編者按：本文來自微信公眾號(hào)”愛分析“（ID:ifenxicom），36氪經(jīng)授權(quán)發(fā)布。
從2011年至今，大數(shù)據(jù)概念火了五年，勢(shì)頭依然不減。從人人都在講概念，到商業(yè)化應(yīng)用典型案例出現(xiàn)，可以清晰地看到大數(shù)據(jù)在逐步落地。以Hadoop為代表的底層架構(gòu)日趨成熟，處理數(shù)據(jù)的各項(xiàng)技術(shù)有了長(zhǎng)足的進(jìn)步，讓大數(shù)據(jù)開始在各個(gè)領(lǐng)域發(fā)揮價(jià)值。
我們認(rèn)為，大數(shù)據(jù)產(chǎn)業(yè)仍在初級(jí)階段，商用價(jià)值仍未完整展現(xiàn)，市場(chǎng)前景一片廣闊。一方面，國(guó)內(nèi)企業(yè)IT投入占比低于全球平均標(biāo)準(zhǔn)，隨著企業(yè)對(duì)信息化意識(shí)逐步提升，整個(gè)IT市場(chǎng)的蛋糕有望繼續(xù)做大。
另一方面，企業(yè)客戶將大量IT預(yù)算投入到云計(jì)算等基礎(chǔ)設(shè)施建設(shè)上，隨著基礎(chǔ)設(shè)施逐漸成熟，企業(yè)會(huì)將更多預(yù)算投入到大數(shù)據(jù)、人工智能上，屆時(shí)大數(shù)據(jù)企業(yè)將迎來新一波發(fā)展浪潮。
大數(shù)據(jù)技術(shù)逐步提升，對(duì)大數(shù)據(jù)產(chǎn)業(yè)劃分也越來越細(xì)致。從基礎(chǔ)設(shè)施到行業(yè)應(yīng)用，各個(gè)賽道都涌現(xiàn)出大量創(chuàng)新公司，有些代表著最新的技術(shù)和應(yīng)用，有些則是借助大數(shù)據(jù)概念炒作。
如何識(shí)別有前景的賽道、找出有價(jià)值的公司，成為市場(chǎng)新的關(guān)注點(diǎn)，這也是愛分析大數(shù)據(jù)行業(yè)圖譜系列報(bào)告的主旨所在。
在發(fā)掘有價(jià)值的賽道之前，首先應(yīng)該對(duì)行業(yè)進(jìn)行劃分，從大到小逐步鎖定目標(biāo)。從整個(gè)產(chǎn)業(yè)生態(tài)角度，大數(shù)據(jù)產(chǎn)業(yè)可以分為三層：
從數(shù)據(jù)流轉(zhuǎn)過程來看，底層基礎(chǔ)平臺(tái)主要解決了數(shù)據(jù)存儲(chǔ)問題，而通用技術(shù)則解決了從數(shù)據(jù)采集到數(shù)據(jù)分析的問題，有些技術(shù)只解決其中某一環(huán)節(jié)，如數(shù)據(jù)采集、數(shù)據(jù)可視化，有些則同時(shí)覆蓋多個(gè)環(huán)節(jié)，如廣告監(jiān)測(cè)同時(shí)覆蓋數(shù)據(jù)采集、處理和分析。
從數(shù)據(jù)采集到數(shù)據(jù)分析，通用技術(shù)包羅萬象
通用技術(shù)涉及到數(shù)據(jù)處理各個(gè)流程，上圖中只是列出目前主要賽道。隨著業(yè)務(wù)發(fā)展，更加細(xì)分的領(lǐng)域也開始冒出創(chuàng)新公司，如Kyligence專注于OLAP層數(shù)據(jù)分析，但這些細(xì)分賽道目前相對(duì)較小，單個(gè)賽道里面只有一兩家成立時(shí)間很短的公司，因此尚未列入其中。
在通用技術(shù)這個(gè)賽道之下，細(xì)分領(lǐng)域主要分為兩類：一類是傳統(tǒng)領(lǐng)域借助大數(shù)據(jù)煥發(fā)新春，大數(shù)據(jù)技術(shù)發(fā)展推動(dòng)這些業(yè)務(wù)進(jìn)一步發(fā)展，提升處理效率；另一類是隨著移動(dòng)互聯(lián)網(wǎng)的興起，為互聯(lián)網(wǎng)企業(yè)客戶提供基于移動(dòng)端數(shù)據(jù)服務(wù)。
網(wǎng)頁爬蟲技術(shù)很早就出現(xiàn)了，早期百度、Google等搜索引擎都在使用。隨著大數(shù)據(jù)概念深入人心，數(shù)據(jù)價(jià)值被企業(yè)所重視，爬蟲技術(shù)有了更加廣闊的市場(chǎng)，八爪魚這類提供爬蟲技術(shù)的公司發(fā)展起來。
廣告監(jiān)測(cè)類公司主要服務(wù)品牌企業(yè)客戶，為企業(yè)提供廣告營(yíng)銷全流程的數(shù)據(jù)分析，讓品牌客戶了解其廣告投放效率，更好地進(jìn)行廣告優(yōu)化，這一領(lǐng)域秒針系統(tǒng)、AdMaster、TalkingData是領(lǐng)跑者。
BI商業(yè)智能公司與數(shù)據(jù)可視化公司，將報(bào)表等數(shù)據(jù)以圖像等形式呈現(xiàn)，可視化更側(cè)重于數(shù)據(jù)呈現(xiàn)，給企業(yè)客戶更加清晰地展示，BI更側(cè)重于人機(jī)互動(dòng)，讓業(yè)務(wù)人員可以更好地在圖像上進(jìn)行業(yè)務(wù)分析。
BI領(lǐng)域的有永洪科技和帆軟，數(shù)據(jù)可視化領(lǐng)域的海智BDP、海云數(shù)據(jù)、數(shù)字冰雹相對(duì)領(lǐng)先。
日志分析在早期主要應(yīng)用在信息安全領(lǐng)域，隨著大數(shù)據(jù)技術(shù)發(fā)展，對(duì)日志數(shù)據(jù)處理更加迅速、精細(xì)，日志數(shù)據(jù)的價(jià)值被企業(yè)客戶認(rèn)可，其應(yīng)用領(lǐng)域也逐步延展到公司業(yè)務(wù)領(lǐng)域，如反欺詐等。這個(gè)領(lǐng)域有一些傳統(tǒng)安全公司在做，新公司主要有日志易和瀚思安信。
移動(dòng)統(tǒng)計(jì)、用戶行為分析等領(lǐng)域是隨著移動(dòng)互聯(lián)網(wǎng)的興起而得到快速發(fā)展的。移動(dòng)互聯(lián)網(wǎng)時(shí)代，移動(dòng)端軟件如雨后春筍般冒出，掘金者的出現(xiàn)，勢(shì)必會(huì)出現(xiàn)一些為掘金者送水的人。
移動(dòng)統(tǒng)計(jì)和用戶行為分析均是為這些互聯(lián)網(wǎng)公司提供服務(wù)，解決這些企業(yè)關(guān)心的客戶數(shù)、轉(zhuǎn)化率等問題。TalkingData和友盟+是移動(dòng)統(tǒng)計(jì)領(lǐng)域的佼佼者，用戶行為分析領(lǐng)域呈現(xiàn)出GrowingIO、神策數(shù)據(jù)和諸葛IO三足鼎立之勢(shì)。
盡管各細(xì)分賽道的公司業(yè)務(wù)相差很大，但通用技術(shù)領(lǐng)域還是存在很多行業(yè)共性和未來趨勢(shì)，這些現(xiàn)狀和趨勢(shì)有助于我們?nèi)ヅ袛嗤ㄓ眉夹g(shù)類公司未來發(fā)展方向。
行業(yè)現(xiàn)狀一：大數(shù)據(jù)概念逐漸落地，各領(lǐng)域在逐步細(xì)化
大數(shù)據(jù)概念興起時(shí)，企業(yè)客戶最先想到將數(shù)據(jù)收集存儲(chǔ)起來，因此企業(yè)客戶都在建立自己的數(shù)據(jù)中心等基礎(chǔ)設(shè)施。數(shù)據(jù)存儲(chǔ)之后，如何使用這些數(shù)據(jù)成為企業(yè)新的痛點(diǎn)。
數(shù)據(jù)可視化是讓企業(yè)客戶感受到數(shù)據(jù)價(jià)值的直接體現(xiàn)。但僅僅是可視化呈現(xiàn)是遠(yuǎn)遠(yuǎn)不夠的，企業(yè)客戶希望能夠挖掘數(shù)據(jù)內(nèi)在價(jià)值，于是數(shù)據(jù)分析領(lǐng)域逐步繁榮。
因此，伴隨著大數(shù)據(jù)概念的逐步落地，通用技術(shù)領(lǐng)域的公司得以快速發(fā)展。同時(shí)這一領(lǐng)域逐步細(xì)化，衍生出大量專注于某一細(xì)分領(lǐng)域的公司。
以數(shù)據(jù)分析為例，早期主要是網(wǎng)站流量分析，百度統(tǒng)計(jì)、CNZZ等。移動(dòng)互聯(lián)網(wǎng)興起之后，TalkingData、友盟等基于移動(dòng)平臺(tái)提供日活量等數(shù)據(jù)統(tǒng)計(jì)公司出現(xiàn)。
隨著業(yè)務(wù)的發(fā)展，僅僅是用戶數(shù)據(jù)統(tǒng)計(jì)已經(jīng)不能滿足企業(yè)的需要，企業(yè)開始關(guān)注用戶的行為分析，希望可以進(jìn)行更加精細(xì)化地分析，這時(shí)候GrowingIO、神策數(shù)據(jù)等公司出現(xiàn)。
據(jù)不完全統(tǒng)計(jì)，國(guó)內(nèi)大數(shù)據(jù)公司有130多家，而國(guó)外大數(shù)據(jù)公司有7000多家。因此，盡管領(lǐng)域逐步細(xì)化，還是存在很多洼地，整個(gè)行業(yè)發(fā)展空間還很大。
行業(yè)現(xiàn)狀二：提供工具型服務(wù)，模式更偏向SaaS
底層基礎(chǔ)平臺(tái)公司，多以項(xiàng)目制服務(wù)客戶，人力依賴較重。通用技術(shù)類公司，更多是提供某一種工具類服務(wù)，更容易形成標(biāo)準(zhǔn)化產(chǎn)品，因此可復(fù)制性強(qiáng)，人力依賴相對(duì)較輕。
目前國(guó)內(nèi)大型企業(yè)一般都實(shí)行預(yù)算制，服務(wù)大型企業(yè)時(shí)，形式上仍然為項(xiàng)目制，但交付時(shí)間相對(duì)較短，大數(shù)據(jù)公司仍然可以看做是輸出產(chǎn)品而非人力。
因此，通用技術(shù)領(lǐng)域公司的業(yè)務(wù)模式更偏向SaaS，可以用SaaS類企業(yè)的核心指標(biāo)去分析其運(yùn)營(yíng)效率。
因?yàn)槭枪ぞ哳惙?wù)，客單價(jià)一般不高，集中在幾萬至幾十萬之間，上百萬的訂單鳳毛麟角。國(guó)外市場(chǎng)同樣如此，Tableau客單價(jià)平均在8000美金，Splunk的客單價(jià)在5萬美金左右。不過，國(guó)內(nèi)大數(shù)據(jù)公司目前紛紛涉足傳統(tǒng)企業(yè)級(jí)市場(chǎng)，客單價(jià)有望逐步提高。
行業(yè)現(xiàn)狀三：開源社區(qū)興起，互聯(lián)網(wǎng)巨頭入侵
近年，隨著開源文化興起，越來越多的技術(shù)開源，很多大數(shù)據(jù)相關(guān)技術(shù)的使用門檻逐步降低，如可視化領(lǐng)域的eCharts，日志分析領(lǐng)域的ElasticSearch，這些工具方便IT人員開發(fā)相應(yīng)的數(shù)據(jù)技術(shù)產(chǎn)品。
與此同時(shí)，BAT等互聯(lián)網(wǎng)巨頭不斷推出免費(fèi)的大數(shù)據(jù)技術(shù)產(chǎn)品，如百度統(tǒng)計(jì)、友盟統(tǒng)計(jì)等，完全可以滿足企業(yè)一般需求。
以上這些因素，使得大數(shù)據(jù)公司的技術(shù)優(yōu)勢(shì)逐步降低，僅僅依靠大數(shù)據(jù)技術(shù)已經(jīng)很難建立起足夠堅(jiān)實(shí)的護(hù)城河。
垂直技術(shù)面臨挑戰(zhàn)，通用技術(shù)平臺(tái)同樣面臨巨大沖擊。2016年，跟隨Google步伐，國(guó)內(nèi)互聯(lián)網(wǎng)巨頭紛紛開放自己的大數(shù)據(jù)平臺(tái)，阿里云開放“數(shù)加”平臺(tái)，百度云開放“天算”，BAT已經(jīng)形成中小企業(yè)的服務(wù)閉環(huán)。對(duì)大數(shù)據(jù)領(lǐng)域的創(chuàng)新公司而言，服務(wù)中小互聯(lián)網(wǎng)企業(yè)這條路幾乎被封死。
行業(yè)現(xiàn)狀四：客群轉(zhuǎn)向傳統(tǒng)企業(yè)，集成商成強(qiáng)勁對(duì)手
對(duì)企業(yè)而言，接受大數(shù)據(jù)技術(shù)需要一段時(shí)間。互聯(lián)網(wǎng)企業(yè)對(duì)新技術(shù)的接受速度，要遠(yuǎn)遠(yuǎn)快于傳統(tǒng)企業(yè)，因此大數(shù)據(jù)創(chuàng)新公司早期客戶多數(shù)為互聯(lián)網(wǎng)企業(yè)。但隨著業(yè)務(wù)不斷開展，大數(shù)據(jù)公司發(fā)現(xiàn)互聯(lián)網(wǎng)企業(yè)的付費(fèi)意愿低于傳統(tǒng)企業(yè)。
一方面，習(xí)慣了互聯(lián)網(wǎng)免費(fèi)紅利后，互聯(lián)網(wǎng)企業(yè)主更傾向于使用免費(fèi)產(chǎn)品，相比之下，傳統(tǒng)企業(yè)用戶相對(duì)保守，對(duì)免費(fèi)產(chǎn)品心存疑慮，付費(fèi)購(gòu)買產(chǎn)品的習(xí)慣從信息化時(shí)代延續(xù)至今。
另一方面，大型互聯(lián)網(wǎng)公司技術(shù)實(shí)力強(qiáng)，更傾向于內(nèi)部研發(fā)滿足業(yè)務(wù)需要，不愿意使用外界產(chǎn)品，而傳統(tǒng)企業(yè)更樂意接受外界產(chǎn)品。
基于以上兩點(diǎn)，大數(shù)據(jù)公司將客戶群體由線上互聯(lián)網(wǎng)企業(yè)逐步轉(zhuǎn)向傳統(tǒng)企業(yè)，如TalkingData早期服務(wù)移動(dòng)端企業(yè)，后期轉(zhuǎn)向服務(wù)金融、地產(chǎn)等傳統(tǒng)領(lǐng)域客戶。
不過，傳統(tǒng)企業(yè)服務(wù)市場(chǎng)盤踞著各類集成商，這些公司與客戶關(guān)系非常密切，已形成了強(qiáng)大的行業(yè)壁壘，創(chuàng)新型大數(shù)據(jù)公司切入并不容易。
技術(shù)優(yōu)勢(shì)和原有客群逐步被蠶食，打開新市場(chǎng)又面臨很大競(jìng)爭(zhēng)。面對(duì)這種前有堵截、后有追兵的局面，大數(shù)據(jù)公司如何突圍？
愛分析認(rèn)為，具備以下特點(diǎn)的大數(shù)據(jù)公司更容易突圍成功。
行業(yè)趨勢(shì)一：業(yè)務(wù)垂直化，聚焦細(xì)分領(lǐng)域
盡管企業(yè)客戶更希望得到一個(gè)整體解決方案，但對(duì)大數(shù)據(jù)公司而言，將業(yè)務(wù)聚焦在垂直領(lǐng)域更容易發(fā)展。
Tableau、Splunk早期都是聚焦可視化、日志分析細(xì)分領(lǐng)域，將產(chǎn)品打磨扎實(shí)，才向其他領(lǐng)域進(jìn)行擴(kuò)展，國(guó)內(nèi)大數(shù)據(jù)公司應(yīng)該更加專注一些，將某一領(lǐng)域做實(shí)。
專注單一領(lǐng)域，不盲目擴(kuò)張，也有助于減少競(jìng)爭(zhēng)，與更多企業(yè)合作。想切入傳統(tǒng)企業(yè)市場(chǎng)，僅憑大數(shù)據(jù)公司的商務(wù)拓展能力遠(yuǎn)遠(yuǎn)不夠，有些時(shí)候需要與集成商進(jìn)行合作，借助集成商的渠道切入市場(chǎng)。
行業(yè)趨勢(shì)二：向上層應(yīng)用偏移，做厚利潤(rùn)空間
不管是開源社區(qū)，還是互聯(lián)網(wǎng)巨頭開放平臺(tái)，輸出的更多是技術(shù)能力，并不能直接解決企業(yè)需求。以Hadoop為例，盡管Hadoop社區(qū)技術(shù)已經(jīng)相對(duì)成熟，但Cloudera這樣的公司仍然有很大市場(chǎng)。
通用技術(shù)領(lǐng)域同樣如此，對(duì)企業(yè)級(jí)客戶來說，他們不關(guān)心使用什么樣的技術(shù)，能夠解決業(yè)務(wù)問題才是關(guān)鍵。
對(duì)大數(shù)據(jù)公司而言，繼續(xù)向底層偏移，強(qiáng)化技術(shù)實(shí)力這條路會(huì)非常艱難，等同于以一己之力對(duì)抗整個(gè)社區(qū)。逐步偏向上層應(yīng)用，開發(fā)具備行業(yè)屬性的產(chǎn)品才是更好的選擇。
這樣做更貼近客戶需求，客戶付費(fèi)意愿更強(qiáng)，同時(shí)客單價(jià)更高，利潤(rùn)空間更大。
行業(yè)趨勢(shì)三：對(duì)接多方數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)互聯(lián)
通用技術(shù)公司在服務(wù)客戶過程中，會(huì)積累大量數(shù)據(jù)，經(jīng)過脫敏處理后，這些數(shù)據(jù)可以用于服務(wù)其他客戶。
如TalkingData就在服務(wù)移動(dòng)端中小企業(yè)過程中，積累了大量移動(dòng)設(shè)備數(shù)據(jù)，將這些數(shù)據(jù)用于為線下金融類客戶提供包括精準(zhǔn)營(yíng)銷在內(nèi)的多項(xiàng)服務(wù)。
目前大數(shù)據(jù)公司主要是以自身技術(shù)服務(wù)于客戶的第一方數(shù)據(jù)源，隨著業(yè)務(wù)發(fā)展，大數(shù)據(jù)公司慢慢會(huì)形成自己的第三方數(shù)據(jù)源，可以將第三方數(shù)據(jù)源與第一方數(shù)據(jù)源打通，實(shí)現(xiàn)數(shù)據(jù)互聯(lián)，將大大增強(qiáng)大數(shù)據(jù)公司的競(jìng)爭(zhēng)力。
除TalkingData之外，廣告監(jiān)測(cè)領(lǐng)域的秒針系統(tǒng)和AdMaster，可視化領(lǐng)域的海云數(shù)據(jù)，都在積極建立自己的數(shù)據(jù)庫，將技術(shù)與數(shù)據(jù)結(jié)合，提供更貼近業(yè)務(wù)的服務(wù)。
廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大，用戶行為分析需要打開更大市場(chǎng)
盡管通用技術(shù)領(lǐng)域整體前景廣闊，但各細(xì)分賽道情況或有不同，廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大， 網(wǎng)頁爬蟲、文本挖掘領(lǐng)域機(jī)會(huì)不大。日志分析、用戶行為分析領(lǐng)域的問題是發(fā)展空間有限，需要將業(yè)務(wù)開拓至新行業(yè)才有更大的機(jī)會(huì)。
廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大，秒針系統(tǒng)、AdMaster占據(jù)前端廣告曝光市場(chǎng)95%份額，形成雙寡頭局面，兩家都在積極布局后端監(jiān)測(cè)市場(chǎng)。此外，移動(dòng)端TalkingData將中小企業(yè)一網(wǎng)打盡，為中小APP軟件提供包括廣告監(jiān)測(cè)在內(nèi)的多項(xiàng)運(yùn)營(yíng)服務(wù)。
同時(shí)，這些廣告監(jiān)測(cè)公司已經(jīng)開始尋找數(shù)據(jù)變現(xiàn)路徑，幫助企業(yè)客戶建立第一方和第三方DMP，建立更緊密的合作關(guān)系。
BI商業(yè)智能與數(shù)據(jù)可視化領(lǐng)域，單純提供BI與可視化工具，競(jìng)爭(zhēng)力并不凸顯。因?yàn)檫@類開源技術(shù)發(fā)展很好，開發(fā)成本較小，無法建立技術(shù)壁壘，需要向上層應(yīng)用偏移，將技術(shù)與行業(yè)應(yīng)用結(jié)合，形成業(yè)務(wù)壁壘。永洪科技、海云數(shù)據(jù)等公司都在積極對(duì)接業(yè)務(wù)，重點(diǎn)布局公安、電信等行業(yè)，加強(qiáng)客戶黏性。
日志分析領(lǐng)域同樣面臨開源技術(shù)沖擊，業(yè)內(nèi)一類公司采取ElasticSearch技術(shù)，基于開源技術(shù)開發(fā)相應(yīng)產(chǎn)品，競(jìng)爭(zhēng)力有限。另一類公司自主研發(fā)底層技術(shù)，碰到的問題是如何在與開源社區(qū)競(jìng)爭(zhēng)中保持技術(shù)領(lǐng)先性。
單純是日志分析市場(chǎng)，空間有限，但隨著物聯(lián)網(wǎng)的發(fā)展，這類公司可將日志數(shù)據(jù)延伸到機(jī)器數(shù)據(jù)，在物聯(lián)網(wǎng)領(lǐng)域發(fā)揮更大價(jià)值。
用戶行為分析領(lǐng)域市場(chǎng)仍處于早期階段，如果只服務(wù)于互聯(lián)網(wǎng)客戶，市場(chǎng)空間有限，競(jìng)爭(zhēng)激烈，加上百度統(tǒng)計(jì)、友盟等分析平臺(tái)，如何讓企業(yè)付費(fèi)是最大問題。這領(lǐng)域公司需要積極探索如何將業(yè)務(wù)轉(zhuǎn)到傳統(tǒng)企業(yè)級(jí)市場(chǎng)，拓寬發(fā)展空間。
網(wǎng)頁爬蟲、文本挖掘領(lǐng)域機(jī)會(huì)較小，一方面，百度、Google等搜索引擎公司技術(shù)積累遠(yuǎn)超于新興企業(yè)，后者很難形成足夠的技術(shù)壁壘，另一方面，通過這類技術(shù)采集到的數(shù)據(jù)價(jià)值非常有限，很難利用這類數(shù)據(jù)為傳統(tǒng)企業(yè)提供價(jià)值。
至此，通用技術(shù)篇暫時(shí)告一段落，愛分析會(huì)持續(xù)關(guān)注該領(lǐng)域，不定期進(jìn)行公司調(diào)研和提供行業(yè)洞見。
下一篇，將是大數(shù)據(jù)應(yīng)用篇，大數(shù)據(jù)與垂直行業(yè)深度融合后將產(chǎn)生哪些機(jī)會(huì)？大數(shù)據(jù)在金融、電信、公安領(lǐng)域的典型應(yīng)用案例有哪些？都會(huì)在應(yīng)用篇中揭曉，歡迎各位讀者持續(xù)關(guān)注。
參考閱讀：大數(shù)據(jù)行業(yè)圖譜之一：底層基礎(chǔ)平臺(tái)公司能做多大？
愛分析是一家專注于創(chuàng)新企業(yè)研究和評(píng)價(jià)的互聯(lián)網(wǎng)投研平臺(tái)。您可以發(fā)郵件至[email protected]，或者加微信號(hào) aiyangyudejiji 聯(lián)系作者。
編者按：本文來自微信公眾號(hào)”愛分析“（ID:ifenxicom），36氪經(jīng)授權(quán)發(fā)布。
從2011年至今，大數(shù)據(jù)概念火了五年，勢(shì)頭依然不減。從人人都在講概念，到商業(yè)化應(yīng)用典型案例出現(xiàn)，可以清晰地看到大數(shù)據(jù)在逐步落地。以Hadoop為代表的底層架構(gòu)日趨成熟，處理數(shù)據(jù)的各項(xiàng)技術(shù)有了長(zhǎng)足的進(jìn)步，讓大數(shù)據(jù)開始在各個(gè)領(lǐng)域發(fā)揮價(jià)值。
我們認(rèn)為，大數(shù)據(jù)產(chǎn)業(yè)仍在初級(jí)階段，商用價(jià)值仍未完整展現(xiàn)，市場(chǎng)前景一片廣闊。一方面，國(guó)內(nèi)企業(yè)IT投入占比低于全球平均標(biāo)準(zhǔn)，隨著企業(yè)對(duì)信息化意識(shí)逐步提升，整個(gè)IT市場(chǎng)的蛋糕有望繼續(xù)做大。
另一方面，企業(yè)客戶將大量IT預(yù)算投入到云計(jì)算等基礎(chǔ)設(shè)施建設(shè)上，隨著基礎(chǔ)設(shè)施逐漸成熟，企業(yè)會(huì)將更多預(yù)算投入到大數(shù)據(jù)、人工智能上，屆時(shí)大數(shù)據(jù)企業(yè)將迎來新一波發(fā)展浪潮。
大數(shù)據(jù)技術(shù)逐步提升，對(duì)大數(shù)據(jù)產(chǎn)業(yè)劃分也越來越細(xì)致。從基礎(chǔ)設(shè)施到行業(yè)應(yīng)用，各個(gè)賽道都涌現(xiàn)出大量創(chuàng)新公司，有些代表著最新的技術(shù)和應(yīng)用，有些則是借助大數(shù)據(jù)概念炒作。
如何識(shí)別有前景的賽道、找出有價(jià)值的公司，成為市場(chǎng)新的關(guān)注點(diǎn)，這也是愛分析大數(shù)據(jù)行業(yè)圖譜系列報(bào)告的主旨所在。
在發(fā)掘有價(jià)值的賽道之前，首先應(yīng)該對(duì)行業(yè)進(jìn)行劃分，從大到小逐步鎖定目標(biāo)。從整個(gè)產(chǎn)業(yè)生態(tài)角度，大數(shù)據(jù)產(chǎn)業(yè)可以分為三層：
在上篇大數(shù)據(jù)行業(yè)圖譜（一）中，愛分析介紹了大數(shù)據(jù)行業(yè)中的底層基礎(chǔ)平臺(tái)，本文是大數(shù)據(jù)系列第二篇——通用技術(shù)，主要是基于Hadoop等底層基礎(chǔ)平臺(tái)的處理數(shù)據(jù)技術(shù)，包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)可視化等。
從數(shù)據(jù)流轉(zhuǎn)過程來看，底層基礎(chǔ)平臺(tái)主要解決了數(shù)據(jù)存儲(chǔ)問題，而通用技術(shù)則解決了從數(shù)據(jù)采集到數(shù)據(jù)分析的問題，有些技術(shù)只解決其中某一環(huán)節(jié)，如數(shù)據(jù)采集、數(shù)據(jù)可視化，有些則同時(shí)覆蓋多個(gè)環(huán)節(jié)，如廣告監(jiān)測(cè)同時(shí)覆蓋數(shù)據(jù)采集、處理和分析。
從數(shù)據(jù)采集到數(shù)據(jù)分析，通用技術(shù)包羅萬象
通用技術(shù)涉及到數(shù)據(jù)處理各個(gè)流程，上圖中只是列出目前主要賽道。隨著業(yè)務(wù)發(fā)展，更加細(xì)分的領(lǐng)域也開始冒出創(chuàng)新公司，如Kyligence專注于OLAP層數(shù)據(jù)分析，但這些細(xì)分賽道目前相對(duì)較小，單個(gè)賽道里面只有一兩家成立時(shí)間很短的公司，因此尚未列入其中。
在通用技術(shù)這個(gè)賽道之下，細(xì)分領(lǐng)域主要分為兩類：一類是傳統(tǒng)領(lǐng)域借助大數(shù)據(jù)煥發(fā)新春，大數(shù)據(jù)技術(shù)發(fā)展推動(dòng)這些業(yè)務(wù)進(jìn)一步發(fā)展，提升處理效率；另一類是隨著移動(dòng)互聯(lián)網(wǎng)的興起，為互聯(lián)網(wǎng)企業(yè)客戶提供基于移動(dòng)端數(shù)據(jù)服務(wù)。
文本挖掘主要應(yīng)用于輿情監(jiān)控方面，大數(shù)據(jù)公司收集互聯(lián)網(wǎng)的各類文本信息，幫助企業(yè)更好地進(jìn)行競(jìng)爭(zhēng)分析、公關(guān)、用戶調(diào)研等流程，如智慧星光、波森數(shù)據(jù)、清博大數(shù)據(jù)等。
網(wǎng)頁爬蟲技術(shù)很早就出現(xiàn)了，早期百度、Google等搜索引擎都在使用。隨著大數(shù)據(jù)概念深入人心，數(shù)據(jù)價(jià)值被企業(yè)所重視，爬蟲技術(shù)有了更加廣闊的市場(chǎng)，八爪魚這類提供爬蟲技術(shù)的公司發(fā)展起來。
廣告監(jiān)測(cè)類公司主要服務(wù)品牌企業(yè)客戶，為企業(yè)提供廣告營(yíng)銷全流程的數(shù)據(jù)分析，讓品牌客戶了解其廣告投放效率，更好地進(jìn)行廣告優(yōu)化，這一領(lǐng)域秒針系統(tǒng)、AdMaster、TalkingData是領(lǐng)跑者。
BI商業(yè)智能公司與數(shù)據(jù)可視化公司，將報(bào)表等數(shù)據(jù)以圖像等形式呈現(xiàn)，可視化更側(cè)重于數(shù)據(jù)呈現(xiàn)，給企業(yè)客戶更加清晰地展示，BI更側(cè)重于人機(jī)互動(dòng)，讓業(yè)務(wù)人員可以更好地在圖像上進(jìn)行業(yè)務(wù)分析。
BI領(lǐng)域的有永洪科技和帆軟，數(shù)據(jù)可視化領(lǐng)域的海智BDP、海云數(shù)據(jù)、數(shù)字冰雹相對(duì)領(lǐng)先。
日志分析在早期主要應(yīng)用在信息安全領(lǐng)域，隨著大數(shù)據(jù)技術(shù)發(fā)展，對(duì)日志數(shù)據(jù)處理更加迅速、精細(xì)，日志數(shù)據(jù)的價(jià)值被企業(yè)客戶認(rèn)可，其應(yīng)用領(lǐng)域也逐步延展到公司業(yè)務(wù)領(lǐng)域，如反欺詐等。這個(gè)領(lǐng)域有一些傳統(tǒng)安全公司在做，新公司主要有日志易和瀚思安信。
移動(dòng)統(tǒng)計(jì)、用戶行為分析等領(lǐng)域是隨著移動(dòng)互聯(lián)網(wǎng)的興起而得到快速發(fā)展的。移動(dòng)互聯(lián)網(wǎng)時(shí)代，移動(dòng)端軟件如雨后春筍般冒出，掘金者的出現(xiàn)，勢(shì)必會(huì)出現(xiàn)一些為掘金者送水的人。
移動(dòng)統(tǒng)計(jì)和用戶行為分析均是為這些互聯(lián)網(wǎng)公司提供服務(wù)，解決這些企業(yè)關(guān)心的客戶數(shù)、轉(zhuǎn)化率等問題。TalkingData和友盟+是移動(dòng)統(tǒng)計(jì)領(lǐng)域的佼佼者，用戶行為分析領(lǐng)域呈現(xiàn)出GrowingIO、神策數(shù)據(jù)和諸葛IO三足鼎立之勢(shì)。
盡管各細(xì)分賽道的公司業(yè)務(wù)相差很大，但通用技術(shù)領(lǐng)域還是存在很多行業(yè)共性和未來趨勢(shì)，這些現(xiàn)狀和趨勢(shì)有助于我們?nèi)ヅ袛嗤ㄓ眉夹g(shù)類公司未來發(fā)展方向。
行業(yè)現(xiàn)狀一：大數(shù)據(jù)概念逐漸落地，各領(lǐng)域在逐步細(xì)化
大數(shù)據(jù)概念興起時(shí)，企業(yè)客戶最先想到將數(shù)據(jù)收集存儲(chǔ)起來，因此企業(yè)客戶都在建立自己的數(shù)據(jù)中心等基礎(chǔ)設(shè)施。數(shù)據(jù)存儲(chǔ)之后，如何使用這些數(shù)據(jù)成為企業(yè)新的痛點(diǎn)。
數(shù)據(jù)可視化是讓企業(yè)客戶感受到數(shù)據(jù)價(jià)值的直接體現(xiàn)。但僅僅是可視化呈現(xiàn)是遠(yuǎn)遠(yuǎn)不夠的，企業(yè)客戶希望能夠挖掘數(shù)據(jù)內(nèi)在價(jià)值，于是數(shù)據(jù)分析領(lǐng)域逐步繁榮。
因此，伴隨著大數(shù)據(jù)概念的逐步落地，通用技術(shù)領(lǐng)域的公司得以快速發(fā)展。同時(shí)這一領(lǐng)域逐步細(xì)化，衍生出大量專注于某一細(xì)分領(lǐng)域的公司。
以數(shù)據(jù)分析為例，早期主要是網(wǎng)站流量分析，百度統(tǒng)計(jì)、CNZZ等。移動(dòng)互聯(lián)網(wǎng)興起之后，TalkingData、友盟等基于移動(dòng)平臺(tái)提供日活量等數(shù)據(jù)統(tǒng)計(jì)公司出現(xiàn)。
隨著業(yè)務(wù)的發(fā)展，僅僅是用戶數(shù)據(jù)統(tǒng)計(jì)已經(jīng)不能滿足企業(yè)的需要，企業(yè)開始關(guān)注用戶的行為分析，希望可以進(jìn)行更加精細(xì)化地分析，這時(shí)候GrowingIO、神策數(shù)據(jù)等公司出現(xiàn)。
據(jù)不完全統(tǒng)計(jì)，國(guó)內(nèi)大數(shù)據(jù)公司有130多家，而國(guó)外大數(shù)據(jù)公司有7000多家。因此，盡管領(lǐng)域逐步細(xì)化，還是存在很多洼地，整個(gè)行業(yè)發(fā)展空間還很大。
行業(yè)現(xiàn)狀二：提供工具型服務(wù)，模式更偏向SaaS
底層基礎(chǔ)平臺(tái)公司，多以項(xiàng)目制服務(wù)客戶，人力依賴較重。通用技術(shù)類公司，更多是提供某一種工具類服務(wù)，更容易形成標(biāo)準(zhǔn)化產(chǎn)品，因此可復(fù)制性強(qiáng)，人力依賴相對(duì)較輕。
目前國(guó)內(nèi)大型企業(yè)一般都實(shí)行預(yù)算制，服務(wù)大型企業(yè)時(shí)，形式上仍然為項(xiàng)目制，但交付時(shí)間相對(duì)較短，大數(shù)據(jù)公司仍然可以看做是輸出產(chǎn)品而非人力。
因此，通用技術(shù)領(lǐng)域公司的業(yè)務(wù)模式更偏向SaaS，可以用SaaS類企業(yè)的核心指標(biāo)去分析其運(yùn)營(yíng)效率。
因?yàn)槭枪ぞ哳惙?wù)，客單價(jià)一般不高，集中在幾萬至幾十萬之間，上百萬的訂單鳳毛麟角。國(guó)外市場(chǎng)同樣如此，Tableau客單價(jià)平均在8000美金，Splunk的客單價(jià)在5萬美金左右。不過，國(guó)內(nèi)大數(shù)據(jù)公司目前紛紛涉足傳統(tǒng)企業(yè)級(jí)市場(chǎng)，客單價(jià)有望逐步提高。
行業(yè)現(xiàn)狀三：開源社區(qū)興起，互聯(lián)網(wǎng)巨頭入侵
近年，隨著開源文化興起，越來越多的技術(shù)開源，很多大數(shù)據(jù)相關(guān)技術(shù)的使用門檻逐步降低，如可視化領(lǐng)域的eCharts，日志分析領(lǐng)域的ElasticSearch，這些工具方便IT人員開發(fā)相應(yīng)的數(shù)據(jù)技術(shù)產(chǎn)品。
與此同時(shí)，BAT等互聯(lián)網(wǎng)巨頭不斷推出免費(fèi)的大數(shù)據(jù)技術(shù)產(chǎn)品，如百度統(tǒng)計(jì)、友盟統(tǒng)計(jì)等，完全可以滿足企業(yè)一般需求。
以上這些因素，使得大數(shù)據(jù)公司的技術(shù)優(yōu)勢(shì)逐步降低，僅僅依靠大數(shù)據(jù)技術(shù)已經(jīng)很難建立起足夠堅(jiān)實(shí)的護(hù)城河。
垂直技術(shù)面臨挑戰(zhàn)，通用技術(shù)平臺(tái)同樣面臨巨大沖擊。2016年，跟隨Google步伐，國(guó)內(nèi)互聯(lián)網(wǎng)巨頭紛紛開放自己的大數(shù)據(jù)平臺(tái)，阿里云開放“數(shù)加”平臺(tái)，百度云開放“天算”，BAT已經(jīng)形成中小企業(yè)的服務(wù)閉環(huán)。對(duì)大數(shù)據(jù)領(lǐng)域的創(chuàng)新公司而言，服務(wù)中小互聯(lián)網(wǎng)企業(yè)這條路幾乎被封死。
行業(yè)現(xiàn)狀四：客群轉(zhuǎn)向傳統(tǒng)企業(yè)，集成商成強(qiáng)勁對(duì)手
對(duì)企業(yè)而言，接受大數(shù)據(jù)技術(shù)需要一段時(shí)間。互聯(lián)網(wǎng)企業(yè)對(duì)新技術(shù)的接受速度，要遠(yuǎn)遠(yuǎn)快于傳統(tǒng)企業(yè)，因此大數(shù)據(jù)創(chuàng)新公司早期客戶多數(shù)為互聯(lián)網(wǎng)企業(yè)。但隨著業(yè)務(wù)不斷開展，大數(shù)據(jù)公司發(fā)現(xiàn)互聯(lián)網(wǎng)企業(yè)的付費(fèi)意愿低于傳統(tǒng)企業(yè)。
一方面，習(xí)慣了互聯(lián)網(wǎng)免費(fèi)紅利后，互聯(lián)網(wǎng)企業(yè)主更傾向于使用免費(fèi)產(chǎn)品，相比之下，傳統(tǒng)企業(yè)用戶相對(duì)保守，對(duì)免費(fèi)產(chǎn)品心存疑慮，付費(fèi)購(gòu)買產(chǎn)品的習(xí)慣從信息化時(shí)代延續(xù)至今。
另一方面，大型互聯(lián)網(wǎng)公司技術(shù)實(shí)力強(qiáng)，更傾向于內(nèi)部研發(fā)滿足業(yè)務(wù)需要，不愿意使用外界產(chǎn)品，而傳統(tǒng)企業(yè)更樂意接受外界產(chǎn)品。
基于以上兩點(diǎn)，大數(shù)據(jù)公司將客戶群體由線上互聯(lián)網(wǎng)企業(yè)逐步轉(zhuǎn)向傳統(tǒng)企業(yè)，如TalkingData早期服務(wù)移動(dòng)端企業(yè)，后期轉(zhuǎn)向服務(wù)金融、地產(chǎn)等傳統(tǒng)領(lǐng)域客戶。
不過，傳統(tǒng)企業(yè)服務(wù)市場(chǎng)盤踞著各類集成商，這些公司與客戶關(guān)系非常密切，已形成了強(qiáng)大的行業(yè)壁壘，創(chuàng)新型大數(shù)據(jù)公司切入并不容易。
技術(shù)優(yōu)勢(shì)和原有客群逐步被蠶食，打開新市場(chǎng)又面臨很大競(jìng)爭(zhēng)。面對(duì)這種前有堵截、后有追兵的局面，大數(shù)據(jù)公司如何突圍？
愛分析認(rèn)為，具備以下特點(diǎn)的大數(shù)據(jù)公司更容易突圍成功。
行業(yè)趨勢(shì)一：業(yè)務(wù)垂直化，聚焦細(xì)分領(lǐng)域
盡管企業(yè)客戶更希望得到一個(gè)整體解決方案，但對(duì)大數(shù)據(jù)公司而言，將業(yè)務(wù)聚焦在垂直領(lǐng)域更容易發(fā)展。
Tableau、Splunk早期都是聚焦可視化、日志分析細(xì)分領(lǐng)域，將產(chǎn)品打磨扎實(shí)，才向其他領(lǐng)域進(jìn)行擴(kuò)展，國(guó)內(nèi)大數(shù)據(jù)公司應(yīng)該更加專注一些，將某一領(lǐng)域做實(shí)。
專注單一領(lǐng)域，不盲目擴(kuò)張，也有助于減少競(jìng)爭(zhēng)，與更多企業(yè)合作。想切入傳統(tǒng)企業(yè)市場(chǎng)，僅憑大數(shù)據(jù)公司的商務(wù)拓展能力遠(yuǎn)遠(yuǎn)不夠，有些時(shí)候需要與集成商進(jìn)行合作，借助集成商的渠道切入市場(chǎng)。
行業(yè)趨勢(shì)二：向上層應(yīng)用偏移，做厚利潤(rùn)空間
不管是開源社區(qū)，還是互聯(lián)網(wǎng)巨頭開放平臺(tái)，輸出的更多是技術(shù)能力，并不能直接解決企業(yè)需求。以Hadoop為例，盡管Hadoop社區(qū)技術(shù)已經(jīng)相對(duì)成熟，但Cloudera這樣的公司仍然有很大市場(chǎng)。
通用技術(shù)領(lǐng)域同樣如此，對(duì)企業(yè)級(jí)客戶來說，他們不關(guān)心使用什么樣的技術(shù)，能夠解決業(yè)務(wù)問題才是關(guān)鍵。
對(duì)大數(shù)據(jù)公司而言，繼續(xù)向底層偏移，強(qiáng)化技術(shù)實(shí)力這條路會(huì)非常艱難，等同于以一己之力對(duì)抗整個(gè)社區(qū)。逐步偏向上層應(yīng)用，開發(fā)具備行業(yè)屬性的產(chǎn)品才是更好的選擇。
這樣做更貼近客戶需求，客戶付費(fèi)意愿更強(qiáng)，同時(shí)客單價(jià)更高，利潤(rùn)空間更大。
行業(yè)趨勢(shì)三：對(duì)接多方數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)互聯(lián)
通用技術(shù)公司在服務(wù)客戶過程中，會(huì)積累大量數(shù)據(jù)，經(jīng)過脫敏處理后，這些數(shù)據(jù)可以用于服務(wù)其他客戶。
如TalkingData就在服務(wù)移動(dòng)端中小企業(yè)過程中，積累了大量移動(dòng)設(shè)備數(shù)據(jù)，將這些數(shù)據(jù)用于為線下金融類客戶提供包括精準(zhǔn)營(yíng)銷在內(nèi)的多項(xiàng)服務(wù)。
目前大數(shù)據(jù)公司主要是以自身技術(shù)服務(wù)于客戶的第一方數(shù)據(jù)源，隨著業(yè)務(wù)發(fā)展，大數(shù)據(jù)公司慢慢會(huì)形成自己的第三方數(shù)據(jù)源，可以將第三方數(shù)據(jù)源與第一方數(shù)據(jù)源打通，實(shí)現(xiàn)數(shù)據(jù)互聯(lián)，將大大增強(qiáng)大數(shù)據(jù)公司的競(jìng)爭(zhēng)力。
除TalkingData之外，廣告監(jiān)測(cè)領(lǐng)域的秒針系統(tǒng)和AdMaster，可視化領(lǐng)域的海云數(shù)據(jù)，都在積極建立自己的數(shù)據(jù)庫，將技術(shù)與數(shù)據(jù)結(jié)合，提供更貼近業(yè)務(wù)的服務(wù)。
廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大，用戶行為分析需要打開更大市場(chǎng)
盡管通用技術(shù)領(lǐng)域整體前景廣闊，但各細(xì)分賽道情況或有不同，廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大， 網(wǎng)頁爬蟲、文本挖掘領(lǐng)域機(jī)會(huì)不大。日志分析、用戶行為分析領(lǐng)域的問題是發(fā)展空間有限，需要將業(yè)務(wù)開拓至新行業(yè)才有更大的機(jī)會(huì)。
廣告監(jiān)測(cè)領(lǐng)域機(jī)會(huì)最大，秒針系統(tǒng)、AdMaster占據(jù)前端廣告曝光市場(chǎng)95%份額，形成雙寡頭局面，兩家都在積極布局后端監(jiān)測(cè)市場(chǎng)。此外，移動(dòng)端TalkingData將中小企業(yè)一網(wǎng)打盡，為中小APP軟件提供包括廣告監(jiān)測(cè)在內(nèi)的多項(xiàng)運(yùn)營(yíng)服務(wù)。
同時(shí)，這些廣告監(jiān)測(cè)公司已經(jīng)開始尋找數(shù)據(jù)變現(xiàn)路徑，幫助企業(yè)客戶建立第一方和第三方DMP，建立更緊密的合作關(guān)系。
BI商業(yè)智能與數(shù)據(jù)可視化領(lǐng)域，單純提供BI與可視化工具，競(jìng)爭(zhēng)力并不凸顯。因?yàn)檫@類開源技術(shù)發(fā)展很好，開發(fā)成本較小，無法建立技術(shù)壁壘，需要向上層應(yīng)用偏移，將技術(shù)與行業(yè)應(yīng)用結(jié)合，形成業(yè)務(wù)壁壘。永洪科技、海云數(shù)據(jù)等公司都在積極對(duì)接業(yè)務(wù)，重點(diǎn)布局公安、電信等行業(yè)，加強(qiáng)客戶黏性。
日志分析領(lǐng)域同樣面臨開源技術(shù)沖擊，業(yè)內(nèi)一類公司采取ElasticSearch技術(shù)，基于開源技術(shù)開發(fā)相應(yīng)產(chǎn)品，競(jìng)爭(zhēng)力有限。另一類公司自主研發(fā)底層技術(shù)，碰到的問題是如何在與開源社區(qū)競(jìng)爭(zhēng)中保持技術(shù)領(lǐng)先性。
單純是日志分析市場(chǎng)，空間有限，但隨著物聯(lián)網(wǎng)的發(fā)展，這類公司可將日志數(shù)據(jù)延伸到機(jī)器數(shù)據(jù)，在物聯(lián)網(wǎng)領(lǐng)域發(fā)揮更大價(jià)值。
用戶行為分析領(lǐng)域市場(chǎng)仍處于早期階段，如果只服務(wù)于互聯(lián)網(wǎng)客戶，市場(chǎng)空間有限，競(jìng)爭(zhēng)激烈，加上百度統(tǒng)計(jì)、友盟等分析平臺(tái)，如何讓企業(yè)付費(fèi)是最大問題。這領(lǐng)域公司需要積極探索如何將業(yè)務(wù)轉(zhuǎn)到傳統(tǒng)企業(yè)級(jí)市場(chǎng)，拓寬發(fā)展空間。
網(wǎng)頁爬蟲、文本挖掘領(lǐng)域機(jī)會(huì)較小，一方面，百度、Google等搜索引擎公司技術(shù)積累遠(yuǎn)超于新興企業(yè)，后者很難形成足夠的技術(shù)壁壘，另一方面，通過這類技術(shù)采集到的數(shù)據(jù)價(jià)值非常有限，很難利用這類數(shù)據(jù)為傳統(tǒng)企業(yè)提供價(jià)值。
至此，通用技術(shù)篇暫時(shí)告一段落，愛分析會(huì)持續(xù)關(guān)注該領(lǐng)域，不定期進(jìn)行公司調(diào)研和提供行業(yè)洞見。
下一篇，將是大數(shù)據(jù)應(yīng)用篇，大數(shù)據(jù)與垂直行業(yè)深度融合后將產(chǎn)生哪些機(jī)會(huì)？大數(shù)據(jù)在金融、電信、公安領(lǐng)域的典型應(yīng)用案例有哪些？都會(huì)在應(yīng)用篇中揭曉，歡迎各位讀者持續(xù)關(guān)注。
參考閱讀：大數(shù)據(jù)行業(yè)圖譜之一：底層基礎(chǔ)平臺(tái)公司能做多大？
愛分析是一家專注于創(chuàng)新企業(yè)研究和評(píng)價(jià)的互聯(lián)網(wǎng)投研平臺(tái)。您可以發(fā)郵件至[email protected]，或者加微信號(hào) aiyangyudejiji 聯(lián)系作者。
京公網(wǎng)安備 11010502049343號(hào)