小T导读：他是大数据领域的杰出专家，拥有超过十项一作发明专利，是中国通信行业标准《大数据 消息中间件技术要求与测试方法》的重要编写者，并凭借数据中间件领域的突出成就荣获 2019 年“CJK OSS Award”。他是腾讯云 TVP 专家和 TGO 鲲鹏会北京分会会长，以深厚的技术底蕴和领导力推动行业发展。他曾带领团队攻克一个又一个技术难关，从中国移动到亿瑞互动，再到 DataPipeline，无数成功案例背后都有他的身影。如今，他又多了一个新身份——北京涛思数据科技有限公司高级副总裁兼解决方案中心总经理，他就是陈肃。本次采访将带领大家走近陈肃，深入了解他对解决方案创新与技术发展的独到见解。

从技术研发到解决方案，从创业公司到开源社区，陈肃的职业经历像是一本厚厚的技术人日记，每一页都写满了对数据领域的热爱和探索。而如今，这本日记翻到了“涛思数据”这一章。

其实，早在 2019 年，陈肃就已经与涛思数据结下了不解之缘。作为 TGO 鲲鹏会北京分会的成员，他结识了同为中科大校友的涛思数据创始人陶建辉，并被这位师兄的创业故事与产品理念深深打动。几年来，陈肃见证了 TDengine 从最初的想法变为国内领先的时序数据库产品，也与涛思数据团队保持着紧密的联系。

终于，在 2024 年，陈肃正式加入涛思数据，成为解决方案中心的负责人，带着对行业的深刻理解和对客户的责任感，为推动 TDengine 的技术落地、行业发展贡献力量。

接下来，让我们通过一场深入的对话，一起走进陈肃的视角，了解他眼中的涛思数据、时序数据库，以及他与团队共同描绘的未来蓝图。

与 TDengine 同行：陈肃的解决方案之道

Q1：分享一下加入涛思数据的初衷，有没有什么有趣或印象深刻的故事？
2019 年，我认识了涛思数据创始人陶建辉老师，他是我中科大的师兄。当时我们一起加入了 TGO 鲲鹏会北京分会，并在同一个小组。组内成员每月都会聚会分享工作、家庭和个人成长的心得。陶老师多次讲述他的创业经历、TDengine 的研发初衷，以及品牌建设的经验，让我深受启发。

我从 2015 年起一直在创业公司工作，对这位“爱折腾的程序员”师兄的故事特别有共鸣。期间，我多次拜访涛思数据，与创始团队交流，见证了公司的快速发展。加入涛思数据，对我而言，是选择了一个专注细分领域的国内排头兵。我始终认为，企业数据架构的发展趋势是更加专业化和精细化，而涛思数据在时序数据库领域已经实现了足够的聚焦，且对于开拓全球市场有明确的规划和资源投入，望成为世界级的物联网和工业大数据平台公司。

印象深刻的是，2019 年我第一次造访涛思数据位于诚盈中心的办公室时，书架上摆满了市场和销售领域的经典著作，陶老师一一向我介绍这些书，并且强调，任何创业公司的管理者都需要具备销售意识和知识。这番话让我对创业和管理有了更深刻的理解。

Q2：你在数据科技领域有着丰富的研发管理经验。你觉得研发管理工作，与现在所负责的解决方案工作有什么异同？
过去十几年里，我一直专注于一线研发工作，并长期负责公司的研发管理。在我看来，研发管理主要关注产品研发过程，包括技术选型、团队协作和项目进度等，而解决方案中心的工作则更加注重理解客户需求，提供针对性的技术方案，以及后续的实施与优化。

这两项工作都需要深厚的技术背景和对行业的深入理解，但解决方案更强调客户导向和市场洞察。在涛思数据，我希望将自己的技术积累与市场洞察力结合，为客户提供精准、高效的解决方案。这种转变对我来说是一个全新的挑战，也是一个很好的机会，让我能够更直接地参与到客户的业务中。

Q3：面对日益复杂的企业需求和竞争，你认为 TDengine 在解决方案中应重点关注哪些方面？
TDengine 的主要应用场景是物联网和工业互联网中时序数据的存储、查询、计算和分发，整个解决方案中心的工作目标就是助力客户快速、明智地做出决策，构建相关领域核心竞争力，并提升投资回报率。我们需要重点关注以下几个方面：

首先，对行业应用场景进行深入调研至关重要。不同行业对时序数据的存算需求差异巨大，例如测点数量、写入频率、查询复杂度、数据压缩比等。解决方案需要针对各行业及具体应用场景的痛点，设计有针对性的数据建模方案和部署架构。

其次，要分析客户的信息系统架构，明确 TDengine 在其中的最佳定位。客户的数据平台通常包含时序数据库、关系型数据库、数据仓库、消息队列和流式计算引擎等多种组件，每类组件都有特定的处理优势。然而，由于历史原因，一些数据类型和分析场景可能被放置在并非最佳的组件中，随着业务的发展，这种“错位”可能导致性能瓶颈、稳定性问题以及成本浪费。解决方案专家需要识别这些问题，为客户提供优化方案，并明确 TDengine 的价值和投资回报率（ROI）。

我在大数据领域有多年经验，特别是在 DataPipeline 的七年里，适配了国内外几乎所有主流的数据基础设施，包括数据库、数据仓库、分布式文件系统、对象存储和消息队列等。这些经历让我能够带领团队深入理解客户数据架构的问题，并设计合理的时序数据库融合方案。同时，我们也会积极参与国内时序数据库领域的标准制定，与业界共同推动功能和使用方式的规范化。

Q4：在解决方案团队中，你希望打造怎样的团队文化？
我希望打造一支具备“学习型组织”特质的团队文化。这一理念由管理学大师彼得·圣吉在《第五项修炼》中提出。在竞争激烈、快速变化的市场环境中，仅依赖少数领导者的经验，难以带领团队取得长远成功。每位团队成员都需要通过持续学习，实现自我超越、更新思维模式，并具备系统性思考的能力。

对于解决方案中心的成员来说，这尤为重要。大多数方案专家来自研发岗位，他们不仅需要掌握产品技术，还需了解商业逻辑、销售流程、人际沟通和竞争分析等多方面技能。面对不同类型客户，还需灵活调整交流策略。只有通过构建学习型组织，才能实现团队成员个人成长与组织发展的有机结合。

拥抱全球化：时序数据库的未来之路

Q5：你如何看待时序数据库的发展与应用前景？
时序数据库作为处理时间序列数据的专业工具，发展前景十分广阔。物联网、工业互联网、金融科技等领域的快速发展，对数据存储、查询和分析的需求持续增加。以新型电力系统为例，传统的分钟级别的数据采集，正在被秒级、甚至是毫秒级的数据采集要求所替代，省网级别的调度系统通常会有千万数据点实时写入的性能要求，数据留存时间长达五年甚至是永久保存。

时序数据库凭借高效写入、强大查询能力和存储优化，成为这些场景的关键技术支撑。同时，与人工智能的结合将进一步提升实时洞察和预测能力，为各行业带来更多智能化应用。

Q6：你提到通用人工智能与时序数据库的结合，具体有哪些结合与应用点呢？
人工智能的发展离不开海量数据的支持，而时序数据库凭借高效、实时的数据存储和查询能力，成为 AI 算法训练和实时决策的重要基础。去年 7 月底的 TDengine 用户大会上，涛思数据发布了时序数据分析平台 TDgpt，受到了广泛关注。近几个月来，我在与各行各业客户交流时，几乎每次都会被问及时序数据分析的相关问题。涛思数据定位为物联网大数据平台的一站式解决方案提供商，在时间序列 AI 能力上，如 CEO 陶建辉老师所言，我们的目标是 “make time series data accessible, affordable, and valuable”，即让时序数据库不再只是大企业的专属工具，而是人人都能用得起、用得上的技术。

从解决方案角度看，我们将提供一系列开箱即用的基础模型，同时支持用户接入本地模型生态，以满足不同需求，让 AI 和时序数据的结合更加便捷高效。

Q7：在你看来，在中国做包括数据库在内的企业服务软件，面临哪些挑战？如何应对？
在中国发展企业服务软件，需要应对市场竞争激烈、客户需求多样化以及技术快速迭代等挑战。为此，我们必须始终以客户为中心，提供差异化的解决方案，加强沟通，深入了解客户需求。同时，还需密切关注技术趋势，快速响应市场变化，确保技术的领先性。在服务方面，更加个性化和本地化的支持是满足多样化需求的关键。

涛思数据始终践行这些原则，在国产化适配、信创与安可认证方面投入了大量精力。针对国内重点行业客户对本地私有化部署和网络分区隔离的需求，我们从产品形态、授权模式到服务支持都进行了有针对性的调整。未来，我们将继续以客户需求为导向，持续提升产品与服务能力。
’
Q8：你如何看待企业服务软件公司出海？
企业服务软件公司出海是一项重要的战略选择。随着全球化进程加快，越来越多的中国企业走向国际市场，企业服务软件公司通过出海，不仅可以为这些企业提供本地化服务与支持，还能开拓更多市场机会，提升品牌的国际影响力。然而，出海也面临文化差异、法律法规和市场竞争等挑战，需要企业具备全球化视野和本地化策略，深入了解目标市场的文化与需求，提供契合当地的产品和解决方案。

涛思数据早已布局海外市场，其全球化的决心正如陶建辉老师所说：不是要做中国的 InfluxDB，而是要做世界的 TDengine。2022 年，TDengine 3.0 发布，设计之初即以云原生为核心目标之一。公司专门成立了 Cloud 部门，积极开拓亚太、欧洲等海外市场。我们也希望与行业上下游合作伙伴携手，共同打造细分领域的解决方案，协力出海，开拓全球新机遇。