刘智:未来2-3年或迎数据时代的真正高潮

从2012年的“用户标签”到2014年的“用户画像”,从2015年的“大数据”到2017年的“人工智能”,大数据正在从神坛走向现实。“标签”到“画像”,代表着数据在数量和维度上,逐渐在丰富;“大数据”到“人工智能”,表明从原始数据到本体认知的过渡。无论是数据积累的量变到质变,还是数据到认知层面的过渡,大数据已经开始在一些特定领域和场景下为客户解决实际问题,创造价值。


产业链


在一些行业市场中,数据服务平台提供商向前跨越,直接面对行业客户,向他们提供其所拥有的外部数据(往往本身就拥有海量的2C数据入口,可以源源不断地生产2C数据)的粗加工产品(如用户的标签数据等);而在另一部分行业市场中,数据解决方案提供商,基本使用用户自身的数据,通过数据处理服务,为行业客户提供某个方向的解决方案。


首先,这是由市场的成熟度决定的。目前行业应用市场还处于早期,部分行业用户的需求集中在外部数据的简单加工层面,还没有渗透到行业纵深,与行业的核心业务没有形成深度耦合,对数据服务提供商还没有很深的行业经验要求;另一方面,现阶段大多数“解决方案”提供商,基本采用客户自身的数据,依靠数据处理能力为客户提供数据集成服务。现在的“解决方案”提供商,大多还停留在数据服务的层面,并没有大量应用外部数据的经验,与行业的深度需求耦合还远远不够,自然也没有形成“杀手”级的产品,行业的可替代性很强,与数据服务平台提供商的能力差异并没有充分表现出来。这些,都从不同程度,反映了市场发展成熟度不足的问题。


其次,数据的交易目前在我国还是一个敏感的话题。虽然数据服务平台提供商拥有海量的2C数据,可如何与第三方合作,为行业客户提供他们所需要的解决方案,还是个无法触碰的禁区。6月1日生效的个人隐私安全法(下面简称隐私法),只说明了“干什么”不行,但并没有规定“如何做”才是可以的。而这个“如何做”才行的体系,需要经过几年时间的建立才可能完成。法律环境的滞后,也限制了行业的进一步发展,资源将进一步向掌握数据的巨头集中。虽然这样做便于管理,数据集中在几个巨头手里好监管,不会产生隐私数据满天飞的乱象,但缺点也是显而易见的。



随着大数据被应用到各行各业,大多数行业的数据准备并不充分,数据基础薄弱。要想使数据产生价值,发挥更大的作用,势必需要大量的数据归集与治理,这就是数据优化商的角色。由于增量市场的出现,仅靠现有的解决方案提供商和数据服务平台提供商自身的力量是不够的,这就为独立的第三方数据优化商出现,并存在创造了客观上的空间。所以说,对于大多数行业而言,要想充分发挥数据的价值,首先要从数据的归集与治理开始。


市场


经过了过去4-5年的积累,无论在数据上,还是在数据处理技术上,大数据正在某些局部由量变转为质变。在很多领域和场景下已经可以做出很明显的效果。或者帮助客户解决他们的原来解决不了的问题;或者改善原有的方法,提高效率、降低成本;也或者开辟了新的渠道,形成创新的业务模式。


大数据正在被应用到各个领域。这其中当然有很多乱象,存在着很多“误解”,但数据思维驱动的数据应用是大趋势,不可逆转。


这就是高成长性中小B的魅力。首先它增长迅速,也会带动生态链上的其他企业快速增长,想象空间很大;其次,中小B本身没有很复杂的决策链,决策周期很短,一般2-4个月,比较容易试错,这对于初创团队是非常关键的;再者,高成长性中小B在高速发展中,不可能完全依靠自己的力量解决所有的问题,这就为建立生态链创造了客观的土壤。这一点,在去年9月参加的一次大数据峰会上,听到了兴业金服的一位负责人也表达了类似的观点。


大数据不同于以往的IT项目,不能单纯地以甲乙方的形式存在,已经超出了传统的建设和被建设的关系。取而代之的,是一个合作共赢,长期共存的生态链。


所以,客户对外部数据合作伙伴的诉求,是“外部数据”+数据处理”(包括数据处理系统以及数据处理能力)+“数据融合”(这并不等同于数据处理,主要侧重于数据应用;不但需要数据服务提供商具有丰富的数据应用经验,还需要数据服务提供商具有丰富的行业经验,即真正的数据解决方案提供商)。


误区


在几年的数据应用实践中,发现了很多误区。


●一是很多客户认为大数据就等于买数据,在应用的过程中生搬硬套


●二是对大数据的不切实际的预期,要么是将其神话,要么就对应用的过程缺乏耐心


●三是认为有很多数据就应该能马上产生价值,但实际情况是数据准备不足,基础薄弱


无论是“大数据等于买数据”,还是对“大数据是万能的”,还是“有大量数据就能产生巨大价值”都反映了数据应用在大数据在行业的应用尚属初级阶段。


挑战


1.数据缺失


尽管大数据已经经历了五六年的发展,数据无论在维度上还是数量上都已经比几年前有了很大的改变。但是客观上讲,还没有达到质的飞跃。由于相关的法律建设没有完成,大量数据被滞留在少数流量入口处,形成了一个个数据的孤岛。还没有形成数据的有效打通、流转,更谈不上创造新的价值。


数据的缺失,并不能靠高明的算法弥补。这与统计模型,大数据还是人工智能都无关系。只能面对这一现实,去寻找先期成熟的市场,尽可能地立足现在的数据以及算法帮助客户解决他们的实际问题,创造价值,形成商业闭环;同时积极地关注其他市场的成熟。数据应用市场与其他早期市场并没有不同,都是由点及线,最后再到面的。这是个螺旋上升的过程,没有捷径可循。


2.数据思维的建立


与数据的缺失相比,一个更大的挑战在于数据思维的建立。我们正在经历一个从IT到DT的跨越的时代。大数据、机器学习、人工智能都是这一跨越中的工具。但不幸的是,很多用户甚至从业者还是沉迷于技术本身,把大数据等同于一个普通的技术,没有上升到数据思维。



数据思维绝不只是技术部门的事情,而是整体战略的问题。数据思维要渗透到每一个部门,每一个环节,用数据去辅助决策,让数据去重构业务流程,数据应用才能发挥其最大的价值。只有将数据思维贯彻到企业的每一个环节中,数据才能真正转化成生产力,数据的价值才能真正得以体现。


大数据技术是战术,而数据思维是战略。


2017年,产业格局越来越清晰。无论是数据服务平台提供商,还是数据解决方案提供商,都在正确的方向上走出了坚实的一步,其价值已经得到了各自市场的认可,进入了良性的循环。虽然,我认为大数据的真正高潮还未到来,短时间内还处于投入大于产出的局面,但曙光在前,已经在一个量变到质变的积累过程当中。随着技术和数据的进一步成熟,随着行业的深入,相信不远的未来(可能是2-3年)将会迎来数据时代的真正高潮!