注册 | 登录
从零开始学运营，10年经验运营总监亲授，2天线下集训+1年在线学习，做个有竞争力的运营人。
都说现在是大数据时代，那么大数据是什么？大数据有什么用？大数据最核心的价值是什么呢？其实大数据的核心价值很简单，就是了解用户行为（更简单说就是了解用户行为习惯）。今天我们就细说大数据的核心价值。
一、什么是元数据（Metadata）？
元数据是对数据本身进行描述的数据，或者说，它不是对象本身，它只描述对象的属性。
比如，一幅画本身，是数据。而这幅画的作者、完成时间、尺寸、价格、类型等等，就是它的元数据。
又如，你妈给你介绍个相亲对象，你并不认识他，但你妈告诉你他的年龄、身高、体重、体貌特征、家庭背景、收入、爱好特长，你心里也就对他有了印象。即便你还不认识他。
元数据的价值
能够从侧面描述对象
可以结构化、信息化
什么意思呢？
举个栗子，要判断一幅画的价值，除了专家直接通过画的艺术性来评价外，还可以通过元数据来判断。
这幅画是名家的还是二流画家的？这幅画是作者在他创作鼎盛时期的作品，还是在年轻时的作品？这幅画是作者擅长的类型还是他不熟悉的？
用这些元数据描述的信息，我们居然就能把这幅画的价值算得八九不离十。这肯定会存在误差，但这个判断方法也非常合理。
二、那用元数据描述对象有什么意义呢？
这就是在大数据上产生的价值：对于非结构化的、非量化的对象，结构化的元数据可以用以快速计算和判断。
再举个栗子，你妈给你找了100个相关对象，手里有100份资料，你要是一个一个去仔细翻阅，那几天都翻不完。但你告诉你妈，高学历的可能意味着素质很高， 高收入的可能意味着能力很强，所以先把低学历低收入的筛掉，剩下的再依据身高体重年龄这些信息排序，那效率就高得多了。
注意，这样的方法仍然会有失误的，说不定真爱就在被筛掉的人里。但这样的概率很低很低了。
这效果在相亲里似乎还不太明显，但大数据在真正产品应用中，产生的效果就天翻地覆了。
三、大数据应用阶段一：辅助产品
刚开始比较简单，就是用以辅助产品人员和市场人员做判断。
过去的实体产品做一次调研非常麻烦。比如饮料公司，调研人员要用各种方式观看他们喝饮料的场景和步骤。
问卷是最常见的，但不准。所以会组织各种各样专业的现场试验，要搭建环境（一般是有单面玻璃或摄像头的）、邀请志愿者，然后引导他们按照日常的习惯去完成一些操作。
比如这样的通过摄像头监视观察室，显然这种办法非常笨重、成本高。
现在的互联网产品根本不需要这么麻烦。用户所有的使用数据、行为，都是记录在案的，想知道什么，瞬间就能分析出来。
过去想知道用户有没有做一件事，比如有没有用过这个功能？太难了。
现在呢，就问点击这个行为，点击了几下、点击在哪里，什么时候点的，甚至这是在什么地方点的、点击之后又做了什么，一清二楚。
用户平时用不用这个功能、怎么用这个功能，也就一目了然。
对于产品设计者来说，这是至关重要的数据。而且，这是完整的数据！如果是互联网产品，那么我知道的是所有用户的数据，不是过去传统行业产品的样本数据。
腾讯知道所有微信用户有多少用朋友圈、知道这些用户每天都发几条朋友圈、知道这些用户每天都发了什么。每一个数据都是真实可用的。（过去发行量再大的报纸也很难知道读者性别，然而现在再小的微信公众号也可以实时获取。）
在实体产品的行业，随着未来整个产品从生产到销售到使用的信息化，大数据也会渐渐起到更大的作用。过去卖一瓶水，可能到某个超市就断掉了，我不知道这瓶水被 谁买走了。但现在在天猫卖的一瓶水，我知道对方这个用户是每个月买十箱水的，他的地址是某个高档餐厅，那我就知道这瓶水的目标受众是谁了。
这是元数据的价值所在。
所以说，大数据的第一阶段是：辅助产品设计者做判断、让产品制造者更好地满足用户。
这时候的大数据主要是来为产品提供支持，产品再应用于用户。
四、大数据应用阶段二：创造价值
在数据的数量和质量达到一定程度后，事情开始变化了。元数据将不仅作为产品的辅助，而是变成了最有价值的产生本身。
很简单的，全中国最熟悉老百姓消费习惯的谁吗？是哪个科研机构吗？都不是，是淘宝。
拥有最全面的个人信用信息的，是人事局吗？是银行吗？NO！NO！NO，是支付宝。
道理也简单得很，所有这些行为（消费、交易）发生在了这个平台上，而这个平台又有所有数据的记录，那这些数据就能产生巨大的价值。
你以为做医疗健康这方面的产品仅仅是关注你的健康吗？并不是，他们同时还能够记录你所有的体征，这是第一线的临床数据。
此时，大数据本身已经成为了产品，可以输出有价值的内容。
消费行为数据，卖给广告商，广告商就可以定向给你投送广告；信用数据，卖给银行，银行就可以判断出你的信用程度；健康数据，卖给保险公司…你懂的（当然，我们不提倡这样做）。
近几年，互联网公司已经能够对全国各领域的市场，给出最有说服力的统计报告了，这些之前可都是政府做的：
淘宝网发布《中国互联网消费趋势报告》
携程旅行网发布《2014年旅游者调查报告》
滴滴携两大机构发布首份《智能出行年度报告》
其实出售数据是比较愚蠢的方法，数据提供的内容完全可以创造出新的产品。尤其像O2O 这样的产品/服务，上游是服务提供者和资源，下游是用户，都能够有价值可以发掘。
比如，在纽带线CRM系统中，通过商务社交功能，了解下游企业间的供求信息，通过社交，促进企业间的交易合作，定向把企业间的供求准确配对，减少企业的成本，这就充分体现了用户数据产生价值。这也是他这个商务社交功能的核心思想了。
听说饿了么在尝试一项新服务，就是为餐馆提供食材。一听吓一跳，你TM在逗我么？但后来想想的确是再合理不过。除了饿了么还有谁更能清楚某块区域的餐品售卖数据呢？这地方萝卜白菜卖得多、有多少量，饿了么清楚得很，跟农场谈合作，可以很好地把控上游渠道。
这阶段的大数据，已经可以成为产品，为用户直接服务。
从另一个角度看，不知道你发现没，通过我们行为数据这些元数据，我们已经在慢慢被量化的信息给描述出来了。看到这些数字（一年花了多少钱、在哪方面花的钱等等）已经对这个人可以有相对粗糙的认识了。
而大数据最终的形态开始初现。
五、大数据应用阶段三：塑造我们
可能我们对对行为数据表示不屑。你知道我在网上买了点东西、跟谁微信聊了几句话、去百度随便查了点东西，就能知道我是什么人了？
别说，还真可以。只要数据保质保量。
我们举个栗子，你一个月没买避孕套这两天突然买了三盒，那可能是你要跟异地恋的女朋友见面了；你微信跟异地的某个妹子聊得特别多、经常还视频，那这大概就是你异地的女朋友；你在百度一直搜东南亚的机票和旅行攻略，那你可能要去那里玩。
就是这么简单的三条元数据，我们可以大楖推测出来，最近你要跟女朋友一起去东南亚旅行。
说实话，做这么基础的逻辑推断，比下围棋容易多了。
这是说明元数据能够推理信息的逻辑性。而对于可获取的元数据，也越来越多了。
你打电话时，可以知道你给谁打（妇科医生？要生孩子了。律师？最近有官司。）
你买东西时，可以知道你的消费能力、家庭状况、喜好甚至性格（高端笔记本？爱玩游戏。吉他、钢琴？喜欢音乐。）
你出门消费时，可以知道你的生活习惯和个人情况（健身房？应该很健康。经常大保健？可能身体比较虚。）
你加别人微信时，可以知道你的社交圈子（认识李开复？应该不是一般人。通讯录里都是老师？那可能也是一名教师。）
作为这些产品的数据的拥有者，完全不需要派个私家侦探来跟踪你。只需要等你自己乖乖把这些数据送上来。
春节的时候，支付宝为什么要和微信争抢小额支付和社交场景的支付？不是为了那点手续费，就是为了它缺失的社交支付这一块。这块数据的价值，超乎你想象。
未来我们每个人的衣食住行、生活起居，都将有大量的数据记录。我们的行为会变成一串串数字成为可量化的数据，成为描述我们的信息。我们工作用纽带线CRM、吃饭用饿了么、打车用滴滴、搜东西用百度、社交用微信，每一步都被记了下来。
不信你可以翻出你历史所有在搜索引擎的搜索记录来，对你生活的描述绝对比你自己的日记都要真实得多。
这些数据将被转换成有价值的商业数据，来描述你各方面的信息。你喜欢黑色的衣服、你喜欢胸大的妹子、你比较文艺、你有高度近视、你最近刚失恋…… 关于你，可能这些数据比你自己都要清楚。
最终，我们本身就是可以被量化的大数据对象，不存在多层的逻辑了。
这样的未来自然有利有弊。利是我们无处不在享受着大数据带来的便利，我们看到的每一条广告都会是我们自己喜欢的，我们查的每一条搜索记录都是根据我们特点来推荐的，我们在加好友时系统甚至都可以说他是不是会跟我们合得来。
弊在于，我们的隐私就暴露无疑。只要数据的拥有者想做点坏事，那真的一切皆有可能了。
大数据绝不会止步在为决策仅仅提供帮助，它的终极形态就是可以用海量的数据描述我们一个个具体的个体。当达到这一步时，现在所谓的市场调研、用户分析就太小儿科不过了。
因为，大数据已经完全能够塑造出我们了。
本文由 @0307wgj 原创发布于人人都是产品经理。未经许可，禁止转载。
赞赏是对原创者的最大认可
收藏已收藏 | 92赞已赞 | 21
产品经理群
运营交流群
数据分析群
文案交流群
Axure交流群
关注微信公众号
大家都在问
14个回答19人关注
17个回答59人关注
19个回答24人关注
16个回答20人关注
7个回答31人关注
86个回答74人关注泛零售商们，你连客流数据都没有，要什么大数据？-业界动态-@大数据资讯
你好，游客
泛零售商们，你连客流数据都没有，要什么大数据？
来源：微信公众号_数据化管理&
作者：黄成明
　　最近参加各种泛零售的聚会，总是听见大家在聊，并且还看见很多以前讲的培训讲师，也赶时髦的讲起大数据的零售业这个课题了。我out了吗?你们很多人连数据都没有或不全，谈什么大数据，大数据离普通零售还很远。
　　就说客流数据，你有吗?你知道自己的顾客的来源吗?你知道自己的顾客在店铺的停留时间和行走动线吗?你知道自己店铺的重复顾客占百分之多少么?(不是指会员顾客，是指所有顾客)，你的成交率是多少知道吗?
　　如果没有的话，那就老老实实的干零售的本分工作吧。继续上我那张简单而不简约的杜邦分析图。
　　这个图片的左边代表客流量的管理，右边代表商品的管理。我们今天谈谈左边的客流量统计。
　　目前，客流量的统计有以下几种方法：
　　一、人肉统计法
　　别笑，好多公司就是这样干的。给店长发一个计数器，隔三差五的统计一下，就是这么任性。这样的数据收集方法很原始，是没办法标准化的，并且得到的数据基本不可信。只是推荐在万般无奈的时候使用一下。
　　二、三辊闸的方式
　　听这个名字很陌生，坐过地铁吧?地铁进站检票就是这个东西，每转动一次计数一个。好处是准确，缺点是你还要不要顾客进你的店了?丑的没朋友，目前有小部分超市入口还能看得到这种设备。
　　三、红外技术统计客流
　　目前这个技术用的比较多，比较常见。它是通过行人阻挡红外线来达到计数目的。好处是简单，技术比较完善。缺点是人多的时候不怎么准确，并且不能判断顾客的方向，也就是不知道你是进还是出，只是统计到有人进出。
　　这种技术在超市，大卖场等用的比较多。显然这种技术也是过时的技术。
　　四、视频信号数字化技术
　　它是将视频技术数字化，在商场入口安装一个这样的摄像头就可以实现统计双向客流量，高级一些的还可以识别男女和年龄(一般精度在5岁以内)。如果在卖场的各个角落安装这种摄像头还可以实现追踪顾客动线，识别顾客购买行为的目的。比如顾客习惯左转还是右转，喜欢在什么样的商品停留，是否有触摸等。
　　视频技术的好处是除了基础客流属性监测分析外，还可以分析顾客的购买行为。缺点是这种技术比较费钱，特别是需要卖场全覆盖的时候。有兴趣的可以去丝芙兰的门店观察，他们就是这种技术。
　　五、Wi-Fi技术统计客流
　　这是这两年随着智能手机兴起而发展起来的技术，普通用户了解的是Wi-Fi认证功能，就是去商场可以登录上网的那个技术，但是在卖场习惯登录网络的毕竟是少数，所以Wi-Fi认证不是用来统计客流量的。统计客流的需要专用的客流统计盒子。
　　但是Wi-Fi技术本身是可以用来统计客流的，实际上是通过统计打开了Wi-Fi的设备数来统计客流量。这个过程并不需要用户接入商场的网络，只需要智能手机用户&经过&就行。因为只要周边有无线路由器，我们的智能手机就会无时无刻的和路由器进行交互&聊天&，就会被记录下来。一般来说30-50米以内都可以被统计到。
　　这种技术的好处是便宜，可以用来统计路过人数，进店人数，停留时间长短，重复顾客比例(因为每个手机都有个唯一代码，不是手机号，这种技术不能读取手机号-黑客除外)。重复顾客比例对零售行业太重要了，以前只能依赖会员数据来分析，有了它CRM管理直接上一个层次。
　　如果卖场布置很多这种设备的话，基本上也可以是识别消费者的动线。
　　缺点是它只对智能手机有用，并且还不能关Wi-Fi功能，不过一般这两点都能满足。另一点是有些人有两台智能手机会被统计成两人。
　　另一个缺点是不能读取手机号，不能形成营销闭环。因为他只知道这个手机来过，具体是它他不知道。不过有些服务商已经可以和第三方数据(比如电商数据，电信运营商的数据)进行匹配，就可以实现&识别&手机号的目的。
　　这项技术有很大的想象空间：
　　如果在全国主要商业区都布上Wi-Fi客流统计小盒，想一想这后面就是大数据。
　　它能有效的打通线上线下消费者数据。阿里的数据很牛，但是线下数据他没有;沃尔玛也很厉害，但是顾客的线上数据他也没有。如果打通了的话价值大大的。原理是当我们在使用某个手机APP时(比如购物APP)，它可以读取手机的唯一码。而线下Wi-Fi也能读取这个手机的唯一码。双方的数据对接在一起，足够大数据吧?以前我们在网上的每一个点击都会被跟踪，以后线下也有可能。
　　我知道的是某个互联网的巨无霸(名字保密)已经开始测试一项技术，当用户在网上搜索了某个关键词后，比如搜买车。当他再到4S店时，店铺早已经准备好话术和套餐等你了。
　　昨天听说一个有O2O思维的小偷，他在行窃前先将目标电动车图片上传到网上，等到有买主后再实施盗窃的案例。互联网思维害死人啊，不过这个小偷可能没有想到，如果附近有一个Wi-Fi客流统计器的话，他的行踪早已暴露，警察查到他是分分钟钟的事情。目前已经有通过Wi-Fi这样的破案实例(不剧透)。
相关新闻 & & &
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款2,448被浏览125,191分享邀请回答大数据最核心的价值是什么？www.zhihu.com原答案：先说结论，大数据可以提升社会效率，提高生产力。详细来说，大数据的价值在于，通过数据挖掘和分析，提升个人和组织效率，增强其市场竞争力，实现资源优化配置，促进社会整体效率上升。我们从某巨头互联网公司的职位体系入手，用具体的实例来说明大数据产生的价值是什么，价值是如何产生的，为什么大数据可以带给我们这样的价值。首先为了便于描述，我们将所有的职位按后、中、前台分类。
一.后台1.1 后台-财务首先看一下某个财务类工作的JD，财务预算：完成财务年度预算编制，并跟踪业务及财务数据，检查各部门的预算执行情况，完成月度、季度、年度的BU财务报表分析及预测；运营分析：设定合理的指标评价体系，根据设定的指标体系对BU运营情况进行定期的评估；结合业务，分析企业各项决策、产品，活动的投入产出效果，提出相应的财务建议；在财务预算和运营分析中，大数据都可以产出价值。结合大数据，通过分析过往历史数据，可以对来年的预算作出预测，甚至直接完成财务预算工作，避免同样针对运营分析，结合大数据工具，将运营工作数据化以后，只需一份完整的报表，就可以迅速了解运营宏微观情况，数据有异常时可及时告警到相关负责人。相关的回答可以看这里 国内产品：数据来源于it橘子国外产品：数据来源于CB1.2 后台-法务法务的JD合同审查及修改、法律诉讼以及法律咨询等法律事务；建立内控风险管理机制，参与重大项目决策、控制运营的法律风险，制订公司法务工作规划和大纲；为公司各部门提供日常法律咨询、定期法务培训，负责办理各类诉讼及事务处理；负责日常采购合同、库房租赁合同等的审核与修正，常用合同文本拟定和完善；检查公司的运作流程和商务谈判中有关法律风险防范，为部门提供法律咨询；处理法务函、律师函、诉前争议、诉讼纠纷、仲裁调解及上级领导交办的临时事务或危机事件。法务工作和数据也可以产生很强的化学反应。结合NLP技术，可以对所有的法律文本、合同文件进行批量处理和检查，检测出合同中存在漏洞的地方。相关内容可以参考这里国内产品：数据来源于FellowPlus国外产品：数据来源于CB1.3 后台-人力人力的JD如下：以主动sourcing的方式寻找高质量的候选人，对人才市场进行分析，对行业及人才市场的圈子进行深度探索。独立支持某一条业务线的技术招聘工作（开发，算法，客户端开发）；作为招聘项目组PM推进项目进程取得招聘结果，提升招聘效率，优化面试体验，对数据进行跟踪分析；配合高级招聘经理进行招聘渠道建设&特殊招聘项目（海外招聘，雇主品牌活动等）结合大数据工具，人力部门可以更好地评估候选人简历，资质，根据简历和面试评价，可以为不同的候选人打分。根据在职员工的表现，可以分析出高绩效和低绩效员工的差别，找到他们的特性。可参考国内产品：数据来源于FellowPlus国外产品：数据来源于CB1.4 后台-行政某个行政岗位的JD如下：负责建立、完善行政工作流程及标准，保证行政工作规范化管理的同时，满足业务部门的业务需求；负责华北区/华南区各城市的办公区日常管理，结合公司文化提供办公环境优化方案并落地实施；负责公司大型活动全年规划，活动策划、组织、协调等；负责突发事件的应急处理。公司内部各个员工、部门的行为都可以通过数据记录下来，根据数据反映的特征，可以评估行政工作是否有效，例如某个垃圾桶的使用次数特别多，是否可以考虑增加新的垃圾桶，或者人员的工位安排是否不合理（过于集中）。或者某个楼层的耗电量特别高，该楼层电力设备是否有故障，或者是否加班较多，后勤保障是否到位，（零食、水果、饮料的供应是否不足）。国内产品：五险一金、保洁、订餐、差旅、员工福利、公司采购、办公场地等工作，内容，都有对应的大数据产品服务。国内的有51保险，美餐等公司。国外产品：数据来源于CB1.5 后台-商务不同的业务对商务的定义不一样，类似O2O行业，商务主要是地推，类似于广告行业，商务主要是获得媒体资源，而在其他行业，商务也等同于供应链。如果从供应链切入，可以协助商务人员做好成本、品质数据把控，可以给不同供应商的产品和服务打分，并根据己方公司的需求，和供应商沟通价格和条款。国内产品：数据来源于FellowPlus国外产品：数据来源于CB二.中台2.1 中台-产品产品的工作中非常需要数据辅助决策，因而各种各样的数据工具都是产品需要掌握的，包括获取市场数据的、竞品信息的、业务报表、数据库、用户行为数据获取和分析等等。数据可以帮助产品更好地了解用户和他们的需求，做出更合适判断和决策，也可以验证产品方案的有效性。国内产品：数据来源于FellowPlus国外产品：数据来源于CB2.2 中台-技术通常印象中，技术通常是制作大数据产品的，而在制作这些大数据产品的过程中，开发们也会使用到很多的大数据开发工具。除了工程项目以外，技术还可以结合算法，充分挖掘大数据的价值，同时配合产品、运营等部门，共同提高业务收入和用户留存。数据来源于CSDN2-3 中台-设计自从有了阿里的鲁班机器人，好像设计师的失业已经开始倒计时了。但实际上，大数据可以将设计师从日常繁琐、重复的工作中解脱出来，可以将更多的重心放在创意、思维上，给世界带来更多更美好的人类文明。国内产品：数据来源于FellowPlus国外产品：数据来源于CB2.4 中台-运营运营是和数据有强相关的工作，可以说，目前绝大数的运营工作都是由数据驱动。像用户画像、精准营销、客户分群、用户行为分析等数据工具，都可以帮助运营更好的了解用户，提升运营服务客户，与客户沟通的效率，获得更高的ROI。相关的问题可参考国内产品：数据来自于知乎国外产品：数据来自于CB三.前台3.1 前台-客服客服可能是目前距离自动化最接近的工作了，包括阿里、蚂蚁金服都在力推客服机器人，希望可以用数据和算法的力量，将人从日常的客服工作中解脱出来。国内产品：数据来源于36Kr国外产品：数据来源于CB3.2 前台-市场对于市场人而言，计算ROI一直是一个令人感到绝望的事情，投出去的广告到底有没有效果呢？浪费的那50%在哪里呢？幸好，有了各种大数据工具，可以让市场清晰的了解到各个客户的特点和喜好，针对客户爱好实现精准投放。相关问题可参考国内产品：数据来源于FellowPlus国外产品：数据来源于CB3.3 前台-销售销售可谓是大部分公司的最前线，直接关系到公司的营收和利润，如果大数据可以帮助销售提前发现潜在流失客户，潜在大客户，并引导销售采取不同的策略跟进，实现客户留存和转化，就会帮助销售节省一大把时间，同时也有助于提升销售的服务质量。国内产品：数据来源于36Kr国外产品：数据来源于CB以上等等，都是讲的大数据价值是什么，怎么产生数据的，最后再讲一些大数据为什么会产生价值？四.为什么大数据会产生价值？利用各种数据获取与处理工具，我们可以尽可能地量化实体世界，使得实体世界映射在数字世界中，通过分析和挖掘数字世界中的数据，我们可以实现对实体世界的跟踪、分类、预测，最终实现的结果是：企业能够提前了解用户的心里和需求，甚至比用户更了解他自己，企业和组织提前为用户做好准备，企业的运营效率得到提升，在市场中获得更强的竞争力，赢得更多的资源。大数据将使得各岗位的工作更加精细化，不仅是运营、市场、销售，也包括财务、法务等。就像当年的excel、ppt、word一样，未来职场天下，将属于各类拥有大数据分析和处理能力的新白领的。人工智能课程列入中小学教材，像不像当年计算机列入小学生教材，计算机要从娃娃抓起，不过现在需要他来说一句：人工智能要从娃娃抓起。 同时数据的价值和威力在资本市场已经得到验证，拥有更多数据的大公司表现愈发出色，而相对缺少数据的小公司则表现疲软。在数据时代，强者恒强，弱者消失的故事将不断上演。虽然2017年以来A股上市公司跌多涨少，但从具体分布来看却极不均衡。在市值超过2000亿元的31家公司中，仅一家下跌，上涨数量占比达96.77%；在市值超过1000亿元的公司中，上涨数量占比为88.31%；在市值超过100亿元的公司中，上涨数量占比为52.83%；而在市值低于60亿元的公司中，上涨数量占比仅为6.04%。由此可见，市值越大，股价上涨的概率越高，而对于低市值个股，则呈现出普跌态势，市场更加热衷于大市值公司。通过数据挖掘和分析，提升个人和组织效率，增强其市场竞争力，实现资源优化配置，促进社会整体效率上升。最后再说一次结论：大数据可以提升社会效率，提高生产力。数据侵删，文中提到的公司并没有先后之分。0添加评论分享收藏感谢收起从概念到落地 大数据细分领域群雄争霸 _ 东方财富网
从概念到落地 大数据细分领域群雄争霸
东方财富APP
方便，快捷
手机查看财经快讯
专业，丰富
一手掌握市场脉搏
手机上阅读文章
　　近年来，人人都在说大数据。到底什么是大数据？什么样的数据才能称为大数据呢？
　　麦肯锡(McKinsey & Company)认为大数据(Big Data)就是规模大小超过了典型数据库软件的采集、存储、管理和分析等能力的数据集合。
　　简而言之，大数据就是全数据集合，具有数据量大、类型繁多、价值密度低、时效性高的特点，是需要重新处理才能产生价值的信息资产。
大数据产业链条逐渐完善，市场潜力有待挖掘　　大数据不只是大，产业链条逐渐完善
　　大数据区别于传统数据的的最大之处就在于大数据是在线产生的、时效性很强。
　　简单说来，传统数据可以总结为是静态数据，是过去一段时间内的数据，那大数据就是动态数据，是实时产生的数据。很多人认为数据量大就是大数据，却忽略了大数据的在线特性。数据只有在与用户产生连接时才有意义。
　　从产业链关系来看，大数据产业链是围绕着大数据技术和服务而展开的，包括一切与大数据的产生与集聚(数据源)、组织与管理(存储)、分析与发现(技术)、交易、应用与衍生产业相关的所有活动。经过近些年的发展，大数据产业链条逐渐完善，具体可以分为大数据获取层(以政府、企业和机构为主的数据源提供商)、硬件支持层(以采集、传输、存储数据为主的硬件制造商)、大数据技术层(以挖掘、分析、存储大数据和数据可视化为主的技术提供商)、大数据交易层(以数据评估、定价和撮合为主的交易服务提供商)、大数据应用层(以政府、零售、金融大数据为主的应用服务提供商)和大数据衍生层(以供应链金融、机器学习和人工智能为主的衍生服务提供商)。
　　但是，在日常应用中，大数据采集企业往往会提供大数据交易服务，因而大数据交易层通常会被归为大数据采集层，而大数据衍生层也常常被归为大数据应用层级。故接下来的叙述就将大数据产业链进行简化，分为大数据采集层、大数据硬件支持层、大数据存储处理层和大数据应用层。
大数据产业图谱　　多方环境利好，市场潜力有待挖掘
　　近年来，我国大数据产业的宏观政策环境不断改善。2012年以来，工信部、发改委等部门支持了一批大数据产业相关项目，推进了技术研发并取得了积极效果。2014年，《政府工作报告》明确指出，要设立新兴产业创业创新平台，在大数据等方面赶超先进，引领未来产业发展。2015年，国务院发布了《国务院关于印发促进大数据发展行动纲要的通知》，纲要表示，中国将在2018年建成国家政府数据统一开放平台，实现数据统一共享平台的全覆盖，将在2020年底前，向社会开放民生相关领域的政府数据。随后，各地区也纷纷发布关于大数据方面的政策利好信息。
　　根据中国工业和信息化部发布的《大数据产业发展规划(年)》，截至2016年年末，我国网民数量超过7亿，移动电话用户规模突破13亿，月度户均移动互联网接入流量达835M。政府部门、互联网企业、大型集团企业积累沉淀了大量的数据资源。
　　再来看看大数据产业的“蛋糕”有多大。根据IDC(国际数据公司， International Data Corporation)的预测，到2018年，全球大数据技术和服务市场的复合年增长率将达到26.4%，规模达到415亿美元，会是整个IT市场增幅的6倍左右。同时，大数据在国内的市场规模同样巨大，根据中国信息通信研究院发布的《大数据白皮书(2016)》数据显示，2015年我国大数据核心产业的市场规模达到了115.9亿元，增速达38.0%。同时预计了大数据核心产业在年还将维持40%左右的高速增长。可以这么说，不论是国内市场还是国际市场，大数据市场的潜力很大，还有待挖掘。
　　注：2011年、2012年国内大数据产业较少，未形成一定规模
　　来源：WIND数据库
大数据从概念走向落地，应用场景不断丰富　　34家上市企业市值超3500亿元
　　据不完全统计，2014年，国内的大数据企业不足100家，到了2015年，大数据行业企业数量已经增加到了500家以上，而到了2017年，大数据企业已经超过5000家。
　　根据WIND数据库信息显示，截至2017年6月末，A股市场有大数据概念企业34家。最新市值合计为3530.70亿元，最近三年的年均复合增长率达27.9%。其中，主板上市企业9家，市值合计984.83亿元；中小板上市企业10家，市值合计1613.56亿元；创业板上市企业15家，市值合计932.31亿元。
　　来源：WIND数据库(市值数据采用日收盘价)
　　资本助力市场，中小企业也有春天
　　经过几年的发展，我国大数据市场初步形成“三角形”的竞争结构，一方是以BAT为代表的互联网企业，一方是以华为、联想、用友等为代表的传统IT企业，另一方是以九次方、为代表的新起大数据企业。
国内大数据市场竞争格局　　那么现有的大数据企业都是如何赚钱的呢？现在的大数据企业在客户群体上分类的话，大概可以分为三类：
　　第一类就是TO B方向。这一类企业主要是做工具和外包服务，可以为企业提供解决方案、数据可视化和商务智能等服务，代表企业有公司(Oracle)、等。
　　第二类就是TO C方向。这一类企业主要是辅助用户做决策，可以为用户提供高考志愿填报、个人健康管理、选餐订餐等服务，代表企业有有道词典、饿了么等。
　　第三类就是TO B+TO C方向。这一类企业主要是既有企业客户又有个人客户的规模相对较大的企业，既可以收集用户数据，分析出报告，然后给到相应的企业，又能根据自己的数据反馈，更好的服务用户，代表企业有、腾讯、等。
大数据企业类型　　当然，大数据企业的第一步就是获取数据，像BAT、华为这样的企业，背靠着资源，做起大数据就有很多“先天优势”。那中小大数据企业的出路在哪呢？
　　答案就是细分市场。在现有的竞争格局下，再想做出一家百度或者是阿里巴巴这样规模的企业，或许已经是不可能的事情了。但是，按照消费者的具体需求，定制相关细分领域的大数据服务，或许大有可为。
　　大数据细分产业的火爆，吸引了大批资金入场。据新芽NewSeed数据显示，自2015年以来，近百家大数据企业完成融资，总融资金额超百亿。其中，2015年就有26家大数据公司完成融资，总融资金额超过30亿元人民币(部分企业未披露融资金额)；2016年有53家大数据企业完成融资，总融资金额超过50亿元人民币(部分企业未披露融资金额)；到了2017年，随着大数据产品的逐渐落地，融资市场略有降温，2017年上半年有18家大数据企业完成融资，融资金额超过20亿元，天使轮到A轮的企业居多。
　　注：融资金额仅统计了已披露融资金额，部分企业未披露，则未计入统计
　　数据来源：新芽NewSeed
　　从营销到网络安全，应用场景不断升级
　　对于大数据的应用场景，往往是按照用户需求，在传统行业里植入大数据元素，从而提升用户体验、节约企业成本。
　　从农牧大数据的调配生产到交通大数据的顺畅出行，从零售大数据的精准营销到社交大数据的舆情监控，从医疗大数据的健康管理到金融大数据的产品配比，可以说，大数据已经深入到我们生活的方方面面了，并且随着企业的不断创新，应用场景也正在实现优化升级。
大数据应用层级列举专注垂直领域，营收增速平稳　　新三板大数据企业专注细分领域，整体研发投入较高
　　从前文分析的产业链关系来看，大数据产业简单可以可以概括为大数据设备制造、大数据采集、存储与处理和大数据应用。根据这一标准进行筛选，新三板上的主营大数据业务的企业有64家，按照其主营业务可以分为设备制造、数据采集、数据存储与处理以及数据应用，其中，数据应用企业最多，有37家，占比57.8%，而数据应用类企业也是深耕各细分行业，可分为医疗大数据企业、电信大数据企业和精准营销类大数据企业等方面。
新三板大数据企业类型　　注：括号中数字表示企业数量，最小层级企业未标记企业数量。
　　经过查阅发现，上述64家大数据企业主要分布在北上广深这样的一线城市，其中，坐落在北京的企业最多，有26家，占比40.6%；上海、深圳各有7家企业，均占比10.9%；广州紧追其后，有6家企业，占比9.4%。
　　如此鲜明的地域分布，究其原因，不外乎以下三点原因：
　　首先，大数据的新兴概念属性。一线城市相对来说更具包容性和创新精神，更能接收到比较前沿的信息。
　　其次，大数据的“烧钱”属性。同许多互联网企业一样，大数据企业在前期融资需求十分强烈，而一线城市的投资机构资源十分丰富，抱着“近水楼台先得月”的想法，或许在一线城市能获得更多的投资。
　　最后，一线城市对于高新技术企业的扶持力度也是不容忽视的一大原因。以北京科技园区为例，高新技术企业会享受到相应的税收、人才等各方面的优惠政策。
　　作为新兴概念行业，大数据也是一个前期研发投入较高的行业。数据显示，2016年新三板大数据行业整体研发投入8.06亿元，平均每家企业研发投入1259万元。其中，研发投入超过行业平均值的企业有23家，占比35.9%。而研发投入最多的企业是凯立德，2016年研发投入1.15亿元。
　　经过统计发现，研发投入位于1000万元以下的企业最多，共计37家，占比57.8%。
　　注：小值包含，大值不包含；如万元，包含1000万元，不包含3000万元
　　数据来源：2016年年报
　　从细分行业来看，2016年平均研发投入最多的是大数据应用行业，共计投入4.97亿元，平均每家企业投入1342万元；其次是数据存储与处理行业，投入2.39亿元，平均每家企业投入1087万元。
　　数据来源：2016年年报
　　当然，评价一家企业的研发水平，不能仅从研发投入这个绝对值来看，接下来，我们从研发强度(研发强度=研发投入/营业收入*100%)入手，看一下大数据企业的研发能力如何。
　　以欧盟统计标准，5%以上属于高研发强度，此类企业一般被认为具备充分的研发竞争力优势；2%以下属于中低强度，不足1%则属于低强度。数据表明，大数据行业的整体研发强度达到11.5%，是当之无愧的高研发投入行业。有31家企业研发强度高于行业平均值，占比48.4%，其中，研发强度最高的企业是艾漫数据，达到141.4%。
　　经过统计发现，研发强度在5.0%-10.0%之间的企业最多，有24家，占比36.9%。
　　注：小值包含，大值不包含；如30%-50%，包含30%，不包含50%
　　从细分行业来看，2016年研发强度最高的行业是数据存储与处理行业，达到13.9%；其次是数据采集行业，研发强度达13.6%，反观数据应用行业和设备制造行业，研发强度相对较低，分别为11.2%和5.9%。
　　企业保持高速营收增长
　　数据显示，2016年新三板65家大数据企业中有49家企业营收过5000万，占比达到76.6%。其中，营收在5000万-1亿元之间的企业数量最多，有24家；其次是营收在1-2亿元之间的企业有15家；营收在2亿元以上的企业数量较少，有10家。
　　注：小值包含，大值不包含；如万元，包含3000万元，不包含5000万元
　　数据来源：2016年年报
　　从细分行业来看，能源大数据应用企业营收均值位于首位，达5.89亿元；其次是金属大数据应用企业，营收4.62亿元。比较下来，各细分行业营收差距较大，究其原因，可能是由于大数据+传统强势行业的影响冲击，大宗商品市场本身的流通体量就相对较大，通过大数据技术方面的业务创新，企业在细分领域的影响就会相应地加强。
　　尽管新三板大数据行业的营收规模并不大，但是，部分企业的成长性良好。从营收增长率来看(为考察企业成长的连续性，此处采用年的平均营收增长率进行分析)，有57家企业实现了年均营收正增长，占比89.1%，其中，16家企业年均营收增长在50.0%-100.0%之间；年均营收增长在100.0%以上的有14家企业。唐宋数据以2161.3%的年增长率排在首位，九鼎瑞信以670.0%排在第二位。可见，这两家企业的年均营收的规模增长都在5倍以上，也可以从侧面说明，细分大数据领域的企业成长能力之强。
　　据易观智库《中国行业大数据应用市场专题2015(简版)》数据表明，2014年中国大数据市场行业营收结构中，金融、通信、零售为前三大行业，营收占比分别为16.0%、 15.6%和13.9%。政府、医疗、旅游营收比例分别为12.7%、 9.0%和4.1%。六大行业累计占比71.3%。其他行业包括教育、制造、能源、媒体、互联网等，累计占比28.7%。而像酒店管理、地理信息、天气信息等其他细分大数据市场还是一片蓝海的状态，未来这些细分领域的发展或可期。
盈利状况两极分化，数据存储类企业赚钱更稳妥　　盈利企业数量多、数额较小
　　前文已经提到，大数据行业市场早已进入“千舸争流”的状态，企业大规模的投入资金去争取数据源、做数据分析，但是，不可否认的是，现在还有一大部分的企业不知如何数据变现——既要花费大量资金在数据存储方面，又要投入大量的人力物力去寻求数据变现。这使得大数据行业内的许多企业盈利状况不佳。
　　新三板上大数据企业的盈利状况则是盈利企业数量多，但数额相对小，以年两年的数据容量来看，46家企业持续盈利，8家企业持续亏损，4家扭亏为盈，还有6家企业由盈利变为亏损。其中，2016年盈利的企业中，有22家企业净利润在1000万元以内；15家企业净利润在万元之间；净利润超过2000万元的有13家企业，最高净利润为5596万元。而在2016年亏损的企业当中，最高亏损额达到1.04亿元。
　　从细分行业来看，46家连续盈利的企业中有8家为大数据存储类型企业，占比17.4%；8家连续亏损的企业则仅有1家为大数据存储类型企业，还有1家是数据可视化类型企业，其余7家则是专注于不同细分领域的大数据应用层级企业，如精准营销、地理行业应用等，这几个细分市场出现时间相对较短，目前尚处于互联网行业生命周期的前期，即业务拓展期，公司数据产品落地与推广、后台的维护与运营都需要大量的人力物力投入。
　　毛普遍较高
　　数据统计发现，新三板大数据行业整体的毛水平在35.2%。其中，有43家企业毛利率高于行业的平均水平，行业最高毛利率达到了92.6%。此外，从新三板大数据行业的细分层级方面分析，大数据存储与处理层级毛利率最高，达45.7%；其次是数据采集层级，毛利率为44.8%；大数据应用层级排在第三位，毛利率为31.7%；设备制造层级的企业毛利率相差较大，为25.8%。
　　由上图可以看出，在细分行业，金融大数据应用行业的毛利率最高，达84.1%，而金属大数据应用行业的毛利率最低，仅为2.4%。在不同的细分领域，其毛利率的差异也是较大的。这与该企业本身的行业属性有很大的关系。但是，行业的毛利率高，从侧面也反映了一个行业的进入壁垒较高，金融大数据应用行业的壁垒主要就是经营许可牌照、信息安全技术水平和客户集群。
　　数据显示，毛利率最高的3家企业分别是开眼数据(834671.OC)92.6%、雅捷信息(835468.OC)84.1%和众荟信息(837265.OC)78.6%。
　　其中，开眼数据是一家专注于互联网广告数据的挖掘与分析的企业，是搜索引擎(SEM)、智能化互联网广告服务提供商。进过查阅其2016年年报发现，其主要业务是QA问答营销，2016年产生营收848万元，营收占比48.7%。
　　雅捷信息致力于金融大数据产品和信息化系统及智能服务，一直以来立足于国内外金融机构及企业。 公司现拥有银行集中作业系统、DataTurbines大数据云平台、信贷业务系统等系列产品，是IBM银行领域的主要战略合作伙伴。
　　众荟信息是国内首个酒店业全数据平台。以“大数据+渠道+PMS”的创新模式，融合酒店行业大数据以及云计算技术，打通酒店行业数据链，建立良性生态圈。现阶段的主要客户有凤凰国际、等。
大数据行业未来发展趋势　　细分应用层级爆发出机遇
　　大数据并不在“大”，而在于“用”。对于很多行业而言，如何有效应用这些大规模数据、挖掘出更大的价值是成为赢得竞争的关键。因此，大数据的细分应用或成为未来十年产业发展的核心趋势，大数据产业链条的细分应用层级也或成为发展机会最大的投资领域。
　　大数据时代的核心应用方向主要包括智慧城市、旅游、医疗健康、教育、电子商务以及游戏、社交媒体等，移动互联网是未来10年IT产业的下一个金矿。
　　目前，国内一些领先的互联网企业，包括、腾讯、阿里巴巴等，早已开始了实质性的探索。比如，阿里、新浪“联姻”之后，新浪和淘宝之间的数据互动更为紧密，或将打造出一个横跨社交领域和电商领域的生活平台。
　　数据蕴藏价值，但是数据的价值需要用IT技术去发现、去探索，数据的积累并不能够代表其价值的多少。随着产业应用层级的快速发展，如何发现数据中的价值已经成为市场及企业用户密切关注的方向，因此大数据分析领域也将获得快速的发展。
　　而随着大数据行业IT基础设施的不断完善，大数据分析技术将迎来快速发展，不同的挖掘技术，挖掘方法将是人们未来比较重视的领域，因为，这个领域直接关系到数据价值的最终体现方式。
　　大数据与云计算的关系愈加密切
　　如果再找一个可以跟大数据并驾齐驱的IT热词，云计算无疑是跟大数据关系非常大的一个词语。很多人在提到大数据的时候总会想到云计算，二者还是有很多不同的，一句话来解释二者：云计算是硬件资源的虚拟化，大数据则是海量数据的高效处理。
　　大数据的特点对存储、传输和处理都提出了巨大的挑战，这个问题就需要新的技术来解决，云计算是大数据的处理器的最佳平台，未来，这种趋势的发展将越来越让二者的关系更紧密。例如，利用云数据BI的托管服务，谷歌BigQuery中的数据分析服务，IBM的Bluemix云平台等等，这些都是基于云的大数据分析平台。
　　随着大数据行业的发展，尤其是数据量的爆炸式增长，分布式存储技术将作为未来解决大数据存储的重要技术，并实现从纵向扩张(Scale-up)向横向扩张(Scale-out)的转移。
　　分布式存储系统将数据分散存储在多台独立的设备上，这就解决了传统存储方式的存储性能瓶颈问题。随着大数据量的逐渐增大，可以通过分布式的处理方式把应用复杂分散到分布式系统的各个节点上，分布式网络存储系统采用可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。
　　安全和隐私问题越来越受到重视
　　数据价值对于企业来说是非常重要的，但是同样也有阻碍着大数据发展的一些因素，在这些因素中，隐私问题无疑是困扰大数据发展的一个非常重要的要素。
　　一些我们之前看似并不重要的数据信息，在大数据中心，许多这样的信息就很可能轻松了解一个人的近期情况，从而造成了个人隐私问题。而且如今随着大数据的发展，个人隐私越来越难以保护。有可能出现利用数据犯罪的情况，当然关于大数据隐私方面的法律法规并不全，还需要有专门的法规来为大数据的发展扫除障碍。
　　随着数据价值的越来越重要，大数据的安全稳定也将会逐渐被重视，大数据不断增长，无论对数据存储的物理安全还是对数据的管理方式都要求越来越高，从而对数据的多副本与容灾机制提出更高的要求。
　　对于大数据来说，未来，可能将不同的行业更加细分，针对不同的行业有着不同的分析技术。但是同样对于大数据来说，数据的多少虽然不意味着价值更高，但是更多的数据无疑更有助于一个行业的分析价值的发现。例如，对于，如果每一个医院对自己的数据进行分析，相信也能够获得相应的价值，但是如果想获得更多的更大的价值，那么就需要全国，甚至全世界的医疗信息共享，这样才能够通过平台进行分析，获取更大的价值。所以，为了数据可能会呈现一种共享的趋势，数据联盟的出现势在必行。
(责任编辑：DF314)
[热门]&&&[关注]&&&
请下载东方财富产品，查看实时行情和更多数据
郑重声明：东方财富网发布此信息目的在于传播更多信息，与本网站立场无关。东方财富网不保证该信息（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担。
扫一扫下载APP
东方财富产品
关注东方财富
扫一扫下载APP
关注天天基金