大数据的四大盈利模式，和不得不面对的行业问题（附PPT下载）

文|36大数据 刘金玲

接上篇《 为什么会产生大数据？大数据如何惠及大众？ 》。为了写这篇文章，我专门去网上寻找了关于中国大数据市场规模的相关报告，其中找到了3份，我想先和大家来解读一下这3份报告。

1、联合国2012年5月对外发布了《大数据促发展：挑战与机遇》白皮书

报告显示，2014年，全球大数据市场增长速度达53%，总体规模为285亿美元。到2017年，全球大数据市场收入将达500亿美元，这意味着从2011年起连续6年年复合增长率达38%。中国市场情报中心有关统计显示，2012年中国大数据市场规模为4.5亿元，同比增长40.6%，到2018年，中国大数据市场规模将达到463.4亿元。

2、易观智库：《中国大数据整体市场趋势预测报告2014-2017》

根据EnfoDesk易观智库发布的 《中国大数据整体市场趋势预测报告2014-2017》 数据显示，2014年进入大数据应用市场的快速增长期，增长速度将接近30%。预计2016年国内大数据市场规模总量将突破100亿人民币。其中线上市场主要包括互联网用户数据市场，以及以互联网金融为主的线上金融市场；线下市场主要包括IT企业的大数据应用及大数据平台业务市场，不包括大数据基础设施服务市场规模。

现在问题来了，学挖掘机到底哪家强？不对，我想说的是，这么多关于大数据市场规模的预测摆在面前，我们到底该相信谁？谁更准确些？

这两份报告里，如果真的要选出一份更客观的报告的话，我会选择易观智库发布的报告。联合国发布的报告一来是因为年份比较久远不太符合目前大数据市场的发展变化，二来它主要说的是全球大数据的市场规模。

其实大数据的市场规模是很难预测的， 大数据行业和电子商务、网络游戏公司还不同，网络游戏公司喜欢晒流水，晒收入。虽然也有水分。而且上市公司也多，把几家巨头游戏公司的财报加在一起，大概就能预估出来，电子商务也一样。

大数据市场规模不好预估，一来是所有互联网企业其实都有大数据业务，那么它到底算不算在市场规模里？二是大数据除了新三板外，没有一家企业在创业板、港交所或纳斯达克上市，他们不发布财报，所以很难预估。还有就是，做大数据的这群人其实也还蛮鸡贼的，他们都不太愿意透露自己的收入情况，只喜欢说公司估值多少多少。他们自己做数据，但是却不愿意透露具体详细的数据情况。原因有二，现在真正实现盈利的大数据公司不多，真正实现了盈利的公司又喜欢闷头赚大钱。

所以，想要一份客观、中立，值得信任的大数据市场规模预估报告是非常难的。

没有市场规模和实际销售收入的数据，那么，我们就来说说大数据目前的盈利模式吧。参考下图。

大数据行业目前的四大盈利模式

1、解决方案。

参考上图，我们顺时针的方向来说。

大数据的解决方案主要模式为：我为你架构一套大数据系统，然后每年每月为你维护、升级这套系统。

费用的收取方式为：构建和部署大数据系统的费用+每年的维护/升级服务费用。

哪些企业需要大数据行业的解决方案呢？

一是政府企事业单位。比如税务局、公安系统、卫生系统、防空系统，公共交通系统，反恐、经济、防灾、反腐、社保、环保等。

二是传统行业。衣、食、住、行、医疗、教育、 零售、通信，航空、工业、制造业、体育、娱乐、彩票、影视、餐饮、旅游、房地产等。

这些行业都有三个重要的特点，一来是因为他们没有大数据技术能力，二来是因为他们没有大数据人才，三是他们期望通过大数据来实现互联网+，通过大数据来改造行业目前的情况。对他们来说，积极响应国家号召，在大数据和云计算方面都有大量的预算。

这也是目前大数据行业油水最多，差事最“肥”的地方。IBM、Oracle、SAP这些巨头都在争抢这一块领地。新兴的大数据也各自都有针对细分领域的大数据解决方案。

2、基础设施。

我把数据库、数据源、数据清洗、数据处理工具、数据API、Hadoop商业化版本、大数据引擎、大数据软件硬件结合一体机、CRM、BI等都归纳到基础设施里面了。因为他们的具体业务，其实都是围绕大数据产业链来展开了。

基础设施的主要模式为：我帮你解决大数据部署中间的部分问题。这个模式有点像台式机的“攒机”模式，CPU用这家的，内存用别家的，键盘鼠标自己搭配等等。这种模式是要求企业有大数据能力和人才的。你可以自由组合大数据的基础设施，从而构架出更适合自己业务的大数据系统。

费用收取方式：按照设施的不同进行收费，你可以买断，或者按需、按月、按年、按量来进行付费，比较方便灵活。

典型的企业有：数据堂、SequoiaDB、聚合数据、百分点等。

3、数据工具/产品化服务

我把移动统计分析工具、第三方数据服务、数据分析服务等归纳到这一模块中来。典型的模式如情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、可视化 、网站/APP分析工具等。

费用的收取方式：按需购买，部分功能服务免费，部分功能服务收费。有点像网络游戏中游戏免费下载免费玩，然后进行道具收费的感觉。

工具/产品化服务最典型的企业有阿里的数加平台、Talkingdata、DataEye等。

4、行业应用

这一模块可能和解决方案会有冲突，但是这里说的行业应用主要说的是传统行业加上大数据后产生的新的效应。大数据可以应用到医疗、教育、 零售、通信，航空、工业、制造业、体育、娱乐、彩票、影视、餐饮、旅游、房地产等传统行业，当大数据与这些行业碰撞，就会产生新的商业。

主要模式：利用大数据获得行业洞察，实现更多的收益。比如大数据+医疗就是智慧医疗系统，大数据+制造业就等于工业4.0，大数据+电影就等于票房预测等。

费用收取模式：没有直接的变现，而是通过大数据产生了更大的价值，节约了成本，优化了原有行业，衍生出新的商业模式。

行业应用比较典型的例子有：票房预测、商圈选址、高考预测、智慧城市、无人机、机器人、无人驾驶汽车等。

在此，我特别把金融大数据单独拎了出来，因为金融大数据的前景是最可观的，也是可持续发展的。金融行业会不断的产生数据，而且数据可以反复使用。

大数据在金融方面的应用主要体现在征信、小额信贷、P2P、电子信用卡 、量化投资、反欺诈、互联网金融等方面。银行、保险、证券等行业目前都依赖着大数据的洞察能力。金融行业是最需要数据、最能让大数据实现变现的。大数据在互联网金融方面应用得比较好的平台有京东白条、蚂蚁金服的小额贷款、支付宝的花呗、借呗等。

以上就是我总结出来的大数据变现的四大模式。夸完了大数据，下面就来说说这个行业目前的问题。

大数据行业不得不面对的行业问题

1、人才稀缺 、炒作过剩、实践少、 可借鉴经验少

人才问题我就不详细说了，现在大数据行业招人太困难了，要招到数据科学家就更难了。炒作过剩也不想再说，去年回家和老乡们说大数据，人家都当我是骗人了，泪奔ing。

实践少、 可借鉴经验少这个就很好理解了，成功的企业太少，你想抄，你想借鉴都没有可抄的公司。不像APP和手游，照着国外热门的换个皮也行啊，所以说，在大数据的践行路上，需要更多的是探索和勇气，没有一条成形的道路供你走，需要慢慢探索。

2、大数据的四高问题

技术门槛高， 创业门槛高， 入行门槛高， 部署成本高。

技术门槛，可参考下图。要成为数据科学家，你需要掌握的技能如下。

至于创业门槛。光项目启动资金就至少500万，一般人还真玩不转。 这一条可参考我之前写过的大数据创业门槛。

部署成本高。传统行业、政府企事业单位要部署一套大数据系统，少则几百万，上则几个亿的都有。

事实上，技术能力是门槛，有经验的人才非常少是门槛，建设完真正为业务提供价值也是门槛。

3、数据源获取困难

①数据爬取越来越困难，防网站数据爬取将变成一种生意；

②网站更注重安全性，更多网站使用https协议；

③数据API或将取代爬虫。

4、数据归属和隐私悖论

数据本身就是企业的资产，那么数据的归属该如何划分？数据里包含的个人隐私该如何规避？

据我所知，现在还没有一套完善的法律法规体系来正面说数据归属权和隐私悖论。当然，也不能着急，这是一个行业逐渐发展中都会遇到的问题。法律法规会随着行业的发展来逐渐健全。

5、无直接商业模式，变现困难

虽然前面我说了大数据的四大盈利模式，但是细想回来，大数据其实并没有最直接的商业模式，直接贩卖数据是违法的。大数据只有和业务场景结合才能实现商业价值。据我们了解的情况来看，目前，部分企业仍然依靠政府扶持和融资来活着。还有就是大数据行业其实尚未形成完整的生态链。大数据对生活、工作、学习以及商业渗透力还是较弱。

小结

让我们再来回顾一下大数据行业的主要盈利模式，分别是解决方案部署、提供基础设施、数据工具与数据产品化服务，以及行业应用。其中，大数据在金融行业中应用是最能见到钱的。行业目前主要面临着人才稀缺 、炒作过剩、 实践少、 可借鉴经验少、门槛高、数据源获取困难、数据归属、隐私悖论以及变现困难等问题。

任何事情都有两面性，一如大数据有巨大的价值，同时行业也有这样那样的问题，对于前行未知的道路，风险越大也就意味着收益越大。相比较P2P、O2O这样行业，大数据还是一个比较稳健、厚积薄发的行业。没有3-5年的积累和发展是很难见到价值的。

在此，我们也号召大家冷静、理智的看待大数据行业，用实事求是的态度去做大数据。我们期待这个行业越来越好，同时也期待有更多的人加入到这个行业当中。只有整个行业大环境好起来，大数据才会更好。

我们期待中国大数据企业在纳斯达克敲钟的那一天。

另，感谢帮助我校稿的小伙伴们。

End.