中国大数据产业现状:数据商业应用敏感度低
大数据作为一个新兴的产业,一直在处于舆论的风口浪尖。就像
互联网+的概念一样,大数据被神话了,被送上了“宗教”的神坛。
大数据企业总是有一个担心,生怕大数据被捧得的太高,将来可能会
被摔的很惨。
2015年中国大数据产业的热度从贵阳大数据交易所开始,到9
月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰,
相信10月份的乌镇互联网大会上,大数据还会是一个大的热点。
大数据论坛上,数据产品和解决方案被介绍的很多。数据给企业
带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中
国大数据产业经历着很多痛苦,大数据产业前景很好,但是大数据企
业却很难做大,很难实现质的飞跃。中国大数据产业的痛点和困难如
下。
大数据企业众多而弱小,很难实现产业优势
中国大数据企业大概有200多家,将近60%集中在北京,以小微
企业为主,年销售额达到十亿人民币的企业几乎没有。大数据产业处
于春秋时代早期,各家诸侯割地而立,每家占领了一块小的细分领域,
很难做大,都面临着同行的激烈竞争,有的领域例如舆情监控已成为
红海。
大数据企业人数大多在几十人到几百人,少有千人以上的企业。
没有一家大数据企业可以统领一个行业,没有一家企业占有细分市场
10%的份额,没有一家大数据企业建立了行业标准,领导行业发展。
中国大数据产业处于极度分散状态,优秀的人才分布在不同企业,
很难形成人才合力。各家企业规模小,很难在企业做深做大,很难利
用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足
企业整体的数据要求,中国的数据挖掘和分析产品也很难和国外的产
品进行竞争。
大数据产业如果要形成产业优势,必须需要一批领军企业。参考
国外大数据产业,中国在大数据基础架构,数据产品,数据工具、数
据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。
每个领军企业都规模应该在千人以上,销售额应该在百亿以上,否则
很难形成技术和人才优势,也很难利用大数据帮助客户实现业务提升。
贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014
年中国大数据市场规模为767亿元。这个数字看上去不错,估计其实
真正和大数据工具和大数据产品相关的不足20%(业务价值提升)。
大多数的经费都用于大数据基础平台(存储和计算)、咨询、报告等
和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集
中在传统的IT企业例如IBM,Oracle,EMC,Intel,华为,联想等。
真正大数据企业所有市场份额加起来可能就在百亿元左右。
中国大数据企业规模过小,领军企业缺少,行业过于分散,这些
都是制约中国大数据产业发展的因素,也是产业做大的一个痛点。
外部数据是一个个孤岛,数据价值低
数据是大数据产业发展的基础,具有商业价值的数据可以帮助企
业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具
有商业价值的数据和商业分析真正能够帮助企业提升业务,创造出新
的价值。
中国的大数据市场还不成熟,很多大数据企业拥的数据都是片段
的数据,很难形成完整的,具有商业价值的数据。大数据市场的数据
质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态,
数据之间很少流动和整合;孤立、不流动、没有整合的数据很难帮到
企业,很多需要数据的企业不得不从多个大数据企业采购数据,效率
很低,采购来的数据价值不高,数据整合的难度较大,数据采购的整
体费用过高。
大家都看到了数据分散的弊端,于是很多地方都建立了大数据交
易市场,帮助大家进行数据交易和数据采购。由于缺少法律保护,很
多企业不太想在交易市场进行数据交易,往往还是采用一对一的数据
交易,这种交易方式可以保护交易双方的利益。具有商业价值的数据
还在开发中,大数据交易市场,缺少大量可以进行交易的数据。大数
据交易市场这种商业模式,还需要用很长的时间去证明。
中国质量最好的数据在金融行业、BAT、电信运营商,这些企业
比较谨慎,很难向外部输出数据。这三大行业自身的主营业务也不在
数据,其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步
开放,但是其数据质量、集中度、输出方式等多存在很大多挑战。在
中国大规模的数据开放,至少需要3年时间才能达到商业应用要求。
大多数企业客户,对数据商业应用敏感度低
大多数企业对数据有需求,但是其对数据商业敏感度很低。对数
据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较
高的银行,至少要沟通三次以上,其才能够建立起数据价值理念。其
他行业例如制造业,房地产业,零售业,他们的数据商业敏感度更低。
甚至万科的王石也大声疾呼,不要和房地产业谈大数据应用,房产行
业数据还不全,很多还是手工数据。于是某个领先的电商开始帮助万
科进行数据规划建设,研究大数据在房地产行业的应用。
已有的大数据企业商业案例中,大部分都是大数据企业主动去找
客户谈合作,为企业提供数据产品、数据工具或数据技术,目的是帮
助企业提升业务。但是这种商业模式很累,市场很难被引爆,被动的
数据商业应用,往往和业务结合较弱,无法迅速帮助企业利用数据提
升业务,同时也无法解决业务发展瓶颈。
企业内部人士深度了解业务需求,他们缺少的是市场数据和消费
者反馈,缺少的数据分析方法和工具。企业内部人士更应该成为大数
据商业应用的主力,参加一些行业活动,从需求出发,主动寻找数据
和解决方案。移动互联网时代,商业竞争策略很清晰,一个是快,一
个是要利用数据进行决策。
大数据产业的发展,不仅仅是大数据企业自身的事情,也是各家
企业自身的事情。企业客户也应该依据业务需要,主动到市场寻找数
据和解决方案,提升数据商业敏感度,从业务场景出发,寻找具有价
值的数据。
大数据技术和产品同业务结合深度不够
市场上所有大数据企业和客户都面临一个难题,就是数据解决方
案同客户业务结合的深度不够,数据对业务整体推动效果不如期望,
这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数
据敏感度、企业管理方式、商业数据人才等问题,大数据解决方案很
难和业务深度结合。
大数据核心价值就是揭示事务发展规律,帮助企业利用数据进行
科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存
储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的
预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面,
大数据的作用并不明显。企业的产品开发,市场策略,战略决策还是
依靠过去的精英决策和经验主义。未来社会只有两类企业,一种是利
用数据发展的企业,另外一种是不重视数据被淘汰的企业。
大数据企业如果想发展壮大,如果想成为行业领先的企业,其必
须放弃短期利益,深入到客户的运营中去,了解客户的数据,了解客
户的业务,了解客户的商业需求。同时利用数据了解客户,了解市场,
了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确
的方法、正确的工具。业务人员要懂数据,技术人员要懂业务。复合
型数据人才是数据生意的关键,业务人员掌握数据技术的门槛较高,
但是技术人员了解业务的门槛很低,复合性人才倾向于从技术人才培
养开始。
企业内部的数据人才和大数据企业的数据人才需要互相学习,了
解对方环境和需求,在同一个平台上进行对话和沟通。数据团队需要
深入了解业务场景和背后的规律,从业务出发,从场景出发,从数据
出发,将大数据解决方案同业务深度结合,利用数据推动业务发展,
发挥大数据预测规律的核心价值。
专业数据挖掘工具和人才缺失
传统的数据挖掘工具和BI系统存在很久了,通过各类报表展示,
让管理层了解企业运营信息,过去的确帮助企业提高管理水平,达到
了预期目的。
在大数据时代,企业需要的是实时数据,需要的是高效工具,需
要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不
能满足企业的需要,另外非机构化数据的应用也对传统数据工具提出
了挑战。BI领域中的SAS,SPSS,TD等数据工具越来越被边缘化,R
语言正在成为数据统计和可视化的新宠。
数据的时间价值正在得到重视,特别是金融企业,所有的业务部
门都期望在最短的时间里,看到资金使用情况,客户交易情况,风险
管控情况。企业越早了解信息,就会越早进行决策,时间就是Money。
过去数据需求可能是T+5或者T+30,现在的数据需求往往是T+1
或者T+0,数据实时性、准确性、相关度被提到了一个非常重要的
地位。业务的需求已经很明显了,但是数据工具和人才却是一个很大
的挑战。
中国200多家大数据企业,看到了大数据产业的曙光,看到了大
数据产业的价值,同时也在经历着大数据企业的痛苦。大数据产业发
展很快,市场正在逐步变大,但是其产业优势不明显,优势企业很少,
数据商业化较慢,市场还不成熟,客户数据商业敏感度较低,缺乏高
质量数据工具和人才。所有大数据企业内心的感受就是,站在了时代
的风口,选对了方向和行业,但是发展壮大还是很难。200多家大数
据企业正在努力耕耘着大数据产业,痛并快乐着。