國内資料競賽市場，能做好的話，預測一兩年就會有繁榮景象。 ——datafountain coo 陳娟
要說本月開發者圈子的頭等大事，毫無疑問是 kaggle 被谷歌雲收購。作為全世界首屈一指的資料科學、機器學習開發者社群和競賽平台，kaggle 不僅開拓了一個全新市場（雖然該市場的目前商業價值有限），還為國内近幾年冒出的資料競賽平台樹立了學習、模仿的榜樣。
李飛飛宣布谷歌雲收購 kaggle
目前看來，這場收購可謂是皆大歡喜。
kaggle 得到了谷歌雲的計算資源、資料資源和業界關系支援，也對投資者有了交代。谷歌得到了對該社群的直接影響力，以及一個谷歌雲的業務突破口。
但作為一個細分市場的霸主，kaggle
卻從未有過“霸主”的春風得意。自 2010 年成立至今，kaggle
耕耘資料競賽領域已有七年。這時間說長不長，說短不短，但足以打消風投和部分商業觀察家“超級獨角獸”的夢想。平台上的競賽數目，并沒有指數級地增長；其商業模式到底是不是衆包，業内也存争議；但最重要的一點，直接指向了
kaggle 的“七寸”：缺乏商業變現能力。
嫁給谷歌雲，或許已經是最好的結局。
于是我們不禁要問：一家在所處行業成為全球第一、沒有重量級競争對手、并踩在大資料風口的創業公司，為何“被收購”卻成為最佳選項？
（注：并不是說被谷歌收購不理想，而是許多人認為 kaggle 原本可以做得更好。）
在雷鋒網看來，這個問題折射出的現實情形，要比答案本身更有價值。相比 kaggle 的自身經營狀況，我們更關心資料競賽這個市場——究竟是貧瘠的鹽堿地，還是未經充分開墾的處女地？
太平洋的另一端，在中國，2014 年之後湧現出大大小小多家資料競賽平台。目前比較有名的，有阿裡雲旗下的天池，中科院孵化出的 datafountain，成都電子科大教授周濤創立的 datacastle，以及上海 soda 大賽的指定營運方科賽網。各家平台在将來的發展側重點各有不同，但當下的核心業務都是線上資料競賽。
大資料競賽究竟有多大的市場空間，行業前景如何，就成了至關重要的問題。
為此，雷鋒網采訪了datacastle
ceo 張琳豔， datafountain coo 陳娟，天池進階專家王一婷，以及“中國 kaggle 第一人”、商湯科技研發總監張偉；從
kaggle 商業化的努力，談到國内資料競賽的市場環境，以及最重要的：如何把這個市場做“活”?
我們先從 kaggle 被收購折射出的困局談起。
kaggle 的商業化之路十分坎坷，這在業内廣為人知。
自
2013 年起，kaggle 就設立了能源咨詢業務。當時恰逢美國頁岩油、頁岩氣革命，kaggle
希望用大資料幫助能源公司進行石油勘探。這本将是一筆利潤頗豐的生意。可惜随後的全球原油價格暴跌，使得石油公司大幅減産；新的勘探、開采計劃紛紛被推遲或取消，相關研究也被擱置。kaggle
從能源行業入手，逐漸建立跨行業資料咨詢業務的計劃就此擱淺。更何況，人們逐漸意識到，資料咨詢業務的成長性實在有限，不适合風投參股的企業。
與此同時，kaggle 在 2013 年推出了 “kaggle connect”咨詢平台：将社群最精英的資料科學家介紹給有需求的公司，以解決不适合以競賽形式封裝的現實問題。
kaggle 還推出了招聘服務，這倒用不着多說。重點是，直到今年被谷歌收購，kaggle 在商業變現上始終沒有找到一個好的突破口。
是以，對于 kaggle 被收購，行業内認為理所當然者有之，驚喜者有之，惋惜者也有。
堪稱“中國 kaggle 第一人”的張偉，自 2012 年參與 kaggle 平台上的比賽。目前排名世界第十，曆史最高排名世界第六、中國第一。他認為，kaggle 尋求商業支援、被谷歌收購是水到渠成的事情。
從他的角度看，kaggle 一直在進行商業化的嘗試，業務上也面臨較大瓶頸，競賽的數量到現在也不是很多。這其中的一大問題，是與工業界的關系不夠緊密，不足以說服更多公司在 kaggle 平台上開放資料、舉辦競賽。借助谷歌對業界的影響力十分合情合理。這将有助于更進一步拓展平台使用者，把市場做到此前難以企及的規模。另外，大量 kaggle 參賽者使用亞馬遜 aws，如能免費提供谷歌雲，确是一件好事。
持相似觀點的還有阿裡雲天池。天池進階專家王一婷直截了當地表示：
“ kaggle 在曆經了六、七年的發展後始終沒有找到一個很好的商業模式，主要靠賣比賽收取服務費賺錢。但平台上的比賽頻率并不高，大部分獎金也很少，是以收益應該不高。雖然 kaggle 号稱沉澱了一批資料愛好者、開源資料集和算法模型，但沒有計算能力，資料的價值就無法真正變現。他們一定是需要尋找突破口的，是以現在被谷歌雲收購是最好的歸宿。”
值得注意的是，關于谷歌之于
kaggle 的價值，王一婷更強調計算資源。在她看來，無論在資料、ai
還是機器學習領域，企業的最核心競争優勢或者說行業門檻，都是大資料+雲計算。換句話說，隻有與谷歌雲的基礎設施結合，kaggle
才算是完成了生态鍊的閉環。是以，kaggle
加入谷歌是理所應當的戰略布局（對谷歌亦然）。而在這一點上，結合了阿裡雲計算資源的天池，同樣擁有巨大優勢。
同樣對 kaggle 關注已久的 datacastle ceo 張琳豔，則十分強調 kaggle 的資料科學家社群 dna。她向雷鋒網(公衆号：雷鋒網)表示：
“我的第一反應是驚訝。一直覺得 是不小心闖入商業圈子的資料科學聖殿，說是一股清流也不為過——感覺商業模式不賺錢，卻也堅持做了這麼多年而且越做越大，題目越來越豐富，必定有種堅持在裡面。一直感覺他們離商業和資本很遙遠，但是總體來說很高興，因為這個消息給我們帶來了很大的信心。”
張琳豔十分認同谷歌雲計算資源對于
kaggle 的價值，無論是針對資料安全，還是提供更大規模的資料集，并表示“這很有可能是 google 對 kaggle
吸引力最大的其中一點”。但她同時指出，計算環境對不同語言、架構的支援，帶來了額外的公平性和技術問題需要考慮。
datafountain coo 陳娟的觀點，又與上述三位不同。她認為，加入谷歌固然帶來諸多優勢，但長期來看，kaggle 将專注于僅僅作為一個競賽平台，業務單一，因而有利有弊。另一方面，她反對将計算資源看做資料競賽行業一項關鍵競争力門檻的觀點。接入第三方計算資源并非難以做到，真正開放的平台也應該面向所有雲計算服務。
集合上述各位的表态與 kaggle 的現實情況，一條現實情形變得十厘清晰：隻做競賽和社群，在資本層面沒有多少想象空間。國内的資料競賽平台，除了背靠阿裡雲的天池（但阿裡高層也希望天池做到收支平衡），均要另找出路。
路在何方？
上文提到，平台很難通過核心的競賽業務賺錢。對此，張琳豔的解釋十分透徹：
“競賽是個小衆、低頻的行為，是以隻是單純的競賽業務是很難大規模商業化的，而且競賽對于出題機關的門檻也很高，更進一步的縮小了業務的可擴充和複制性。是以競賽隻是形式，通過競賽沉澱下來的方案、人才等才是真正有價值的。那麼變現管道就不僅僅是競賽傭金這一種形式，解決方案衆包、人才衆包、獵頭招聘等都是它的變現管道。”
雖然競賽是立身根基，但衍生業務才是平台活下去的手段。出于此，國内幾家主要競賽平台，均強調自身與 kaggle 定位的不同：并沒打算像 kaggle 那樣專注做競賽和社群，而要與其他服務對接、整合。
datafountain 與 datacastle 都打出了“培養下一代大資料人才”的口号。因而我們可以作出合理預期——教育訓練、招聘業務将成為他們的重點。
而天池的定位則十分不同。天池最早是為阿裡巴巴集團内部服務的團隊，它的成立從一開始就考慮到滿足阿裡雲的戰略需要。天池的許多經典競賽，其實是原先阿裡内部的資料課題。天池打出的口号是：
“外腦+内腦”，利用“衆智”模式向外輸出大資料解決方案。
即把天池平台的個人開發者，與阿裡雲内部專家團隊的智慧結合到一起，向企業客戶提供最頂尖的資料、ai 咨詢服務。而阿裡 et 人工智能系統，便是阿裡雲咨詢業務的核心品牌。
可以看出，天池的定位十分重視 b 端。甚至可以說，在根本上是為有大資料解決方案需求的企業客戶創造價值。而早在 2015 年，《連線》雜志就引用知情人士的發言，稱競賽的優勝方案有時不能給主辦企業帶來價值。這就牽扯出另外一個問題：
資料競賽和産品級的解決方案之間，究竟相隔多遠？
對此有一個圈内共識：kaggle 的競賽優勝方案，隻有很少一部分能直接應用于企業産品。對此的通常解釋是，比賽隊伍為追求極限，使用了大量 ensemble。而這對于實際産品非常雞肋，計算資源耗費過大。
“如果有任何公司認為，這些資料競賽能産生即刻能用的機器學習模型，他們一定腦子有毛病。這些參賽團隊把 hadoop 輸出的點流資料表（clickstream table）作為比賽輸入，然後給出一連串在 windows 上運作的 python 或 r 語言代碼——但他們壓根兒不知道用這些代碼做什麼。而這也不是 kaggle 的目标。資料競賽，是公司尋找技能人才，并做點品牌營銷的途徑，僅此而已。”
這就牽扯到了資料競賽的本質：到底是為競賽主辦方、企業客戶創造價值，為他們提供有實際價值的解決方案？還是偏向為參賽者提供價值，提供最佳的展示技能和練手的機會？
當然，這兩個方向并不沖突，也不互相排斥。但在實際操作中，比賽的方式尤其是排名機制，往往要求在開發實用解決方案方面做出犧牲，兩者之間很難達到一個完美兼顧的平衡。而競賽平台，則可能不得不在比賽的競賽屬性 vs 産品屬性之間做出選擇。
主辦競賽的企業客戶不足，是資料競賽平台發展緩慢的一大原因，國内國外皆是如此。這也是為什麼，張偉會看好與谷歌結合為 kaggle 帶來的業界客戶關系。
張琳豔認為，b 端薄弱是受制于時下的市場發展階段。無論是她、陳娟還是王一婷，均認為當下的大資料競賽行業處在十分原始、不成熟的階段。企業對于資料開放、組織競賽心有疑慮。說白了，國内大多數企業并不懂得如何向“資料驅動型”組織轉型。
張琳豔列舉出三條市場不成熟的“症狀”：
幾乎每個上規模的企業都有大量資料，但是如何合規合法合理的使用，不清楚； 企業内部的資料團隊實力參差不齊，對于平常的業務也許還可以，但是整理成一份賽題，無疑要求更高。 大家對競賽的了解，還停留在類似學校考試的層面。其實作在競賽平台上的競賽，問題和資料都來源于真實場景，而非之前的學術科研層面的理想環境，也就是比大家印象中的所謂‘競賽’更落地。
受限于這些客觀因素，資料競賽的 b 端客戶少之又少、增長緩慢，新合作關系的拓展十分困難。各家競賽平台每年新舉辦的競賽數目，多則十幾個、少則個位數。然而競賽平台又沒有實力和資源來改變市場大氣候，導緻拓展 b 端企業客戶效率低下、十分困難。
當下的參賽者群體，國内國外有天壤之别。
datafountain 透漏了一組數字：在 2016 年的 ccf 大賽，有 55% 的參賽者是在校學生。當問及這背後的原因，陳娟笑着說：“你看國内哪個做 it 的，下班後還有時間搞競賽？”
采訪中，datafountain 陳娟更傾向于從國内大資料行業發展的次元看待問題。據她觀察，其平台的參賽者主要有三個群體：學生、公司團體和個人。其中，學生群體在大多數比賽中占據參賽者的絕大多數，而且在大多數時候表現非常不錯，常占據排行榜的前幾位。究其原因，陳娟認為，在校生有空閑有興趣，肯花時間肯鑽研，加之有明師指導，成績好實不足為奇。
第二個群體，是公司組織員工參賽。而這背後往往有明确的參賽目标——達到某個名次，為企業技術實力宣傳造勢。業内确實有公司在知名比賽中拔得頭籌，結果客戶絡繹不絕的例子。是以，這一參賽群體有經驗有壓力有動力，加之公司安排時間專門去做這件事，往往成績也很不錯。
第三個群體，是個人開發者。這一群體在國内不如 kaggle 活躍，客觀上也難以大幅增長。
按照這一分類，c 端使用者唯一有增長潛力的群體是學生。而這未必是一個好消息。陳娟強調，c 端使用者的成長，是繁榮大資料競賽的必要條件，靠學生群體能否将之支撐起來？
目前，國内除天池以外，其餘幾家平台的使用者基數不多，在數千名到萬餘左右徘徊。相比号稱有 80 萬注冊使用者的 kaggle，隻相當于它的零頭。這裡的問題顯而易見——參賽使用者不足，社群難以活躍，好的方案也難以産生。如何耕耘 c 端，實是各平台的當務之急。
但對此也有不同聲音。張琳豔認為，國内競賽剛剛起步，現在的使用者未必具有代表性，尚待進一步觀察。而王一婷的觀點則更加樂觀，她認為，随着國内市場逐漸成熟，國内參賽者群體會與國外逐漸趨同。在她看來，國内使用者與
kaggle 的最大差別在于分享習慣。kaggle
有積累了多年的社群氛圍，使用者樂于在論壇進行技術讨論和分享。相比之下，國内使用者的分享習慣尚未養成。如何把社群内部的溝通氛圍營造起來，培養使用者粘性，才是最大挑戰。
首先需指出，各平台現階段的商業模式仍在摸索，下一步的計劃也更多是“思路”，而非“戰略”。
天池和 datafountain 應對上文這些挑戰的方式，截然不同。
天池的計劃總結起來，可概括為：“高精尖”，加速國際化，結合阿裡 et； 而 datafountain 的思路可概括為：衆包，深耕 c 端，建立開放的全生态。
天池的目标，無論是在資料、題目設定還是最終解決方案上，都希望達到業内頂尖水準。是以而集中精力做精品賽題，甚至是世界級難題，是謂“高精尖”思路。天池将聯合英特兒、國内公立醫院推出的肺癌診斷競賽，便可作為代表。天池的重點，是向阿裡雲的企業客戶輸出技術。在競賽的性質上，也偏重于實際解決方案，務求盡可能還原真實業務場景。
datafountain
同樣強調為 b
端企業客戶創造價值的必要性。陳娟認為，這是資料競賽平台行業的最大門檻。長期來看，擁有一支能高效與企業對接的資料專家隊伍，能進行高水準的賽題設定，是平台的核心競争力之一。但是，陳并不看好以資料競賽形式解決世界級難題這樣的“大單”，而認為真正的市場是“多而小”的資料任務：若把資料競賽市場比喻為金字塔，塔尖所代表的業務量很小，絕大部分市場空間都在中底部。雖然當下的競賽市場離真正的衆包還有很遠，但
datafountain 更看重中小企業的資料服務需求，并希望最終能将之與參賽者進行充分對接。
在當下 b 端市場不成熟，工業界對資料競賽認識不足的情況下，各平台頗有“等風來”的意味。引用王一婷的表述：
“我覺得資料競賽市場真正打開需要的是時間，讓更多的傳統企業能擁抱 ai 的時間。”
陳娟則樂觀得多：
這背後的原因，在于政府。陳娟認為，我國各級政府機關近年來推動資料公開的力度越來越大，上海市政府便是範例（比如
soda）。這帶動的國企、公立醫院等也開始進行相關嘗試。開放公共資料是大勢所趨，而在一兩年内，就可能量變引發質變，并由此帶動民營經濟領域的資料開放。
屆時，便是行業洗牌的時候。
兩家平台的 c 端思路也完全不同。近年來，阿裡雲在國際市場上動作頻頻。去年與軟銀合作，在日本推出“sb cloud”品牌，便是一個頗令人矚目的例子。作為阿裡雲的子部門，天池是國内競賽平台中迄今為止，唯一有國際化大動作的一家。王一婷表示：
“天池的國際化腳步才剛剛邁開，這是我們需要加快步伐的地方，是以今年我們成功申請了國際資料挖掘領域最頂級賽事 kdd-cup 2017 的舉辦權，以此向全世界的資料愛好者張開雙臂。”
在與雷鋒網的采訪中，王一婷多次提到，當下天池平台的使用者基本都是海内外華人，她們有意改變這一點。
陳娟則認為，如能充分挖掘國内市場，單是把全國計算機專業的學生動員起來，就是十分可觀的使用者基礎。在這方面，作為中國計算機學會
ccf 官方指定平台的 datafountain，有着天然優勢。陳表示，“深耕 c
端這件事必須有人去做”。如果國内沒人做，資料競賽市場很難真正做大。
最後，針對國内市場， datacastle 張琳豔如此評論道：
“最經典的就是賣鞋的例子了，沒有人穿鞋，到底是挑戰還是機遇呢？”
<a href="https://www.leiphone.com/news/201703/v2lacngyqi9gs6ul.html">加入 kaggle 大資料競賽，總共分幾步？</a>