大数据创业,绕开BAT,找准红利方可成功

简介:
数据生产端红利已尽,下个创业机遇在哪里?

20160122014224614.jpg

闹客有话:闹客邦陪伴式报道第二站来到广东移动 3W联合孵化器,初次与云见创始人池静若接触,他将自己的团队称为技术驱动型的团队,用技术的思维、产品的眼光去发掘大数据产业链的红利。尽管目前云见还在尝试探索阶段,但其对大数据红利的理解与应用可能很快得到市场的验证。

马云在2015年的一次演讲中说道:“人类正从IT时代走向DT时代。DT(数据处理技术Data Technology)时代意味着未来的竞争不再按照电力等能源拥有对区域竞争进行划分,而是拼你的数据能够给社会创造多少价值,用数据挣钱才是未来真正核心所在”。马云的这番话不仅可视为是在讲述阿里巴巴的发展重点,也理解为数据时代将会引发一场新的红利。

石油要经历原油、冶炼、成品油三个过程,大数据的产业链也包含了三个过程:生产端、中间商、需求端。大数据的产销过程与石油的产销流程有相似之处——大数据像石油原油一样,先是开采,然后经过多个程序的冶炼过程后成为成品油,再运送到各个加油站完成整个产销过程。大数据同样要经过整理合并、优化、排错的精炼过程,才具有价值。

随着大数据时代的到来,其中产业链的红利也将逐渐呈现,催生了诸多相关的创业项目。笔者以一家定义为大数据加工、分析、流通的创业公司“云见”为例,探讨下数据在流通过程中增值的可能性。

大数据的红利在哪?

处在大数据最上游的是数据产生端,其中最有代表性的是BAT这样的企业。与数据生存者对应的另一端是需求端,即服务主体,同样是包括政府、机构、企业、个人。而处在中间的则是数据的处理加工商,如云见这类公司。

那么,红利在哪里呢?首先,数据生产端红利已尽。BAT因为自有数据资源可以自嗨,比如百度有“百度迁徙”、“百度精算”;阿里有 “阿里云”、“支付宝-花呗”;腾讯有 “腾讯云分析”,BAT自产自销模式代表了大部分拥有数据源的玩家。

那么剩下的红利就集中在了中间部分,其中有两种模式:

模式一:与业务场景结合,做产业类平台,如同花顺、恒生电子。

模式二:数据的再加工利用,即从运营商、互联网公司获取原始数据信息来进行分析,再提供给用户关于价值和趋势的信息以换取价值。

相比于模式一的深耕,模式二因为进入门槛、资源要求度都相对较低,所以云见选择以这种形式进行切入。

既然类似云见这样的小微企业,先天没有数据源的优势,那么如何让数据在流通过程中增值呢?

让数据在流通过程中增值的方法

(1)降低数据来源的成本

最普遍的方法包括通过第三方购买数据、爬虫爬回数据、合作方授权数据、免费的开放数据。数据获取中肯定要付出人力、资金成本,所以解决数据源是大数据创业公司首要面临的问题。

目前行业做得较创新的是“数据堂”,这家作为挂牌新三板的第一个大数据资源公司,采用“众包”形式,由服务企业提出需求,数据堂直接通过众客堂采集数据。同时,众客堂用户也是处理数据的方式,可甄别数据真伪和有效性。

当然,相比于成熟型的数据公司,云见还未具备这样的数据采集实力,所以其倾向于用合作授权数据的形式,低成本获得独家数据源。

(2)着眼于未来的数据加工

数据加工包括整理合并、优化、排错等方面,数据本身庞杂无章,精炼后的数据能够发掘其中的规律性而进行精准应用。当然,这只是数据加工的通用价值,大数据创业公司关键要解决数据价值深化或兑现的问题。

云见做出两个选择:

与垂直领域对接发现价值

因为消费升级、移动互联网的人口红利消失,那些大规模的对受众社会属性不加区分的水平产品很难生产。在大数据时代,通用型信息的价值正减小,任何拥有数据加工能力的人都可说出用户画像,但针对垂直领域的数据价值需求则需深耕才能解决。

预测未来比看见现在更重要

云见从成立之初就专注在“算法”上,用模式识别的方式形成自己的经验库以预测用户的未来行为,区别于竞争对手赚解决方案服务费的方式,这也符合其技术驱动型团队的特点——更看中“稳”而不是“快”。

(3)用“mall”的形式

作为大数据元老级公司的“数据堂”15年推出了国内第一家网上数据商城“Data Mall”,数据商城的形式最大化地提高了数据交易效率,简单理解就是在通用的入口,用户可以进行重复消费;同时,平台方通过商城获得接入用户的机会,用户成为“传感器”——作为流量入口,又将数据反馈至商城上,担任消费端和供给端的双重角色。

云见也在筹建这样的“轻模式”,除了上述提及的优势,考虑到基于用户需求的非标准化特性,API接口(应用程序编程接口)本身是很难进行标准化的,所以“mall”的呈现方式在一定程度上解决了API形式上的标准化,同时,“mall”改变了传统打包服务的模式,减少在销售、推广、人力上的成本。

当然,大数据创业的成功还有一部分因素是依赖在大势上。

(4)政策上的大势

2015年7月,国务院办公厅发布《关于运用大数据加强对市场主体服务和监管的若干意见》,这是顺应大数据时代潮流,运用现代信息技术加强政府公共服务和市场监管,推动简政放权和政府职能转变的重要政策文件。

文件表示将充分认识运用大数据加强对市场主体服务和监管的重要性、运用大数据提高为市场主体服务水平、运用大数据加强和改进市场监管、推进政府和社会信息资源开放共享、提高政府运用大数据的能力和积极培育和发展社会化征信服务等。

(5)行业上的机会

目前较有代表性的大数据公司是“数据堂”和“聚合数据”,共同特点是拥有如BAT量级的大B用户。但相当部分的小B企业以及政府决策、公共服务、金融、电信等领域对数据存在需求,再加上数据供给端也出现了多元化的现状,所以大数据行业本身很难做到一家独大,类似于云见这样较小型的数据处理公司还是有机会在其中馋食大数据的红利。

创业的机会在哪里

池静若认为现在大数据产业链才开始发展,大众都把目光聚焦在大数据的两端:一是谁拥有这些数据,二是这些数据到底如何使用。但仅仅在两端是不能解决大数据问题的。

大数据产业的大量机会出现在中间环节,包括采集、聚合、机器学习加工后的数据通过智能管道合法流入到用户的手里。

广东省即将推出的大数据交易平台也验证了这种想法,大数据产业会把更多的机会留给擅长产品和技术的方面的团队,这块可能是今后5年的蓝海,大数据产业链的发展将行业带入真正的人工智能时代。


本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
机器学习/深度学习 存储 消息中间件
从BAT大数据工程师那里总结的大数据学习方法2
从BAT大数据工程师那里总结的大数据学习方法2
135 0
|
SQL 存储 分布式计算
从BAT大数据工程师那里总结的大数据学习方法1
从BAT大数据工程师那里总结的大数据学习方法1
135 0
|
存储 人工智能 算法
【面经】将 95% 求职者拒之门外的BAT大数据面试题-附解题方法(文末有福利)
最近不少读者找我要大数据面试题,我整理了很久,筛选出这10道容易出错的大数据面试题,希望对大家有所帮助。题目与解答整理自互联网,感谢分享这些面经的技术大牛们!
115 0
|
存储 分布式计算 大数据