销售商与使用者:谁是大数据真赢家
数据一词最近几年热度不减,越来越多人谈论它,越来越多的公司开始在其中进行投资。
职业社交网站LinkedIn最近发布的一份针对其3.3亿用户档案分析报告显示,在2014年最热门的25项职业技能中,排名榜首的就是“统计分析和数据挖掘”。考虑到万物互联、云计算、智能设备、机器学习等不断涌现的科技潮流词汇以及由此积累的庞大数据,与大数据紧密相连的数据科学家受到职场热捧也就不难理解了。
从薪酬的角度来看,美国一项调查显示,2014年,数据科学家的平均年薪是12.3万美元,比上一年有大幅上升。Cloudera公司联合创始人、董事长、首席战略官Mike Olson在接受笔者采访时表示,该公司举办的认证培训已有5万多个学员,而在职场上,拥有一年Hadoop(一种大数据技术平台)经验的人,工资大概会增加14000美元。
事实上,类似Cloudera这样的大数据技术创业公司正是这一轮技术热潮的弄潮儿。Mike Olson称,自2008年创立以来,目前公司已有1300多家客户,估值超过50亿美元。
然而,如果谈及大数据赢家,这类大数据技术公司还不是其中的执牛耳者。
在中国,也有越来越多的公司将从大数据中获益。新年伊始即因李克强总理前来视察,并发出第一笔贷款业务而一炮走红的微众银行,就将是一个大数据的重度使用者。微众银行的整个服务均依托于互联网,其大数据系统汇集了40万亿条数据信息,从而在征信、担保等方面能获得与传统银行不一样的竞争力。
大数据应用的源起可以追溯到Google在2004年前后发布的三篇论文——MapReduce、Bigtable、GFS。在此基础上搭建的开源平台Hadoop,堪称全球大数据生态圈中最为核心的技术之一。
然而,由非营利组织管理的Hadoop平台,尽管推行开源模式,但企业并不是拿来就可以用,它需要经过进一步的加工和修缮,由此孕育了多家大数据商业开发公司,如Cloudera、MapR、Hortonworks等。这些公司的商业模式就是开发商业化的Hadoop分发版,并对外销售。
Cloudera、MapR、Hortonworks由此也被成为Hadoop市场的三驾马车。其中,Cloudera估值50亿美元,MapR在其最近一轮融资中估值超过7亿美元。而Hortonworks则在2014年12月实现了IPO,以每股16美元的价格发行了625万股股票,募集约1亿美元资金。按照1月5日收盘价26.14美元计,目前其市值为10.7亿美元。
在大数据生态圈中,这些销售Hadoop解决方案的大数据技术创业公司一直是聚光灯的焦点。他们毫无疑问是大数据赢家,得到风投和资本市场的垂青。
不过,如果从估值、股价表现和增长速度来看,应用型的大数据厂商似乎比这些技术型、基础设施层级的公司要更胜一筹。他们中的代表性企业包括Tableau、Qlik和MicroStrategy,其共同特点都是让数据变得更容易理解和消费。
比如说,Tableau成立于2003年,创始人是来自斯坦福的三位校友,三人都对数据可视化怀有很大的热情。数据可视化就是让枯燥的数据以简单友好的图表形式展现出来,是对数据分析的结果呈现。这家公司在2013年5月在纽交所上市,发行价31美元,募集资金2.542亿美元。根据1月5日收盘价84.74美元计算,目前其市值为58.8亿美元。
应用型厂商如果独辟蹊径,抓住一个细分市场做深做透,其市场价值将有很大的想象空间。这一点对于国内的大数据创业企业来说,更有参考意义。事实上,由于基础数据和操作系统的缺失,国内软件企业在传统计算时代亦是在应用层面才有所突破。
当然,如果仅是停留在服务提供商的角度来理解大数据,很显然无法完整理解这个市场——目前各类大数据厂商排名基本上都是基于这个维度。事实上,除了前文提及的两类大数据公司外,更加值得一提的是使用大数据的企业,他们堪称大数据的最大赢家。
目前全球估值超10亿美元的未上市科技企业(过去三年有风投注资)中,排名前十的几乎都是使用数据方面的能手。
其中,排名第一的小米,在最近一轮10亿美元融资中估值达450亿美元,其董事长雷军就在不久前接受媒体采访时直言:“如果我们不能用大数据技术转化出价值,那我们公司再撑下去就真的破产了……现在我扛得住,明年我也扛得住,后年我也扛得住,大后年要没价值的话,那我就破产了。”
排名第二的Uber估值412亿美元。一个打车软件之所以能获得这么高的估值,其背后的支撑亦离不开大数据。它能实时满足人、车、物的流动,用最少的车,实现最有效率的解决。而其平台上日积月累的人流、车流数据,在将来的货币化上则更具有想象空间。
从这个角度来看,真正高价值的大数据公司,或者说真正从数据中赚到大钱的公司,并不是那些销售Hadoop的公司。这些公司的特点是将数据视为一种资产。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21