最近幾年，資本一直追著大數據跑，大數據也一直在積極賦能眾多產業，包括金融、醫療、教育等，有數據顯示，到2020年，中國大數據產業規模或達13626億元的高點。毫無疑問，大數據已經成為了熱門投資方向之一。但是喧囂躁動之下，傳聞中的大面積收割卻一直沒來。這究竟是數據創業的的玩家不行，還是那些大數據全都走錯了道?
一：資本加注下的大數據，行業依然是冰火兩重天
據不完全統計，2017年上半年，至少有63家大數據創業企業在國內獲得了融資，總融資金額超過68億人民幣，其中獲得上億元融資的企業就有17家，獲得上千萬元融資的大數據公司有41家，占總數的92%。顯然，資本對有潛力的大數據創業公司并不吝嗇。
(數據及圖片來源：大數據頻道)
不過大數據行業里也不盡然都是好消息。在資本狂歡之下，“大數據”開始炒概念，不少“偽數據”公司從中“沾光”，進而阻礙了整個行業的發展。除此之外，數創公司本身還面臨著兩個難題。
1. 離散的數據被藏在科技巨頭們的黑箱中
數據收集一直是數創公司的難題，一方面，數據存在禁地，數據安全和隱私是不可逾越的高墻;另一方面，BAT等科技巨頭壟斷了大量的社交數據、電商數據和行為數據。也就是說，數創公司即使走出了不能被利用的數據禁地，轉身就會投入被BAT們壟斷的大數據海洋。
慶幸的是，BAT等科技巨頭雖然有著絕對優勢，但他們自身涉及的產業非常多，包括金融業務、文娛業務等等，難免會和其他機構存在競爭關系。所以，其他企業掌握的籌碼是能夠與各產業機構進行無間合作。
美國Palantir大數據服務公司最為人稱道的一個案例是，協助多家銀行追回了納斯達克前主席麥道夫所隱藏起來的數十億美元巨款。
而一直對標Palantir的中國企業中譯語通，則是將圖像識別、語音識別，包括計算機視覺自覺生成的廣告、數字精準營銷等技術結合到短視頻應用中。
由高盛領投的數創公司Crux 主要業務則是建立信息供應鏈保證各個金融機構的數據隱私，確保他們不被私自售賣和利用。
從中我們可以看出，與大象共舞，數創企業顯然不必用數據量和BAT等科技巨頭硬碰硬，從細微之處進行創新將是個不錯的選擇。
2. 數據可視化是企業的薄弱環節
雖然現在數據創業公司頗多，且無論做SaaS還是做外包服務都已相當成熟，但“數據可視化”仍是大數據行業里較為薄弱的環節。
數據可視化有非常多實際運用的場景，有人覺得可視化僅僅是將數據變成圖，其實那只是針對靜態的數據，如果做實時數據的呈現，那就是動態的，而不同的呈現方式對背后的技術要求也會不一樣。所以，數據可視化是一個技術含量高的領域。
因此，許多數創公司在展開業務，親身接觸到不同行業、不同背景客戶的可視化需求后，就會發現一技術環節仍舊面臨著許多挑戰。所以，企業想要打造高效率、標準化、產品化的服務，就必須探究不同場景的技術解決方案，并開發相應的工具。
谷歌曾經參與創建非營利組織Global Fishing Watch，構建了一個透明可視的大數據平臺，可以觀察全球海上轉運船只的動態。數據可視化讓我們對全球商業捕魚有了一個整體性的洞察與監測。
中譯語通在2017年就發布了數據可視化應用，結合了知識圖譜技術，可以在任何一個場景應用，相當于是大數據監測的部件;數創企業DataHunter也將根據各行業不同的分析理念和思路，計劃在通用性的標準化之上再做行業版。
數據的分析和可視化可以說是大數據服務的“最后一公里”，但這并不是所有企業都有能力解決。毫無疑問，只有打通這一環節，數創企業才能獲得不同產業的認可。
二.搶占C端并非大數據賦能產業的制勝要訣
對于大多數行業而言，C端將會成為其發力的最大主場，大數據行業在一開始的定位亦是如此，所以，我們能看到許多數創企業瞄準了C端市場，然而，這個人人看好的“市場”究竟是否真的存在?大數據的“瞄準器”是否看錯了方向?面對這個問題，數創公司們稍不留神，可能就會陷入困境。
1、沖鋒陷陣做C端，可能是“萬骨”枯去的開始
大數據的應用過程中，國內的數創企業一直處于一個尷尬的局面，即超前的大數據和人工智能技術與大眾落后的產品理念相悖，反映到C端，就是普遍的低接受度以及隨之而來的高獲客成本。
與此同時，還有一些企業大炒概念，將“小數據”“數據”“假數據”均稱為“大數據”，破壞用戶對技術的觀感，使得新技術的推進越發困難，所以，技術在C端推進時并不能帶來先導價值。
然而，“數據意識”的培育并非一朝一夕的事，而是靠“社會大勢”推著走，數創企業可能會面臨較長時間的“尷尬”。所以，進軍B端成為數創企業生存下來并獲得認可的最可行謀略。
比如在我們所熟知的機器翻譯領域內，其實O2O的故事已經過去了。現如今企業對機器翻譯的需求會比一般用戶更高。無論是會議室里的同傳，還是圖像翻譯，包括視頻的實時翻譯，如果有一款企業級產品能夠滿足企業“大規模”和“高效率”的翻譯需求，這個意義是非常大的，同樣也擁有著非常巨大的市場。
2、超前的大數據行業面臨“高闕值馬太效應”
一般來說，一個新產品或者是新技術要想在市場上獲得收益，創業企業在前期必須要舍得“燒錢”，比如共享單車在剛剛面世時，價格策略讓公眾迅速地接受了“共享”的概念，用戶量達到了一定程度后，就會形成用戶群聚的馬太效應，此時只需要等待自然虹吸即可快速聚攏用戶。
然而，“大數據”作為比“共享”更為前沿和更具科技性的概念，其應用成果會比傳統超前很多，尤其在行業對應的理念未跟上之時，大眾的心理接受過程會非常漫長。于是，大數據行業的馬太效應會比“共享單車”此類普通的功能型產品(立等可用，無嘗試成本)闕值更高，虹吸效率更低。
同樣是C端產品，To C的大數據產品難以采用從零開始的用戶策略。如果以B端為溫床，反而更能促進企業的發展，為企業帶來利潤。我們也能看到，無論是量子、Inside、軟件級別的平臺級產品等等，都是非常重視2B，其應用完全是基于企業客戶開發出來的。
事實上，各類大數據to B服務都已在中國初具規模，比如中譯語通開創性地發布了一款企業級機器翻譯產品MerCube，接下來的產品體系也在B端進行了布局;14年成立的數創企業DataHunter也在為中小企業提供部分產品上取得了成績。
三.謀定而后動才是大數據賦能產業發展的不二法門
1、 行業需要的是結構化數據
于B端而言，比起非結構化數據(數據結構不規則，沒有預定義的數據模型)，結構化數據會更有價值。以金融行業為例，除了數據豐富度外，具有數據篩選、智能算法等功能的產品才是具有高效價比的。所以，數創企業在技術研發過程中，花在核心算法上的精力產出不一定比花在數據上低。
比如中譯語通在產品上的打法就是將海量的數據進行結構化，“在任何一個時間節點，對于每一筆交易逐級關系、競爭對手的關系，都可以挖掘出來”，進而可以向任何垂直行業變現。此外，還有Crux Informatics“只專注于處理非結構化數據”，極光“全面賦能移動大數據，幫助金融行業提高運營效率。“
這就意味著大數據行業里擁有閉環和數據的公司會首先跑通。
2、 產品投放之前需要數據追溯避免版權問題
在大數據創業機會的背后，依然存在著難以規避的版權風險。數據來源于何處?數據究竟是真還是假?這是大數據產品投入市場之前必須要考慮的。沒有完全成熟、充分準備的產品會被市場排斥，面對大數據收集的“通病”——版權，只有追溯版權來源的成熟產品才能避免用戶的抵觸情緒。
極光大數據就因為數據來源、數據隱私監管趨勢收緊等方面愈發承壓;中譯語通則采用了數據追溯的辦法，去標注每條視頻當中的細節、內容，為每個數據打上標簽，追溯到版權并進行戰略簽約以及購買。
目前，仍是有不少數據企業打版權的“擦邊球”，面對這類問題，除了相關部門要完善這些行政管理條規，數創企業自身也應該在最大程度上規避這種風險，在整個行業內開始杜絕這種風氣。
京公網安備 11010502049343號