已经IPO的公司里面，Splunk是做企业IT运维里面机器日志分析，从而优化运维的效率，是传统的ITOM细分领域下的一个应用，这个应用是大数据分析最成功的场景之一，目前Splunk市值已经超过67亿美金。除了这个，剩下的三个是Tableau，Qlik，Tibco总共市值超一百亿美金，多是数据可视化的公司。说白了就是原来的一些报表应用，还有就是把数据聚集起来，让所谓的数据科学家捣腾捣腾，进行数据探索。 IBM提到了这几个大数据最有价值的场景：

 

　　Data explorationEnhanced 360 degree view of customersSecurity intelligence extensionOperational intelligenceData warehouse modernization我们看到多少都还有原来BI系统的影子，客户画像、流程监控、数据仓库的现代化。数据探索和安全分析是两个相对比较不同。但都说不上可以直接给企业带来多大的价值。

 

　　对比起BI市场那种简单和高度可复制的报表应用，我们可以更加深深体会到大数据在应用层面的艰难探索。 中间数据平台的失守、分析应用的高度碎片化是大数据厂商的大数据焦虑的来源。

 

　　分析平台将成为焦点战场分析平台似乎是一个机会。 在大数据的浪潮下，涌现很多基于Hadoop生态的新的BI平台以及数据探索平台。原来传统的分析平台，包括基于统计分析的SPSS还有SAS等，虽然还继续会扮演很重要的角色，但是这些其实已经在市场上存在几十年的平台，对于解决实际的行业问题来说还是太远，非常难以把分析的价值变现。

 

　　一方面是走垂直行业的路子，各种垂直行业的分析应用以及垂直行业的分析平台，是大数据价值变现的一条路，大大降低用户的使用门槛。整个创业的市场，也在制造无数的垂直领域的分析平台。

 

　　另外一方面是更加易于产生分析价值的平台，大数据的最核心价值是产生智能，发现人类难以发现的事情。这个的典型代表是融资额接近10亿美金的Palantir。

 

　　Palantir是通过为美国的情报部门的反恐服务长起来的，其本质就是把人类活动的模型建模，然后把人类实时的活动及时间输入，通过对时间、地点、人物、事件的关联分析认识事件，其最具轰动效应的就是帮助中情局发现本拉登，是一种所谓的Human centric或者是Human Driven的分析。在其应用场景里面，比如说航班信息、出入境信息、移民信息、人口流动、其他交通信息、社交网络、电话等信息组成分析的基本要素，这种要素里面地理信息、社交关系、拓扑关联、可视化展现及关联分析非常重要，比如说其可能要完成的任务是要分析所有来自叙利亚一个月内进入美国的航班里面，电话和社交信息可疑的人，同时接触过危险品交易的人，然后把这些可疑的人员分析出来，同时把他们的关系圈分析出来，把他们目前所在的城市及住址在地图上显示出来。其成功之处在于把要解决的社会问题需要的方法沉淀到平台里面，只要是涉及到人和事的分析，其都可以帮助完成，公安、金融反欺诈、流行病这些都需要类似的功能，对于电话、位置、住宿、交通痕迹、社交网、购买活动等等的分析可以解决很多实际的社会问题。既解决了价值变现的问题，又解决了过于碎片的市场不能沉淀出分析平台的问题。目前Palantir主要用在国家安全、社会安全、网络安全、金融安全、内幕交易、医疗、保险、自然灾难等社会领域。

 

　　可想而知，这种场景对高度复杂的社会管理能带来多大价值，也就不难理解为什么现在整个圈子都在谈论这个产品。 离价值越近，平台的价值就越大。 越靠近智能，离价值越近。 数据存储、计算、探索、展现的基础打好以后，对数据真正做分析的人工智能再次重生，这次有了个新的名字，深度学习。 机器大脑是一个新的分析平台吗? 谷歌的Google brain项目正式曝光，成为Google X的知识部门(knowledge)下的一个项目，接着四亿美金收购 deep mind，然后收购dark blue labs(自然语言认识)，收购vision factory(视觉识别)，重金布局人工智能。于是引发了互联网公司的人工智能军备竞赛，百度大脑、Facebook、亚马逊等都开展相似项目。

 

　　到底这些人工智能平台能否成为跨行业的通用的分析平台仍然是个问号，似乎更多的是其互联网业务的补充，谷歌首先把机器学习用于其搜索引擎，以便提供更为智能化的准确结果，还有无人驾驶汽车，还有就是类似Siri这样的应答系统。这场军备竞赛似乎对目前企业领域难以有很大的影响。

 

　　无论如何，能够快速给用户带来价值的分析平台，将是今后的大焦点。