专访理脉CEO涂能谋：如何让法律大数据真正产生价值？

我很喜欢和法律科技创业者聊天。

法律科技创业者，既有科技狂热，也保持着对法律的热忱，他们致力于用技术和数据，来改造法律这个传统行业。

正在创业的法律人，有很多与众不同的认知。因为要深入思考行业本质，还要充分考虑时代、技术、商业化落地等多种因素。

所以，法律科技创业者的观点常常很有价值，非常值得学习。

前段时间，我去拜访了一位法律科技的创业者 ——「理脉」的 CEO 涂能谋。

理脉，一家互联网数据咨询和法律科技公司。

涂能谋，原金杜律师事务所律师，原本从事“高大上”的企业并购、跨境投资等法律业务，后来转型投入到「理脉」这家法律大数据公司。

他们服务或合作的企业，你一定听过或者见过：

字节跳动、快手、滴滴、平安、联想、泰康、西门子、金杜律师事务所……等等。

我满怀期待地问：

如何让法律大数据真正产生价值？

涂能谋说，他们很看重的一点，是如何将法律大数据应用到真实场景中。

他把使用数据的心法，总结为三个问题：

用户需求是什么？

你的种子用户是谁？

法律大数据核心是什么？

解决好这三个问题，才能算是摸清法律大数据的本质，让法律大数据真正产生价值。

1.

法律产品的成功

是把企业风控诉求融入其中

移动互联网兴起后，各种互联网产品都开始利用推荐算法来增加自己的产品吸引力，以期和用户建立长久而稳固的关系。

对于 To C 产品来说，“猜你喜欢”已经成为了各种 App 的必备功能，这个功能对用户来说往往是有益的。

这种推荐算法的背后，离不开大数据的使用。

目前，用技术和数据来改造相对传统的法律行业，也成为了法律科技的一条赛道。而创新的第一步，就是找准用户需求。

只有准确把握客户的需求，你才能提供相匹配的产品，让客户记住你，为你买单。

那么，怎样才能找准用户需求？

从整个律师行业来看，经历了诉讼律师、非诉律师、公司法务的转变，背后是法律需求的转变：解决问题、避免问题、风险防控。

传统的风控服务，通常只是停留在表面，律师作为专家，对客户说这里有风险，你要规避掉。

这时，风控的目的是维护不要出事，但企业的诉求却不仅如此。

回到70、80年代看企业的痛点 —— 对合规和成本效率的管控，尤其是能否实现把合规、成本、效率、获利能力的管控前置，实现对它们的事前、事中控制。

因此，风控这个需求，可以分为几个层次：

第一，工具。

工具型需求，是最基础的需求。

以检索为主的工具型需求，就是怎么在处理裁判文书等材料中，找到对自己有价值的数据。

但搜索产品的一大特点，就是使用门槛相对较高。使用者需要具备这个领域的知识，才能用精准的关键词，搜到自己需要的内容。

因此，工具型产品必须做得非常简单易用，或者直接由律师帮客户操作，使用成本较高。

第二，管理。

工具型需求往前迭代，是管理型需求。

现在很多公司都在整理自己的数据，把外部和内部的数据集合起来，进行管理功能的升级。

这个操作也叫“数字化转型”，做出来的产品就叫“数据中台”。而数字化转型的这个过程，就叫做信息化。

信息化是随着工业化企业 top-down 的管控诉求而生的，系统记录的所有数据、执行的所有流程，最终都是为了满足公司合规管理的可视化。

这样的系统被誉为“硅谷高科技营销魔法之父”的 Geoffrey Moore 定义为 System of Record（记录系统，简称SOR）。

事实上，公司法务也是在这个需求背景下兴起的，公司法务也叫“职能法务”，他的职责就是根据公司的业务情况，提供有效的决策建议。

第三，分析。

在管理型需求之上，是分析型需求。

在工具型需求和管理型需求中，数据产品的核心是赋能，就是怎么找数据更快、更高效。

而分析型需求，是把客户要看的分析维度结构化，然后通过可视化的形式展示分析结果，包括对行业、竞争对手、律师、法官的分析等等。

换句话说，在分析型需求中，已经不是找到问题，而是找到之后用什么视角来看这个数据。

第四，价值创造。

再往前走一步，其实是更常见的场景：客户要做的是一项决策，而不是知道这项决策的风险。

比如一个信托公司的客户，想要做资产交易，他需要在公开信息中找到，哪些资产可以作为它的投资标的，比如价值 1 亿以上的资产。

我们需要做的，是从大数据中挖掘出符合客户要求的资产，而不只是告诉客户，这笔交易有哪些潜在的投资风险。

客户真正需要的，是在了解风险的基础上，用数据来辅助决策，甚至用数据去做业务的拓展，去发掘机会。

所以，要做好数据产品，除了必须跟上技术的发展步伐，千万不能忽视持续研究企业需求的发展趋势、找到其中最重要的痛点和抓手。

在以上四个需求中，“价值创造”无疑最为刚需，因为击中了企业的痛点。

但是，法律行业非常的“手工业”，从信息搜集到资料的分类、处理、加工，然后到生成文件，耗时费力，成本很高。

由于这样的原因，价格又变得很不合理，导致真正能获得“价值创造”法律服务的人，需要很高的代价来取得服务成果。

2.

找到你的种子用户

验证法律大数据的共性需求

弄清楚用户需求之后，我们需要找到你的种子用户，验证共性需求。

19 世纪下半叶，随着工业革命的推进，大公司不断出现，企业的风控需求开始产生。发展到今天，可以说每家企业都有风控需求。

但是，中国有 4000 万家中小企业，我们应该围绕这个群体去做产品吗？

不行。

因为中小企业对数据的需求，通常仅限于简单的信息获取，需求不够强烈。

这会直接带来一个问题：替代性供应商太多，像天眼查这种企业信息查询平台就可以满足，从而导致用户的付费意愿不强。

那谁才是我们的真正的用户呢？

在法律这个行业，规模越大的企业需求越强，对风险防控的痛点更高。

比如集团公司管理公司比较多，所处的行业也分为好几块，要看的数据更多。

而且，中大型企业还需要用数据来引领业务，去创造更大的价值。

由于中大型企业的需求更加强烈，他们会反馈更加具体的使用场景，比如哪些是共性需求，哪些是定制化需求，这样有助于你持续迭代产品。

虽然小企业也会有需求，但第一步先满足大企业的需求，把基本的功能做好，然后再去做中小企业的拓展，相对会比较容易。

3.

数据量级不是核心

法律大数据的核心在于创造价值

你找到了自己的用户，知道了他们需要什么，但怎么才能用更低的成本，更高的品质，来服务好你的用户？

如何用好数据，是构建核心竞争力的关键。

涂能谋说，做好数据只有一个基础能力，那就是：处理数据的能力。

啊？做法律大数据，为什么不是要收集尽可能多的数据呢？

因为从用户需求出发，用户的关注要点并不是数据量大，而是要解决问题。

举个例子来说，中大型企业有很多获取数据的渠道，甚至这些渠道能获取到的数据，比一般的外部渠道更广、更深，比如企业可以通过政府关系，获得一些非公开的数据。

在这个过程中，既有内部的数据也有外部的数据，客户面对的真正的问题是：

怎么把海量的数据进行整合，然后从中提取出真正有价值的信息。

因此，在服务中大型企业的过程中，不能局限于只提供数据，还要引导客户把内部数据和外部数据进行结合，指导他使用数据。

换句话说，要服务中大型企业，不能只是单纯地提供数据，你还要做一些数据咨询的工作。

这是服务难点，也是关键核心。

在市面上的众多供应商中，谁能解决好这个问题，谁就能胜出。

要解决好这个问题，需要做到以下 3 点：

第一，挖掘出有价值的数据。

如果我们把重点放在满足用户需求上，我们要做的，就不是提供尽可能多的数据，而是要挖掘出有价值的数据。

那什么才是有价值的数据呢？

首先，数据量要大。

数据量小一定不符合大数据的原则，这一点大家没有疑问。

至于数据量多大合适，我们还要加入“置信度”的概念，数据量至少要达到让统计的结果具有非常高的置信度。

什么意思？

简单来说，就是足够让客户“信”你。

即使，法律数据无法做到像电商领域那样 —— 用户行为数据、经营流水数据，每天产生的量级可能都是十亿、百亿级的。

但目前已经上网的裁判文书已经超过 1 亿篇，大部分法律问题其实都不是新鲜事，这个数量不可谓不大。

其次，多维度，而且最好是正交的。

除了裁判文书、公告、处罚、破产、工商、资信等法律数据，还要拓展一些偏商业或行业的数据，法商结合，这样才能更好地解决问题。

事实上，法商数据包含丰富的社会经济生活信息，可以分析的维度非常多，相对传统的行业来说，值得挖掘的内容也是更有价值的。

再次，数据的完备性。

这在过去常常被人忽略，因为人类过去使用数据，都是采用抽样的办法来获取，根本不可能做到完备。

抽样统计有一个问题，就是总有 5% 左右的小概率事件覆盖不到，如果最后运气不好，正好落在那 5% ，统计的方法就失去作用了。

现在，最高法以及各级法院都在努力把能上网的文书都上网，法律数据的整体覆盖情况越来越好了，能获取到的法律数据不只是抽样了，而是全量数据的提供。

最后，数据的实时性。

除了上述三个特征，法律大数据还需要具有实时性，因为在很多应用场景，一定时间过了，数据就失去意义了。

以裁判文书为例，时间越久远，参考意义往往越小，甚至可能因为法规的更新，判例的法律依据也变了。

第二，提供数据咨询服务。

数据这么多，就像天眼查上有所有的工商数据，哪些数据挑出来之后，才有利于某个行业公司的风险分析和业务发现？

因此，我们需要组建更加专业的团队，花费更大的精力去做数据挖掘。

举例来说，每个企业家都深耕在某个领域，他一定比我们律师专业，所以当他产生一个法律需求时，会基于自己的判断，用各种方式搜集整理出一些重要的数据源。

这时，我们就需要一支能扛住用户需求的数据团队，根据这些数据源，帮助客户把重要的数据挑出来，进行结构化加工，最后形成解决方案。

而且，我们也要有专门的数据团队，做好数据录入的更新、核验，确保数据库和官方数据源是一致的，甚至做到日更、实时更新。

第三，构建行业知识图谱。

每个行业都有其独特的问题，比如保险业是一个大的分类，下面还会分为人身保险、财产保险等，每个细分领域都有不同的风险点。

企业用户需要快速了解所处行业的高发风险，因此我们就要根据用户所处的行业，做更加细分领域的数据分析和监控。

随着服务的客户越多，在应用场景上越做越深，慢慢就可以构建某个行业的知识图谱，这是和用户做产品共创的一个过程。

事实上，也只有不断构建不同行业的知识图谱，才能更好、更高效地满足用户需求。

最后的话

作为一名法律科技领域的创业者，如何让法律数据真正产生价值？

涂能谋把理脉的心法，总结为三个要点：

用户需求是什么？

你的种子用户是谁？

法律大数据核心是什么？

听完之后，醍醐灌顶。

短短的三问三答，是理脉的 5 年创业的经验教训，也是我们要去思考的角度。

感谢理脉。 希望这篇文章能给你一些启发，也希望你能用好法律数据，产生真正的价值。