【AICon】探索RAG 技术在实际应用中遇到的挑战及应对策略!AICon精华内容已上线73%>>> 了解详情
写点什么

技术创业九死一生,如何打造“梦幻开局”?

  • 2021-01-18
  • 本文字数:5436 字

    阅读完需:约 18 分钟

技术创业九死一生,如何打造“梦幻开局”?

导读:在 2020 年 11 月 28 日举行的全球技术领导力峰会 GTLC 厦门站上,Juicedata 合伙人、TGO 鲲鹏会(厦门)董事会成员苏锐,从自己的技术创业经历出发,带了一场 40 分钟的主题演讲。他对比了 To B 和 To C 创业启动时的差异,并全面地回顾了过往技术发展中的一些历史机遇,分析了技术发展带来过哪些巨大商机。本文为演讲内容的整理。



嘉宾介绍:苏锐,Juicedata 合伙人、TGO 鲲鹏会(厦门)董事会成员;参与创建国内首个完全架构在公有云上的分布式文件系统 JuiceFS,服务国内几十家科技企业,并在运营商、证券、能源、航天、广电等领域交付数十 PB。苏锐在互联网行业工作十五年,曾创立 O2O 汽车服务品牌功夫洗车,曾任豆瓣电影 Tech Lead,豆瓣电影票产品负责人,国内知名社会企业多背一公斤产品技术总监,其负责的产品获 Prix 奥地利艺术节数字社区金奖。


大家好,我是 Juicedata 合伙人苏锐,也是 TGO 鲲鹏会(厦门)董事会成员,今天带给大家的分享是《B 端 / C 端创业启动:看技术拐点如何影响商机?》,我将谈谈自己过去五六年的创业经历,以及自己在看待技术发展时的一些心得体会。


先介绍一下自己,我在互联网行业工作了 15 年,2010 年曾在豆瓣电影做技术负责人,后来转向业务方向,做了豆瓣第一个有交易场景的项目-豆瓣电影票。


2014 创业风潮兴起,我自己创业做了功夫洗车,主打的是上门洗车的服务。当时的思考是看到这个市场很大,而且比较落后,认为这里存在一些商机。两年里做了一些积累,但后来有一些大的对手入局,加上 2015 年股灾,O2O 项目拿不到融资,这段创业就暂告一段落。


2017 搬到厦门,开始回到技术领域,和前同事创办了 Juicedata,做了 JuiceFS,至今干了 3 年,有了一些新的感悟。


回看自己的两段创业,经历了 To C、To B 的早期一些过程,今天会结合这些过程,讲讲在两个赛道创业有什么不同,然后会聚焦技术创业,分析技术拐点能带来哪些商机。


To C/To B 创业起步的差异对比


无论是 To B 还是 To C,最初的起步都是比较关键的环节,创业必然会面临两座大山的压力:钱和时间。所以必须要找到 Product-Market Fit(产品市场契合),寻找 PMF 的一个方法是,思考所做的事情是不是由软件定义。


比如沃尔玛、万科、戴尔、京东、艾森哲、链家、饿了么、法大大,这些企业的共同特点是交付环节依靠人力完成,而不是软件。这对应我在功夫洗车的创业经历。


再看向 C 端,微信、谷歌、FB、今日头条、快手、美图等等,它们依赖于软件,不需要很多人力的交付,所以每个员工的边际效益非常高。对比两种模式的差别,会发现团队里的人员杠杆率,竟然相差十倍到一百倍甚至更高。


这在我们现在 Juicedata 的创业中也可以体现,因为技术产品完全通过软件定义,我们大概做了三年,在文件系统的存储行业里,三年是一个开始被人信服的时间。


但不论创业时业务是否由软件定义,在选择 PMF 时都有一个衡量标准——增长情况。对 To B 和 To C 项目而言,增长是万能的尺子,它们的增长模型也十分相似。



对比 To B 市场和 To C 的销售漏斗,虽然表象上不太一样,但本质上都是同样的过程。


即便如此,在创业起步的第一个阶段,二者却有着非常大的不同。在 To B 中管理销售的过程时,一开始就关注和钱相关的指标。这样的角度决定了很多销售模式、市场模式,很多量化指标从第一天就开始被重视。


但是 To C 创业第一阶段需要关注的是流量,产品赚钱不是首要条件,只要能够保证每天都有新的流量流入,达成留存转化就可以了。


其次是要观察你的用户,因为用户是销售漏斗里最核心的要素。To B 和 To C 转化过程背后的用户,在多个维度上有着相反的特征。


在做 To B 产品时,企业采购相关业务时决策很慢,因为需要进行群体决策,不可以让某一个人拍板,整个决策过程非常理性,但成本高失败的代价很大。


相反的,To C 完全是个人决策,情感因素会占据主导地位。因为失败成本低,而且在 To C 的领域,为了降低交易成本和决策风险,会使用很多方案让用户在判断过程中更容易上头,增强和客户的连接,所以长期对用户进行运营刺激是有效的。


再接着看团队在创业第一步的变化,To C 的团队生存结构就是要快生快死,实验市场手段必须是产品先行,没有产品就无法接触到客户。在扩展运营中也一定是靠自己的团队,很难靠上下游的拉动,产生好的模式。在流量模型里,关键环节的转化率都是自己的产品决定的。



所以做 To C 的时候,整个产品团队、运营团队要不断创造新鲜感,给客户带来新的刺激,技术团队也要不断开发,满足各种各样的需求。To B 就完全不一样,产品必须是找到清楚的切入点后,逐渐能够让客户接受你,然后再慢慢打磨,成为一个真正满意的产品。


相比于 To C 必须拥有产品,To B 则没有这个要求,可以直接用广告投放,用静态页面就可以完成市场的调研。


在拓展层面上 To B 也和 To C 十分不同,To B 解决用户需求很难依靠独立部门,往往要和其他的部门配合,甚至还要和行业上下游配合。通常也不会做任何刺激客户的事情,变化都比较少,需要做的是不断优化客户效率。


说回到技术创业这一块,不论是 To B 还是 To C,都要先找到 PMF,在技术创业前还有一个必要环节,思考技术应该变成什么产品,并进行技术到问题的验证,也就是先找到 Technology-ProblemFit(技术问题契合)。


当有了技术,需要明确技术可以解决的问题,比如细化到解决的是存储安全性问题还是成本问题,亦或者是生态对接的问题。找到明确问题后,还要判断这个问题能不能形成市场。


一种方式是在早期客户群体中,先用技术来验证问题,分析哪个领域的用户会青睐这个技术,最终抽象出市场,再按照这个市场把技术逐渐打造成产品。如果技术很牛,但却找不到市场,就需要慎重考虑这项技术的研发。


对比了 To B/To C 创业初期的不同,再看看技术带来的一些机会。我将结合一些科技发展,谈谈对技术观点的一些看法,分析都出现过哪些大的拐点。


技术的发展创造了无数商业拐点


2000 年互联网在全球范围内普及,互联网的出现带来了大的质变。此前软件的交易是通过卖拷贝、磁盘或者光盘,互联网出现之后,就开始出现了 B/S 架构,逐渐有一些简单的业务产品迁移到了浏览器中。


2006 年宽带网络全球普及,浏览器从只能看信息变成更及时的交互,这个时候谷歌开始风靡,出现了 Facebook,谷歌地图等丰富体验的产品。


Web 2.0 开始向浏览器加入更多场景,之后有了大规模分布式系统的出现,今天开发者面向服务器端的技术,几乎都是从那时开始。


2008 年智能手机出现,PC 端的一些操作开始迁移到手机端,2014 年 4G 网络普及和资费下调,全国迅速用上宽带移动网络,智能手机带来了真正的变革。这个过程里 PC 机出货量也不断下降。


这些技术上面的变化,带来了无数市场机会,如果聚焦在技术创业的领域,会发现其背后的技术发展,不是跳跃进行的而是一个连续过程。


技术发展的第一个层面是硬件,包括存储、计算、网络。硬件发展才有配套软件变化,比如操作系统、数据库、大数据以及各种各样分布式系统。只有进行了软硬件的结合,才会产生了一些新的变化,比如软件定义、虚拟化容器,涌现了新的技术创业机会,商业模式也发生了改变。



对商业模式的改变,可以先看看硬件的变化过程。ARM 于 1990 年成立,不同于当时形成垄断的英特尔,ARM 授权每一家公司自己通过 IP 设计芯片,创造了一个新的商业模式,今天 ARM 成为了整个移动互联网最基础的支撑。


再往后,1997 年 CPU 中第一次出现 MMX(多媒体扩展),计算机开始处理和多媒体相关的计算,视频能力、游戏能力,包括多媒体的能力开始被发掘。


紧接着到了 2005 年,英特尔发布了双核处理器,之后 CPU 越来越多核。


2010 年 RISC-V 的出现也是是重要的转折点,ARM 提供和售卖专利,并放出设计权利,RISC-V 的开源降低了产业链的成本。


而在网络的层面上,2015 年机房 10Gb 网络普及,主干网络的带宽大幅提升,对分布式系统基层架构设计带来了质的改变。


然后是存储方面,1996 年 NetAPP 推出支持多协议的硬件存储,2006 年 SSD 进入笔记本市场,破除了具有物理极限的磁盘的限制,在存储上的吞吐能力上有了质的飞跃。从 2006 年到 2013 年磁盘市场达到顶峰,SSD 凭借经济性和场景多用逐渐取代市场,同年的 PCIe 的固态硬盘也开始普及,今天企业数据库没有跑在磁盘上的,多是跑在 NVME 上。


如果没有硬件的迭代,许多软件就没有发展的空间,所以硬件是整个技术发展的根基,之后才是软件层面的一些改变。



先看操作系统的几个重要阶段。1991 年开始,Linux 逐渐垄断了服务器市场;1977 年甲骨文创立,从刚刚发表的关系型数据库论文中,抓住了商机,虽然创办的前四年都没法运营起来,但还是能拿到政府大单,后来于 1994 年推出了 MySQL ,解决了很多业务场景的难题。


也是从 1994 年开始,陆续出现了可免费使用的开源产品,而之前大部分都是商业软件。


2006 年宽带网络开始普及,Web 2.0 的出现让许多事情可以在互联网上进行,之前软硬件一体化的东西开始跟不上时代,所以出现了大规模分布式系统,互联网流量开始爆发式增长。


这些现象开始倒逼技术的发展,从 2005 年开始有密集的产品出现,比如从关系型数据库舍掉一部分,变成了 MongoDB,到今天又有 TiDB 之类的分布式数据库,给了技术人许多创新的机会。


2006 年 Web 2.0 之前没有大数据,普遍采用并行计算框架,比如科研工作都是用 MPI,到 2006 因为数据量暴涨,集群规模不断增大,需要解决稳定性问题,谷歌做了一些突破性的研究,后来社区有了 Hadoop。现在普遍都开始上云,又出现了新的机会,比如基础软件在云架构上的变革。


另外,Apache 基金会也为开源带来了保障,后来很多项目都是在 Apache 基金会支持下成长起来的,因为有了大规模分布式系统的需要,一些技术的出现就顺理成章,包括 2014 年出现的 Kubernetes


当然软件和硬件之间有一些重叠的部分,2004 年 SDN 标准出现,实现了软件定义网络。此前的网络都是用硬件的路由器、交换机插线解决配置的,规模大了以后用软件实现是必然的选择。也是有了软件定义网络,才有云计算发展的可能。


2007 年出现了专注做网络虚拟化的 Nicira(后来被 VMware 收购),对基础设施的建设做了很大贡献。


而在 2006 年里,亚马逊发布了重磅级云产品 S3,成为了云上对象存储的事实标准。


随后是在 2010 年前后,新出的技术产品更加密集了,因为移动网络的普及,交互频次又上升一到两个量级。


直到今天的 5G 的发展,IoT 能让数据量可以再上两个量级,这几年机器产生的数据超过了人为的数据,无论是在线交易数据库还是离线分析数据库,在 IoT 场景上能适用的还比较少,这些新场景都是好的创业机会。


再来看看商业模式的变化,1991  Linux 发布了内核,让软件社区如获至宝,后面的 Linux 发展很快,围绕它出现了更加丰富的自由软件。



1999 年,Redhat 上市带来了很大的商业价值,它证明了运行开源软件是可以挣钱的,还能把公司做上市。此后很多产品都开始拥抱开源,走向社区。


2004 年,SalesfoceIPO,它用 SaaS 的方式交付企业最核心的 ERP、CRM 等系统,取代了之前 SAP 那种非常高成本的交付方式。Salesfoce 在 1999 年决定要做 SaaS,五年后成功 IPO,这个速度令人叹服。


公有云的鼻祖 AWS 于 2006 年发布,随后的 2007 年安卓发布,开源生态在走向商业化过程中,还出现了 GitHub 这样的惊人产品,凭借托管代码促进技术人员交流最后卖出了 75 亿美金。


因为云的构架商业模式又发生了变化,2012 年出现了 Snowflake,它可以进行离线分析,完全架构在公有云上,可以随便往里面写数据,支持弹性伸缩,而且使用门槛低。


开源的流行对商业界也产生了大的影响。2001 年微软 CEO 说开源就是癌症,是毒瘤。有趣的是到了 2014 年,微软的态度来了一个大反转,当时的微软 CEO 宣布微软热爱 Linux,并开始全面拥抱开源,还在几年后收购了 GitHub。


在 2018 年,开源的开山鼻祖 RedHat 也出售了,因为在早期开源中都是卖技术支持,真正的企业客户没有足够实力的团队会使用。这在 Redhat IPO 的时候是存在的,但是到 2006 年之后,随着大家更多使用公有云,很多需要的技术支持不再需要了。


再看今天如日中天的开源项目,Kafka、MongoDB 等等,他们不约而同地在 2018 年前后改了 Lisence,在更改 Lisence 内容时有一个共同指向,就是禁止公有云薅羊毛。公有云厂商马上做了反馈,有的云就遵守新规则,双方一起分钱,有的就自己造了一个来兼容社区产品。


其实无论是软件、硬件的发展,都给我们整个社会的商业模式带来了一轮又一轮的机会,有一句丘吉尔的话送给大家:历史能看多远,未来我们就能看多远。这对技术创业尤其重要。


以史为鉴,技术创业仍然大有可为


最后做一下总结,技术创业门槛不高,就算没有权利、资本、资源,只要有会技术的伙伴就可以开始。另外是要从历史中找到未来的趋势,每一次趋势的变化都会孕育一大批成功产品,其实最简单的就是以前的东西跟不上了,必须在新的趋势下做一个新东西进行替代,找到可以参考的标竿,在发展的过程中都可以作为参照物。


在 To B 和 To C 赛道都体验过后,发现 To B 一定要客户解决问题,To C 不一定是解决问题,尤其是在今天竞争越来越激烈,有越来越多大的产品出现,未来更是有无限的机会,当年 BAT 垄断的时候,很多人觉得没有机会了,但后来还是出现了美团、字节跳动。所以在 To C 上,也有无限创造的机会。


分享的最后推荐几本书给大家,对技术创业会有帮助,都是和技术创业相关的内容,分别是《教堂与集市》《浪潮之巅》《创新者的窘境》《上帝与拉里·埃里森的不同》《Borland 传奇》《UNIX 编程艺术》。


我今天的分享就到这里,谢谢大家!

公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2021-01-18 10:341180

评论

发布
暂无评论
发现更多内容

SAP OData 编程指南

Jerry Wang

API SAP OData 11月日更

在线等差数列求和计算器

入门小站

工具

Prometheus Exporter (五)BlackBox Exporter

耳东@Erdong

Prometheus exporter blackbox exporter 11月日更

模块四课后作业-设计千万级学生管理系统的考试试卷存储方案

断水风春

架构实战营

Maven 依赖调解源码解析(三):传递依赖,路径最近者优先

xiaoxi666

maven 源码解析

Maven 依赖调解源码解析(四):传递依赖,第一声明者优先

xiaoxi666

maven 源码解析

区块链,不是元宇宙的全部

CECBC

架构训练营 - 模块 4 作业

焦龙

架构实战营

Apache Pulsar 与 Kafka 性能比较:延迟性(测试方法)

Apache Pulsar

大数据 kafka 分布式 云原生 Apache Pulsar

linux远程复制文件命令小总结

入门小站

Linux

区块链是什么

Rayjun

区块链

JavaScript 数组方法 slice() 的 5 个示例

devpoint

slice JavaScrip 11月日更

千万级学生管理系统的考试试卷存储方案设计

波波

「架构实战营」

Maven依赖调解源码解析(二):如何调试Maven源码和插件源码

xiaoxi666

maven 源码解析

【解析】通证经济的分类及用途

CECBC

Vue进阶(贰零壹):JS合并两个数组方法详解

No Silver Bullet

Vue 数组 11月日更

使用 Java connector 消费 ABAP 系统的函数

Jerry Wang

Java SAP abap 11月日更

[Pulsar] 使用Partitioned Topic提高吞吐

Zike Yang

Apache Pulsar 11月日更

模块五作业

bob

「架构实战营」

.NET6新东西--struct优化

喵叔

11月日更

模块五作业

沐风

模块四作业

doublechun

「架构实战营」

如何用JavaScript实现add(1)(2)(3)

空城机

JavaScript 11月日更

工作三原则

ok绷

20 k8s之持久性存储卷

穿过生命散发芬芳

k8s 11月日更

马拉车算法解最长回文子串!Manacher

老表

Python LeetCode 11月日更 算法与数据结构

Maven 依赖调解源码解析(一):开篇

xiaoxi666

maven 源码解析

30分钟学习go语言

坚果

Go 语言 11月日更

世界女性科技群落(一):一面喑哑、一面高亢的非洲鼓

脑极体

聊聊你眼中的spring的事务是怎么样的?

卢卡多多

spring事务管理 11月日更

模块四作业

覃飞

技术创业九死一生,如何打造“梦幻开局”?_文化 & 方法_苏锐_InfoQ精选文章