大数据的冷水分析

此文写于 2017-08-08

        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。