本人目前在A从事2B的大数据解决方案与产品设计工作，以大数据商业化为目标，各行业客户都有，简单跟大家分享下我们目前的大数据落地实操经验。
一、厚积薄发：谈谈BAT平台优势
大数据这块做的好的平台， 就个人来看，A算做的不错了，从云计算的布局到大数据，步步为营，也是筚路蓝缕。大公司的优势在于三个字，熬的起。业务几乎都是以平台、生态的构建为目标，最终是enable别人成功，并从别人成功中获益的模式。
在这个过程中，有4点优势会体现出来：
电商行业能力通过云计算炮台对外部输出。这块之前我还存在一定的误区，认为电商行业的经验固然重要，但是真正实操应用其他行业的时候，可能失效。这块关键的是视野、思路、方法论。比如电商沉淀下的大数据管理、用户标签体系设计、流计算/实时计算的场景与应用、个性化推荐的策略等等，当遇到类似场景的时候，你会心领神会的借鉴当初的思路，去帮助其他行业解决，去探索。填充了你的弹药库，而不是两眼一抹黑的干。
另一方那面，电商行业的成功经验，能够让我们快速从中抽取与提炼核心组件与模块，快速产品化，在大数据的平台首页 – 数加平台上架官方的大数据产品，冷启动数据市场，比如我们的推荐引擎、DataV可视化引擎、数据开发工具、机器学习平台，这些原来都是内部用户的，或者电商用的，现在拿出来，让其他行业用，能够快速抢占市场，占位。
云计算的长期积累，夯实了IAAS与客户基础。通常意义上，我们内部对大数据路线有个约定俗成的三字经“存-通-用”，做大数据、大数据首先要有数据，阿里云多年积累已经夯实了IAAS层，为后续的大数据业务一方面提供成型的基建如ECS、OSS、OTS、ADS等等，可以说很好的解决了“存”的问题，另一方面，多年积累的客户，在IAAS温饱满足的同时，有客户特别是头部的大B客户越来越多涌现比如如何用好数据、加工数据、用数据助力业务的诉求，这就给大数据业务的开展带来了机会。
“丁”字型的人才储备深度，在业务快速发展阶段能够相互补位。一般业务刚兴起时缺人比较严重的首先是前端、其次是产品，然后是数据、算法，待到技术可行的阶段，就是销售。大公司的人才储备，特别是复合型的人才，能够为新兴业务发展快速注入新鲜血液，并通过转岗机制确保良性兼容，老人做新业务，非常高效。
品牌影响力在业务拓展上的助力。这块并非绝对，当然很多场合下，阿里巴巴这个品牌本身就是实力、信誉的保障。今天我们对外输出大数据能力的时候，很多时候确实也利用到了这块的影响力，毕竟数据业务本身是一个公司的核心资产，对乙方都需要在技术与商业道德上进行双重考量，所以很多号称“第三方独立”数据服务公司也就浮出水面，一方面中立的身份，另一方面依赖或者嫁接多平台，不绑死。
二、他山之石：看看A现在是怎么做大数据的
我们从商业层面去做大数据业务，通过商业来拓展技术的边界，同时也让客户认可价值，并买单，从而变现。更准确的讲，我们现在不是做大数据变现，而是做的大数据能力变现，将我们在人工智能、数据管理、数据应用的框架、引擎去帮助客户解决具体的业务问题，帮客户用好自己的数据是第一要务，然后才是用别人的数据补充自己，最后才是用自己的数据服务别人。我们看几个典型的场景：
case 1：服务某互联网创业公司
互联网公司一般跑的比较快，特别是业务，很多时候初期是堆人、砸钱来堆用户数、订单等，技术外包比较常见，特别是当前环境。理所当然，这块也带来了大数据业务的机会，比如在020外卖场景下，如何分配好订单，使得运力的利用率最大化，同时在指定时间内能满足叫单需求。这类业务可以说之前就没出现过，也几乎没多少人工运营的经验，很多时候运营就是凭直觉也好，或者所谓的经验也好，来派发订单。我们的机会点在于：虽然这是对方的核心业务，但是总这块内容需要人，一时半会招不到人，同时不做这块业务，每天会有大量的补贴在补贴运力与处理投诉，是很大一笔开支，从这两点考虑，是不是该做?
case 2：服务某传统技术型公司
该公司技术县先进，能够进行快速实景的3D建模，但是有个“最后一公里” 的问题非常致命，现有的重绘技术比较落后，需要2-3天才能重新根据大量测绘数据绘制出3D模型，不及时，使得应用的场景受限。能否将原来绘制时间由天级别缩短到小时级别甚至分钟级别?从而拓展应用场景，更好的进行商业化?
case 3：服务某传统制造业企业
客户是世界最大的某材料生产企业之一，日产千万件，每件根据质量划分不同的等级，不同的等级价格不同，而良品率的提升直接与收益挂钩，客户已经具备初步的数据采集能力，但存储的数据未开发，也带来不小的存储成本，生产流程靠经验或理论，没有快速优化与验证的闭环，如何利用现有数据，提升良品率优化生产线?去低效产能的同时，赋能“智”造! ?
可以看到，目前的玩法并不是通常意义上大家理解的精准营销、广告、人群画像，或者输出一份分析图表的大数据，而是从客户的问题出发，并且直接影响到生产或者业务效果的落地，让客户认可我们的价值，从而来商业化。
三、围三缺一：现阶段大数据业务下的BAT目前缺什么
一般而言，作为平台方位保障公平，我们不会既做裁判员、又做运动员，大部分情况下，平台做提供的是通用型的产品、基础性的服务，留出二次开发、增值开发的空间，enable别人成功。当然现阶段为了更好的启发市场，平台方需要自己做出标杆，告诉大家怎么做，从而揭竿而起，期望应者云集，基于我们的云平台来创新、创业。在这个框架下，有几点痛点：
缺技术型人才，我们挖掘的场景很多，技术需求量比较大，比如算法、比如前端、可视化设计等，我们缺合格靠谱的技术型ISV来与平台共建、分成。
大数据的商机很多，我们缺少那些熟知某领域关键问题的合作伙伴，给平台带来商机与挑战，给平台提需求，让平台帮你成功。
对于平台现在提供的产品与服务，我们缺强力的合作伙伴，能够挖掘现有产品的业务价值，在其他行业上能够给用起来，能够进行二次开发，能够增值，一起赚钱。
缺数据，对于有任何数据沉淀的合作伙伴，我们都欢迎一起坐下来聊聊，共同开发数据价值，服务云上客户。
对于平台暂时无法满足一些行业垂直类需求，我们期望能够联合这方面有突出能力的合作伙伴一起打单，在阿里云2B的大数据解决方案中，也会有这些ISV的一席之地。
四、创业机会
分析到这，差不多也比较明确，创业者的机会抓住以下几点关键词：独立第三方、基于云、补生态，再明确下：
(1) 从生态视角来看
技术合作伙伴：可以基于云，帮忙卖平台的成品(渠道)、可以基于平台的服务或者产品二次加工再卖(增值服务)，可以做自己独立的产品(合作共建)，配合平台一起打单。
人力合作伙伴：可以是三五个人，无论是算法还是数据能力，基于我们的阿里云大数据众智平台，接活。
数据合作伙伴：将自身无论通过哪类渠道沉淀的数据，通过平台提供的产品，对外输出，进行变现。借助平台的力量帮助变现。
(2)从大数据本身来看
如果我们不看生态，或者不依赖平台，当然也可以，我个人对大数据业务或者说大数据产品的判断：
大数据产品 = 数据 + AI + 传达
数据：产品/系统需要的数据，可以是客户的，也可以是产品自带
AI：人工智能、算法、模型、统计、处理逻辑等
传达：呈现、界面、服务方式、可视化等
对于不同的创业者，就看你主打的是哪一块，不同的创业方向在这三块有不同的打法与侧重，对于我个人而言，我会主攻AI，另外的两部分视情形而定。也就是用AI/大数据能力，形成服务壁垒，从而进行变现。
五、几点建议
建议先2B，2C的数据用起来很麻烦，很多时候甚至都缺失，更不用谈加工、变现。
选择一个出油的行业，先在一个行业下做出1、2个客户，然后沉淀框架与产品，然后打爆一个行业/子行业，然后再考虑延展性。没有深度的服务能力很多时候是做不出效果与爆点。
基础数据服务化，行业应用智能化。公司在对外提供服务的时候，如果是基础类的服务，请将数据做成在线，可计量计费，跑量，以量取胜，当然如果这类服务还自带吸数据的属性，那就完美了比如风控接口。如果提供的是行业智能化/算法类项目，走价，做出溢价，比如panlantir。
无论做什么，一定要在初期就要立足产品化的目标，用产品去打。产品的抽象与沉淀过程，意味着你的目标与方向，这点没想明白就不要做了。
请讲清楚定价，定价是反应你对市场了解的唯一标准，甚至是检验产品的重要属性，定价过程反映了业务模式与打法。
做好商务工作，大数据业务本来就是技术类的产品，好的商务可以帮你快速弥补产品与客户之间的GAP，不仅仅是演示，更需要舌灿莲花，更需要从客户的视角来验证我们产品对他们的重要性。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：pingxiaoli
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
