京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据怎么赚钱
6月初,菜鸟与顺丰互相指责对方关闭数据接口,这场关于数据的大战引发了各界关注。快递行业的巨头为何如此重视对数据的争夺?大数据市场有多大?大数据怎么赚钱?针对这些问题,经济日报·中国经济网记者采访了业内专家和企业。
大数据市场有多大
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想,这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大,它是依附于具体业务,和各个行业密切相关的。”李广乾认为,大数据产业规模和两大因素相关:一是经济发展水平,需要大数据的业务越多,市场体量就越大;二是信息化发展水平,能够产生数据的终端越多,数据就会越聚越多,而数据的生产是没有上限的。
目前,大数据的金矿还仅是开挖了“冰山一角”。全球来看,Gartner2016年最新的技术成熟度曲线显示,大数据作为新兴领域,已经进入应用发展阶段,基础设施建设带来的规模性高速增长出现逐步放缓的趋势,技术创新和商业模式创新推动各行业应用逐步成熟,应用创造的价值在市场规模中的比重日益增大,并成为新的增长动力。
从总体规模看,2016年,全球大数据市场规模实现16.5%的增长,预计将连续3年保持增速在15%左右。同时,大数据成为全球IT支出新的增长点,2016年,有近40%的企业正在实施和扩大大数据技术的应用,另有30%计划在未来12个月内应用大数据。
“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测,包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节,2016年达到3100亿元,将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元,将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元,将在2020年超过20万亿元。
“从大数据核心产业结构看,基于大数据的服务是大数据核心产业的主体,其规模约占大数据核心产业规模的90%,未来,服务也将是大数据产业的最核心部分。”潘文说。
做数据“搬运工”
目前国内大数据公司分为两类:一类是已有获取大数据能力的公司,如百度、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业,涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司,依靠大数据工具,针对市场需求,为市场带来创新方案并推动技术发展。
不同的大数据公司,盈利模式也不相同。如果把大数据产业比作房地产开发,那么海量数据就是地产开发时的土地资源,数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开,一是通过直接“搬运”数据赚钱,二是通过数据加工分析盈利。
“我们就像一个自来水厂一样,用户要你提供干净的自来水,对方可能是酒厂、饭店、饮料厂,他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司,公司创始人左磊对其商业模式作了一个形象的比喻。
在开发APP应用过程中,左磊发现客户对于数据的需求非常大,但他们本身却没有能力去做这些事情。聚合数据的主营业务,就是整合市面上有价值的数据源,从车辆违章信息、航班火车查询、全国加油站实时油价,到在线试题、电影、股票,做成标准化的API(应用程序编程接口),开放给开发者、企业及微信公众号用户等使用,为他们免除数据收集、维护等环节。简言之,聚合数据是一家数据源公司,充当的是数据“搬运工”的角色。
在变现模式上,针对一些本身成本不高的服务,聚合数据会对用户实行免费,而对一些成本相对高的服务,会按照每个接口或服务的成本收取不同的费用。2016年,聚合数据光API接口一项营收就超过1000万元。
聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是,国内乃至全球第一家大数据交易所——贵阳大数据交易所,自2015年4月正式挂牌运营以来,仅用两年多时间,就实现了可交易数据总量超过150PB,内容涵盖政府、金融、交通等30大类领域,并于今年上半年实现正现金流,预计今年底累计交易流水将突破2亿元人民币。
数据的“消化”和“利用”
如果说搬运数据是秀肌肉的“体力活”,那么分析数据并提供解决方案就是拼智商的“脑力活”,相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式,而对数据进行处理加工则在商业模式上具备更多的想象空间。
数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说,数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能,收费方式采取按需购买,部分功能服务免费,部分功能服务收费。
阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示,阿里云“数加”平台,承载着阿里巴巴集团、蚂蚁金服的数据,可提供一站式的数据计算、加工、处理等服务,用户不用自建计算平台。此外,基于“数加”平台,阿里云还提供数十款应用工具,覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。
计算引擎之上,“数加”平台提供了最丰富的云端数据开发套件,包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面,通过移动数据分析产品,开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品,3分钟即可完成海量数据的分析报告。在机器学习方面,“数加”平台发布的机器学习工具,可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。
大数据公司百分点的展厅内有一面弧形墙,可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单,每一个产品都有详情介绍。百分点研发总监苏海波介绍,5.5亿用户的“画像”汇总于此,包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分,经过筛选加入到用户的数据中。通过与百分点合作,商户可以根据用户消费偏好,定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。
在输出解决方案上,大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益,节约成本,优化原有行业,衍生出新的商业模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12