一
鸟兽不至的天坑，深不可测的地下河，荒山深处的秘洞……有些人就喜欢到这些地方，千方百计、乐此不疲，去领略造物主不示于人的鬼斧神工，探求常人无从见识的神秘诡谲。
我们称之为“洞穴探险”，英文即Spelunking。
于是，有了“Splunk”——几位致力于大数据研究的年轻人，于2003年在美国旧金山成立了Splunk公司。
要知道，2003年的大数据行业基本上还是蛮荒一片，所以他们要在这个领域“探险”。
十年后的20年，Splunk进入中国，带来了无与伦比的大数据研究技术和产品。
二
严立忠，Splunk公司中国区总经理。
这位IT老兵，称得上是一部活字典。自1994年进入惠普，二十多年一路走来，见证着中国IT行业的阴晴圆缺、风风雨雨。先后在惠普、英特尔、CheckPoint、甲骨文、SAP等公司就职，特别是在后三家企业的高管经历，给他身上打上了两个标签——软件及渠道，他是软件圈的资深行家，特别在渠道建设上经验丰厚。在加入Splunk前，还成功地创立了国内第一家在新三板挂牌的移动信息安全公司。
2017年5月，严立忠加入Splunk，开启职场新篇章。
三
我们经常谈论三个近乎哲学的话题：我是谁、要干嘛、如何干。了解Splunk，同样需要回答这些问题。
Splunk给出的官方定义，简洁生动——Splunk将机器数据转换为答案（商业价值）。
所谓大数据是一个很宽泛的概念，不同的维度有不同的解读。
对于结构化数据，比如传统数据库中这些企业的数字资产，按照既定的规则和逻辑处理即可。而对于非结构化数据，来源不同、类型迥异、杂乱无章，并且数量惊人，占据整个大数据总量的80%以上。
严立忠介绍，包括各类软硬件、操作系统、交换机、路由器、防火墙等产生的数据，以及各类日志、配置文件及目录等，“可以说几乎所有设备产生的所有数据，我们称之为机器数据，Splunk做的事情，就是将这些浩瀚无垠的非结构数据收集、挖掘出来，同时结合现有的结构化数据，进行分析，并转换成商业价值。”
机器数据是企业非常宝贵的资源，更需要着重指出的是，针对这些机器数据，直到目前也很少有企业能够从中挖掘出价值，“并非他们不重视，而是没有足够的能力去挖掘”，而Splunk的非凡意义就在于此。
四
那么，Splunk到底解决哪些实际问题呢？也就是说，其商业价值体现在哪些方面？
严立忠对以下五点给予了详尽介绍，并举出了实际的应用案例。限于篇幅，简略呈现：
一是应用交付，“企业基于IT系统开发的多种类应用，如何快速迭代，是否适应市场所需，用户的使用体验是否良好，是否会影响内部其他的应用等等，都需要有应用交付来保障”；
二是智能运维，“IT系统越来越庞大，复杂程度也越来越高，传统依赖人工或者某些运维工具及软件的方式，远远不能适应形势，必须依靠如Splunk这样智能化的平台，用大数据分析来进行”；
三是安全，“Splunk指的是广义的安全，既包含传统的IT安全，也有企业业务合规性的问题，甚至还有如今正在推行的GDPR（欧盟《通用数据保护条例》），以及个人隐私保护等方方面面”；
四是商业分析，“包括业务流程分析、产品生命周期管理等诸多环节，最典型的应用就是精准营销”；
五是物联网和工业控制，“未来是万物互联的世界，所有的生产线、设备、各类智能终端，包括市场上的各种商品，都是物联网的组成，当物联网标准统一之后，这个领域带来的市场规模和商机是无法估量的。物联网会带来巨大的数据量，如何从中找出价值并为企业所用，这是关键”。
五
就以上的应用场景，市场上有不少厂商长于其中某一领域，能够做到涵盖五个方面这样全面、完整，唯有Splunk独一家。
而事实上，这些还远不能展现Splunk的过人之处。
“从达到的效果来看，Splunk有三点是其他厂商难以做到的：一是实时，二是跨平台数据，三是在同一个平台下实现。”
如果需要花费较长时间才得到结果，那很难说得上有意义。“而通过Splunk软件，能够实时得出结论，这是Splunk竞争力的体现。”
大数据的特点，就是只有把所有的数据放在一起进行分析，才能发挥价值。“很多厂商是由于在技术上没法实现，才分开处理。而Splunk是在自己的同一个平台下，接受、处理不同种类（跨平台）的数据，尤其是Splunk擅长的机器数据。所以Splunk的定位是，将所有类型的数据置于同一平台进行处理，实时地服务于不同的商业领域。”
简而言之——在Splunk的一套系统上，不管是来自何方的何种数据，都可以实现智能运维、安全、应用交付、商业分析、物联网和工业控制等这些功效，同时能够实时获得分析结果，并且服务于不同的商业领域——这不是“万金油”吗？
对于记者使用的这个略显调侃的字眼，严立忠并没拒绝，单从字面理解也的确如此。“可以说是无所不能”，也正如他所言，“目前市场上，Splunk没有竞争对手”。
如今，全球110个国家超过000家企业在云端和本地部署了Splunk解决方案，财富100强中有超过85家企业，都在使用Splunk软件。
六
曲高难免和寡，在大数据领域，Splunk并不希望“独行”。
所以，加入Splunk还未到一年的严立忠，其最重要的工作之一就是继续拓展渠道合作，建设生态圈。而这项工作，正是其强项，过往的积累和经验使得他驾轻就熟。
“Splunk是一个平台，而非应用或工具。”他对此特别强调。
厂商、渠道伙伴都可以在Splunk这个平台之上进行应用开发，比如做安全管理、安全分析、监控设备、监控运营等。
对此，严立忠也举出很多已有的案例，比如与微软、思科、AWS等合作，“这类属于战略合作”。在渠道建设上，Splunk也有着完备的体系，总代、二代、OEM、SI/ISV等各级伙伴构成良好的生态系统。
还有一种伙伴称之为顾问厂商，比如帮助甲骨文或SAP规划和实施ERP之类应用的公司，如埃森哲、安永等。”他们在帮用户做整体项目规划时，其中涉及到大数据分析的部分，就会向用户推荐使用Splunk，因为Splunk与他们的战略是很符合的，技术及产品更没有问题。一直以来，我们和不少顾问厂商都合作密切，这也是渠道的一部分。”
渠道建设，更多的工作在于执行。策略制定好，之后就是日复一日地推进，不断加强深度和广度，“没有最好，只有更好”。
“现阶段，重要的工作是进一步培养我们的渠道伙伴，使他们的能力得到提升，更加注重用户体验。”他谈到，Splunk很看重认证工程师，“如果没有达到水平，做不了Splunk项目，我们也不会让他去做。Splunk很重视用户体验，用户用得不好肯定会说Splunk的产品不好，这是我们很在意的。我们宁可少做一单，也要将用户服务好。”
“目前Splunk在中国的发展现状，与其全球市场上的地位还是有点距离。”对于公司的发展，严立忠并不回避。
从外部来看，中国的大数据市场成熟程度还不高，“我个人认为与欧美发达国家相比，至少有三五年的差距”；就内部而言，还需要进一步加大投入，“我们从2017年开始就在加大投入，最直接的是人员，客户端、渠道端、市场开发、技术支持，都在大规模丰富人员，2018年会更多”。
七
采访过程中，严立忠还提到一些有趣的话题。
并非数据量大，就是大数据，国内市场上有不少商家混淆了这些概念和内容。
还有很多商家，仍旧按照传统的思维和逻辑去理解大数据，寻求数据之间的关联性，所以他们研究时首要的工作就是“建模”。事实上，大数据本质的特点就是无序，一旦一开始就按照既有的经验性思维和逻辑建模，而不是根据实时需求建模，就走回原有的套路，更可怕的是屏蔽掉大量看似无用的数据。
而这些所谓“无用数据”，Splunk视为珍宝。Splunk不会在一开始接受数据时就建模，其五个业务方向研究的都是同一数据源——之所以在大数据领域鹤立鸡群，是因为Splunk能力超群、独树一帜。
由此，他特别推荐阅读剑桥大学出版的《大数据时代》这本书，作者是美国学者维克多•迈尔•舍恩伯格。“有很多真理，人类并未掌握。人类的知识体系，多是基于既有的逻辑而来。但是有大量的事实，用已有的知识和逻辑很难解释。而大数据领域，正在寻找一种人类逻辑之外的逻辑。”他还用机器学习、机器翻译等案例来说明，“要根据事实而非逻辑得出结论”。
对此，记者想起风靡一时的AlphaGo，其工作原理是通过计算，在棋盘上361个点何处落子才能保证胜率最大化，“其实这条狗，真的不懂什么是围棋”。结果更加惊悚——这门传承千年的技艺，其早已视为圭臬的理论竟然在一夜之间被完全颠覆。
听严立忠侃侃而谈，你必须大脑飞转，还不一定跟得上他的节奏，太多的内容确实有些烧脑，尽管他还有意地放慢速度，尽量用大白话来说明。
八
与严立忠这样的前辈面对面，真是有幸。
讨论完工作，还和他聊了很多“从前的故事”，那些大名鼎鼎的企业如何撬动市场，软件渠道建设并不如记者想象的那样简单，某些厂商不为外界知晓的发展基因，光鲜背后的痛苦，坠落之时的挣扎……诸多过来人的过来事。
每次采访这些业内精英，都受益良多。这次亦是如此……
