中国大数据产业的痛点和困难

中国大数据产业的痛点和困难
大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。

就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。

大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。

2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰，相信10月份的乌镇互联网大会上，大数据还会是一个大的热点。

大数据论坛上，数据产品和解决方案被介绍的很多。

数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。

中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。

中国大数据产业的痛点和困难如下。

1 大数据企业众多而弱小，很难实现产业优势
中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。

大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。

大数据企业人数大多在几十人到几百人，少有千人以上的企业。

没有一家大数据企业可以统领一个行业，没有一家企业占有细
分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。

中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。

各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。

大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。

大数据产业如果要形成产业优势，必须需要一批领军企业。

参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。

每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。

贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。

这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。

大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。

中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。

真正大数据企业所有市场份额加起来可能就在百亿元左右。

中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。

2 外部数据是一个个孤岛，数据价值低
数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。

具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。

中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。

大数据市场的数据质量和企业的数据需求有较大的差距。

外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。

大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。

由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。

具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。

大数据交易市场这种商业模式，还需要用很长的时间去证明。

中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。

这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。

政府的数据正
在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。

在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。

3 大多数企业客户，对数据商业应用敏感度低
大多数企业对数据有需求，但是其对数据商业敏感度很低。

对数据商业应用的场景以及数据技术了解很少。

即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。

其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。

甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。

于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。

已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。

但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。

企业内部人士深度了解业务需求，他们缺少的是市场数据和消费者反馈，缺少的数据分析方法和工具。

企业内部人士更应该成为大数据商业应用的主力，参加一些行业活动，从需求出发，主动寻找数据和解决方案。

移动互联网时代，商业竞争策略很清晰，一个是快，一个是要利用数据进行决策。

大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。

企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。

4大数据技术和产品同业务结合深度不够
市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。

由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。

大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。

目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。

大数据最具商业价值的预测和辅助决策功能并没有被充分利用。

特别是在重大战略决策方面，大数据的作用并不明显。

企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。

未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。

大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。

同时利用数据了解客户，了解市场，了解业务场景。

数据和业务深度结合的核心是掌握正确的数据、
正确的方法、正确的工具。

业务人员要懂数据，技术人员要懂业务。

复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。

企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。

数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。

5 专业数据挖掘工具和人才缺失
传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。

在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。

传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。

BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。

数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。

企业越早了解信息，就会越早进行决策，时间就是
Money。

过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。

业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。

中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。

大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。

所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。

200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。