
“大数据”创业潮起 商业模式尚未成型_数据分析师培训
近一年来,“大数据”已成为最火的IT词汇之一。2012年,美国政府实施大数据计划、联合国发布大数据报告、我国一些城市或园区也宣布发展大数据产业。EMC、IBM、Oracle等跨国IT巨头纷纷发布大数据战略和产品。
数据统计,2012年全球被创建和被复制的数据总量达2.7ZB,是2002年全球数据总量的2亿倍;其中文本、照片、音频、视频、医疗影像等非结构化内容超过85%。庞大的数据蕴含着前所未有的社会价值和商业价值,其发展潜力正被越来越多的人所看好。“数据对于任何一个企业都是竞争优势,大数据将是未来的天然资源。”IBM新任CEO说。
在大数据的未来前景被看好的背景下,已衍生了许多基于数据商用的商业模式,而此领域也正成为创业者和投资机构所追捧的热门领域。
“可能感兴趣的人”“猜你喜欢”“购买此商品的人还购买了……”在你刷微博、网上购物时,经常会在相应的位置上见到如上提示。这些看似简单的用户体验背后,其实正孕育着被誉为“新油田”大数据产业。
面对汹涌而来的巨大商机,一些初创公司已开始在此领域大胆淘金,并且还获得了风险投资的支持。3月28日,晶赞科技获得了北极光及英特尔投资的2000万美元,这是继去年百分点获得IDG投资后,又一起在大数据领域的融资案例。在资本市场低迷的背景下,发生在大数据领域的创业项目显得格外夺人眼球。
事实上,大数据在目前还是个宽泛而笼统的概念。在这个领域里创业,应该从哪个角度切入,以及如何构建自己的商业模式正成为创业者感兴趣的话题。
广告切入是初级阶段
目前,国内数据服务还处于初级阶段,新创数据服务类公司还需整合多种能力。目前来看,从广告切入是最容易获得广告主支持的一种业务模式。
“没有数据支撑的营销,往往会陷入拍脑袋进而无效果之境地。现代消费者不会轻易上钩,你需要消究他们的消费习惯及轨迹,进而找出热商机!”上海戏剧学院新媒体领域的副教授陈永东在微博中这样写到。
确实如此,广告界曾有一句名言:“我知道我的广告费有一半浪费了,但是我不知道是哪一半”正表达了数据缺失给企业带来的窘境。在百分点科技COO张韶峰看来,过去的技术很难满足广告主的需求,而现在通过技术手段完全可以解决这个问题。也就是说,让广告主花钱已能花明白了。
张韶峰表示,过去各家电商企业对其用户的了解都是片面的或者单个维度的,也就是说每个网站只了解用户在自己网站的偏好,但却无法了解用户在自己网站外的行为和偏好。“我们要做的事就是在这些网站之间搭建一个桥梁,这个桥梁能够帮助企业更好地拼出属于自己的用户兴趣拼图。”张韶峰说,一旦打通消费者在多个领域内(比如购物、资讯、交友、娱乐等)的数据,就可以通过大数据构建消费者全面的兴趣图谱,并在自己的网站上进行有针对性的营销和推送。这样,不仅能增强网站的转化率,而且也能大幅改善用户体验。
晶赞科技所做的,也正是把数据服务与广告业结合起来,其核心产品“晶赞雷达”就是在专业数据服务的基础上,实现了广告主精准再营销的广告投放系统。晶赞科技创始人兼CEO汤奇峰告诉《中国经营报》记者:“晶赞科技非常熟悉广告主的投放逻辑,我们的核心能力是建立多种模型,然后分析得出不同维度的有价值的信息,以便为广告主提供有效的投放服务。”
在北大纵横咨询集团高级合伙人刘荣华看来,上述公司的业务只能说是大数据在广告营销行业的应用,而其实大数据行业远不只这些,它的价值及影响力要大得多。可以说在未来,将不会有并不基于数据分析而做出的决策。也就是说,大数据会影响到我们社会生活的方方面面,因此,定性分析也将会成为习惯。
记者了解到:大数据包括数据来源、存储、计算处理和应用等多个环节。在汤奇峰看来,目前国内大数据的发展还处于初级阶段,新创数据服务类公司还需要有更多的整合能力,只有当产业发展到一定程度时,才能进一步地细分,而从广告切入则是最容易获得广告主支持的一种业务模式。
但张韶峰也坦陈:“目前,最难的还是让更多的企业认可数据分析的价值,并由此来提高数据服务的全社会认可度。”汤奇峰也认为:通过不同的案例来不断地告诉目标客户数据服务的价值,这还需要一个过程。
商业模式尚未成型
新创公司进入数据服务领域存在三大挑战:一是有无全面开发技术的能力及实力;二是有无足够多的钱,做数据服务需要很多基础设施、海量数据的存储、计算等,而这些都需要有硬件投入;三是要跑得比大公司快。
大数据领域的创业,看上去一片美好,但在短期内,还需要解决“向谁赚钱”和“怎么赚钱”的问题。
记者了解到:晶赞科技除了推出自己的“晶赞雷达”这个产品外,也在通过其他的产品组合,向客户提供更多的服务,比如通过向客户提供SEM(搜索引擎营销)技术支持、独立广告监测系统等产品,以获得更多的服务费收益。因此,晶赞科技的客户多是大企业,其中尤以互联网垂直领域及电商两个行业的客户居多。
而百分点科技的客户主要是电商公司,通过给电商企业提供个性化的推荐技术服务来获得收益。据张韶峰介绍,百分点科技目前主要采取两种收费模式,一是固定的基础技术服务费,即根据每家企业选用的功能及规模大小来收取基本费用;二是按效果付费,两者的收入占比大致相当。
然而在汤奇峰看来,现在对于数据服务类公司谈商业模式,还为时过早,毕竟未来的变数还可能有很多,因此还需要时间及市场去理解和消化。他认为,晶赞科技的优势在于能站在广告主的角度理解用户,从而做出快速的反应。
对于有意进入大数据领域掘金的创业者,刘荣华提醒:新创公司进入这一领域存在三大挑战:一是有无全面开发技术的能力及实力。数据服务涉及到众多技术,如果创业者只是单一技术,则只能做成某一环节;二是有无足够多的钱。做数据服务需要很多基础设施,海量数据的存储、计算等都需要硬件投入;三是新创公司还需要跑得比大公司还要快,这无疑也是一大挑战。总之,前景广阔的数据服务对于新创公司来说,既是机会也是挑战。
警惕数据来源的合法性陷阱
目前包括百度、淘宝、腾讯在内的大公司都在做用户的数据分析,用户数据获取尚处于灰色地带。因此,需要提醒的是:无论是大公司还是创业型公司,都需要平衡用户隐私及数据质量的关系。
不得不提的是,数据服务的公司还面临着一个数据来源合法性的问题。在今年的“3·15”晚会上,央视曝光了一批做精准营销服务的公司存在侵犯用户隐私的问题,从而引发了人们对数据来源合法性的关注。而这也正成为数据类创业公司的一个隐形的风险。
张韶峰认为,上述风险需要理性地看待。在他看来,技术本身并没有好坏,关键在于使用它的人。技术是把双刃剑,关键需要政府和业界建立规则,设计非常苛刻严格的法律条例和行业规则,全力打击那些提供除了用户同意的服务外,还以伤害用户的方式利用用户隐私牟利的企业。
“投资方对此也非常重视,他们在考查晶赞科技期间,就曾做了严格的审计。”汤奇峰表示,数据来源的合法性关键一点在于是否告之“用户”,用户包括广告主及普通消费者,而且在所有的设置中,必须有一项设计,就是用户有权选择退出。
“百分点科技的数据来源一部分是公司本身收集的核心数据,此外还会与服务的客户签一个数据共享的协议,目前合作的客户都签这个协议。也就是说,以百分点科技牵头建立起了一个数据共享库。”张韶峰说。
在刘荣华看来,目前包括百度、淘宝、腾讯在内的大公司都在做用户的数据分析,用户数据获取尚处于一个灰色地带。因此,创业者还需要及时提醒用户一些数据是自愿被获取。事实上,无论是大公司还是创业型公司,都需要平衡好用户隐私及数据质量的关系。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23