做大数据真的能赚钱吗
于IT业内,大数据之火热程度,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。
谁能接触到数据
以我来形容中国大数据产业,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。
国内冠以大数据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、新华三等;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资源着实有限。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,建设了广厦千万间,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,应为顺其自然。
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,大数据应用服务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类数据。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,尚没有一家企业完成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,年均人力成本就应在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与行业团队,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,还是行业应用定制,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据企业再“狂奔”一两年之后,面纱终能被一缕清风揭去。
数据分析咨询请扫描二维码
掌握数据分析原理并从理论到实践全面解析,需要系统地学习和应用多个领域的知识和技能。以下是详细的步骤和建议: 1. 建立基础知 ...
2024-10-12在现代数据分析领域,拥有一个强大且高效的集成开发环境(IDE)是至关重要的。PyCharm,作为一款功能强大的Python IDE,在数据分 ...
2024-10-12在当今信息化社会中,数据无处不在,而数据模型(Data Model)则是理解和管理这些数据的关键工具。数据模型是对现实世界数据特征 ...
2024-10-121.统计学简介 听说你已经被统计学劝退,被Python唬住……先别着急划走,看完这篇再说! 先说结论,大多数情况下的学不会都不是知 ...
2024-10-124. 区间估计 还以为你被上节课的内容唬住了~终于等到你,还好没放弃! 本节我们将说明两个问题:总体均值 的区间估计和总体比例 ...
2024-10-12大数据分析是当今世界一些最重要行业进步背后的推动力,包括医疗、政府和金融等领域。了解更多关于如何处理大数据以及开始时使用 ...
2024-10-12作者:鱼仔 某中厂老兵|CDA2级持证人|数据践行者 作为一名数据分析师,很多人都会问,数据分析师究竟是干什么的?这个职 ...
2024-10-12作者:鱼仔 某中厂老兵|CDA2级持证人|数据践行者 作为一名数据分析师,你可能会被朋友或同事问到:“数据分析师到底是干 ...
2024-10-12在大数据领域,有几个职业路径特别值得关注,因为它们不仅需求量大,而且薪资水平较高,发展前景广阔。以下是一些值得关注的大数 ...
2024-10-12大数据(Big Data)是指数据量巨大、类型多样、处理速度快的数据集合。这个概念通常与数据的四个主要特征相关,即所谓的“4V”: ...
2024-10-12大数据管理与应用专业是一个跨学科的专业,结合了管理学、经济学、统计学和计算机科学等多个学科的知识,旨在培养能够适应大数 ...
2024-10-12大数据分析师教程 大数据分析师教程-Hadoop安装与HDFS、MapReduce实验:集群网络配置、JDK安装、无密码登录ssh 新建虚拟机集群逻 ...
2024-10-12作为数据分析师从业者,获得CDA(Certified Data Analyst)认证可以为你的职业发展带来多方面的好处: 专业技能提升:CDA认证涉 ...
2024-10-11CDA认证在多个行业和公司中都非常受欢迎,尤其是在需要数据分析和数字化转型的领域。根据搜索结果,以下是一些特别欢迎CDA认证的 ...
2024-10-11获得CDA认证后,规划职业发展路径时,可以考虑以下几个方向: 技术深化:继续深化数据分析技能,学习Python、R等编程语言,以及 ...
2024-10-11在备考过程中,平衡工作和学习是非常重要的,以避免过度疲劳和压力过大。以下是一些建议,可以帮助你更有效地管理时间和精力: ...
2024-10-11为了制定一个有效的CDA备考计划,你可以遵循以下步骤: 了解考试要求:首先,你需要了解CDA考试的大纲和要求。根据搜索结果,你 ...
2024-10-11大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-11数据分析作为一个跨学科领域,吸引了来自不同专业背景的学生和从业者。随着数据在各个行业的重要性不断增加,数据分析专业的毕业 ...
2024-10-10数据分析在当今的商业和科学领域中扮演着至关重要的角色。随着数据量的不断增长,Python作为一种强大而灵活的编程语言,已经成为 ...
2024-10-10