
大数据如何变现
在中国,随着“互联网+”与各行各业的深入融合,大数据的存量正以指数级的速度增长,不仅各方正在围绕大数据商业应用市场激烈角逐,一些企业还尝试打造大数据服务市场的交易平台。
大数据市场增长迅速
根据IDC对大数据市场的划分,其主要分为基础设施、软件以及服务三大子市场,这三个市场在未来五年内均将呈现增长态势,软件及服务市场包括数据的管理、发现、分析以及应用,也是中国大数据公司的主要竞争领域。
IDC早前发布的《中国大数据技术与服务市场2012—2016年预测与分析》显示,中国这一市场规模将会从2011年的7760万美元增长到2016年的6.17亿美元,未来5年的复合增长率达51.4%,市场规模增长近7倍。
“今年以来,‘互联网+’已经成为国家战略以及企业转型升级的重要工具,而信息技术发展到今天,互联化的本质和核心其实就是数据化,回答传统企业如何转型这一问题的核心也在于一切业务数据化,数据将真正成为企业的核心资产。”HCR(慧辰资讯)CEO赵龙说。
据悉,HCR通过搜集企业内外部的大量异构数据,进行清洗、整理、分析、挖掘之后,帮助企业了解面对的市场、客户群体、竞争情况等,为企业用户画像、产品定位、广告投放和市场竞争等提供决策依据。
虽然中国大数据软件及服务市场如今的规模尚没有具体数字,在互联网化的大背景下,超过IDC的上述预测已成事实。实际上,中国大数据行业的市场预期是从2011年起,三年的时间即可超过100亿元,即在去年就已经实现了百亿市场。
咨询型大数据公司优势显现
目前,大数据市场的淘金者主要有两种类型,一种是像HCR这样的传统咨询公司,对行业比较了解,通过开发软件产品实现数据在其它行业的商用;另一种是传统软件公司,像金蝶、用友等,利用自身技术优势,尝试加强细分行业的合作实现数据变现。
从国际市场来看,科技类公司已经牢牢占据了大数据市场第一阵营,包括IBM、惠普、戴尔等,其中,IBM更是凭借13.68亿美元的大数据年收入牢牢占据榜首,是中国整个大数据市场的两倍还要多。
曾几何时,赵龙也一度担心技术性大数据公司颠覆掉传统咨询公司,随着HCR成功冲击中国市场份额第一,咨询型大数据公司相对技术型的优势开始慢慢显现出来。
“因为软件开发慢慢将变成一个工具,更容易标准化和重复,但数据的分析不是。大数据的真正价值不是在于数据量多大和处理速度多快,而是从数据之间的逻辑关系和因果关系中分析出来的洞察力。”赵龙说。
比如消费者的餐饮数据,既可以提供给餐饮行业进行改良配方和服务,也可以提供给保健品行业用于研究保健产品,甚至可以提供给汽车、奢侈品等看似不相关的领域,因为从中能反映出消费者的经济能力和购买能力。
业内人士认为,只有对行业足够了解,才能从错综复杂的大数据中梳理出足够的联系并应用。
业内尝试大数据服务平台
需要指出的是,在缺乏流通渠道和交易平台的背景下,大数据的商业应用变现只能交由像慧辰资讯这样的第三方进行特定维度的定向开发,更多的大数据甚至只能白白地躺在那里。
这两年,行业已经出现了几个数据交易平台,主要针对数据源端,比如一些早期的问卷调查平台,用户可以主动填写感兴趣的问卷并获得报酬,还有部分从事数据交易的平台,开发者或企业可以购买需要的大数据。
在赵龙看来,这种平台模式并没有抓住大数据服务市场的终极需求,大数据本身固然重要,这是行业完全认可的,大数据如何变现其实更重要,这才是行业急需的,作为平台,只有将大量的数据开发者吸引进来,才能将大数据变现,实现真正的大数据服务。
基于这种理念,赵龙认为现在先要做好扎实的工作,充分发挥HCR在大数据挖掘以及行业透析两个优势的商业应用,把公司这个价值做到极致以后,HCR必会成为未来大数据交易平台中或者是大数据生态圈中重要的成员企业。
“大数据服务平台在国内外都是第一次尝试,我也不能确定发展会遇到哪些困难,但是大数据服务平台发展的大方向是绝对没有问题的。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python 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 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04