创建大数据公司之前你需知晓5件事
大数据现如今如火如荼的在开展，但是成立一个大数据公司也是困难重重。Infochimps的收购让我想起那些因第二轮融资未实现而关闭的公司。Drawn to Scale，Ravel Data和Nodeable只是被关注的重点而已，但是我坚信还存在更多没有走进我们视野倒闭的公司。
取代为这些创业失败的公司惋惜，我更倾向于从那些成功或者倒闭的大数据公司上提取经验并提供给那些准备开始自己旅程的创始人。下面有很多的解释，但是简而言之：明智的选择好你的战场，明智的选择你的客户，并围绕你的技术建设一个社区。
1. 基础设施的困难性
不仅基础建设工具困难，而且出售它们也同样的困难。当你在讨论诸如Hadoop、NoSQL数据库和流处理系统等大数据基础架构工具时可能同样也是困难重重。客户可能会需要很多的教育指导，而那些付费用户期望可能得到更多的技术支持和产品开发的细节，从而能及时的解决他们的问题。
通常情况下，这需要很多的资金，同样也需要在部署和支持这种系统和系统集成方面有经验的人才。如果你拥有这些资源，那么这将是非常完美。
作为参考，在2010年时，Greenplum在这些基础设施方面投资了近1亿美元，但是它仍然不够，因此Greenpium被EMC收购。如今最具知名度的大数据公司在初创时都投入了与cloudrea相同或者更多的资金。基础设施初创公司只有几百万的种子基金，这使得它们在第一轮融资前会有一个艰难的道路。
但是你仍要去说服许多公司去部署你的产品而忽略它们已经熟知或已具有相当人力和物力的公司产品，诸如Cloudera, Hortonworks, 10gen, Amazon Web Services, IBM, Oracle等公司。
应用程序——无论他们专注于特定工作负载或行业，或像数据可视化一样适用于广泛的任务——是很容易的。精心打造它们或许比较困难，但是潜在的客户可能会马上 看到它的使用价值，以及对比当下使用工具的优劣。你也可以直接把它销售到业务线，这样避免了中间层从而减少更多的摩擦和风险。一旦你开始谈论添加或替换关键系统，或将敏感数据放到一个新地方，事情可以才能够真正的快速运转起来。
2. 云计算是你的朋友
重要的是，无论你是销售基础设施还是应用程序，云仅仅是一个更有效的方式来经营你的企业。这并不意味着需要将它交于一个云供应商来托管，但你要把它作为一种云服务来提供给你的客户。最终，你将对你的产品拥有更多的控制权和更深入的了解，因为它针对了一组特定的资源进行优化。
这意味着没有进入客户账户并针对现有类型的服务器和系统进行设置。可能仍然有一些定制用以连接服务与用户其它类型数据源。然而这样做并没有太大的优势。这也意味着，公司需要将大部分的精力投入到产品开发上。
云计算同样易于潜在客户去建立伴生产品，这从New Relic与AWS的关系上不难看出。越容易上手、操作及变现，就越容易证明以后它可以作为一个单独的项目存在并扩展到更多的场景中使用。
显然，这不可能在所有的情况下都能行得通，尤其是当你在讨论企业所不希望或不能送入云中的软件和大容量数据。事实上，较大的企业把提供云服务作为一般的传统软件给了许多的大数据初创公司很大的压力。如果有利可图，这或许是一个明智的决定，但不管怎样，这绝不能轻视。
3. 开发者是你的伙伴
因此，为开发人员服务。如果你就像 ClearStory , Platfora , CRM的任何一员和市场应用做分析业务，那么分析师是你的朋友。无论以哪种方式，对目标客户而进行的针对性的研发努力和营销努力或许都会是一个好的主意。CIO看起来并不是一个很好的目标受众。
我认为有件事Infochimps可以做的更好，如：它推动Wukong和Ironfan技术面向普通的开发用户。 前者让你可以像写Ruby脚本一样的去编写Mapreduce和streaming作业。后者是一个Chef工具，可以让你轻松地配置，部署和管理大数据。
我认为Infochimps和Continuuity所从事的的业务之间不只有一点的共同之处。 但是 Continuuity完全从开发者角度出发，他们在宣传语中喊出了这一点并且声称有更简单的方法来使用产品。这意味着他们可以在做大交易的同时可以在后台积累下大量坚实的用户群。
4. 不要吝啬去展示你的数据科学家
我认为展示你的数据科学家这是一场营销运动更是一种销售手段，但是确实至关重要。数据科学家是一些向人们展示他们数据和他们的平台有什么可能性的人，同样数据科学家也是人们在会议上想听的人。 几乎所有人都热衷于Hadoop和NoSQL。也没有什么必要再去讨论Hadoop和NoSQL它们的优点，同样没有需要去重复数量、种类等的定义谈论配置和系统集成是重要的，但是感兴趣的是少数的观众，除非你们在谈大规模的运作。谈论配置和系统集成是重要的，但是感兴趣的是少数的观众，除非你们在谈大规模的运作。Cloudera比它竞争对手获得更多关注和发言的原因有很多，而其中一个就是Jeff Hammerbacher。不要只是空谈去储存或处理数据和基础设施—— 能告诉我什么样的产品，我可以去构建它，什么类型的分析，我可以在其上运行。最起码，证明你正在更广的范围内去思考数据而不是仅仅用最新的方式来卖我东西。
5. 开源不是关键，而要把开源变成关键
几乎每一个大数据初创公司都依赖与开源软件。其中一些初创公司借用像Hadoop、Storm和其它各种类型的数据库，另外一些则已经创建开源软件。在很多情况下这两种情况是相互结合的。比如，为HBase添加一些功能，这些项目之所以会如此人气，一部分的原因就是因为社区。
我从未试图去开展一个开源运动，我认为这是一个艰难的工作。但我知道，在Github上放置一段未完成的代码并置之不顾并不能解决问题。Facebook和谷歌可能会根据喜好随便发布代码，但大多数创业公司不应该傲慢的认为他们的开发团队是最棒的,已经没有任何东西值得他们学习。
毕竟，开源的目标是让人们在相同的代码上致力研究从而去改良它。看起来你有必要走出去，发扬这项技术并且解释它为什么如此的重要，以至于吸引越来越多的人想要去破解它。这一点可能会吸引许多的开发者，但是走免费增值的路线可能会让更多的人去尝试使用这个产品，这样他们就可以看到这种产品是否值得他们去投资。
我无法计算拥有自己开源产品的公司数量，但是那些一直致力于开源和社区建设的公司的确很杰出。我们所说的供应商创业公司如 Neo Technology 、 Concurrent 、10gen甚至是终端用户公司，如Twitter的养成计划Storm和Mesos。它们在周围已经建立了一个开源社区，并且因此它们获得了丰厚的回报。
数据分析咨询请扫描二维码
