做大數據真的能賺錢嗎？

大數據技術的戰略意義不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理。換而言之，如果把大數據比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。

從技術上看，大數據與雲計算的關係就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單台的計算機進行處理，必須採用分散式架構。它的特色在於對海量數據進行分散式數據挖掘。但它必須依託雲計算的分散式處理、分散式資料庫和雲存儲、虛擬化技術。

誰能接觸到數據

國內冠以大數據之名的企業數以千計，但細分其專註領域，大致可歸屬三類：其一，平台型企業，例如華為、星環科技、浪潮、新華三等;其二，工具型企業，例如在數據採集、數據分析、數據清洗、數據可視化等領域中的海量數據、帆軟軟體、明略數據等;其三，應用型企業，例如百分點，以及國內諸多行業方案商多屬於此類型。

不需否認，大數據已在國內諸多行業領域展現出其價值，但深究典型案例，應遠未如媒體宣傳中顯著。為何?有資格被稱為大數據企業，取決於兩個先要條件：其一，掌握或接觸到用戶數據;其二，有能力為用戶提供數據服務。

先觀察首要條件，大數據企業能否掌握，或接觸到用戶數據。答案：很難。除互聯網公開數據之外，第三方能接觸到的數據資源著實有限。以IT方案商為例，此前其以為用戶設計、實施行業應用軟體為主營業務，理論上距離數據最近，但就如建築商，建設了廣廈千萬間，建設了條條大路通羅馬，也不能掌握居民和車輛信息一樣。方案商實施了行業應用軟體，其中也承載了海量價值數據，但這並不等同於能接觸到數據。

退一步說，在企業意識到數據也是資產，數據也能創造價值后，其正急需尋找數據服務商，或數據運營商。而能夠承擔此角色者，IT方案商應為首選。原因?方案商為企業用戶提供了十餘年IT服務，多少會產生些信任度，從IT服務，延伸到數據服務，應為順其自然。

而問題又由此而來，大數據真的有用嗎?實施了鐵路車輛檢修大數據系統，工人手中使用了幾十年敲敲打打的「小鐵鎚」就能退休?實施了金融風險管控大數據系統，其結論是否能直接自動導入金融機構業務流程，而無需人工干預?答案基本否定。

做大數據真的能賺錢嗎?

有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。對於很多行業而言，如何利用這些大規模數據是贏得競爭的關鍵。

大數據的價值體現在以下幾個方面：

1)對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷

2) 做小而美模式的中小微企業可以利用大數據做服務轉型

3) 面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值

首先，大數據工具類企業業務模式相對簡單，其只是產業鏈中的一環，實現盈利相對容易。其次，大數據平台型企業，其盈利模式比較複雜。單純依靠銷售大數據平台幾乎不可能產生經濟效益，而基於不同的業務出身，其業務模式又可分化為三個流派，一類企業希望以大數據平台帶動底層硬體產品銷售;而另一類企業，通過提供支持標準的SQL介面，依靠提供數據服務實現盈利。當然，第三類企業比較「野蠻」，希望通過數據，或基於用戶數據的服務直接變現。

而除此之外，業務模式更為「枯燥」的是大數據應用類企業。通常行業方案商的大數據業務範疇包括：數據獲取、整合、治理、應用和展現等，其中尤以數據治理最苦最累，在大數據項目中50%~60%的工作量也集中於此，不要忽悠什麼人工智慧、深度學習能解決此類問題，基本還屬於紙上談兵的階段。

問題由此而來，臟活累活總還是要有人干。配備10名數據科學家不能算多吧!月薪1萬元要也不算苛刻吧!如此算下來，稍有實力的方案商大數據部門，年均人力成本就應在250萬元以上。250萬元?要做多少大數據項目，而且前提是要保證每個項目間要有很好地時間銜接，還要保證每個項目的能力需求都要與數據科學家的專長技能相匹配。

同時，與雲計算不同，雲計算考驗方案商純IT方面能力，而大數據項目則需要方案商數據科學家與行業團隊，以及用戶業務專家緊密結合，合作建立基於應用場景的數據分析模型。由此，每個項目的成功均需具備「天時、地利、人和」。也就是說，單個大數據項目的定製化程度相對較高，達到50%~40%，項目間很難具有可複製性，方案商也因此較難建立成熟的大數據項目盈利模型。

不管是依靠數據服務，還是行業應用定製，大數據產業仍需極大的人力消耗，成熟的盈利模型尚未建立。