【金猿投融展】MagicBI——简便每一次分析、只为每一个用户价值

金猿投融展 MagicBI 大数据云计算

原创 MagicBI | 2021-12-09 18:19

【数据猿导读】 MagicBI成立于2020年8月上海，是国内最早从事搜索式数据分析技术并商业化落地的团队。如今MagicBI团队总人数约40人左右，成员主要来⾃微软、阿⾥、百度、字节等公司的⼤数据团队，研发人员占比高达90%。我们的使命是“简便每⼀次分析，只为每⼀个⽤户”，公司主要做下⼀代的搜索式分析...

MagicBI成立于2020年8月上海，是国内最早从事搜索式数据分析技术并商业化落地的团队。如今MagicBI团队总人数约40人左右，成员主要来⾃微软、阿⾥、百度、字节等公司的⼤数据团队，研发人员占比高达90%。我们的使命是“简便每⼀次分析，只为每⼀个⽤户”，公司主要做下⼀代的搜索式分析，帮助企业打造⼀站式企业搜索百科，实现企业的数字化升级，业务⼈员不⽤学SQL，也能做分析，提⾼业务决策效率。

重要产品及服务能力

MagicBI通过类似百度搜索的⽅式查询数据，应用可解释AI、自然语言分析等技术，实现数据分钟级地⾃动化洞察，⽆需过多培训，同时打通PC端与移动端，支持语音输入，满足任何⼈、任何时间、任何地点、任何方式进⾏数据洞察，辅助用户高效决策。

与传统BI工具相比，MagicBI智能平台具备的最突出的优势包括：易用性、使用门槛低、效率高、准确率高、覆盖面广等优势。首先，易用性主要体现在即使业务员没经过任何使用培训，都可以快速上手，灵活使用。

其次，与传统BI工具相比，MagicBI通过搜索得出数据解读及分析结果，仅需要数分钟便可完成，而传统工具则需要2-3天。相比之下，MagicBI智能平台大大提升了数据分析和洞察的效率。

最后，由于团队在数据搜索及分析领域具备多年技术积淀，因此开发出的MagicBI平台对中文数据及语义的分析具备准确率高、覆盖度广的优势。

技术能力

核心优势方面，主要体现在团队的技术积淀及工作背景上。如今MagicBI团队总人数约40人左右，研发人员占比高达90%。

与国内互联网巨头相比，MagicBI团队核心人员背景更具多元化，有来自阿里、百度、字节跳动等专家，也有来自传统BI巨头、金融科技巨头的专家。与国内创业公司相比，MagicBI团队在数据搜索及分析已有近十年的技术积累，人才密度、产品成熟度、迭代速度都高于业界创业公司。智能分析专利与软著数十个。

近年营收及未来预期

MagicBI已在新零售、金融等领域积累了一批用户，并为其提供产品服务和行业解决方案，包括：国药集团、顺丰、中国平安、望湘园、叮咚买菜、普元科技等十多家知名企业。部分客户在使用MagicBI产品服务的一年内节约了数千万成本。

企业负责人

·陈敏敏 MagicBI创始人

上交硕，⼗年⼤数据，多年专注在数据分析平台，阿⾥上海研发团队负责⼈。

融资情况

天使轮，2021.11.23，由耀途资本独家投资300万美金。

投资人评价

中国商业智能市场需求旺盛，规模高速增长，国内大部分BI厂商主要聚焦在基本BI，而增强分析是BI的重要演进方向。其中自然语言查询（NLQ）和自然语言生成(NLG)是增强分析的关键技术。NLQ技术可以让用户通过自然语言的方式对数据进行查询，灵活性高，降低了BI的使用门槛，扩大了BI的使用人群，让所有业务人员都能掌握更高级、更便于理解的数据分析方法，并从中受益。NLG能够把数据转换为人类所能清晰理解的叙述方式。

针对BI场景的NLQ和NLG技术门槛较高，而MagicBI创始团队源自阿里BI团队，多位核心成员来自百度、字节跳动等大厂，不仅有多年的基本BI研发经验，还有NLQ和NLG研发经验，对BI痛点有着深刻的理解和洞察，期待MagicBI成为数据分析行业的排头兵。

——耀途资本创始合伙人白宗义

客户评价

非常感谢MagicBI这个平台，支援了我们最大数据规模的业务部，在不断试验的过程中建立了大家的信任。大大缩短了我们数据从收集到分析到报告展示应用的这样一个过程，实现人人都能进行数据分析。操作方便灵活。我们对于BI需求是一直在变化的，现在我们只要在搜索框输入需求报表关键数据，就可以看到，提高了工作效率。

——某餐饮公司

使用了MagicBI分析工具，查询自己的销售业绩等，快速地去应对数据报表的需求。可以及时地提供数据给到需求人，我们自己也有数据分析的能力，通过MagicBI，用简单的提问模式就可以完成数据分析，做数据洞察。数据BI呈现都是基于我们自己对于业务的理解与经验，这样可以更快速地达到目的，不需要再去和数据分析部门进行沟通。

——某生鲜零售公司

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。