大數據分為廣義和狹義兩個概念。廣義的來講，所有的互聯網公司都有自己的數據，因為它們有很多用戶，以及用戶沉淀下來的數據。它們也有自己的數據部門，大的互聯網公司會拿這些數據做一些變現。狹義的來講，其實大數據更多的定義是第三方的公司，它幫助在市場上有需求的客戶收集以及利用數據。
今天想著重講的是狹義層面上的數據概念，就是說我想為大家介紹一下國內外大數據創業領域的標桿性公司，以及它們發展的情況。
大數據在企業應用中的構成
大數據在企業應用中分成五個大的部分。先有底層數據基礎，才有分析層面的東西。
2014年全球大數據創業公司
1.Infrastructure
第一個大的模塊叫Infrastructure(基礎設施)，也就是說我們平時用到的云計算、存儲設備以及數據庫等，這些都是基礎的東西。數據源的存儲和處理需要載體，通常是硬件或是虛擬化設備。
2.Datasources
第二個是數據源，這是大數據的基本原材料，我們必須要有數據才能夠提取數據中的價值。
3.Opensources
Opensources(開源方案)包含算法、數據轉化、結構化處理等功能，相當于一個中間件，它是連接了數據源和基礎架構，再把數據做結構化的處理。
4.Analytics
最廣泛的應用場景就是Analytics，就是分析類，比如大家經常提起的的BI，我們企業內部有各種各樣的數據，怎么樣通過工具或者是軟件把這些數據呈現出來，在這個領域有各種各樣的細分。比如說有專門做非結構數據處理的，有些專門做數據可視化的，還有一些可能是針對某些垂直領域的。
5.Applications
最后一類是應用類，它們融匯了大數據與各垂直細分領域業務邏輯，提升價值，比如金融業、房產業、醫療業、汽車業、等等。
根據這五大類，相繼有一些創業公司。我自己調研發現從2008年到2014年是大數據在美國創業的風口。從2012年到2014年出現大數據行業突破性的變化。可以看到，每一個細分領域的公司有非常大的量級上的增加。
國外大數據退出案例
截止到2014年底，國外在大數據創業公司一共有358家，但是只有16家退出。分析層面退出的案例最多，數據源、基礎設施方面也有幾家。
1.Analytics
KARMASPHERE：是做數據處理的公司，它給企業提供了非常基層的數據分析工具，提供給數據科學家用的。也就是說，它的用戶是具備對數據有一定的理解和處理能力的人，它提供一個工具和接口，把一些企業里面非結構化數據搜集過來，去做一些最基本的結構化處理，數據科學家再通過自己擅長的各種模型，去利用這些數據。
Tableau：它做更加傻瓜的數據可視化。也就是說，它直接繞開數據科學家可以直接提供給相對小白一些的用戶，有些中型企業它們沒有數據科學家的職位，他們可以直接用Tableau，免去數據采集、處理、建模的繁瑣步驟，很簡單快速的部署到企業內部，一目了然與自身業務、經營息息相關的實時情況，比如說：用戶的購買率、轉化率等等。
Palantir：它雖然還沒有上市，它如今卻是與Airbnb并駕齊驅的百億獨角獸之一，它是發展最迅速并且融資規模最大的大數據公司，已經融了9億美金。它的競爭優勢在于提供了全產業、并且超定制化的數據服務，它不僅僅有自己第三方的數據源，同時也具備數據分析、SaaS可視化的服務。所以它是非常有核心競爭力的公司，產品的厚度相應是非常堅實的。
BlueFin：它現在已經被Tiwtter收購了，它在美國是做社交數據起家的。如果大家想收集某些有關品牌、事件、人物的情報，其實最直接的數據源頭就是社交平臺，因為人們與社交媒體的交互是最為頻繁的 。所以BlueFin這家公司創業之初就采集了主流社交平臺的數據，比如利用我們常說的爬蟲技術，采集對于某一些特定關鍵詞的評論，再做分析。其實有點像輿情檢測跟輿情分析。這個在國外是非常普遍，在早些年前已經被很多企業重視。因為國外自主品牌相對比較多，他們很早就開始注重營銷這方面的東西。所以這個公司起步也比較早，最后退出的也比較快。
Splunk：還有一類就是IT運維方面的分析，這個公司在國外最成功的案例就是Splunk，這個工具是提供給內部IT部門運維人員的，因為運維人員每天要關注系統運轉的穩定性和安全性，他們要處理很多機讀語言的非結構化數據，這個可能跟公司管理或者是跟業務沒有太大關系，但是IT數據非常重要。主要的原因是，如果IT系統一旦崩盤可能會影響到網站的運營，對于大型企業來講，可能就是損失掉了一筆巨額的收入。
2.Applications
Rocketfuel：在應用層面，國外在2015年新增了幾家新的退出案例，我還沒有完整的總結。2014年，只有一家叫Rocketfuel，這家有點像國內的秒針，它是針對做廣告優化精準營銷的。因為大數據在應用場景層面，其實最頻繁被用到的還是智能營銷，因為營銷是最簡單粗暴的訴求：離錢最近的，打廣告，直接找到精準的客戶，直接給客戶帶來收入。這塊國內跟國外是一樣的情況。
3.Datasources
BlueKai：剩下的幾個基礎方面的數據源，以及開源數據，基礎設施，它不算是非常熱門的創業領域。所以相繼在國外退出的案例也沒有那么多，尤其是數據源這塊，國外有一家叫BlueKai，它也是偏向于營銷，主要是給企業的營銷部門提供第三方數據源，有點像數據集市。
4.Infrastructure
ParAccel：在基礎設施方面還有一家ParAccel是標桿性的公司，它是做數據處理的，把非結構化的數據轉化成結構化的。很多企業不做精細化運營，但起碼數據存儲還是要有的。
新銳大數據創業公司
剛才提到的都是一些退出的公司，這一頁上是我自己篩選出來的，我覺得這兩年在美國創業市場比較新銳的公司。
Taboola：也是做精準營銷和營銷優化，但是它不太一樣的是它集成了更多人工智能方面的東西。
Localytics：它跟傳統的數據分析不太一樣，比如Tableau做的主要是大型或者是中大型的客戶，中大型客戶有比較現成的數據庫，比較現成的結構化的東西。但是Localytics更輕，主要針對很多SME，就是中小型的公司，包括創業公司，它自己有靈活的數據庫功能，一個新的創業公司即使沒有搭建數據庫，也可以很快的部署，在應用上可以看到用戶的情況和行為表現。
MixPanel：跟Localytics比較類似，都是比較新銳的創業公司。
APP Annie：大家比較熟悉了，用于分析應用中的用戶行為數據。
Data Hero：今年已經成功退出了，這也是一家成長非常快的公司。
EvreString：是華人自己做的公司，是真格投的，它利用了數據，幫助企業找到核心潛在客戶，算是一個銷售線索公司。但是他們非常厲害的是，他們能夠把很多數據孤島串聯起來，幫企業找到最精準的用戶群體。
大數據創業增速緩慢
國外截止到2014年底有358家大數據方面的創業公司，退出的只有16家，包括并購和上市，而且并購占到了80%，上市只有20%。從比例上來看，4.5%的退出率對于一個創業方向來講其實是很低的，而且從速度上來看，也是相應的比較緩慢的。
究其原因，我覺得不管是在國外或者是在國內，大數據應用場景的不成熟，以及有能力使用大數據的人才(數據科學家)匱乏，始終是阻礙大數據發展的原因。
從現有統計看，分析工具其實是占比最高的，不管是在融資情況或者是退出方面。第二名是基礎設施，我剛才說了，因為所有公司都有存儲數據的需求。然后是垂直細分領域，排名最后的數據源，像開源數據其實是最難變現的。所以到現在都沒有很好的退出。
大數據創業熱門領域
最熱門的三大領域：數據分析、應用和基礎設施。從2008年到2012年，數據分析工具越來越多，不管是融資金額，還是案例數上。基礎設施機會越來越少，因為這塊肯定是先有一個培育的土壤，才能有后面分析的東西，所以這塊的創業機會越來越少。
在應用場景這塊，可以看到中間多出來很多，后面也變少了。我們來看不管是投資人或者是創業公司，可能在2009年到2010年都是想象的階段，不知道這方面到底能不能好，很多人都一窩蜂的擠進來。后面理智一點的發現，應用場景快速做起來的并不是太多，所以也就相對理性了。
大數據在垂直領域的應用案例
在垂直領域，大數據在美國已經有的成功案例，包括市場營銷、能源、石油、金融，企業服務里面最常用到的人力資源HR。因為現在有很多簡歷需要通過智能分析去做大數據的關聯。還有就是零售，因為零售行業是產能非常高的行業，所以大數據對它們來說價值非常大。還有就是供應鏈管理、醫療、健康以及房產。
國內大數據創業公司
1.基礎設施
基礎設施領域，國內有一家新銳創業公司叫博睿數據，他們是做數據庫的。我個人認為，在基礎設施領域，尤其是數據庫方向，在國內的創業機會很少。因為這個東西不太需要再引入中文版或者是中國獨特的東西。因為用國外現成的工具就可以解決問題了。而且現在有很多開源，也是免費的，這塊在中國的創業機會不是太多。但是也有一些新興的方向，比如說做數據壓縮、數據檢索等，這種相對比較細分，也比較新興的領域，這些方向可能還有機會。
2.數據源
我自己認為數據源方面創業公司確實沒有什么機會了，首先數據方面創業公司都做的比較大了，比如說數據堂是做數據集市的，這些公司都已經到B輪了。最大的像數據魔方，阿里媽媽等，是阿里旗下的產品，巨頭在這個領域會有優勢很多。
3.分析類
分析類目前還處在起步的階段，目前我看到可視化的機會，阿里前幾天剛剛推出了叫數說，它們是做可視化的，以后會提供給各種各樣的客戶，包括政府或者是中小型公司，以及大型的民營企業。可以看到，只要你對你的分析方面有需求，只要數據源導進來，他便可以自動的做歸類和分析，并且智能化的形象展現。這個領域的創業公司有星圖和海云，我把數據庫導進來可以看很多公司的動態。
剛才我們講的大而全的分析平臺，既具備數據處理能力，又具備可視化，現在行業里面非常標桿的叫永洪數據。我覺得永洪非常強大，因為它們跟國外的Tableau直接對標，是我目前看到的做數據處理、可視化分析，并且跟客戶的業務邏輯緊密結合非常成功的公司。
后面除了分析平臺之外，精準到用戶分析又有兩家公司已經做的比較大，就是TalkingData和友盟，我們覺得做用戶層面數據分析創業公司機會不多了，友盟被阿里收購了，所以空間并不是特別多。
下面這一類，這是我特別關注的，我覺得在國內數據類創業公司里面最有機會，就是有點對標國外大數據創業公司，像神策網絡、GrowingIO、達觀數據，你有數據庫可以非常靈活，你沒有數據庫我可以幫你引入一些外部的。在收費模式上也是SaaS的模式，比較輕。但是也存在一個短板，可能它們的目標群體，也就是中小型客戶的付費意愿沒那么強，客單價低。
還有像百分點，它是做智能算法、廣告優化的。像應用類下的智能營銷，我自己覺得在國內機會不多，做廣告優化，除非你是從PC領域轉到移動領域，不然的話機會真的不多。因為現在這幾家公司都是C輪以后或者是快上市，或者是并購的結構了。
后面還有一類我也特別關注，IT這塊像日志IT運維分析，因為我自己對IT方面非常感興趣，國內比較成功的幾家Hansight、日志易、OneAPM，還有陸續針對特定類型客戶的公司，比如我正在做的一個項目，針對大銀行、運營商機構的Protoco Soft。
4.應用類
最后一類應用類垂直到不同細分領域，我覺得都有機會。尤其有機會的是市場營銷和銷售線索領域，因為這個離錢近，可以直接給企業帶來好處和利益的，我覺得這塊是最有機會。再精準到細分里面，數據應用場景最成熟的可能是電商營銷或者是社交數據，或者是社交CRM，這些方面都有很多機會。還有就是安全、醫藥、金融都會有機會。雖然垂直應用層面可能有機會，但是如果已經有人做建議慎入，本來這個市場相對比較小，進入之前也必須看看競爭對手已經做到了什么程度了。
總結：
追溯國外的大數據市場行情，發展還是相對緩慢的，并且這個情況也可能會發生在中國。 無論是在國外或者是在國內，大數據應用場景的不成熟，以及有能力使用大數據的人才(數據科學家)匱乏，始終是阻礙大數據發展的原因。但是，大數據為人類提供的價值不可估量，一旦爆發會是指數性的增長。技術驅動型的創業也將是下一個風口，我們還是要對這個領域持續保持關注，并且鼓勵專業人才投入到建設大數據創投生態中來。
京公網安備 11010502049343號