
大数据能否拯救移动应用安全百亿市场_数据分析师考试
随着移动互联网的迅速普及,智能手机已经进入风险爆发期,智能手机用户遭受网络欺诈并造成财产损失的数量将直线上升。这一趋势将促使移动安全市场迅速成熟,一个规模百亿的新市场成为众多移动应用安全商掘金的新蓝海。
研究机构全球产业分析(Global Industry Analysts,GIA)研究报告指出,到2017年,全球移动设备安全市场规模将达到144亿美元,据业内人士估算,2014年国内移动应用安全市场盈利已达到2500万,2015年持续快速增长,预计2016年可以做到14亿。种种数据都表明该市场前景广阔,但不少移动应用安全业内人士对行业发展却依然忧心忡忡的表示,这是正常发展速度下的乐观预计,因为赤裸裸的恶性市场竞争已经在悄然打碎这块到嘴的蛋糕。
APP市场容量在急速扩增。这就决定APP开发第三方平台服务蓝海也越来越深邃。移动互联网带动了一大波第三方平台的创业热潮,同时加快了智能手机更新换代速度,引起o2o高速发展以及物联网的广泛应用,其中,移动应用安全服务市场已经悄然崛起。
不为战争和毁灭效劳,而为和平与谅解服务,德国作家海塞如是说。这句格言用在21世纪的互联网圈恰如其分。
移动应用安全格局逐渐成型中,BAT未见明显优势
移动应用安全服务现有商业模式基本分为2B及2D两部分,2B部分为主要盈利对象,通常采用定制计费模式,而针对各领域开发者,则提供通用免费服务,以此积累种子用户,并在积累种子用户的过程中挖掘市场、树立品牌。服务内容一般包括对APP进行渠道监控,APP加固保护,防止APP被二次打包、盗版、信息窃取等, 保障APP中的代码、数据、资金安全,因为涉及到近20亿智能手机用户的隐私及敏感信息,应用安全引起越来越多的关注。
但领域行业的技术壁垒提高了市场准入门槛,所以,技术优势成为了市场竞争的有力武器,一些初创型中小企业专注于移动应用安全的技术突破,爱加密、通付盾、娜迦信息、梆梆安全等,各自扎根市场早早开始进入耕耘。
面对这片蓝海,BAT也觊觎不已,纷纷推出各自的安全平台,如阿里聚安全、百度移动安全、腾讯云应用加固都是定点投放产品,其外,百度全资收购安全宝,阿里巴巴收购翰海源,360从手机卫士延伸出360加固宝产品等市场动作,也充分显示了巨头对市场前景的看好。在逐渐成型的商业格局中, BAT除了原有平台资源及基础用户,并未显示出明显的竞争优势,对市场规则的制定依然没有话语权。反之,中小型安全服务商专注移动应用安全服务,在技术专业度及服务上反而更精更专,却限于自身的平台和客户基础,难以抢占较大的市场份额。目前,大家忙于布局线上线下市场策略,表面上云淡风轻,而很快,随着蛋糕的诱惑力逐渐显现,这将成为一个新的白热化战场。
谁动了移动应用安全百亿市场的奶酪?
业内人士表示,只有行业规范发展,良性循环,应用安全市场的蛋糕才能越做越大。移动应用安全行业方兴未艾,行业风范和规则尚未形成,正是脆弱的时候。这时候如果有企业为抢占市场,一家独大而进行恶意竞争,破坏行业底线与原则,甚至蒙骗客户,引导错误观念与舆论导向,这对整个行业都是摧毁性的打击。一旦行业形成不好的风气,对业内的任何企业来说,生存都只会更艰难。
抢夺用户从价格战开始。面对未形成行业规范的市场环境,有限的时间和资本,巨头的袭击,中小型应用安全服务商如何生存?这类中小型企业发展前期,推广资金少、技术开发成本高,如何在夹缝中快速抢占优质用户成了头疼问题。
蓝海最棒的是意味着未知的市场空间,尴尬的是在市场规则未制定前的混战中,同样存在太多未知的风险,比如被快速淘汰或者取经途中饿死。市场成长期,用户未形成对服务价值的标准判断,竞争中的个别安全服务商为了达到快速占领市场,形成行业垄断的目的,开始以服务价格低、技术含量高为自夸点,恶意抢占客户、攻击对手的安全技术、不顾市场风险将价格压到成本价以下等行为竞相上演,丝毫不考虑对行业造成的消极影响。恶意价格战带来的结果是客户对服务商失去信心与信任,带来市场资金池的不断萎缩,企业利润不断降低甚至没有。长远来看,这完全等于“自毁”行为。
最具杀伤力的后果是移动应用安全服务商信誉的降低,行业标准未形成前的恶意价格战造成行业标准混乱,必然导致行业乱象。放眼之下,互联网圈子里为了抢占用户而上演的撕逼大战已经见惯不怪,谁都想找到市场的高地,手握话语权、凭着夯实的用户量坐当老大,冲着一众小兄弟摇臂呐喊,像庄家一样指挥着市场的游戏规则。
但在此之前,请注意,百亿的市场规模在变小,以低价竞争换来市场规模缩小,企业盈利空间减少的现状, 移动安全市场真的还能健康成长下去吗?
大数据能否成为移动应用安全商的救命稻草
IBM的研究显示,过去两年全球产生的数据占整个人类文明所获全部数据的90%,到2020年,全球产生的数据将是今天的44倍。数据可以使世界变得更美好,面对这个庞大的数字,移动应用安全领域如果找到挖掘和利用大数据的钥匙,是否能顺利进入下一轮晋级赛?
大数据能否拯救百亿规模?前面提到,移动应用安全服务的两个模式,2B部分带来商业数据,2D部分带来免费用户数据。我们来分析下这些数据的产生及价值。
最近撕逼中的乐视在反击小米电视自称“免费内容最多”时,回应到“免费内容很多是片花。”这当然是讽刺,再精彩的片花也无法带来实际流量。免费用户的数据易搜集,但大多存在低频次使用率、难以转化为市场利润,对于处在小米加步枪生存状态下的中小型应用安全服务商现实意义不大。只有真正的优质数据才可以转化为企业效益与盈利,而在移动应用安全领域,这部分优质数据都集中在商业数据上,市场利润在企业级用户这里才有空间可言。
那么新的问题来了,作为一个APP安全服务商,如何搜集这部分优质数据呢?
其实,想搜集优质数据非常难,优质数据具备解决现实问题并具有输出转化意义,首先得是活跃的高频次应用的用户所产生,同时要求这部分用户具有消费趋向并带来商业价值, 移动应用安全商业数据来源于作为移动应用安全服务商在安全服务中进行的数据搜集。换句话说,移动应用安全服务商可以在用户的背后默默提供数据安全保护,也可以默默的搜集企业级用户的用户数据,这里剧情就变得狗血起来。
最关注移动应用安全的行业包括金融、游戏、电商、智能家居等等,其下的用户信息大多与资金相关,对企业来说这些数据更是相当敏感。到群众里去时候,警察可以一边说自己是来抓贼的,一边从别人钱包里数钱么?作为移动应用安全服务商,在未经授权的情况下,利用技术私自搜集用户数据,这种“安全服务”等于监守自盗,在这种情况下谈安全,无疑是个“伪命题”。个别应用安全企业号称要做大数据安全,但这种安全如果是窃取用户隐私数据前提下的安全,恐怕未来大家都将“谈安全色变”。
作为负责任的安全服务提供商,在这个问题上无疑需要让步,在未经授权的前提下,保证用户数据安全的同时,坚决不搜集用户数据,不做任何收集信息的行为,才是业界良心,也应该是最基本的行业准则。
既然大数据不能拯救市场百亿规模,那么做好企业的本分,避免恶意手段竞争,形成良好的竞争氛围,规范自身的前提下带动移动应用安全市场在稳定中前行,在移动互联网处于重要时刻的当下,无疑更具有历史的使命感。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09