在數據倉庫體系發展的二三十年間，企業數據管理架構逐漸面臨嚴峻挑戰。數據孤島現象普遍，多源異構數據導致治理困難，而數據搬運和開發成本高昂。為了應對這些問題，企業曾寄望于數據中臺，但這一方案卻帶來了更多挑戰，如數據建模與任務運維的人力需求激增，使得數據中臺變成了企業的成本中心。

近年來，一個名為“數據編織”的新概念逐漸進入人們的視野。它將企業內部散落的數據編織成一張虛擬的數據網，僅在需要時才觸發任務，實現了數據的“柔性制造”。Gartner在其發布的《2024年中國數據、分析和人工智能技術成熟度曲線》中，將數據編織視為一種前瞻性的技術理念，并預測其在未來2到5年內將廣泛應用。根據2022年全球行業分析師報告，全球數據編織市場預計將從2020年的11億美元增長到2026年的37億美元，市場需求強勁。

在這樣的背景下，成立于2021年的Aloudata作為國內將數據編織落地的先行者，正在穩步前行。公司創始人兼CEO周衛林，在離開螞蟻金服后，與幾位聯合創始人共同創立了這家企業。周衛林在阿里巴巴和螞蟻金服的工作經歷，讓他深刻意識到數據工程變革的急迫性。在螞蟻金服工作期間，他見證了數據量的爆炸式增長，以及數據治理的復雜性。

Aloudata的CMO劉靚指出，數據中臺存在諸多弊端，如存算成本高、數據資產冗余、數據工程師能力要求高等。更重要的是，數據中臺并未能從根本上解決大量數據分析帶來的數據管理問題。而數據編織則提供了一種新的解決方案，通過動態虛擬集成數據，實現ETL自動化，降低了數據管理的復雜性。

周衛林和劉靚帶領團隊，在成立后不久就與招商銀行簽約，開始打磨產品。他們規劃了清晰的商業化三步走戰略：先與頭部客戶合作，打磨出最小可用的技術產品，完成PMF驗證后，再進行市場化推廣。經過兩三年的努力，Aloudata在2023年底發布了其三個商業化產品：國內首個邏輯數據平臺Aloudata AIR、全球首個算子級血緣的主動元數據平臺Aloudata BIG和自動化指標平臺Aloudata CAN。

Aloudata AIR和Aloudata CAN是數據編織的落地產品。在Aloudata AIR上，數據邏輯集成無需物理搬運，只需連接獲取元數據信息。用戶可以在邏輯集成的基礎上用SQL語言跨源開發邏輯視圖，無需關心任務的編排和調度。而Aloudata CAN則實現了數據倉庫匯總層和應用層的自動化，將業務語義和物理數據鏈路解耦，開放所有明細以供靈活分析。

Aloudata BIG則主要自動采集和解析元數據，精細刻畫數據之間的點和線關系，實現數據治理場景的高度自動化。不同于傳統血緣工具，Aloudata BIG能精細到某個具體字段算子級的加工邏輯。

然而，這套產品的誕生并非一帆風順。起初，Aloudata團隊希望直接從數據工程的智能化L5階段做起，但技術難度和市場接受度都超出了預期。在經歷了八九個月的嘗試后，團隊決定調整方向，增加人可以決策的部分，讓客戶更有安全感，從而推動商業化進程。

周衛林感慨，創業過程中最大的挑戰之一是避免將大廠的做事習慣帶入創業公司。創業公司需要找到更多有能力從0到1的人，補齊團隊能力。在商業決策上，Aloudata也摸著石頭過河，學會了在客戶定制化需求和公司研發節奏之間做出取舍。

如今，Aloudata已經簽約了二十幾家客戶，金融行業占比六七成。客戶涵蓋銀行、證券、品牌零售、先進制造、醫療等多個行業，包括工商銀行、民生銀行、興業銀行、平安證券、華泰證券、麥當勞、lululemon、理想汽車等頭部客戶。周衛林表示，公司對商業化進展頗為滿意，已經進入商業化收獲期，預計2025年將逐步走向盈利，營收能再翻三倍以上。

未來，Aloudata計劃結合大模型，發揮其語義理解能力和行動力，提高數據處理分析效率，真正實現數據工程智能化。站在大模型的肩膀上，Aloudata距離其數據工程領域“L5”的夢想將更近一步。