九章雲集創始人方磊在微軟工作期間就發現了這個數據行業的痛點，看到了數據科學平臺的藍海。2011年，方磊開始在微軟必應搜索部門工作，先後擔任數據科學家和數據工程師。他發現，Bing中800多名數據工程師在壹個名為Aether的系統上協作，這個系統包含壹萬多個模塊和幾十萬個項目，整個團隊可以在同壹個平臺上有序協作，具有管理、資源分配、提高工作效率等多種功能。
2013年，方磊決定回國創業，在北京中關村創辦了九章紀昀科技公司，希望為數據科學團隊搭建壹個協同辦公平臺，幫助企業的數據科學家和數據工程師更好地合作。
目前在大多數企業中，數據的價值主要體現在淺層的數據分析，將數據做成包括餅狀圖、折線圖等可視化報表，然後指導業務。隨著企業積累的數據越來越多，對數據分析的要求也越來越高，過去的數據分析方法已經不能滿足企業的需求。
方磊認為，企業數據的價值正在發生變化，數據分析已經進入“增強分析”階段，即通過機器學習或人工智能增強數據分析能力。過去的視覺分析是通過視覺呈現產生洞察，但通過人工智能技術分析產生的洞察更強大，比如通過模型分析金融反欺詐上億筆交易。
在這種環境下，九章紀昀推出了DataCanvas數據科學平臺，希望幫助企業應用AI進行智能轉型。
為了降低AI在企業中的應用難度，DataCanvas提供了完整的機器學習平臺和AI模型制作平臺，自動化了數據清洗、特征工程、模型訓練等壹系列高難度的數據模型工作。用戶不需要有專業的數據科學背景和編程算法能力，只需要DataCanvas數據科學平臺上的AutoML建模功能就可以完成海量數據處理和數據模型生命周期管理。
DataCanvas更強大的功能還體現在實時數據處理上。比如每天產生海量數據的金融行業，對實時數據決策的需求尤為迫切:在刷卡瞬間判斷信用卡是否被盜，在千變萬化的股市中計算最佳投資方案……都需要實時數據處理的幫助來保證。
“九章紀昀的核心是將數據轉化為模型，為客戶提供具有模型能力的技術工具或服務，以支持各種業務場景。”方磊說。
對於數據科學的發展趨勢，方磊認為技術壁壘正在降低，現階段更重要的是推廣應用。“降低技術門檻不再是數據科學發展的核心問題。核心問題是如何在真實場景下把技術和商業結合起來。”方磊說。如何高效* * *享受專業知識，如何將行業經驗、業務知識與數據科學、人工智能有效結合，最終在業務場景中實現，是企業在人工智能浪潮中面臨的壹個技術落地問題。
為了解決這個問題，方磊提出了“知識融合”的概念。“我們的許多常識都與商業有關。機器學習在某些方面可以洞察微妙的數據信息，但有些仍然需要依靠人類的技能。”方磊說，“建立壹個模型，技術占30%到40%，剩下的其實是業務知識。”他舉了金融應用中的壹個場景:比如小額貸款模型，需要考察企業隱性債務風險。有經驗的審計人員首先要檢查的項目是貸款是否被分成幾部分。如果公司從不同的賬戶收到全部款項，可能存在隱性債務風險。這需要人的常識經驗來做出判斷。人們需要把這種體驗變成機器學習中的壹個特征，機器學習可以做出相應的風險預警。
在實踐中，九掌雲為企業落地AI提供了“四基”解決方案:通過建立“四基”——模型庫、特征庫、場景模板庫和AutoML菜譜庫，解決企業業務知識和技術知識融合問題。數據分析建模門檻降低後，企業的AI應用成本也相應降低，AI可以應用在更多的業務場景中。
目前，九章紀昀不僅在金融行業反欺詐、精準營銷方面有著豐富的實踐經驗，還在政府、交通、物聯網、房地產、教育等領域不斷應用創新的機器學習。
在壹起為政府服務的案件中，久張雲吉與山東省青島市人民檢察院合作“案件質量評價體系建設項目”。利用DataCanvas數據科學平臺，利用機器學習算法、模型訓練等技術實現智能案件評估，減少人工辦案工作量80%，提高效率80%。以前由於人力的限制，只能隨機抽取10%-20%的案例，而在人工智能技術的幫助下，可以充分評估100%。
服務全球客戶是方磊的下壹個目標。他判斷，中國的To B業務會在三到五年內逐漸成為主流。隨著雲計算的發展，全球很多大公司的數據服務都在雲上。“雲可以成為壹個入口，在這個入口上，我們可以提供全球服務，參與競爭。”方磊認為，ToB的業務肯定會經歷這壹過程。
2065438+2008年3月，九章紀昀進行a輪近億元融資，紅點創投、東方富海等機構參與。2017，1月，實現a輪融資5000萬。