國家標準委正在著手制定首批共十項大數據標準，分別是大數據術語、大數據技術參考模型、數據交易平臺交易數據描述、數據交易服務平臺通用功能要求、數據能力成熟度評價模型、多媒體數據語義描述要求、科學數據引用、數據溯源描述模型、數據質量評價指標和通用數據導入接口規范。

大數據企業如何發展，市場正在做出自己的選擇。

8月末，北京某酒店的一場大數據企業展上，聚集了全國各地的企業。現場展示有隨著《江南style》起舞的機器人，有早期科幻電影里走出來的“觸摸式數據可視化屏幕”……

“你們的具體業務是做什么的”、“和大數據有什么關系”……和直觀的服裝展、美食展不同，大數據行業作為當下的風口新業態，其行業標準、商業模式正在探索中，參展的大數據企業們，以各種可視化的方式，把大數據產業的最新成果展示給觀眾。這場活動吸引了大批企業和研究人員，其中還包括自費從國外過來學習的教授。

中國的人口數量，讓其成為大數據大國，但卻不是生來的大數據強國。國內大數據市場正在經歷炒作、探路和實踐期。21世紀經濟報道記者采訪發現，今年的大數據行業聚會，探討的內容已經從2014年的數據是什么，發展到大數據產業的商業模式怎么做。

從業務定位到市場開發，從產品生產到服務提供，大數據企業的發展還處于初始階段。在大數據生態圈里，看上去很美的商業價值，已經吸引了一批創業者，將之視作彎道超車BAT的最大機遇；也有傳統企業和行業巨頭借勢圈地擴張，寄望完成轉型和整合。

有學界和業界人士預測，大數據已經從概念炒作走向了穩步發展時期。另外，8月份出臺的促進大數據產業發展行動綱要，系列鼓勵和規范政策正在密集出臺中。在大數據這個具體政策和標準近乎空白，正在野蠻生長的大數據產業生態鏈中，21世紀經濟報道記者通過采訪大數據產業生態鏈上的各類企業，摸底大數據產業的商業化落地進程。

應用行業參差不齊

“掃碼送牛奶”、“掃碼送雨傘”……進入2015年，從中關村地鐵站出來，簇擁圍住你的人群，不再給你發傳單，而是各類APP掃碼推廣。APP推廣的大量聚集，讓這里被戲稱做“掃碼一條街”。

在大數據被各方合力推上風口的當下，這些APP推廣工作人員會介紹，這款應用是基于某領域海量數據庫的處理和分析的產品。在很多新上線APP的宣傳里，“數據為王”，“企業對大數據的態度決定未來的高度”，類似的說法越發常見。

事實上，這些企業是不是純粹的大數據企業尚有爭議。一部分人認為，嚴格意義上來說他們只是通過互聯網+的方式應用大數據，是大數據生態鏈上最終的消費者，是大數據得以應用的主要場景，而不是純粹的大數據從業企業。

拋開爭論，這些大數據應用企業，對大數據產業發展的重要性毋庸置疑。“企業對數據的應用，是大數據行業發展的引擎”，有專家表示。

21世紀經濟報道記者發現，在每一次關于大數據相關的活動中，大數據的商業應用，是最受關注的板塊。在8月26日的中國國際大數據大會開幕論壇上，關于大數據的商業應用，學界和業界即產生了兩種完全對立的觀點。

北京大學鄂維南院士提到：“現在的數據分析公司是風起云涌，我把它說成是小鍋爐戰場，想當年大煉鋼鐵的時候，就是自己在家里就建了鍋爐就煉。”鄂維南稱，現在的確什么人都可以做，沒有什么技術含量。

鄂維南還提到，數據交易存在經濟學上的悖論，數據服務作為一個業務模式，它的商業模式現在沒有真正被認可，數據通過什么方式賺錢，前景不是那么清楚。

晶贊科技董事長湯奇峰在中國國際大數據大會上發言稱，大數據交易并不存在經濟學上的悖論。我國企業對大數據應用的現狀基本都是初期的狀態。應用的主要形式還是，基于大數據得到的商業洞悉，業務推薦和智能獲客等三個領域。其中的典型就是個性化推薦和智能廣告。

湯其峰在接受21世紀經濟報道記者采訪時表示，大數據的商業模式體現在很多方面，大數據價值在交易和流通的過程中體現，并且會發生聚變效應，實現邊際效應遞增。

21世紀經濟報道記者了解到，目前國內對于大數據應用，發展較好的還是以大企業為主，比如BAT、滴滴快的、Uber等互聯網企業。不管是對外數據源采集，還是企業內部的數據資產管理，其互聯網企業基因，以及自身的資本優勢，使得他們在大數據的應用上同樣處于領先的態勢。

同時，由于這些擁有大量數據資源的企業，在分析挖掘數據形成應用的同時，放棄直接依靠出售數據獲利，而選擇對外提供數據服務和分析結果，為應用類企業的決策和東西提供了便利條件。這也是應用類的數據企業或產品數量較大，占到了行業總數的三分之一的重要原因。

而對于部分中小企業而言，資金缺乏和技術難題導致數據獲取難，缺乏數據資產管理意識，其對大數據的使用，仍在探路中。

另外，我國的大數據應用領域分布仍然不夠全面，相關企業主要集中在互聯網、市場營銷、電信、金融領域，而政府公共服務、農業類應用，發展還在原始階段，近期個別企業還不時爆出數據造假的傳聞。同時，數據應用的方式單一，思路狹窄，一些企業盲目學習國外的數據應用模式，也是大數據應用企業發展的一大短板。

搶占數據分析高地

如果說大數據的應用，是大數據產業的商業價值終端，那么大數據行業公認的大數據分析，將會是大數據產業的核心，是大數據能夠點石成金的關鍵。

這樣的判斷是基于大數據的特性。數據本身不產生價值，當數據經過挖掘、歸類和分析，能夠給企業決策提供幫助之后，才具有價值。

數據堂公司今年發布了一份《大數據產業調研及分析報告》，其中將大數據分析工作歸類為商業分析、語音識別、圖像分析、實時處理、空間分析、基因分析、用戶分析、日志分析，和數據可視化等九個種類。目前，國內在各個領域都已出現了一批相關大數據企業。

與上述橫向劃分不同，另一些看法則偏向將大數據分析按商業價值的高低進行區分。前LinkedIn商業分析部總監，GrowingIO的創始人張溪夢介紹說，在數據分析發展更早的美國，數據分析區塊已經按商業價值從低到高地細分為數據采集、大數據架構、響應性分析，診斷性分析、戰略性分析、預測性分析和全自動分析。而一旦做到數據分析全自動化，將會利用10%的時間，創造出這個行業90%的價值。

在美國數據分析領域工作十余年的張溪夢認為，“數據分析前端過程復雜，分析昂貴，導致在過去若干年里，數據科學家90%的時間和工作都是進行數據清洗、整理、傳輸和存儲，但真正產生價值的是剩下的10%。我們必須要利用各種先進技術，把金字塔底部做得非常狹窄，把以往很緩慢的流程縮短甚至透明化。”

21世紀經濟報道記者獲悉，目前國內的數據分析產品，在與國外產品的競爭中仍處劣勢。以日志搜索系統為例，雖然國內已有自主研發的日志實時搜索分析引擎面世，但市場使用的主流還是HADOOP、STORM和SPARK等國外開放計算框架下的產品，有部分互聯網和金融企業則選擇了SPLUNK等第三代日志搜索軟件包，這同樣也是美國開發的大數據工具。

然而國內企業并非毫無競爭力，日志搜索分析引擎“日志易”的創始人兼CEO陳軍介紹，這些國外數據搜索處理系統價格非常昂貴，同時由于之前的“棱鏡門”事件，國外系統的軟件后門也令一些國內的企業尤其是金融企業擔憂。

人才短缺是限制國內大數據分析企業發展的另一大主因。《哈佛商業評論》曾將數據分析師稱為“21世紀最性感的職業”，當下也是稀缺和搶手的職業。鄂維南院士介紹，我國大數據發展最大的優勢是龐大的市場，最大的劣勢是缺乏人才，“我們國家目前沒有建立起非常好的培養大數據人才的機制，在大數據涉及的統計、機械學習等這些領域相比而言更加弱勢。”

滴滴快的CEO程維在講述如何到硅谷挖人時提到，人才是最大的瓶頸，中國沒有那么多的大數據和機器算法的科學家，后來發現硅谷一線的互聯網企業，像Uber、Facebook里面20%的工程師是華人。“我們派了CTO和一個代表團在硅谷把他們請到一起交流。”程維說。

鄂維南認為，大數據分析人才的缺乏，當下數據人才市場，不僅有國內和國外的競爭，學術界與企業界也在競爭。要想彌補人才短缺，在大數據領域取得領先地位，需要建立一個開放的，既可以做科研也可以產業化做市場的國際標準的研究平臺，或是解決之道。

數據平臺期待全覆蓋

相對大數據分析企業的專業和專一定位，產業覆蓋面廣的大數據平臺類企業，則是在國際大數據大會的企業展廳中，占比最高的行業類型。

一位參展的大數據平臺商人告訴記者，“大數據平臺會是大數據行業的基石和中堅。”據了解，阿里，百度，華為等企業都早已布局大數據平臺，阿里云更是從2010年就對外開放了其在云計算領域的技術服務。

然而，大數據平臺的準確定義至今仍未有定論。廣州工業大學大數據戰略研究院副院長謝衛紅告訴記者，與數據分析、數據應用不同，大數據平臺是隨著大數據產業興起而誕生的新興事物，目前還沒有官方定義。大數據平臺的數據規模和具體功用，都還有待界定。

21世紀經濟報道記者采訪發現，當下市面上所謂的平臺主要有兩類，一類是通過各種渠道搜集、整理數據，并為數據應用企業提供有償數據的數據交易類平臺；一類是為了處理企業內部生產運營中產生的海量數據，以存儲、運算、展現這些數據為目的的數據處理類平臺，其工作內容包括了數據的輸入、導入、分析以及加工。

在整個大數據生態中，大數據平臺處于行業中上游位置，是進行數據分析和應用的基礎。其中，大數據交易平臺由于數據權屬和交易規則尚未制定的緣故，發展相對滯后，基本都是2014年后開始投入運營；大數據處理平臺則開發較早，商業化程度相對較高。

目前，大數據處理平臺的服務對象以企業為主。除了一些中小型的創業公司，一些大公司也相繼推出自己的相關業務，如華為的FusionInsight，和海爾的SCRM（社交化客戶關系管理）平臺。

其中，大多數平臺主要解決企業特別是大企業內部的數據孤島問題，將CRM（客戶關系管理）、ERP（企業資源計劃）、OA（辦公自動系統）等業務系統打通，實現跨行業、跨部門的數據分析與整合，以協助企業的運營、管理和決策。

在這部分數據處理平臺中，包括依靠技術模塊的變化，提供不同行業平臺服務的平臺，和針對專門行業的平臺；后者數量較少，在交通、建筑和媒體行業都有較為典型的專業化平臺出現。

此外，數據處理平臺中還有一類針對特定業務系統的大數據平臺，比如海爾的SCRM，就是專門的社交化客戶關系管理的數據平臺。

由于大數據平臺在大數據產業中的基礎性地位，國內的大數據處理平臺企業數量相對較多。對其業務性能和服務的評價體系也相應較為完整。

大數據處理平臺供應商，九章云極的CEO方磊稱，數據集成能力、存儲和計算能力、分析能力、部署能力、運維能力、開發定制能力，和管理協調能力等七大方面的能力，會是廠商在挑選平臺服務時的主要尺度和標準。其中前六者形成數據資源挖掘和計算能力閉環，管理協調能力則影響著平臺的工作效率。

然而需求方的要求似乎并沒有得到滿足。方磊向21世紀經濟報道記者透露，在他們與平臺需求企業的對接中，“端到端”、在數據處理平臺上直接實現數據分析的要求，越來越多。需求方，往往也是數據應用企業，希望平臺能夠提供一體化、一鍵式的自動化數據服務。

在商業價值開放較好的大數據處理平臺區塊，需求正加速推動著產品的轉型。“未來大數據平臺和大數據分析的融合會是一種趨勢，大數據分析企業會向下滲透到數據收集和整理，大數據平臺企業會往數據分析上發展，這種擴張是必然的。”方磊說。

不過在當下的技術和人才條件下，大多數大數據處理平臺，還只能實現基礎性的數據分析，和簡單的可視化呈現。清華大學數據科學研究院執行副院長韓亦舜，在接受21世紀經濟報道記者采訪時表示，目前一鍵式的自動化數據服務，只能在一些數據結構單一的特定領域實現。對于多源異構的數據，想要實現一鍵式自動化服務，還有很長的路要走。未來的數據平臺，實現針對不同行業領域的垂直細分后，可能會在某些行業率先實現突破。

十項大數據標準制定中

在業界構想中的完整大數據生態鏈里，不同人的分類不同，大數據企業的類型也很多。其中必須要提的，就是大數據產業最基礎的工作——數據源。一些數據源企業和數據存儲系統企業，都已在市場上占據了一席之地。

目前，由于數據流通尚未形成規模，國內數據源區塊中的平臺比例較為明顯。作為當下僅有的幾家號稱專門從事數據源業務的公司之一，數據堂搜集線下數據，開展線上業務的市場定位和數據眾包、采集加工流通三位一體的“數據銀行”的業務模式較有代表性。

然而，由于行業規則和行業標準缺失、數據的權屬不明，當下大量的數據交易是不規范且有爭議的。國務院發展研究中心技術經濟部副部長田杰棠稱，數據交易的前提是產權要清晰，尤其是個人在線活動產生的數據，其產權到底屬于個人還是企業，對于整個產業的發展和數據資源的配置都有很大影響。

數據源企業的發展必然伴隨著數據交易，不規范交易、個人隱私界定模糊和數據產權劃分不清晰帶來的安全擔憂，是造成國內專門從事數據源工作的企業數量稀缺的重要原因。

與數據源區塊不同，在大數據存儲區塊，核心技術的缺失成為了最大的問題。一家參展的廈門數據存儲系統開發商負責人告訴記者，國內的數據儲存企業擁有自主知識產權的很少，特別在硬件上的技術落后國外更多。

不過這樣的情況正在好轉，韓亦舜告訴21世紀經濟報道記者，隨著近年來硬件開源的興起，國內在數據存儲領域實現自主可控的速度有望加快。

另外，國內大數據標準化進程也在逐步推進中，困擾大數據行業的瓶頸或將迎來部分解決。

據中國電子信息標準化研究院技術總監王立建介紹，國家標準委正在著手制定首批共十項大數據標準，分別是大數據術語、大數據技術參考模型、數據交易平臺交易數據描述、數據交易服務平臺通用功能要求、數據能力成熟度評價模型、多媒體數據語義描述要求、科學數據引用、數據溯源描述模型、數據質量評價指標和通用數據導入接口規范。

其中前四項處在征求意見稿狀態，中間四項已完成草案，最后兩項還在草案大綱階段。另外，大數據標準體系框架也已在征求意見稿階段。

隨著政策頂層設計的越發清晰和行業標準的逐漸形成，對于大數據企業的未來發展方向，各方也有了不同的判斷。

一些大數據商人認為，長遠看單純從事數據生態某一環節的企業，都存在重大轉型壓力，特別是底層的數據搜集和挖掘企業，針對不同行業領域的大數據企業將會整合該領域的數據收集、儲存和分析業務。

而另一些大數據交易平臺的支持者則認為，大數據行業未來會圍繞大數據交易平臺，形成縱向細分的垂直行業生態，以及橫向產業鏈精細化分工的網格狀發展態勢與布局。

來自業內的預測更為樂觀。阿里研究院數據經濟研究中心秘書長潘永花表示，根據2014年的Gartner新興技術曲線顯示，大數據已經從炒作高峰，進入5到10年的穩步發展期，2015年大數據已經成為主流技術。