大資料是創業者彎道超車BAT最大機遇？
來源：21世紀經濟報導作者：2015-9-7 10:55:48
導讀：從業務定位到市場開發，從產品生產到服務提供，大資料企業的發展還處於初始階段。
國家標準委正在著手制定首批共十項大資料標準，分別是大資料術語、大資料技術參考模型、資料交易平臺交易資料描述、資料交易服務平臺通用功能要求、資料能力成熟度評價模型、多媒體資料語義描述要求、科學資料引用、資料溯源描述模型、資料品質評價指標和通用資料導入介面規範。
大資料企業如何發展，市場正在做出自己的選擇。
8月末，北京某酒店的一場大資料企業展上，聚集了全國各地的企業。現場展示有隨著《江南style》起舞的機器人，有早期科幻電影裡走出來的“觸摸式資料視覺化螢幕”……
“你們的具體業務是做什麼的”、“和大資料有什麼關係”……和直觀的服裝展、美食展不同，大資料行業作為當下的風口新業態，其行業標準、商業模式正在探索中，參展的大資料企業們，以各種視覺化的方式，把大資料產業的最新成果展示給觀眾。
這場活動吸引了大批企業和研究人員，其中還包括自費從國外過來學習的 教授。
中國的人口數量，讓其成為大資料大國，但卻不是生來的大資料強國。國內大資料市場正在經歷炒作、探路和實踐期。
21世紀經濟報導記者採訪發現，今年的大資料行業聚會，探討的內容已經從2014年的資料是什麼，發展到大資料產業的商業模式怎麼做。
從業務定位到市場開發，從產品生產到服務提供，大資料企業的發展還處於初始階段。
在大資料生態圈裡，看上去很美的商業價值，已經吸引了一批創業者，將之視作彎道超車BAT的最大機遇;也有傳統企業和行業巨頭借勢圈地擴張，寄望完成轉型和整合。
有學界和業界人士預測，大資料已經從概念炒作走向了穩步發展時期。
另外，8月份出臺的促進大資料產業發展行動綱要，系列鼓勵和規範政策正在密集出臺中。
在大資料這個具體政策和標準近乎空白，正在野蠻生長的大資料產業生態鏈中，21世紀經濟報導記者通過採訪大資料產業生態鏈上的各類企業，摸底大資料產業的 商業化落地進程。
應用行業參差不齊
“掃碼送牛奶”、“掃碼送雨傘”……進入2015年，從中關村地鐵站出來，簇擁圍住你的人群，不再給你發傳單，而是各類APP掃碼推廣。APP推廣的大量聚集，讓這裡被戲稱做“掃碼一條街”。
在大資料被各方合力推上風口的當下，這些APP推廣工作人員會介紹，這款應用是基於某領域海量資料庫的處理和分析的產品。
在很多新上線APP的宣傳裡，“資料為王”，“企業對大資料的態度決定未來的高度”，類似的說法越發常見。
事實上，這些企業是不是純粹的大資料企業尚有爭議。一部分人認為，嚴格意義上來說他們只是通過互聯網+的方式應用大資料，是大資料生態鏈上最終的消費者，是大資料得以應用的主要場景，而不是純粹的大資料從業企業。
拋開爭論，這些大資料應用企業，對大資料產業發展的重要性毋庸置疑。
“企業對資料的應用，是大資料行業發展的引擎”，有專家表示。
21世紀經濟報導記者發現，在每一次關於大資料相關的活動中，大資料的商業應用，是最受關注的板塊。在8月26日的中國國際大資料大會開幕論壇上，關於大資料的商業應用，學界和業界即產生了兩種完全對立的觀點。
北京大學鄂維南院士提到：“現在的資料分析公司是風起雲湧，我把它說成是小鍋爐戰場，想當年大煉鋼鐵的時候，就是自己在家裡就建了鍋爐就煉。”鄂維南稱，現在的確什麼人都可以做，沒有什麼技術含量。
鄂維南還提到，資料交易存在經濟學上的悖論，資料服務作為一個業務模式，它的商業模式現在沒有真正被認可，資料通過什麼方式賺錢，前景不是那麼清楚。
晶贊科技董事長湯奇峰在中國國際大資料大會上發言稱，大資料交易並不存在經濟學上的悖論。
我國企業對大資料應用的現狀基本都是初期的狀態。
應用的主要形式還是，基於大資料得到的商業洞悉，業務推薦和智慧獲客等三個領域。
其中的典型就是個性化推薦和智慧廣告。
湯其峰在接受21世紀經濟報導記者採訪時表示，大資料的商業模式體現在很多方面，大資料價值在交易和流通的過程中體現，並且會發生聚變效應，實現邊際效應遞增。
21世紀經濟報導記者瞭解到，目前國內對於大資料應用，發展較好的還是以大企業為主，比如BAT、滴滴快的、Uber等互聯網企業。
不管是對外資料來源采集，還是企業內部的資料資產管理，其互聯網企業基因，以及自身的資本優勢，使得他們在大資料的應用上同樣處於領先的態勢。
同時，由於這些擁有大量資料資源的企業，在分析挖掘資料形成應用的同時，放棄直接依靠出售資料獲利，而選擇對外提供資料服務和分析結果，為應用類企業的決策和東西提供了便利條件。
這也是應用類的資料企業或產品數量較大，占到了行業總數的三分之一的重要原因。
而對於部分中小企業而言，資金缺乏和技術難題導致資料獲取難，缺乏資料資產管理意識，其對大資料的使用，仍在探路中。
另外，我國的大資料應用領域分佈仍然不夠全面，相關企業主要集中在互聯網、市場行銷、電信、金融領域，而政府公共服務、農業類應用，發展還在原始階段， 近期個別企業還不時爆出資料造假的傳聞。
同時，資料應用的方式單一，思路狹窄，一些企業盲目學習國外的資料應用模式，也是大資料應用企業發展的一大短板。
搶佔資料分析高地
如果說大資料的應用，是大資料產業的商業價值終端，那麼大資料行業公認的大資料分析，將會是大資料產業的核心，是大資料能夠點石成金的關鍵。
這樣的判斷是基於大資料的特性。
資料本身不產生價值，當資料經過挖掘、歸類和分析，能夠給企業決策提供幫助之後，才具有價值。
資料堂公司今年發佈了一份《大資料產業調研及分析報告》，其中將大資料分析工作歸類為商業分析、語音辨識、圖像分析、即時處理、空間分析、基因分析、使用者分析、日誌分析，和資料視覺化等九個種類。目前，國內在各個領域都已出現了一批相關大資料企業。
與上述橫向劃分不同，另一些看法則偏向將大資料分析按商業價值的高低進行區分。
前LinkedIn商業分析部總監，GrowingIO的創始人張溪夢介紹說，在資料分析發展更早的美國，資料分析區塊已經按商業價值從低到高地細分為資料獲取、大資料架構、回應性分析，診斷性分析、戰略性分析、預測性分析和全自動分析。
而一旦做到資料分析全自動化，將會利用10%的時間，創造出這個行業90%的價值。
在美國資料分析領域工作十餘年的張溪夢 認為，“資料分析前端過程複雜，分析昂貴，導致在過去若干年裡，資料科學家90%的時間和工作都是進行資料清洗、整理、傳輸和存儲，但真正產生價值的是剩下的10%。
我們必須要利用各種先進技術，把金字塔底部做得非常狹窄，把以往很緩慢的流程縮短甚至透明化。”
21世紀經濟報導記者獲悉，目前國內的資料分析產品，在與國外產品的競爭中仍處劣勢。
以日誌搜索系統為例，雖然國內已有自主研發的日誌即時搜索分析引擎面世，但市場使用的主流還是HADOOP、STORM和SPARK等國外開放計算框架下的產品，有部分互聯網和金融企業則選擇了SPLUNK等第三代日誌搜索套裝軟體，這同樣也是美 國開發的大資料工具。
然而國內企業並非毫無競爭力，日誌搜索分析引擎“日誌易”的創始人兼CEO陳軍介紹，這些國外資料搜索處理系統價格非常昂貴，同時由於之前的“棱鏡門”事件，國外系統的軟體後門也令一些國內的企業尤其是金融企業擔憂。
人才短缺是限制國內大資料分析企業發展的另一大主因。《哈佛商業評論》曾將資料分析師稱為“21世紀最性感的職業”，當下也是稀缺和搶手的職業。
鄂維南院士介紹，我國大資料發展最大的優勢是龐大的市場，最大的劣勢是缺乏人才，“我們國家目前沒有建立起非常好的培養大資料人才的機制，在大資料涉及的統計、 機械學習等這些領域相比而言更加弱勢。”
滴滴快的CEO程維在講述如何到矽谷挖人時提到，人才是最大的瓶頸，中國沒有那麼多的大資料和機器演算法的科學家，後來發現矽谷一線的互聯網企業，像Uber、Facebook裡面20%的工程師是華人。
“我們派了CTO和一個代表團在矽谷把他們請 到一起交流。”程維說。
鄂維南認為，大資料分析人才的缺乏，當下資料人才市場，不僅有國內和國外的競爭，學術界與企業界也在競爭。
要想彌補人才短缺，在大資料領域取得領先地位，需要建立一個開放的，既可以做科研也可以產業化做市場的國際標準的研究平臺，或是解決之道。
資料平臺期待全覆蓋
相對大資料分析企業的專業和專一定位，產業覆蓋面廣的大資料平臺類企業，則是在國際大資料大會的企業展廳中，占比最高的行業類型。
一位元參展的大資料平臺商人告訴記者，“大資料平臺會是大資料行業的基石和中堅。”據瞭解，阿裡，百度，華為等企業都早已佈局大資料平臺，阿裡雲更是從2010年就對外開放了其在雲計算領域的技術服務。
然而，大資料平臺的準確定義至今仍未有定論。廣州工業大學大資料戰略研究院副院長謝衛紅告訴記者，與資料分析、資料應用不同，大資料平臺是隨著大資料產業興起而誕生的新興事物，目前還沒有官方定義。大資料平臺的資料規模和具體功用，都還有待界定。
21世紀經濟報導記者採訪發現，當下市面上所謂的平臺主要有兩類，一類是通過各種管道搜集、整理資料，並為資料應用企業提供有償資料的資料交易類平臺; 一類是為了處理企業內部生產運營中產生的海量資料，以存儲、運算、展現這些資料為目的的資料處理類平臺，其工作內容包括了資料的輸入、導入、分析以及加 工。
在整個大資料生態中，大資料平臺處於行業中上游位置，是進行資料分析和應用的基礎。
其中，大資料交易平臺由於資料權屬和交易規則尚未制定的緣故，發展相對滯後，基本都是2014年後開始投入運營;大資料處理平臺則開發較早，商業化程度相對較高。
目前，大資料處理平臺的服務物件以企業為主。除了一些中小型的創業公司，一些大公司也相繼推出自己的相關業務，如華為的FusionInsight，和海爾的SCRM(社交化客戶關係管理)平臺。
其中，大多數平臺主要解決企業特別是大企業內部的資料孤島問題，將CRM(客戶關係管理)、ERP(企業資源計畫)、OA(辦公自動系統)等業務系統打通，實現跨行業、跨部門的資料分析與整合，以協助企業的運營、管理和決策。
在這部分資料處理平臺中，包括依靠技術模組的變化，提供不同行業平臺服務的平臺，和針對專門行業的平臺;後者數量較少，在交通、建築和媒體行業都有較為典型的專業化平臺出現。
此外，資料處理平臺中還有一類針對特定業務系統的大資料平臺，比如海爾的SCRM，就是專門的社交化客戶關係管理的資料平臺。
由於大資料平臺在大資料產業中的基礎性地位，國內的大資料處理平臺企業數量相對較多。
對其業務性能和服務的評價體系也相應較為完整。
大資料處理平臺供應商，九章雲極的CEO方磊稱，資料集成能力、存儲和計算能力、分析能力、部署能力、運維能力、開發定制能力，和管理協調能力等七大方 面的能力，會是廠商在挑選平臺服務時的主要尺度和標準。
其中前六者形成資料資源挖掘和計算能力閉環，管理協調能力則影響著平臺的工作效率。
然而需求方的要求似乎並沒有得到滿足。方磊向21世紀經濟報導記者透露，在他們與平臺需求企業的對接中，“端到端”、在資料處理平臺上直接實現資料分析的要求，越來越多。需求方，往往也是資料應用企業，希望平臺能夠提供一體化、一鍵式的自動化資料服務。
在商業價值開放較好的大資料處理平臺區塊，需求正加速推動著產品的轉型。
“未來大資料平臺和大資料分析的融合會是一種趨勢，大資料分析企業會向下滲透到資料收集和整理，大資料平臺企業會往資料分析上發展，這種擴張是必然的。”方磊說。
不過在當下的技術和人才條件下，大多數大資料處理平臺，還只能實現基礎性的資料分析，和簡單的視覺化呈現。
清華大學資料科學研究院執行副院長韓亦舜，在接受21世紀經濟報導記者採訪時表示，目前一鍵式的自動化資料服務，只能在一些資料結構單一的特定領域實現。對於多源異構的資料，想要實現一鍵式自動化服 務，還有很長的路要走。未來的資料平臺，實現針對不同行業領域的垂直細分後，可能會在某些行業率先實現突破。
十項大資料標準制定中
在業界構想中的完整大資料生態鏈裡，不同人的分類不同，大資料企業的類型也很多。
其中必須要提的，就是大資料產業最基礎的工作——資料來源。
一些資料來源企業和資料存儲系統企業，都已在市場上佔據了一席之地。
目前，由於資料流程通尚未形成規模，國內資料來源區塊中的平臺比例較為明顯。
作為當下僅有的幾家號稱專門從事資料來源業務的公司之一，資料堂搜集線下資料，開展線上業務的市場定位和資料眾包、採集加工流通三位一體的“資料銀行”的業務模式較有代表性。
然而，由於行業規則和行業標準缺失、資料的權屬不明，當下大量的資料交易是不規範且有爭議的。
國務院發展研究中心技術經濟部副部長田傑棠稱，資料交易的 前提是產權要清晰，尤其是個人線上活動產生的資料，其產權到底屬於個人還是企業，對於整個產業的發展和資料資源的配置都有很大影響。
資料來源企業的發展必然伴隨著資料交易，不規範交易、個人隱私界定模糊和資料產權劃分不清晰帶來的安全擔憂，是造成國內專門從事資料來源工作的企業數量稀缺的重要原因。
與資料來源區塊不同，在大資料存儲區塊，核心技術的缺失成為了最大的問題。
一家參展的廈門資料存儲系統開發商負責人告訴記者，國內的資料儲存企業擁有自主智慧財產權的很少，特別在硬體上的技術落後國外更多。
不過這樣的情況正在好轉，韓亦舜告訴21世紀經濟報導記者，隨著近年來硬體開源的興起，國內在資料存儲領域實現自主可控的速度有望加快。
另外，國內大資料標準化進程也在逐步推進中，困擾大資料行業的瓶頸或將迎來部分解決。
據中國電子資訊標準化研究院技術總監王立建介紹，國家標準委正在著手制定首批共十項大資料標準，分別是大資料術語、大資料技術參考模型、資料交易平臺交易資料描述、資料交易服務平臺通用功能要求、資料能力成熟度評價模型、多媒體資料語義描述要求、科學資料引用、資料溯源描述模型、資料品質評價指標和通用資料導入介面規範。
其中前四項處在徵求意見稿狀態，中間四項已完成草案，最後兩項還在草案大綱階段。另外，大資料標準體系框架也已在徵求意見稿階段。
隨著政策頂層設計的越發清晰和行業標準的逐漸形成，對於大資料企業的未來發展方向，各方也有了不同的判斷。
一些大資料商人認為，長遠看單純從事資料生態某一環節的企業，都存在重大轉型壓力，特別是底層的資料搜集和挖掘企業，針對不同行業領域的大資料企業將會整合該領域的資料收集、儲存和分析業務。
而另一些大資料交易平臺的支持者則認為，大資料行業未來會圍繞大資料交易平臺，形成縱向細分的垂直行業生態，以及橫向產業鏈精細化分工的網格狀發展態勢與佈局。
來自業內的預測更為樂觀。
阿裡研究院資料經濟研究中心秘書長潘永花表示，根據2014年的Gartner新興技術曲線顯示，大資料已經從炒作高峰，進入5到10年的穩步發展期，2015年大資料已經成為主流技術。
留言列表
