大数据开放趋于审慎:危机,商机_数据分析师考试
两天前,马云在阿里牵手SMG旗下一财的时候,提到了阿里平台数据开放未来会审慎,只会开放给战略合作伙伴。马云提到了安全,当天我也主要从安全角度做了一点点分析。今天尝试从另一角度来看这言论背后隐含的产业趋势。
我觉得,它很可能与日益明显的数据资产化动向深有关联。
你知道,过去几个月,马云多次将大数据与石油相提并论,观点其实也不新。世界经济论坛报告较早时就这么说,未来的大数据将成为“新的财富高地”,价值可能堪比石油;彭博创始人布隆伯格在他的书里也明确提过,大数据就是未来重要的资产;大数据研究专家维克托不知是抄袭还是变通地说,未来,大数据会列入企业资产负债表。
大数据有价值毋庸置疑。这是定性问题。但这价值主要是使用价值,就是说我们具体用它的时候,感到了牛逼。但若要你说它价值几何,如何定量、量化、定价并不清楚。它还缺乏很明确的资产属性。
截至目前,全球也没有一种标准体系,能评定某个领域一定容量、一定周期的数据具体价值。但我相信,这个工作一定正在有人做。尤其是中国,考虑到我们的线下生态如此复杂,反而是全球大数据的高地,这个工作应该更是紧迫。
在这个缺乏量化的阶段,想想看,如果阿里这类以大数据为核心竞争力的互联网公司,毫无节制地继续开放,会发生什么。
阿里的数据基本都是结构化数据,不用清洗,不用另外建模,就能直交易,因为它本身就是交易的结果,并且接近资金流,买方诉求、意图非常直白。就是说,阿里大数据直接输出,确实会有明显增值,能撬动市场,创造平台收益,促进自身生态变得更为强大。
但阿里这种大数据的加工与输出,仍属于比较原始、粗放、单一的形态。因为它基于阿里平台特点形成,与阿里商业模式紧密关联,融为一体。阿里不是独立的第三方大数据分析、挖掘的公司。我说的独立,当然是跨平台、具有全网覆盖特征的一类。这就决定了阿里的大数据运营未必像市场上小型的专业公司那么灵活,能将大数据用各种方式变通输出。
在数据还没有真正被灌注资产属性、成为真正意义上的“资产”前,阿里的这种大数据开放,其实隐含着价值稀释风险。它的数据很容易被第三方获取,重新利用、挖掘,形成更多增值的部分。现在还看不出,因为行业还刚刚开始,一旦形成潮流,阿里大数据服务如果还维持这种途径,它的核心竞争力会进一步被稀释、解构,为人做嫁衣。严格来说,如果不加控制,过于开放的阿里,在数据方面很容易被人OTT。
市场上已经有许多小型的独立的大数据分析公司,大都带有爬虫特征,除了自动原始积累,它们还又偷又拿。
马云从安全角度提到这个问题。我们理解的安全,除了更大层面的比如国民经济安全,公司商业秘密、个人金融信息以及个人隐私外,也包括开放的商业竞争层面。
不光是阿里,我相信整个互联网行业意识到数据资产化的未来,都不太可能像过去完全开放。
还有一个大事件,应该算是一个提醒。一个多月前,贵州贵阳成立了中国第一个大数据交易所,应该也是全球第一个直接命名的大数据交易所。
这新闻好像被行业给忽视了,至少没有传递出它隐含的更多价值。这个意味着,大数据的资产化开始具有更加开放的交易平台,一定会加速推动我上面说的定量进程。
但是,若你看到这个交易所背后的股东,会感受到,它对阿里甚至BAT乃至全球大数据的核心玩家,都会有一定的冲击。从生态角度看,阿里只是它们平台上的一个交易方、一块土壤而已。
贵阳大数据交易所注册资本5000万元。背后股东包括:代表贵阳市国资委的贵州阳光产权交易所(51%)、九次方大数据公司(15%)、北京亚信数据有限公司(15%)、郑州市迅捷贸易有限公司(10%)、贵阳移动金融发展有限公司(9%)。
你看到了九次方、亚信。它们都是市场上独立的大数据服务公司。尤其是九次方,创始人王叁寿,年龄不大,80后,在这个领域有比较高的名气。亚信不用说了,老牌的IT服务企业,在数据领域耕耘多年;郑州迅捷贸易,背后就是富士康,你应该明白贵阳“数博会”上,为什么感觉搭不上的郭台铭也出现在现场,并且能站在国务院副总理马凯旁边,跟马云、马化腾等人一道光鲜。
你能看到,贵阳这个大数据交易所股东还有贵阳移动金融,它其实是一家互联网模式的金融配套企业,未来一定能丰富这个交易所的模式。
这个交易所的产品覆盖了医疗大数据、金融大数据、企业大数据、电商大数据、能源大数据、交通大数据、商品大数据、消费大数据、教育大数据、社交大数据、社会大数据等,几乎覆盖了所能覆盖的关键领域。
它不仅撮合数据交易,而且还尝试建立一种完整的行业标准与游戏规则,比如数据清洗、数据定价、建模分析、平台开发、技术服务、数据交易、数据确认、交易监督、数据金融等。
你能体会到股东里为什么没有BAT、京东、苏宁易购们这类企业?这与它们的定位有关。阿里们更像是数据生产商。它们虽然也有自己的输出体系,但毕竟不是第三方的开放平台。理论上,它们都只不过是贵阳大数据交易所平台上的一个交易者。
这当然更给阿里们创造大数据的交易机会,提供变现通道。但另一面,它一定会冲击阿里们自身在大数据领域的开放度。这里有一个类似直营渠道与外部第三方渠道的问题。
我不相信阿里心里没有权衡过它与贵阳大数据交易所这类平台的未来关系。我相信它早就考虑到更远的未来。因为,随着阿里云输入,阿里平台的商业化越来越强,触达越来越广,除了蚂蚁金服已经独立,成为金融大数据的重磅玩家,阿里电商平台也正在加速走出实物电商概念,走向更广阔的几乎可以覆盖整个国民经济的大数据市场。
那时,阿里的大数据就不像今天一样侧重呈现结构化特征,一定会是非结构的居多。
类似贵阳大数据交易所,它对阿里的冲击,未来会集中在以技术为核心的平台服务上,这个部分具有很高的增值能力。未来,贵阳大数据交易所未来会用技术手段,对接买方需求,用尽各种模式兜售大数据,它不会是一个简单的撮合平台。
贵阳大数据交易所毕竟还只是一个机构。未来,我相信,会出现更多开放的交易平台。它们会汇聚大量中小型数据生产商,从而对阿里这类大型数据平台构成挑战。
在大数据商业环境不成熟、缺乏立法保障、安全隐患多多、数据尚未被真正灌注资产属性、新的更为丰富的大数据运营模式诞生之前,阿里们的大数据输出应该会趋于谨慎。
马云说,未来只会选择战略性合作伙伴进行输出。你体会他的口气,其实很大程度上等于封闭。如此,阿里的大数据除了能保证他说的安全之外,还能保证未来的溢价。
阿里的这一动向,可能会影响到它的未来部分运营。
你知道阿里与京东的模式有差异,一个渲染开放,一个渲染自营,但在阿里与贵阳大数据交易所以及未来更多开放的数据交易平台之间,阿里却像是自营的模式。这不但会影响到它的商业模式,也会影响它与真正产生大数据的商户之间的关系。阿里如果不能形成良好的运营机制,围绕大数据资产建立合理的利益分享模式,它的平台商户,就会面临分化、分流,这一风险,比当前阿里平台商户外流要更大,也更深。
“大数据时代”其实是个动态的概念,它永远不可能出现一个非常稳定、理想的图景。这个阶段,谁能够提前预判到未来,与政府、传统行业、企业建立更深的关联,能渗透国计民生,并在大数据技术、后台建立门槛,它就最有可能成为未来的王者,也会是事实上的标准统治者。
阿里大数据开放趋于谨慎,可以视为中国企业在大数据领域的一次意识自觉,安全固然是一大风险,但我更认为,这是互联网+开幕时代,整个互联网行业从过度开放、泛滥无节制走向审慎、节制的信号。它事关一个行业的伦理规范、核心竞争力重构,当然也事关一个国家在全球的竞争力构建。
当然,未来的竞争肯定会更多落在商业层面。它一定会很激烈,考虑到线下资源、生态丰富度,我相信,全球性巨头一定会诞生在本地,它未必是阿里,但它一定会烙上深深的中国印记。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《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