形容中國大數(shù)據(jù)產(chǎn)業(yè)為“蒙面狂奔”，也許言過其實，但諸多桎梏確實擺在眼前。不管是依靠數(shù)據(jù)服務(wù)，還是行業(yè)應(yīng)用定制，中國大數(shù)據(jù)產(chǎn)業(yè)仍需極大的人力消耗，成熟的盈利模型尚未建立。
于IT業(yè)內(nèi)，大數(shù)據(jù)之火熱程度，似乎無出其右者。當然，在其真正爆發(fā)前夜，也應(yīng)該適時潑盆冷水。
誰能接觸到數(shù)據(jù)
以我來形容中國大數(shù)據(jù)產(chǎn)業(yè)，可稱“蒙面狂奔”四字。在沒有思考清晰盈利模式之時，已蒙面狂奔，絕塵而去。
國內(nèi)冠以大數(shù)據(jù)之名的企業(yè)數(shù)以千計，但細分其專注領(lǐng)域，大致可歸屬三類：其一，平臺型企業(yè)，例如華為、星環(huán)科技、浪潮、新華三等;其二，工具型企業(yè)，例如在數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)清洗、數(shù)據(jù)可視化等領(lǐng)域中的海量數(shù)據(jù)、帆軟軟件、明略數(shù)據(jù)等;其三，應(yīng)用型企業(yè)，例如百分點，以及國內(nèi)諸多行業(yè)方案商多屬于此類型。
不需否認，大數(shù)據(jù)已在國內(nèi)諸多行業(yè)領(lǐng)域展現(xiàn)出其價值，但深究典型案例，應(yīng)遠未如媒體宣傳中顯著。為何?有資格被稱為大數(shù)據(jù)企業(yè)，取決于兩個先要條件：其一，掌握或接觸到用戶數(shù)據(jù);其二，有能力為用戶提供數(shù)據(jù)服務(wù)。
先觀察首要條件，大數(shù)據(jù)企業(yè)能否掌握，或接觸到用戶數(shù)據(jù)。答案：很難。除互聯(lián)網(wǎng)公開數(shù)據(jù)之外，第三方能接觸到的數(shù)據(jù)資源著實有限。以IT方案商為例，此前其以為用戶設(shè)計、實施行業(yè)應(yīng)用軟件為主營業(yè)務(wù)，理論上距離數(shù)據(jù)最近，但就如建筑商，建設(shè)了廣廈千萬間，建設(shè)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(yè)應(yīng)用軟件，其中也承載了海量價值數(shù)據(jù)，但這并不等同于能接觸到數(shù)據(jù)。
退一步說，在企業(yè)意識到數(shù)據(jù)也是資產(chǎn)，數(shù)據(jù)也能創(chuàng)造價值后，其正急需尋找數(shù)據(jù)服務(wù)商，或數(shù)據(jù)運營商。而能夠承擔此角色者，IT方案商應(yīng)為首選。原因?方案商為企業(yè)用戶提供了十余年IT服務(wù)，多少會產(chǎn)生些信任度，從IT服務(wù)，延伸到數(shù)據(jù)服務(wù)，應(yīng)為順其自然。
而問題又由此而來，大數(shù)據(jù)真的有用嗎?實施了鐵路車輛檢修大數(shù)據(jù)系統(tǒng)，工人手中使用了幾十年敲敲打打的“小鐵錘”就能退休?實施了金融風險管控大數(shù)據(jù)系統(tǒng)，其結(jié)論是否能直接自動導(dǎo)入金融機構(gòu)業(yè)務(wù)流程，而無需人工干預(yù)?答案基本否定。
原因在于，大數(shù)據(jù)應(yīng)用服務(wù)商即使能獲得用戶數(shù)據(jù)，也極其有限、極其不全面。以城市交通信息為例，此類通常掌握在20余部門手中，方案商幾乎不可能全面融合此類數(shù)據(jù)。而基于不全面的、錯誤的數(shù)據(jù)源，也就不可能推導(dǎo)出正確，有決策價值的結(jié)論。
做大數(shù)據(jù)真的能賺錢嗎?
當然，基于局部數(shù)據(jù)，也仍有可能建設(shè)出經(jīng)典的大數(shù)據(jù)案例。但大數(shù)據(jù)項目真的賺錢嗎?未必。在諸多大數(shù)據(jù)企業(yè)中，融資進度大多在B輪和C輪之間，尚沒有一家企業(yè)完成D輪融資。也就是說，距離賺錢尚早。
而細分技術(shù)領(lǐng)域，首先，大數(shù)據(jù)工具類企業(yè)業(yè)務(wù)模式相對簡單，其只是產(chǎn)業(yè)鏈中的一環(huán)，實現(xiàn)盈利相對容易。其次，大數(shù)據(jù)平臺型企業(yè)，其盈利模式比較復(fù)雜。單純依靠銷售大數(shù)據(jù)平臺幾乎不可能產(chǎn)生經(jīng)濟效益，而基于不同的業(yè)務(wù)出身，其業(yè)務(wù)模式又可分化為三個流派，一類企業(yè)希望以大數(shù)據(jù)平臺帶動底層硬件產(chǎn)品銷售;而另一類企業(yè)，通過提供支持標準的SQL接口，依靠提供數(shù)據(jù)服務(wù)實現(xiàn)盈利。當然，第三類企業(yè)比較“野蠻”，希望通過數(shù)據(jù)，或基于用戶數(shù)據(jù)的服務(wù)直接變現(xiàn)。
而除此之外，業(yè)務(wù)模式更為“枯燥”的是大數(shù)據(jù)應(yīng)用類企業(yè)。通常行業(yè)方案商的大數(shù)據(jù)業(yè)務(wù)范疇包括：數(shù)據(jù)獲取、整合、治理、應(yīng)用和展現(xiàn)等，其中尤以數(shù)據(jù)治理最苦最累，在大數(shù)據(jù)項目中50%~60%的工作量也集中于此，不要忽悠什么人工智能、深度學習能解決此類問題，基本還屬于紙上談兵的階段。
問題由此而來，臟活累活總還是要有人干。配備10名數(shù)據(jù)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(shù)據(jù)部門，年均人力成本就應(yīng)在250萬元以上。250萬元?要做多少大數(shù)據(jù)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(shù)據(jù)科學家的專長技能相匹配。
同時，與云計算不同，云計算考驗方案商純IT方面能力，而大數(shù)據(jù)項目則需要方案商數(shù)據(jù)科學家與行業(yè)團隊，以及用戶業(yè)務(wù)專家緊密結(jié)合，合作建立基于應(yīng)用場景的數(shù)據(jù)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(shù)據(jù)項目的定制化程度相對較高，達到50%~40%，項目間很難具有可復(fù)制性，方案商也因此較難建立成熟的大數(shù)據(jù)項目盈利模型。