费用收取方式:按照设施的不同进行收费,你可以买断,或者按需、按月、按年、按量来进行付费,比较方便灵活。
典型的企业有:数据堂、SequoiaDB、聚合数据、百分点等。
3、数据工具/产品化服务
我把移动统计分析工具、第三方数据服务、数据分析服务等归纳到这一模块中来。典型的模式如情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、可视化 、网站/APP分析工具等。
费用的收取方式:按需购买,部分功能服务免费,部分功能服务收费。有点像网络游戏中游戏免费下载免费玩,然后进行道具收费的感觉。
工具/产品化服务最典型的企业有阿里的数加平台、Talkingdata、DataEye等。
4、行业应用
这一模块可能和解决方案会有冲突,但是这里说的行业应用主要说的是传统行业加上大数据后产生的新的效应。大数据可以应用到医疗、教育、 零售、通信,航空、工业、制造业、体育、娱乐、彩票、影视、餐饮、旅游、房地产等传统行业,当大数据与这些行业碰撞,就会产生新的商业。
主要模式:利用大数据获得行业洞察,实现更多的收益。比如大数据+医疗就是智慧医疗系统,大数据+制造业就等于工业4.0,大数据+电影就等于票房预测等。
费用收取模式:没有直接的变现,而是通过大数据产生了更大的价值,节约了成本,优化了原有行业,衍生出新的商业模式。
行业应用比较典型的例子有:票房预测、商圈选址、高考预测、智慧城市、无人机、机器人、无人驾驶汽车等。
在此,我特别把金融大数据单独拎了出来,因为金融大数据的前景是最可观的,也是可持续发展的。金融行业会不断的产生数据,而且数据可以反复使用。
大数据在金融方面的应用主要体现在征信、小额信贷、P2P、电子信用卡 、量化投资、反欺诈、互联网金融等方面。银行、保险、证券等行业目前都依赖着大数据的洞察能力。金融行业是最需要数据、最能让大数据实现变现的。大数据在互联网金融方面应用得比较好的平台有京东白条、蚂蚁金服的小额贷款、支付宝的花呗、借呗等。
以上就是我总结出来的大数据变现的四大模式。夸完了大数据,下面就来说说这个行业目前的问题。
大数据行业不得不面对的行业问题
1、人才稀缺 、炒作过剩、实践少、 可借鉴经验少
人才问题我就不详细说了,现在大数据行业招人太困难了,要招到数据科学家就更难了。炒作过剩也不想再说,去年回家和老乡们说大数据,人家都当我是骗人了,泪奔ing。
实践少、 可借鉴经验少这个就很好理解了,成功的企业太少,你想抄,你想借鉴都没有可抄的公司。不像APP和手游,照着国外热门的换个皮也行啊,所以说,在大数据的践行路上,需要更多的是探索和勇气,没有一条成形的道路供你走,需要慢慢探索。
2、大数据的四高问题
技术门槛高, 创业门槛高, 入行门槛高, 部署成本高。
技术门槛,可参考下图。要成为数据科学家,你需要掌握的技能如下。
至于创业门槛。光项目启动资金就至少500万,一般人还真玩不转。
部署成本高。传统行业、政府企事业单位要部署一套大数据系统,少则几百万,上则几个亿的都有。
事实上,技术能力是门槛,有经验的人才非常少是门槛,建设完真正为业务提供价值也是门槛。
3、数据源获取困难
①数据爬取越来越困难,防网站数据爬取将变成一种生意;
②网站更注重安全性,更多网站使用https协议;
③数据API或将取代爬虫。
4、数据归属和隐私悖论
数据本身就是企业的资产,那么数据的归属该如何划分?数据里包含的个人隐私该如何规避?
据我所知,现在还没有一套完善的法律法规体系来正面说数据归属权和隐私悖论。当然,也不能着急,这是一个行业逐渐发展中都会遇到的问题。法律法规会随着行业的发展来逐渐健全。