国家标准委正在着手制定首批共十项大数据标准，分别是大数据术语、大数据技术参考模型、数据交易平台交易数据描述、数据交易服务平台通用功能要求、数据能力成熟度评价模型、多媒体数据语义描述要求、科学数据引用、数据溯源描述模型、数据质量评价指标和通用数据导入接口规范。

　　大数据企业如何发展，市场正在做出自己的选择。

　　8月末，北京某酒店的一场大数据企业展上，聚集了全国各地的企业。现场展示有随着《江南style》起舞的机器人，有早期科幻电影里走出来的“触摸式数据可视化屏幕”……

　　“你们的具体业务是做什么的”、“和大数据有什么关系”……和直观的服装展、美食展不同，大数据行业作为当下的风口新业态，其行业标准、商业模式正在探索中，参展的大数据企业们，以各种可视化的方式，把大数据产业的最新成果展示给观众。这场活动吸引了大批企业和研究人员，其中还包括自费从国外过来学习的教授。

　　中国的人口数量，让其成为大数据大国，但却不是生来的大数据强国。国内大数据市场正在经历炒作、探路和实践期。21世纪经济报道记者采访发现，今年的大数据行业聚会，探讨的内容已经从2014年的数据是什么，发展到大数据产业的商业模式怎么做。

　　从业务定位到市场开发，从产品生产到服务提供，大数据企业的发展还处于初始阶段。在大数据生态圈里，看上去很美的商业价值，已经吸引了一批创业者，将之视作弯道超车BAT的最大机遇;也有传统企业和行业巨头借势圈地扩张，寄望完成转型和整合。

　　有学界和业界人士预测，大数据已经从概念炒作走向了稳步发展时期。另外，8月份出台的促进大数据产业发展行动纲要，系列鼓励和规范政策正在密集出台中。在大数据这个具体政策和标准近乎空白，正在野蛮生长的大数据产业生态链中，21世纪经济报道记者通过采访大数据产业生态链上的各类企业，摸底大数据产业的商业化落地进程。

　　应用行业参差不齐

　　“扫码送牛奶”、“扫码送雨伞”……进入2015年，从中关村地铁站出来，簇拥围住你的人群，不再给你发传单，而是各类APP扫码推广。APP推广的大量聚集，让这里被戏称做“扫码一条街”。

　　在大数据被各方合力推上风口的当下，这些APP推广工作人员会介绍，这款应用是基于某领域海量数据库的处理和分析的产品。在很多新上线APP的宣传里，“数据为王”，“企业对大数据的态度决定未来的高度”，类似的说法越发常见。

　　事实上，这些企业是不是纯粹的大数据企业尚有争议。一部分人认为，严格意义上来说他们只是通过互联网+的方式应用大数据，是大数据生态链上最终的消费者，是大数据得以应用的主要场景，而不是纯粹的大数据从业企业。

　　抛开争论，这些大数据应用企业，对大数据产业发展的重要性毋庸置疑。“企业对数据的应用，是大数据行业发展的引擎”，有专家表示。

　　21世纪经济报道记者发现，在每一次关于大数据相关的活动中，大数据的商业应用，是最受关注的板块。在8月26日的中国国际大数据大会开幕论坛上，关于大数据的商业应用，学界和业界即产生了两种完全对立的观点。

　　北京大学鄂维南院士提到：“现在的数据分析公司是风起云涌，我把它说成是小锅炉战场，想当年大炼钢铁的时候，就是自己在家里就建了锅炉就炼。”鄂维南称，现在的确什么人都可以做，没有什么技术含量。

　　鄂维南还提到，数据交易存在经济学上的悖论，数据服务作为一个业务模式，它的商业模式现在没有真正被认可，数据通过什么方式赚钱，前景不是那么清楚。

　　晶赞科技董事长汤奇峰在中国国际大数据大会上发言称，大数据交易并不存在经济学上的悖论。我国企业对大数据应用的现状基本都是初期的状态。应用的主要形式还是，基于大数据得到的商业洞悉，业务推荐和智能获客等三个领域。其中的典型就是个性化推荐和智能广告。

　　汤其峰在接受21世纪经济报道记者采访时表示，大数据的商业模式体现在很多方面，大数据价值在交易和流通的过程中体现，并且会发生聚变效应，实现边际效应递增。

　　21世纪经济报道记者了解到，目前国内对于大数据应用，发展较好的还是以大企业为主，比如BAT、滴滴快的、Uber等互联网企业。不管是对外数据源采集，还是企业内部的数据资产管理，其互联网企业基因，以及自身的资本优势，使得他们在大数据的应用上同样处于领先的态势。

　　同时，由于这些拥有大量数据资源的企业，在分析挖掘数据形成应用的同时，放弃直接依靠出售数据获利，而选择对外提供数据服务和分析结果，为应用类企业的决策和东西提供了便利条件。这也是应用类的数据企业或产品数量较大，占到了行业总数的三分之一的重要原因。

　　而对于部分中小企业而言，资金缺乏和技术难题导致数据获取难，缺乏数据资产管理意识，其对大数据的使用，仍在探路中。

　　另外，我国的大数据应用领域分布仍然不够全面，相关企业主要集中在互联网、市场营销、电信、金融领域，而政府公共服务、农业类应用，发展还在原始阶段，近期个别企业还不时爆出数据造假的传闻。同时，数据应用的方式单一，思路狭窄，一些企业盲目学习国外的数据应用模式，也是大数据应用企业发展的一大短板。

　　抢占数据分析高地

　　如果说大数据的应用，是大数据产业的商业价值终端，那么大数据行业公认的大数据分析，将会是大数据产业的核心，是大数据能够点石成金的关键。

　　这样的判断是基于大数据的特性。数据本身不产生价值，当数据经过挖掘、归类和分析，能够给企业决策提供帮助之后，才具有价值。

　　数据堂公司今年发布了一份《大数据产业调研及分析报告》，其中将大数据分析工作归类为商业分析、语音识别、图像分析、实时处理、空间分析、基因分析、用户分析、日志分析，和数据可视化等九个种类。目前，国内在各个领域都已出现了一批相关大数据企业。

　　与上述横向划分不同，另一些看法则偏向将大数据分析按商业价值的高低进行区分。前LinkedIn商业分析部总监，GrowingIO的创始人张溪梦介绍说，在数据分析发展更早的美国，数据分析区块已经按商业价值从低到高地细分为数据采集、大数据架构、响应性分析，诊断性分析、战略性分析、预测性分析和全自动分析。而一旦做到数据分析全自动化，将会利用10%的时间，创造出这个行业90%的价值。

　　在美国数据分析领域工作十余年的张溪梦认为，“数据分析前端过程复杂，分析昂贵，导致在过去若干年里，数据科学家90%的时间和工作都是进行数据清洗、整理、传输和存储，但真正产生价值的是剩下的10%。我们必须要利用各种先进技术，把金字塔底部做得非常狭窄，把以往很缓慢的流程缩短甚至透明化。”

　　21世纪经济报道记者获悉，目前国内的数据分析产品，在与国外产品的竞争中仍处劣势。以日志搜索系统为例，虽然国内已有自主研发的日志实时搜索分析引擎面世，但市场使用的主流还是HADOOP、STORM和SPARK等国外开放计算框架下的产品，有部分互联网和金融企业则选择了SPLUNK等第三代日志搜索软件包，这同样也是美国开发的大数据工具。

　　然而国内企业并非毫无竞争力，日志搜索分析引擎“日志易”的创始人兼CEO陈军介绍，这些国外数据搜索处理系统价格非常昂贵，同时由于之前的“棱镜门”事件，国外系统的软件后门也令一些国内的企业尤其是金融企业担忧。

　　人才短缺是限制国内大数据分析企业发展的另一大主因。《哈佛商业评论》曾将数据分析师称为“21世纪最性感的职业”，当下也是稀缺和抢手的职业。鄂维南院士介绍，我国大数据发展最大的优势是庞大的市场，最大的劣势是缺乏人才，“我们国家目前没有建立起非常好的培养大数据人才的机制，在大数据涉及的统计、机械学习等这些领域相比而言更加弱势。”

　　滴滴快的CEO程维在讲述如何到硅谷挖人时提到，人才是最大的瓶颈，中国没有那么多的大数据和机器算法的科学家，后来发现硅谷一线的互联网企业，像Uber、Facebook里面20%的工程师是华人。“我们派了CTO和一个代表团在硅谷把他们请到一起交流。”程维说。

　　鄂维南认为，大数据分析人才的缺乏，当下数据人才市场，不仅有国内和国外的竞争，学术界与企业界也在竞争。要想弥补人才短缺，在大数据领域取得领先地位，需要建立一个开放的，既可以做科研也可以产业化做市场的国际标准的研究平台，或是解决之道。

　　数据平台期待全覆盖

　　相对大数据分析企业的专业和专一定位，产业覆盖面广的大数据平台类企业，则是在国际大数据大会的企业展厅中，占比最高的行业类型。

　　一位参展的大数据平台商人告诉记者，“大数据平台会是大数据行业的基石和中坚。”据了解，阿里，百度，华为等企业都早已布局大数据平台，阿里云更是从2010年就对外开放了其在云计算领域的技术服务。

　　然而，大数据平台的准确定义至今仍未有定论。广州工业大学大数据战略研究院副院长谢卫红告诉记者，与数据分析、数据应用不同，大数据平台是随着大数据产业兴起而诞生的新兴事物，目前还没有官方定义。大数据平台的数据规模和具体功用，都还有待界定。

　　21世纪经济报道记者采访发现，当下市面上所谓的平台主要有两类，一类是通过各种渠道搜集、整理数据，并为数据应用企业提供有偿数据的数据交易类平台;一类是为了处理企业内部生产运营中产生的海量数据，以存储、运算、展现这些数据为目的的数据处理类平台，其工作内容包括了数据的输入、导入、分析以及加工。

　　在整个大数据生态中，大数据平台处于行业中上游位置，是进行数据分析和应用的基础。其中，大数据交易平台由于数据权属和交易规则尚未制定的缘故，发展相对滞后，基本都是2014年后开始投入运营;大数据处理平台则开发较早，商业化程度相对较高。

　　目前，大数据处理平台的服务对象以企业为主。除了一些中小型的创业公司，一些大公司也相继推出自己的相关业务，如华为的FusionInsight，和海尔的SCRM(社交化客户关系管理)平台。

　　其中，大多数平台主要解决企业特别是大企业内部的数据孤岛问题，将CRM(客户关系管理)、ERP(企业资源计划)、OA(办公自动系统)等业务系统打通，实现跨行业、跨部门的数据分析与整合，以协助企业的运营、管理和决策。

　　在这部分数据处理平台中，包括依靠技术模块的变化，提供不同行业平台服务的平台，和针对专门行业的平台;后者数量较少，在交通、建筑和媒体行业都有较为典型的专业化平台出现。

　　此外，数据处理平台中还有一类针对特定业务系统的大数据平台，比如海尔的SCRM，就是专门的社交化客户关系管理的数据平台。

　　由于大数据平台在大数据产业中的基础性地位，国内的大数据处理平台企业数量相对较多。对其业务性能和服务的评价体系也相应较为完整。

　　大数据处理平台供应商，九章云极的CEO方磊称，数据集成能力、存储和计算能力、分析能力、部署能力、运维能力、开发定制能力，和管理协调能力等七大方面的能力，会是厂商在挑选平台服务时的主要尺度和标准。其中前六者形成数据资源挖掘和计算能力闭环，管理协调能力则影响着平台的工作效率。

　　然而需求方的要求似乎并没有得到满足。方磊向21世纪经济报道记者透露，在他们与平台需求企业的对接中，“端到端”、在数据处理平台上直接实现数据分析的要求，越来越多。需求方，往往也是数据应用企业，希望平台能够提供一体化、一键式的自动化数据服务。

　　在商业价值开放较好的大数据处理平台区块，需求正加速推动着产品的转型。“未来大数据平台和大数据分析的融合会是一种趋势，大数据分析企业会向下渗透到数据收集和整理，大数据平台企业会往数据分析上发展，这种扩张是必然的。”方磊说。

　　不过在当下的技术和人才条件下，大多数大数据处理平台，还只能实现基础性的数据分析，和简单的可视化呈现。清华大学数据科学研究院执行副院长韩亦舜，在接受21世纪经济报道记者采访时表示，目前一键式的自动化数据服务，只能在一些数据结构单一的特定领域实现。对于多源异构的数据，想要实现一键式自动化服务，还有很长的路要走。未来的数据平台，实现针对不同行业领域的垂直细分后，可能会在某些行业率先实现突破。

　　十项大数据标准制定中

　　在业界构想中的完整大数据生态链里，不同人的分类不同，大数据企业的类型也很多。其中必须要提的，就是大数据产业最基础的工作——数据源。一些数据源企业和数据存储系统企业，都已在市场上占据了一席之地。

　　目前，由于数据流通尚未形成规模，国内数据源区块中的平台比例较为明显。作为当下仅有的几家号称专门从事数据源业务的公司之一，数据堂搜集线下数据，开展线上业务的市场定位和数据众包、采集加工流通三位一体的“数据银行”的业务模式较有代表性。

　　然而，由于行业规则和行业标准缺失、数据的权属不明，当下大量的数据交易是不规范且有争议的。国务院发展研究中心技术经济部副部长田杰棠称，数据交易的前提是产权要清晰，尤其是个人在线活动产生的数据，其产权到底属于个人还是企业，对于整个产业的发展和数据资源的配置都有很大影响。

　　数据源企业的发展必然伴随着数据交易，不规范交易、个人隐私界定模糊和数据产权划分不清晰带来的安全担忧，是造成国内专门从事数据源工作的企业数量稀缺的重要原因。

　　与数据源区块不同，在大数据存储区块，核心技术的缺失成为了最大的问题。一家参展的厦门数据存储系统开发商负责人告诉记者，国内的数据储存企业拥有自主知识产权的很少，特别在硬件上的技术落后国外更多。

　　不过这样的情况正在好转，韩亦舜告诉21世纪经济报道记者，随着近年来硬件开源的兴起，国内在数据存储领域实现自主可控的速度有望加快。

　　另外，国内大数据标准化进程也在逐步推进中，困扰大数据行业的瓶颈或将迎来部分解决。

　　据中国电子信息标准化研究院技术总监王立建介绍，国家标准委正在着手制定首批共十项大数据标准，分别是大数据术语、大数据技术参考模型、数据交易平台交易数据描述、数据交易服务平台通用功能要求、数据能力成熟度评价模型、多媒体数据语义描述要求、科学数据引用、数据溯源描述模型、数据质量评价指标和通用数据导入接口规范。

　　其中前四项处在征求意见稿状态，中间四项已完成草案，最后两项还在草案大纲阶段。另外，大数据标准体系框架也已在征求意见稿阶段。

　　随着政策顶层设计的越发清晰和行业标准的逐渐形成，对于大数据企业的未来发展方向，各方也有了不同的判断。

　　一些大数据商人认为，长远看单纯从事数据生态某一环节的企业，都存在重大转型压力，特别是底层的数据搜集和挖掘企业，针对不同行业领域的大数据企业将会整合该领域的数据收集、储存和分析业务。

　　而另一些大数据交易平台的支持者则认为，大数据行业未来会围绕大数据交易平台，形成纵向细分的垂直行业生态，以及横向产业链精细化分工的网格状发展态势与布局。

　　来自业内的预测更为乐观。阿里研究院数据经济研究中心秘书长潘永花表示，根据2014年的Gartner新兴技术曲线显示，大数据已经从炒作高峰，进入5到10年的稳步发展期，2015年大数据已经成为主流技术。