一方面，国外初创公司分工明确，多数公司专注于一个细分领域，合作共赢是主流思想。而国内大数据公司都想自己做整条业务线，因此竞争非常激烈。
另一方面，国外中小企业付费意愿明显强于国内，这使得国外细分领域的市场空间远远大于国内，初创公司可以依靠一众小客户做到几亿营收，支撑其上市。国内公司就很难依靠一个细分领域的客户支持其营收增速，必须要扩张其业务线才能有足够成长空间。
总而言之，国内大数据公司要想成长为独角兽企业，难度远大于国外，数据源、数据技术和数据应用三个环节都要有独特竞争力。
第一， 优质数据源。
大多数大数据公司不具备数据源，主要依靠采集其他企业的数据。像TalkingData为APP软件提供广告监测以及数据统计的业务，从而采集到移动设备数据。因此，有机会触及优质数据源对大数据公司非常重要。
从行业来看，银行、电信、政府的数据价值很高，这类用户数据真实性较高，能反映用户实际需求，而互联网数据中记录大量用户无序行为，有价值数据密度较低;从设备来看，移动端的数据价值要大于PC端，因为智能手机的普及使得移动端用户行为数据更加活跃，同时可以追踪用户地理位置。
第二， 技术积累。
单纯依靠数据源并不能构筑竞争壁垒，毕竟这些数据并非大数据公司所有，躺着挣钱的事情是运营商等数据源拥有方。除互联网客户外，大数据公司都很难将企业客户的原始数据提取出来，只能获取数据标签。
因此，大数据公司在数据处理上要有很深的积累，特别是在数据清理环节，去除噪音，保留有价值的数据，这部分工作对人力依赖较重，需要数据科学家去识别有效数据。
第三， 行业标杆客户。
有些时候，服务几个行业标杆客户的价值要远远超过一支数据科学家团队。大数据最终还要是落地，数据与场景应用结合发挥价值，既需要处理数据的技术，又具备足够的行业经验，准确找到业务痛点。
行业标杆客户面对的业务问题一般都会是最前沿、最具参考价值的，服务这类客户会让大数据企业成长，加深对所服务行业的理解，这一点是大数据公司依靠自身无法提升的，这不是技术上的突破，而是经验上的积累。
第四， 数据互联。
经过这几年对大数据的探索，企业和大数据公司都发现，单一数据源价值度有限，集合多渠道数据，实现数据融合能产生更大能量。例如，将电信数据放在银行风控业务场景，提高了欺诈行为识别率。
因此，很多公司都在提供DMP服务，将自己的第三方数据源与企业客户的第一方数据源对接，但实际效果并不理想。
原因主要有以下两点：第一，双方的数据源重合度不高;第二，多账户归一做得不好，解决不了同源跨屏问题。前者是因为数据与应用场景不匹配，后者主要是在技术积累不足，数据清洗不到位。
诚然，数据互联刚刚起步，但能够打通多个重要数据源的公司最有希望成为独角兽。