本人目前在A從事2B的大數據解決方案與產品設計工作，以大數據商業化為目標，各行業客戶都有，簡單跟大家分享下我們目前的大數據落地實操經驗。

一 、 厚積薄發 ： BAT 平臺的優勢

大數據平臺就個人來看，A應該算做的比較好了，從云計算的布局到大數據平臺，步步為營，也是篳路藍縷。大公司的優勢在于三個字“熬的起”。業務幾乎都是以平臺、生態的構建為目標，最終是enable別人成功，并從別人成功中獲益的模式。

　　在這個過程中，有4點優勢會體現出來：

1. 電商行業能力通過云計算炮臺向外部輸出 ：

對于這塊之前我還存在一定的誤區，認為電商行業的經驗固然重要，但是可能在真正實操應用其他行業的時候就會失效。實則不然，其實電商行業的經驗帶來最關鍵的是視野、思路，與方法論。比如電商沉淀下的大數據管理、用戶標簽體系設計、流計算/實時計算的場景與應用、個性化推薦的策略等等，當遇到類似場景的時候，你會心領神會的借鑒當初的思路，去幫助其他行業解決，去探索。所以，電商行業的經驗填充了你的彈藥庫，你不再需要兩眼一抹黑的干。另一方面，電商行業的成功經驗，能夠讓我們快速從中抽取與提煉核心組件與模塊，從而快速產品化，并在大數據的平臺上架官方的大數據產品，冷啟動數據市場，比如我們的推薦引擎、DataV可視化引擎、數據開發工具、機器學習平臺，這些原來都是內部用戶的或者電商用的，現在拿出來讓其他行業用，能夠快速幫助其他行業搶占市場。

2. 云計算的長期積累，夯實了 IAAS 與客戶基礎

通常意義上，我們內部對大數據路線有個約定俗成的三字經“存-通-用”，做大數據首先要有數據，阿里云多年積累已經夯實了IAAS層，為后續的大數據業務一方面提供成型的基建如ECS、OSS、OTS、ADS等等，可以說很好的解決了“存”的問題;另一方面，多年積累的客戶在IAAS溫飽滿足的同時，有客戶特別是頭部的大B客戶越來越多涌現出更多的業務訴求：如何用好數據、加工數據、用數據助力業務等等，這就給大數據業務的開展帶來了機會。

3.“ 丁 ” 字型的人才儲備深度，在業務快速發展階段能夠相互補位

一般業務剛興起時缺人比較嚴重的，首先是前端、其次是產品，然后是數據、算法，待到技術可行的階段，就是銷售。大公司的人才儲備，特別是復合型的人才，能夠為新興業務發展快速注入新鮮血液，并通過轉崗機制確保良性兼容，老人做新業務，非常高效。

4. 品牌 影響力在業務拓展上的助力

這塊并非絕對，當然很多場合下，阿里巴巴這個品牌本身就是實力、信譽的保障。今天我們對外輸出大數據能力的時候，很多時候確實也利用到了這塊的影響力，畢竟數據業務本身是一個公司的核心資產，對乙方都需要在技術與商業道德上進行雙重考量，所以很多號稱“第三方獨立”數據服務公司也就浮出水面，一方面中立的身份，另一方面依賴或者嫁接多平臺，不綁死。

二、他山之石：看看 A 現在是怎么做大數據的

我們從商業層面去做大數據業務，通過商業來拓展技術的邊界，同時也讓客戶認可價值，并買單，從而變現。更準確的講，我們現在不是做大數據變現，而是做的大數據能力變現，將我們在人工智能、數據管理、數據應用的框架、引擎去幫助客戶解決具體的業務問題，幫客戶用好自己的數據是第一要務，然后才是用別人的數據補充自己，最后才是用自己的數據服務別人。我們看幾個典型的case：

case 1 ：服務某互聯網創業公司

互聯網公司一般跑的比較快，特別是業務，很多時候初期是堆人、砸錢來堆用戶數、訂單等，技術外包比較常見，特別是當前環境。理所當然，這塊也帶來了大數據業務的機會，比 如在 020 外賣場景下，如何分配好訂單，使得運力的利用率最大化，同時在指定時間內能滿足叫單需求 。這類業務可以說之前就沒出現過，也幾乎沒多少人工運營的經驗，很多時候運營就是憑直覺也好，或者所謂的經驗也好，來派發訂單。我們的機會點在于：雖然這是對方的核心業務，但是總這塊內容需要人，一時半會招不到人，同時不做這塊業務，每天會有大量的補貼在補貼運力與處理投訴，是很大一筆開支，從這兩點考慮，是不是該做?

case 2 ：服務某傳統技術型公司

該公司技術縣先進，能夠進行快速實景的3D建模，但是有個“最后一公里” 的問題非常致命，現有的重繪技術比較落后，需要2-3天才能重新根據大量測繪數據繪制出3D模型，不及時，使得應用的場景受限。能否將原來繪制時間由天級別縮短到小時級別甚至分鐘級別?從而拓展應用場景，更好的進行商業化?

case 3 ：服務于某傳統制造業企 業

客戶是世界最大的某材料生產企業之一，日產千萬件，每件根據質量劃分不同的等級，不同的等級價格不同，而良品率的提升直接與收益掛鉤，客戶已經具備初步的數據采集能力，但存儲的數據未開發，也帶來不小的存儲成本，生產流程靠經驗或理論，沒有快速優化與驗證的閉環，如何利用現有數據，提升良品率優化生產線?去低效產能的同時，賦能“智”造!

可以看到，目前落地的做法，不是通常意義上大家理解的精準營銷、廣告、人群畫像，或者輸出一份分析圖表的大數據，而是從客戶的問題出發，并且直接影響到生產或者業務效果的落地，讓客戶認可我們的價值，從而來商業化。

三、圍三缺一：現階段大數據業務下的 BAT 目前缺什么

一般而言，作為平臺方為保障公平，我們不會去既做裁判員、又做運動員，大部分情況下，平臺提供的是通用型的產品、基礎性的服務，留出二次開發、增值開發的空間，enable別人成功。當然現階段為了更好的啟發市場，平臺方需要自己做出標桿，告訴大家怎么做，從而揭竿而起，期望應者云集，基于我們的云平臺來創新、創業。在這個框架下，有幾點痛點：

缺技術型人才，我們挖掘的場景很多，技術需求量比較大，比如算法、比如前端、可視化設計等，我們缺合格靠譜的技術型ISV來與我共建、分成。

大數據的商機很多，我們缺少那些熟知某領域關鍵問題的合作伙伴，給平臺帶來商機與挑戰，給平臺提需求，讓平臺幫你成功。

對于平臺現在提供的產品與服務，我們缺強力的合作伙伴，能夠挖掘現有產品的業務價值，在其他行業上能夠給用起來，能夠進行二次開發，能夠增值，一起賺錢。

缺數據：我們部分產品會缺數據，對于有任何數據沉淀的合作伙伴，我們都歡迎一起坐下來聊聊，共同開發這部分數據的價值，服務云上的客戶。

對于平臺暫時無法滿足一些行業垂直類需求，我們期望能夠聯合這方面有突出能力的合作伙伴一起打單，在阿里云2B的大數據解決方案中，也會有這些ISV的一些之地。

四、夾縫中的機會

分析到這，差不多也比較明確，創業者的機會抓住以下幾點關鍵詞：獨立第三方、基于云、補生態，再明確下：

(1) 從生態視角來看

技術合作伙伴：可以基于云，幫忙賣平臺的成品(渠道)、可以基于平臺的服務或者產品二次加工再賣(增值服務)，可以做自己獨立的產品(合作共建)，配合平臺一起打單。

人力合作伙伴：可以是三五個人，無論是算法還是數據能力，基于我們的大數據眾智平臺，接活。

數據合作伙伴：將自身無論通過哪類渠道沉淀的數據，通過平臺提供的產品，對外輸出，進行變現。借助平臺的力量幫助變現。

(2)從大數據本身來看

如果我們不看生態，或者不依賴平臺，當然也可以，我個人對大數據業務或者說大數據產品的判斷：

大數據產品= 數據+AI+傳達

數據：產品/系統需要的數據，可以是客戶的，也可以是自己提供的

AI：人工智能、算法、模型、統計、處理邏輯等

傳達：呈現、界面、服務方式、可視化等

對于不同的創業者，就看你主打的是哪一塊，不同的創業方向在這三塊有不同的打法與側重，對于我個人而言，我會守住AI的底線，另外的兩部分視情形而定。也就是用AI/大數據能力，形成服務壁壘，從而進行變現。

五、幾點建 議

建議先2B，2C可能數據都沒有，更不用談加工、變現。

選擇一個出油的行業，先在一個行業下做出1、2個客戶，然后沉淀框架與產品，然后打爆一個行業/子行業，然后再考慮延展性。沒有深度的服務能力很多時候是做不出效果與爆點。

基礎數據服務化，行業應用智能化 。公司在對外提供服務的時候，如果是基礎類的服務，請將數據做成在線，可計量計費，跑量，以量取勝，當然如果這類服務還自帶吸數據的屬性，那就完美了比如風控接口。如果提供的是行業智能化/算法類項目，走價，做出溢價，比如panlantir。

無論做什么，一定要在初期就要立足產品化的目標，用產品去打。產品的抽象與沉淀過程，意味著你的目標與方向。這點沒想明白就不要做了。

請講清楚定價，定價是反應你對市場了解的唯一標準，甚至是檢驗產品的重要屬性。

做好商務工作，大數據業務本來就是技術類的產品，對客戶講清楚價值都是。