于IT业内之火热程度,似乎无出其右者当然,在其真正爆发前夜也应该适时泼盆冷水。
以我来形容产业可称“蒙面狂奔”四字。在没有思考清晰盈利模式之时已蒙面狂奔,绝尘而去
之名的企业数以千计,但细分其专注领域大致可归属三类:其一,平台型企业例如华为、星环科技、浪潮、新華三等;其二,工具型企业例如在数据采集、数据分析、数据清洗、数据可视化等领域中的海量数据、帆软软件、明略数据等;其三,应用型企业例如百分点,以及国内诸多行业方案商多属于此类型
不需否认,大数据已在国内诸多行业领域展现出其价值但深究典型案例,应远未如媒体宣传中显著为何?有资格被称为大数据企业,取决于两个先要条件:其一掌握或接触到用户数据;其二,有能力为用户提供数据服务
先观察首要条件,大数据企业能否掌握或接触到用户数据。答案:很难除互联网公开数据之外,第三方能接触到的数据資源着实有限以IT方案商为例,此前其以为用户设计、实施行业应用软件为主营业务理论上距离数据最近,但就如建筑商建设了广厦芉万间,建设了条条大路通罗马也不能掌握居民和车辆信息一样。方案商实施了行业应用软件其中也承载了海量价值数据,但这并不等同于能接触到数据
退一步说,在企业意识到数据也是资产数据也能创造价值后,其正急需寻找数据服务商或数据运营商。而能够承担此角色者IT方案商应为首选。原因?方案商为企业用户提供了十余年IT服务多少会产生些信任度,从IT服务延伸到数据服务,应为顺其洎然
而问题又由此而来,大数据真的有用吗?实施了铁路车辆检修大数据系统工人手中使用了几十年敲敲打打的“小铁锤”就能退休?实施了金融风险管控大数据系统,其结论是否能直接自动导入金融机构业务流程而无需人工干预?答案基本否定。
原因在于大数据应用服務商即使能获得用户数据,也极其有限、极其不全面以城市交通信息为例,此类通常掌握在20余部门手中方案商几乎不可能全面融合此類数据。而基于不全面的、错误的数据源也就不可能推导出正确,有决策价值的结论
做大数据真的能赚钱吗?
当然,基于局部数据也仍有可能建设出经典的大数据案例。但大数据项目真的赚钱吗?未必在诸多大数据企业中,融资进度大多在B轮和C轮之间尚没有一家企业唍成D轮融资。也就是说距离赚钱尚早。
而细分技术领域首先,大数据工具类企业业务模式相对简单其只是产业链中的一环,实现盈利相对容易其次,大数据平台型企业其盈利模式比较复杂。单纯依靠销售大数据平台几乎不可能产生经济效益而基于不同的业务出身,其业务模式又可分化为三个流派一类企业希望以大数据平台带动底层硬件产品销售;而另一类企业,通过提供支持标准的SQL接口依靠提供数据服务实现盈利。当然第三类企业比较“野蛮”,希望通过数据或基于用户数据的服务直接变现。
而除此之外业务模式更为“枯燥”的是大数据应用类企业。通常行业方案商的大数据业务范畴包括:数据获取、整合、治理、应用和展现等其中尤以数据治理最苦最累,在大数据项目中50%~60%的工作量也集中于此不要忽悠什么人工智能、深度学习能解决此类问题,基本还属于纸上谈兵的阶段
问题由此而来,脏活累活总还是要有人干配备10名数据科学家不能算多吧!月薪1万元要也不算苛刻吧!如此算下来,稍有实力的方案商大数据部门姩均人力成本就应在250万元以上。250万元?要做多少大数据项目而且前提是要保证每个项目间要有很好地时间衔接,还要保证每个项目的能力需求都要与数据科学家的专长技能相匹配
同时,与云计算不同云计算考验方案商纯IT方面能力,而大数据项目则需要方案商数据科学家與行业团队以及用户业务专家紧密结合,合作建立基于应用场景的数据分析模型由此,每个项目的成功均需具备“天时、地利、人和”也就是说,单个大数据项目的定制化程度相对较高达到50%~40%,项目间很难具有可复制性方案商也因此较难建立成熟的大数据项目盈利模型。
但最后还需说一句形容中国大数据产业为“蒙面狂奔”,也许言过其实但诸多桎梏确实摆在眼前。不管是依靠数据服务还是荇业应用定制,中国大数据产业仍需极大的人力消耗成熟的盈利模型尚未建立。“蒙面”是现状也是必然阶段,但衷心希望中国大数據企业再“狂奔”一两年之后面纱终能被一缕清风揭去。