在数据仓库体系发展的二三十年间，企业数据管理架构逐渐面临严峻挑战。数据孤岛现象普遍，多源异构数据导致治理困难，而数据搬运和开发成本高昂。为了应对这些问题，企业曾寄望于数据中台，但这一方案却带来了更多挑战，如数据建模与任务运维的人力需求激增，使得数据中台变成了企业的成本中心。
近年来，一个名为“数据编织”的新概念逐渐进入人们的视野。它将企业内部散落的数据编织成一张虚拟的数据网，仅在需要时才触发任务，实现了数据的“柔性制造”。Gartner在其发布的《2024年中国数据、分析和人工智能技术成熟度曲线》中，将数据编织视为一种前瞻性的技术理念，并预测其在未来2到5年内将广泛应用。根据2022年全球行业分析师报告，全球数据编织市场预计将从2020年的11亿美元增长到2026年的37亿美元，市场需求强劲。
在这样的背景下，成立于2021年的Aloudata作为国内将数据编织落地的先行者，正在稳步前行。公司创始人兼CEO周卫林，在离开蚂蚁金服后，与几位联合创始人共同创立了这家企业。周卫林在阿里巴巴和蚂蚁金服的工作经历，让他深刻意识到数据工程变革的急迫性。在蚂蚁金服工作期间，他见证了数据量的爆炸式增长，以及数据治理的复杂性。
Aloudata的CMO刘靓指出，数据中台存在诸多弊端，如存算成本高、数据资产冗余、数据工程师能力要求高等。更重要的是，数据中台并未能从根本上解决大量数据分析带来的数据管理问题。而数据编织则提供了一种新的解决方案，通过动态虚拟集成数据，实现ETL自动化，降低了数据管理的复杂性。
周卫林和刘靓带领团队，在成立后不久就与招商银行签约，开始打磨产品。他们规划了清晰的商业化三步走战略：先与头部客户合作，打磨出最小可用的技术产品，完成PMF验证后，再进行市场化推广。经过两三年的努力，Aloudata在2023年底发布了其三个商业化产品：国内首个逻辑数据平台Aloudata AIR、全球首个算子级血缘的主动元数据平台Aloudata BIG和自动化指标平台Aloudata CAN。
Aloudata AIR和Aloudata CAN是数据编织的落地产品。在Aloudata AIR上，数据逻辑集成无需物理搬运，只需连接获取元数据信息。用户可以在逻辑集成的基础上用SQL语言跨源开发逻辑视图，无需关心任务的编排和调度。而Aloudata CAN则实现了数据仓库汇总层和应用层的自动化，将业务语义和物理数据链路解耦，开放所有明细以供灵活分析。
Aloudata BIG则主要自动采集和解析元数据，精细刻画数据之间的点和线关系，实现数据治理场景的高度自动化。不同于传统血缘工具，Aloudata BIG能精细到某个具体字段算子级的加工逻辑。
然而，这套产品的诞生并非一帆风顺。起初，Aloudata团队希望直接从数据工程的智能化L5阶段做起，但技术难度和市场接受度都超出了预期。在经历了八九个月的尝试后，团队决定调整方向，增加人可以决策的部分，让客户更有安全感，从而推动商业化进程。
周卫林感慨，创业过程中最大的挑战之一是避免将大厂的做事习惯带入创业公司。创业公司需要找到更多有能力从0到1的人，补齐团队能力。在商业决策上，Aloudata也摸着石头过河，学会了在客户定制化需求和公司研发节奏之间做出取舍。
如今，Aloudata已经签约了二十几家客户，金融行业占比六七成。客户涵盖银行、证券、品牌零售、先进制造、医疗等多个行业，包括工商银行、民生银行、兴业银行、平安证券、华泰证券、麦当劳、lululemon、理想汽车等头部客户。周卫林表示，公司对商业化进展颇为满意，已经进入商业化收获期，预计2025年将逐步走向盈利，营收能再翻三倍以上。
未来，Aloudata计划结合大模型，发挥其语义理解能力和行动力，提高数据处理分析效率，真正实现数据工程智能化。站在大模型的肩膀上，Aloudata距离其数据工程领域“L5”的梦想将更近一步。
