之前被一个朋友cue“你们的主营业务是什么”，她之前已经cue了我好几遍，但是每次都没解释明白，深感挫败；最近又有一个项目进度失控，痛定思痛，我决定亲自救火，集中梳理并制定了一系列文档规范。于是就有了今天这篇文章。这不仅是一次业务介绍，更是一次对“我们如何做事”的深度剖析，带你揭示量潮科技独特的运作哲学。
核心业务——服务谁？解决什么痛点？
我们的客户画像主要是985及以上国内外高校的经管专业科研工作者，他们科研经费相对充足，但发表压力大，例如需在三年内发表多篇顶刊论文，因此为了加快科研产出效率，他们需要把非核心的数据处理工作外包给我们做，包括数据采集和数据预处理任务。当然，他们也拥有着高要求：时间紧、对数据的准确性和可靠性又有着“科研级”标准。
我们在接到需求后，评估需要开发的Python脚本，并把程序部署到海外区的云服务器上运行，根据以上开发和部署的定价规则给客户报价，客户如果接受，我们就在收到首付款后开始执行并在规定时间完成交付，得到尾款。
独特优势——如何保证“科研级”交付质量？
我们每天要面对如此高要求的客户，如何避免项目进度失控、协作链路断裂的问题再次发生？在写文档规范的救火任务进行中，我发现理工科的实验规范和实验报告给了我们很好的示范。如果吸收理工科的方法规范交付要求和过程要求，则可以让管理团队和客户获得更透明的过程信息，以方便及时参与。
所以我们由此建立了包括数据集、数据处理器（代码项目，交付可选）、数据工程文档的数据工程核心体系。其中数据工程文档是这一轮规范的核心文档。包括数据模型定义、数据处理流程定义、数据集报告。我们在实施过程中会持续更新文档，以确保最新信息及时被捕捉。
此外，项目管理文档、报价单、合同等文档已经很早就纳入了我们的流程中，在设计和报价阶段就都会交付给客户。
业务演化——从核心能力自然生长出的新业务
正是因为我们在“大数据、云计算”领域有深厚的积累，我们受到了浙江理工大学计算机系主任沈炜老师和副主任夏劲松老师的邀请，今年5月在计算机系为主修学生开设大三专业课《大数据技术》、《大数据项目实践》，把我们平时在工作中积累的理论和项目分别带到了这两门课上。今年9月，我们将运行教育部审批通过的浙理大数据微专业，为全校同学提供包括《大数据导论》、《数据科学》、《数据工程》、《大数据项目实践》、《生产实习》。这些业务被我们统一归类在“量潮课堂”品牌下。
我们还以“量潮数据咨询”的品牌对外开展一系列服务。类似于经管科研工作者，从事生成式AI开发的企业也有许多研究性质的数据处理需求，因此我们今年开始也在把客户群体扩大到有数据需求的AI企业及其部门。由于我们的工作中前期沟通和设计占比较大，因此“量潮数据咨询”被定义为“咨询+实施”的模式，这样比较能够体现我们对市场的预判。
获客之道——信任是唯一的货币
我们的获客渠道主要有两个支点，厦大校友圈和知乎大V圈。
我在2016年通过公司前身的课题组的早期成果进入了知乎经济学大 V 圈，他们一直是我们的主要顾问和业务支持者。比如，某乎经济学头牌大V司马懿老师四五年来给我们下单过十来次并在持续增加；西交经院樊仲琛老师、袁聪颖老师（我本科毕业以后我本科导师的博士学生）两年来也分别有五六个订单并在持续增加；对外经贸政府管理学院的江汉臣老师、杭州师范大学的冯晗老师等也都有一个或者数个项目。
我们在厦大经济学科的校友圈子里有比较广泛的影响力，年龄跨度约十来届。随着这些校友逐渐开始走上教职岗位，从这两年开始，我们的客户群体也在空前扩大。2023 年起，我们开始系统性退出厦大校内老师的市场，截至今年已完全完成这一调整。由于在自媒体上系统地批评厦大经院获得关注，很多今年已经工作的校友、院友，或者有牛导支持的在读博士生，比如导师是长江学者的浙大博士生沈宇辉博士等找到我们下单。
目前我们产能不足和效率不理想没急着扩大客户圈，只要在学术圈持续扩大影响力就很容易获客了。比如通过我继续写文章批评经济学科的糟糕现状和建议学术研究发展方向。
接下来量潮科技会持续更新完善的交付规范说明，也会分享更多‘做事的逻辑’与业务思考。如果你是高校科研工作者、AI 企业负责人，或对数据工程、技术服务模式感兴趣，欢迎持续关注～