大數據行業的主要盈利模式，分別是解決方案部署、提供基礎設施、數據工具與數據產品化服務，以及行業應用。其中，大數據在金融行業中應用是最能見到錢的。行業目前主要面臨著人才稀缺、炒作過剩、實踐少、可借鑒經驗少、門檻高、數據源獲取困難、數據歸屬、隱私悖論以及變現困難等問題。

    大數據四大盈利模式及五大行業問題

　　中國大數據市場規模報告解讀

　　1、聯合國2012年5月對外發布了《大數據促發展：挑戰與機遇》白皮書

　　報告顯示，2014年，全球大數據市場增長速度達53%，總體規模為285億美元。到2017年，全球大數據市場收入將達500億美元，這意味著從2011年起連續6年年復合增長率達38%。中國市場情報中心有關統計顯示，2012年中國大數據市場規模為4.5億元，同比增長40.6%，到2018年，中國大數據市場規模將達到463.4億元。

　　2、易觀智庫：《中國大數據整體市場趨勢預測報告2014-2017》

　　根據EnfoDesk易觀智庫發布的《中國大數據整體市場趨勢預測報告2014-2017》數據顯示，2014年進入大數據應用市場的快速增長期，增長速度將接近30%。預計2016年國內大數據市場規模總量將突破100億人民幣。其中線上市場主要包括互聯網用戶數據市場，以及以互聯網金融為主的線上金融市場；線下市場主要包括IT企業的大數據應用及大數據平臺業務市場，不包括大數據基礎設施服務市場規模。

　　現在問題來了，學挖掘機到底哪家強？不對，我想說的是，這么多關于大數據市場規模的預測擺在面前，我們到底該相信誰？誰更準確些？

　　這兩份報告里，如果真的要選出一份更客觀的報告的話，我會選擇易觀智庫發布的報告。聯合國發布的報告一來是因為年份比較久遠不太符合目前大數據市場的發展變化，二來它主要說的是全球大數據的市場規模。

　　大數據的市場規模很難預測

　　大數據行業和電子商務、網絡游戲公司還不同，網絡游戲公司喜歡曬流水，曬收入。雖然也有水分。而且上市公司也多，把幾家巨頭游戲公司的財報加在一起，大概就能預估出來，電子商務也一樣。

　　大數據市場規模不好預估，一來是所有互聯網企業其實都有大數據業務，那么它到底算不算在市場規模里？二是大數據除了新三板外，沒有一家企業在創業板、港交所或納斯達克上市，他們不發布財報，所以很難預估。還有就是，做大數據的這群人其實也還蠻雞賊的，他們都不太愿意透露自己的收入情況，只喜歡說公司估值多少多少。他們自己做數據，但是卻不愿意透露具體詳細的數據情況。原因有二，現在真正實現盈利的大數據公司不多，真正實現了盈利的公司又喜歡悶頭賺大錢。

　　所以，想要一份客觀、中立，值得信任的大數據市場規模預估報告是非常難的。

　　沒有市場規模和實際銷售收入的數據，那么，我們就來說說大數據目前的盈利模式吧。參考下圖。

 

　　大數據行業目前的四大盈利模式

　　1、解決方案。

　　參考上圖，我們順時針的方向來說。

　　大數據的解決方案主要模式為：我為你架構一套大數據系統，然后每年每月為你維護、升級這套系統。

　　費用的收取方式為：構建和部署大數據系統的費用 每年的維護/升級服務費用。

　　哪些企業需要大數據行業的解決方案呢？

　　一是政府企事業單位。比如稅務局、公安系統、衛生系統、防空系統，公共交通系統，反恐、經濟、防災、反腐、社保、環保等。

　　二是傳統行業。衣、食、住、行、醫療、教育、零售、通信，航空、工業、制造業、體育、娛樂、彩票、影視、餐飲、旅游、房地產等。

　　這些行業都有三個重要的特點，一來是因為他們沒有大數據技術能力，二來是因為他們沒有大數據人才，三是他們期望通過大數據來實現互聯網 ，通過大數據來改造行業目前的情況。對他們來說，積極響應國家號召，在大數據和云計算方面都有大量的預算。

　　這也是目前大數據行業油水最多，差事最“肥”的地方。IBM、Oracle、SAP這些巨頭都在爭搶這一塊領地。新興的大數據也各自都有針對細分領域的大數據解決方案。

　　2、基礎設施。

　　我把數據庫、數據源、數據清洗、數據處理工具、數據API、Hadoop商業化版本、大數據引擎、大數據軟件硬件結合一體機、CRM、BI等都歸納到基礎設施里面了。因為他們的具體業務，其實都是圍繞大數據產業鏈來展開了。

　　基礎設施的主要模式為：我幫你解決大數據部署中間的部分問題。這個模式有點像臺式機的“攢機”模式，CPU用這家的，內存用別家的，鍵盤鼠標自己搭配等等。這種模式是要求企業有大數據能力和人才的。你可以自由組合大數據的基礎設施，從而構架出更適合自己業務的大數據系統。

　　費用收取方式：按照設施的不同進行收費，你可以買斷，或者按需、按月、按年、按量來進行付費，比較方便靈活。

　　典型的企業有：數據堂、SequoiaDB、聚合數據、百分點等。

　　3、數據工具/產品化服務

　　我把移動統計分析工具、第三方數據服務、數據分析服務等歸納到這一模塊中來。典型的模式如情報挖掘、輿情分析、銷售追蹤、精準營銷、個性化推薦、可視化、網站/APP分析工具等。

　　費用的收取方式：按需購買，部分功能服務免費，部分功能服務收費。有點像網絡游戲中游戲免費下載免費玩，然后進行道具收費的感覺。

　　工具/產品化服務最典型的企業有阿里的數加平臺、Talkingdata、DataEye等。

　　4、行業應用

　　這一模塊可能和解決方案會有沖突，但是這里說的行業應用主要說的是傳統行業加上大數據后產生的新的效應。大數據可以應用到醫療、教育、零售、通信，航空、工業、制造業、體育、娛樂、彩票、影視、餐飲、旅游、房地產等傳統行業，當大數據與這些行業碰撞，就會產生新的商業。

　　主要模式：利用大數據獲得行業洞察，實現更多的收益。比如大數據 醫療就是智慧醫療系統，大數據 制造業就等于工業4.0，大數據 電影就等于票房預測等。

　　費用收取模式：沒有直接的變現，而是通過大數據產生了更大的價值，節約了成本，優化了原有行業，衍生出新的商業模式。

　　行業應用比較典型的例子有：票房預測、商圈選址、高考預測、智慧城市、無人機、機器人、無人駕駛汽車等。

　　在此，我特別把金融大數據單獨拎了出來，因為金融大數據的前景是最可觀的，也是可持續發展的。金融行業會不斷的產生數據，而且數據可以反復使用。

　　大數據在金融方面的應用主要體現在征信、小額信貸、P2P、電子信用卡、量化投資、反欺詐、互聯網金融等方面。銀行、保險、證券等行業目前都依賴著大數據的洞察能力。金融行業是最需要數據、最能讓大數據實現變現的。大數據在互聯網金融方面應用得比較好的平臺有京東白條、螞蟻金服的小額貸款、支付寶的花唄、借唄等。

　　以上就是我總結出來的大數據變現的四大模式。夸完了大數據，下面就來說說這個行業目前的問題。

　　大數據行業不得不面對的行業問題

　　1、人才稀缺、炒作過剩、實踐少、可借鑒經驗少

　　人才問題我就不詳細說了，現在大數據行業招人太困難了，要招到數據科學家就更難了。炒作過剩也不想再說，去年回家和老鄉們說大數據，人家都當我是騙人了，淚奔ing。

　　實踐少、可借鑒經驗少這個就很好理解了，成功的企業太少，你想抄，你想借鑒都沒有可抄的公司。不像APP和手游，照著國外熱門的換個皮也行啊，所以說，在大數據的踐行路上，需要更多的是探索和勇氣，沒有一條成形的道路供你走，需要慢慢探索。

　　2、大數據的四高問題

　　技術門檻高，創業門檻高，入行門檻高，部署成本高。

　　技術門檻，可參考下圖。要成為數據科學家，你需要掌握的技能如下。

　　至于創業門檻。光項目啟動資金就至少500萬，一般人還真玩不轉。部署成本高。傳統行業、政府企事業單位要部署一套大數據系統，少則幾百萬，上則幾個億的都有。

　　事實上，技術能力是門檻，有經驗的人才非常少是門檻，建設完真正為業務提供價值也是門檻。

　　3、數據源獲取困難

　　①數據爬取越來越困難，防網站數據爬取將變成一種生意；

　　②網站更注重安全性，更多網站使用https協議；

　　③數據API或將取代爬蟲。

　　4、數據歸屬和隱私悖論

　　數據本身就是企業的資產，那么數據的歸屬該如何劃分？數據里包含的個人隱私該如何規避？

　　據我所知，現在還沒有一套完善的法律法規體系來正面說數據歸屬權和隱私悖論。當然，也不能著急，這是一個行業逐漸發展中都會遇到的問題。法律法規會隨著行業的發展來逐漸健全。

　　5、無直接商業模式，變現困難

　　雖然前面我說了大數據的四大盈利模式，但是細想回來，大數據其實并沒有最直接的商業模式，直接販賣數據是違法的。大數據只有和業務場景結合才能實現商業價值。據我們了解的情況來看，目前，部分企業仍然依靠政府扶持和融資來活著。還有就是大數據行業其實尚未形成完整的生態鏈。大數據對生活、工作、學習以及商業滲透力還是較弱。

　　小結

　　讓我們再來回顧一下大數據行業的主要盈利模式，分別是解決方案部署、提供基礎設施、數據工具與數據產品化服務，以及行業應用。其中，大數據在金融行業中應用是最能見到錢的。行業目前主要面臨著人才稀缺、炒作過剩、實踐少、可借鑒經驗少、門檻高、數據源獲取困難、數據歸屬、隱私悖論以及變現困難等問題。

　　任何事情都有兩面性，一如大數據有巨大的價值，同時行業也有這樣那樣的問題，對于前行未知的道路，風險越大也就意味著收益越大。相比較P2P、O2O這樣行業，大數據還是一個比較穩健、厚積薄發的行業。沒有3-5年的積累和發展是很難見到價值的。

　　在此，我們也號召大家冷靜、理智的看待大數據行業，用實事求是的態度去做大數據。我們期待這個行業越來越好，同時也期待有更多的人加入到這個行業當中。只有整個行業大環境好起來，大數據才會更好。

　　我們期待中國大數據企業在納斯達克敲鐘的那一天。