2017年，大資料這把火燒了六年，依然沒有減弱的征兆。過去一年，話題的熱點已經不再是大資料概念和定義，而是集中在大資料的應用。大多數企業老闆已經明白什麼是大資料，開始關心資料如何與業務結合，提升企業盈利能力。
大資料應用是整個資料産業的核心，也是企業級客戶真正願意為大資料業務買單的原因。大資料并不神秘，企業在大資料上投入與上個時代企業在硬體裝置和erp等軟體上投入沒有本質差別，都是認為這種投入能幫助它開源節流，解決業務問題。除了資料交易，資料是無法直接給企業貢獻利潤的，資料的價值在于讓企業的主營業務産生更大利潤。
資料來源：2016-2021年大資料應用行業深度分析及“十三五”發展規劃指導
從全球市場來看，大資料應用占據整個産業的半壁江山。根據wikibon報告，2016年全球大資料市場規模為452.6億美金，細分領域中行業解決方案和應用這兩類細分市場規模為226.5億美金。目前國内企業在大資料的投入還主要是硬體層和技術層，應用層投入相對較少，但應用層的潛力無疑是巨大的，未來在單個垂直行業都會是千億級市場。
第一， 大資料在各行各業的應用有哪些？
第二， 大資料應用公司為什麼貴？
第三， 哪些大資料公司容易突圍？
在大資料應用這個細分市場，最大兩類玩家是大型網際網路企業和大型內建商，他們的實力遠遠超過市面上這些做大資料應用的初創公司。
大型網際網路企業不僅僅是指bat，還包括tmd（滴滴、今日頭條、美團）等公司，這類企業兼具技術實力和資料源，不過這些企業的技術和資料主要服務自身業務，很少對外輸出。
大型內建商主要是指華為、浪潮這些傳統it巨頭，他們的傳統業務是為大型企業提供硬體裝置，在這過程中積累了大量資料。當他們服務對象的需求發生變化，增加大資料領域預算時，他們開始轉型，積極開展大資料業務。
大型內建商還可以細分成兩類，一類是華為這種自身技術實力很強的公司，他們以單兵作戰為主；另一類是一些技術實力較弱，以搬箱子為主的內建商，這些公司一般會選擇與大資料公司合作，填補其技術短闆。
除去上述兩類巨無霸，還有兩類玩家。一類是傳統提供行業解決方案的it公司轉型開展大資料業務，如中奧科技、美林資料等；另一類是新興大資料公司，如明略資料、昆侖資料等。前者勝在客戶關系和行業經驗，後者則在技術上具備優勢，不過歸根結底，兩類玩家都是要解決客戶在大資料時代遇到的業務問題。
從服務形式上，大資料應用主要有兩種形式：輸出技術和輸出資料。
輸出技術的公司主要是基于自身在資料技術的積累，向客戶提供全套解決方案，提升企業處理資料的能力，實作業務效率提高。明略資料、百分點主要以這種形式為客戶提供服務。
輸出資料的公司主要是基于自身在資料源的積累，向客戶提供資料産品，彌補企業在資料源方面的不足。talkingdata、集奧聚合、聚合資料是這類大資料公司中的佼佼者。
從解決需求上，大資料公司主要解決客戶三方面需求：平台搭建、資料擷取和應用創新。這三類需求是存在遞進關系的，不同行業資訊化程度相差極大，是以主要需求也會有所差異。
企業級客戶經過21世紀前十年的it投入階段，各業務線的系統基本建成，形成各項業務的資料庫。下一步需要做的是，搭建統一的大資料平台，打通内部各業務系統，解決資料孤島問題，發揮業務資料的價值。
搭建好大資料平台，資料統一管理，内部資料互聯基本完成。接下來是要開始逐漸對接外部資料，解決外部資料擷取的問題，實作更大規模的資料互聯。
最後，融合多方資料源，探索資料在不同場景下的應用。
中國存在大量資訊窪地，行業資訊化發展極不平衡。工業、農業等資訊化相對落後的行業，尚需打好根基，先将業務資料采集存儲起來，再尋求資料應用。相比之下，金融、零售、電信、政府等領域資訊化程度相對較高，出現很多大資料應用案例。
大資料在金融領域的應用主要有以下三類：精準營銷，風險控制以及精細化營運。将金融機構的客戶打上不同的資料标簽，形成個人和企業使用者畫像，再根據不同業務需求，甄别出目标客戶群體。精準營銷主要包括個性化營銷、存量使用者管理、挖掘潛力客戶；風險控制包括個人及企業級信用評估、欺詐交易識别；精細化營運包括産品優化、市場和管道分析、輿情分析等。
大資料在零售領域的應用與金融領域類似，依然圍繞着精準營銷、管道管理、産品優化、市場定位等方面。值得注意的是，金融領域主要關注個體資料應用，而零售領域還關注統計資料應用，即大資料市場調查報告，了解消費者喜好，明确産品市場定位。
電信領域，三大營運商占據得天獨厚的優勢，主要将大資料應用于精細化流量營運、智能客服中心、個性化服務和對外資料服務。因為營運商資料價值度很高，開始對外輸出資料，主要提供個人信用資料和位置資料。
随着《大資料發展概要》的釋出，政府開始在大資料領域大力投入，除了建設資料交易中心，提供資料流通的合法途徑外，政府大資料在交通、電子政務、公共安全等領域應用案例頻出。大資料協助公安人員找出嫌疑人員潛在關系，提升破案效率。
過去兩年，大資料概念熱炒催生出一個又一個泡泡，it創業公司紛紛轉型成為大資料公司，意圖獲得高估值。從愛分析釋出的中國市場大資料企業估值榜來看，估值超過5億美金，ps倍數30-40的大資料公司不少。那麼，這些大資料公司為什麼這麼貴？
其實，提供技術服務的大資料公司估值相對合理，ps倍數略高于saas公司，但尚處于合理區間。這些公司業務模式類似傳統it廠商和軟體公司，同時國外基本有相應的對标公司，公司未來成長路徑一目了然。
主要是與資料源相關、提供資料服務的大資料公司估值普遍較高，資本市場非常看重資料源的價值，主要有以下三點：
第一， 國内資料開放程度低
國内資料開放程度遠低于美國，這使得電信、政府、bat等幾個重要資料源價值被放大，有機會掌握或者觸及這類資料源的大資料公司更容易建立自己的競争壁壘，因為有些時候資料源的價值遠遠高于技術。例如，銀行對個人客戶進行風險甄别時，如果有營運商資料作為佐證，對風控效果的提升非常巨大，而這部分提升隻能依賴于資料，技術再強也沒用。
第二， 資料應用尚未成熟
短短五六年，大資料已經對各領域産生深遠的影響，逐漸颠覆人們的認知。但大資料還處于早期探索階段，資料價值尚未完全發揮出來，未來大資料在各行各業的應用遠遠不止目前這些。具備資料源的公司是最有機會挖掘資料新的應用。
第三， 資料服務規模化相對容易
資料服務不同于技術服務，它對人力依賴相對較輕，主要人員投入在資料清洗環節，服務形式更多為api接口，傳遞上人力投入低。這種業務模式可複制性要強于技術服務，一旦找到适合的應用場景，可以迅速擴充到其他同類别客戶。
不過，高估值隻是代表高預期，近年獨角獸公司翻車的案例并不少，哪些大資料應用公司更容易兌現預期呢？
先潑一盆冷水，不論是技術服務還是資料服務，都存在服務定制化屬性重，難以形成标準化産品的問題。
本質上，大資料應用公司的業務與傳統咨詢公司類似，都需要針對客戶個性化需求給出解決方案，難以用标準化服務滿足大型客戶的需求。資料科學家的存在類似于傳統咨詢顧問，隻不過要求更高。
既然業務無法做到快速複制，重點做大型企業客戶，提升客單價就成為大資料應用公司的必然選擇。
潑完冷水，讓我們看看，究竟哪類大資料公司能夠成為獨角獸？
大資料應用的業務鍊條，包括資料源、資料技術和資料應用。國外大資料公司可以專注于業務鍊條的一個環節，将一個環節做好就能成長為10億美金以上的獨角獸公司，中國大資料公司如果僅僅做好其中一個環節，業務開展都成問題，發展很容易遇到瓶頸。
一方面，國外初創公司分工明确，多數公司專注于一個細分領域，合作共赢是主流思想。而國内大資料公司都想自己做整條業務線，是以競争非常激烈。
另一方面，國外中小企業付費意願明顯強于國内，這使得國外細分領域的市場空間遠遠大于國内，初創公司可以依靠一衆小客戶做到幾億營收，支撐其上市。國内公司就很難依靠一個細分領域的客戶支援其營收增速，必須要擴張其業務線才能有足夠成長空間。
總而言之，國内大資料公司要想成長為獨角獸企業，難度遠大于國外，資料源、資料技術和資料應用三個環節都要有獨特競争力。
第一， 優質資料源。
大多數大資料公司不具備資料源，主要依靠采集其他企業的資料。像talkingdata為app軟體提供廣告監測以及資料統計的業務，進而采集到移動裝置資料。是以，有機會觸及優質資料源對大資料公司非常重要。
從行業來看，銀行、電信、政府的資料價值很高，這類使用者資料真實性較高，能反映使用者實際需求，而網際網路資料中記錄大量使用者無序行為，有價值資料密度較低；從裝置來看，移動端的資料價值要大于pc端。因為智能手機的普及使得移動端使用者行為資料更加活躍，同時可以追蹤使用者地理位置。
第二， 技術積累。
單純依靠資料源并不能構築競争壁壘，畢竟這些資料并非大資料公司所有，躺着掙錢的事情是營運商等資料源擁有方。除網際網路客戶外，大資料公司都很難将企業客戶的原始資料提取出來，隻能擷取資料标簽。
是以，大資料公司在資料處理上要有很深的積累，特别是在資料清理環節，去除噪音，保留有價值的資料，這部分工作對人力依賴較重，需要資料科學家去識别有效資料。
第三， 行業标杆客戶。
有些時候，服務幾個行業标杆客戶的價值要遠遠超過一支資料科學家團隊。大資料最終還要是落地，資料與場景應用結合發揮價值，既需要處理資料的技術，又具備足夠的行業經驗，準确找到業務痛點。
行業标杆客戶面對的業務問題一般都會是最前沿、最具參考價值的，服務這類客戶會讓大資料企業成長，加深對所服務行業的了解，這一點是大資料公司依靠自身無法提升的，這不是技術上的突破，而是經驗上的積累。
第四， 資料互聯。
經過這幾年對大資料的探索，企業和大資料公司都發現，單一資料源價值度有限，集合多管道資料，實作資料融合能産生更大能量。例如，将電信資料放在銀行風控業務場景，提高了欺詐行為識别率。
是以，很多公司都在提供dmp服務，将自己的第三方資料源與企業客戶的第一方資料源對接，但實際效果并不理想。
原因主要有以下兩點：第一，雙方的資料源重合度不高；第二，多賬戶歸一做得不好，解決不了同源跨屏問題。前者是因為資料與應用場景不比對，後者主要是在技術積累不足，資料清洗不到位。
誠然，資料互聯剛剛起步，但能夠打通多個重要資料源的公司最有希望成為獨角獸。
愛分析是一家專注于創新企業研究和評價的網際網路投研平台。讀完文章，您有沒有什麼想聊聊？可以發郵件至[email protected]或者加微信号 aiyangyudejiji 聯系作者。
參考閱讀：
<a href="http://36kr.com/p/5056890.html">大資料行業圖譜之一：底層基礎平台公司能做多大？</a>
<a href="http://36kr.com/p/5059687.html" target="_blank">大資料行業圖譜之二：前有堵截，後有追兵，通用技術類公司如何突圍</a>
編者按：本文來自微信公衆号“愛分析ifenxi”（id:ifenxicom），36氪經授權釋出。
根據愛分析對大資料産業的劃分，整個産業分為三層，分别是基礎平台、通用技術和行業應用。大資料行業圖譜系列報告中的前兩篇重點介紹了基礎平台（大資料行業圖譜之一）和通用技術（大資料行業圖譜之二），本文是大資料系列第三篇——行業應用，主要想解決以下三個問題：
第一， 大資料在各行各業的應用有哪些？
第二， 大資料應用公司為什麼貴？
第三， 哪些大資料公司容易突圍？
要麼賣資料，要麼賣技術
在大資料應用這個細分市場，最大兩類玩家是大型網際網路企業和大型內建商，他們的實力遠遠超過市面上這些做大資料應用的初創公司。
大型內建商還可以細分成兩類，一類是華為這種自身技術實力很強的公司，他們以單兵作戰為主；另一類是一些技術實力較弱，以搬箱子為主的內建商，這些公司一般會選擇與大資料公司合作，填補其技術短闆。
除去上述兩類巨無霸，還有兩類玩家。一類是傳統提供行業解決方案的it公司轉型開展大資料業務，如中奧科技、美林資料等；另一類是新興大資料公司，如明略資料、昆侖資料等。前者勝在客戶關系和行業經驗，後者則在技術上具備優勢，不過歸根結底，兩類玩家都是要解決客戶在大資料時代遇到的業務問題。
輸出技術的公司主要是基于自身在資料技術的積累，向客戶提供全套解決方案，提升企業處理資料的能力，實作業務效率提高。明略資料、百分點主要以這種形式為客戶提供服務。
金融、零售、電信、政府是目前主要應用方向
随着《大資料發展概要》的釋出，政府開始在大資料領域大力投入，除了建設資料交易中心，提供資料流通的合法途徑外，政府大資料在交通、電子政務、公共安全等領域應用案例頻出。大資料協助公安人員找出嫌疑人員潛在關系，提升破案效率。
大資料無限可能性，提升公司估值
第一， 國内資料開放程度低
第二， 資料應用尚未成熟
第三， 資料服務規模化相對容易
不過，高估值隻是代表高預期，近年獨角獸公司翻車的案例并不少，哪些大資料應用公司更容易兌現預期呢？
大資料應用定制程度高，規模化困難
潑完冷水，讓我們看看，究竟哪類大資料公司能夠成為獨角獸？
優質資料源、技術積累、行業标杆客戶，終極目标是資料互聯
大資料應用的業務鍊條，包括資料源、資料技術和資料應用。國外大資料公司可以專注于業務鍊條的一個環節，将一個環節做好就能成長為10億美金以上的獨角獸公司，中國大資料公司如果僅僅做好其中一個環節，業務開展都成問題，發展很容易遇到瓶頸。
第一， 優質資料源。
第二， 技術積累。
第三， 行業标杆客戶。
第四， 資料互聯。
愛分析是一家專注于創新企業研究和評價的網際網路投研平台。讀完文章，您有沒有什麼想聊聊？可以發郵件至[email protected]或者加微信号aiyangyudejiji聯系作者。
大資料行業圖譜之一：底層基礎平台公司能做多大？
大資料行業圖譜之二：前有堵截，後有追兵，通用技術類公司如何突圍
本文轉自d1net（轉載）