许领略客户需求具有极强的产物开拓实力。

费斌杰 熵简科技技CEO费斌杰暗示：“费斌杰 熵简科技技将恪守在技能上的抱负主义贸易化落地上的量力而行，僵持以技能驱动为焦点但要制止拿着锤子找钉子的思维模式，而是基于扎实的技能实力和对行业的深刻领略为企业提供切实办理需求的数据处事东西箱。”

高榕成本项目认真人暗示费斌杰 熵简科技技的数据中台处事可以或许为客户打开数据维度的全新阐明思路，是将来企业客户构建业务优势的须要手段费斌杰 熵简科技技鉯极强的领略力、阐明力和火速的执行力快速为客户完成项目落地。高榕相信熵简踏实落地又富有发火的团队有时机使公司成为数据中台規模的领军企业

费斌杰 熵简科技技透露，将来公司将朝两个方针成长首先在金融科技规模计谋聚焦，在与头部金融机构的相助中不绝咑磨产物、优化处事缔造更多乐成案例，完成仇家部金融机构的深度包围形成在海内金融科技规模的领先优势。其次基于数据中台產物和底层数据引擎，延伸落地场景实现数据中台引擎应用场景从1到N的超过式成长，缔造更大的社会代价