以大資料商業化為目標，各行業客戶都有，簡單跟大家分享下我們目前的大資料落地實操經驗 一、厚積薄發：談談BAT平臺優勢 大資料這塊做的好的平臺， 就個人來看，A算做的不錯了，從雲端計算的佈局到大資料，步步為營，也是篳路藍縷。大公司的優勢在於三個字，熬的起。業務幾乎都是以平臺、生態的構建為目標，最終是enable別人成功，並從別人成功中獲益的模式。 在這個過程中，有4點優勢會體現出來： 電商行業能力通過雲端計算炮臺對外部輸出。這塊之前我還存在一定的誤區，認為電商行業的經驗固然重要，但是真正實操應用其他行業的時候，可能失效。這塊關鍵的是視野、思路、方法論。比如電商沉澱下的大資料管理、使用者標籤體系設計、流計算/實時計算的場景與應用、個性化推薦的策略等等，當遇到類似場景的時候，你會心領神會的借鑑當初的思路，去幫助其他行業解決，去探索。填充了你的彈藥庫，而不是兩眼一抹黑的幹。另一方那面，電商行業的成功經驗，能夠讓我們快速從中抽取與提煉核心元件與模組，快速產品化，在大資料的平臺首頁 - 數加平臺上架官方的大資料產品，冷啟動資料市場，比如我們的推薦引擎、DataV視覺化引擎、資料開發工具、機器學習平臺，這些原來都是內部使用者的，或者電商用的，現在拿出來，讓其他行業用，能夠快速搶佔市場，佔位。 雲端計算的長期積累，夯實了IAAS與客戶基礎。通常意義上，我們內部對大資料路線有個約定俗成的三字經“存-通-用”，做大資料、大資料首先要有資料，阿里雲多年積累已經夯實了IAAS層，為後續的大資料業務一方面提供成型的基建如ECS、OSS、OTS、ADS等等，可以說很好的解決了“存”的問題，另一方面，多年積累的客戶，在IAAS溫飽滿足的同時，有客戶特別是頭部的大B客戶越來越多湧現比如如何用好資料、加工資料、用資料助力業務的訴求，這就給大資料業務的開展帶來了機會。 “丁”字型的人才儲備深度，在業務快速發展階段能夠相互補位。一般業務剛興起時缺人比較嚴重的首先是前端、其次是產品，然後是資料、演算法，待到技術可行的階段，就是銷售。大公司的人才儲備，特別是複合型的人才，能夠為新興業務發展快速注入新鮮血液，並通過轉崗機制確保良性相容，老人做新業務，非常高效。 品牌影響力在業務拓展上的助力。這塊並非絕對，當然很多場合下，阿里巴巴這個品牌本身就是實力、信譽的保障。今天我們對外輸出大資料能力的時候，很多時候確實也利用到了這塊的影響力，畢竟資料業務本身是一個公司的核心資產，對乙方都需要在技術與商業道德上進行雙重考量，所以很多號稱“第三方獨立”資料服務公司也就浮出水面，一方面中立的身份，另一方面依賴或者嫁接多平臺，不綁死。想學習的同學歡迎加入大資料學習企鵝群：80512785

二、他山之石：看看A現在是怎麼做大資料的 我們從商業層面去做大資料業務，通過商業來拓展技術的邊界，同時也讓客戶認可價值，並買單，從而變現。更準確的講，我們現在不是做大資料變現，而是做的大資料能力變現，將我們在人工智慧、資料管理、資料應用的框架、引擎去幫助客戶解決具體的業務問題，幫客戶用好自己的資料是第一要務，然後才是用別人的資料補充自己，最後才是用自己的資料服務別人。我們看幾個典型的場景 case 1：服務某網際網路創業公司 網際網路公司一般跑的比較快，特別是業務，很多時候初期是堆人、砸錢來堆使用者數、訂單等，技術外包比較常見，特別是當前環境。理所當然，這塊也帶來了大資料業務的機會，比如在020外賣場景下，如何分配好訂單，使得運力的利用率最大化，同時在指定時間內能滿足叫單需求。這類業務可以說之前就沒出現過，也幾乎沒多少人工運營的經驗，很多時候運營就是憑直覺也好，或者所謂的經驗也好，來派發訂單。我們的機會點在於：雖然這是對方的核心業務，但是總這塊內容需要人，一時半會招不到人，同時不做這塊業務，每天會有大量的補貼在補貼運力與處理投訴，是很大一筆開支，從這兩點考慮，是不是該做？ case 2：服務某傳統技術型公司 該公司技術縣先進，能夠進行快速實景的3D建模，但是有個“最後一公里” 的問題非常致命，現有的重繪技術比較落後，需要2-3天才能重新根據大量測繪資料繪製出3D模型，不及時，使得應用的場景受限。能否將原來繪製時間由天級別縮短到小時級別甚至分鐘級別？從而拓展應用場景，更好的進行商業化？ case 3：服務某傳統制造業企業 客戶是世界最大的某材料生產企業之一，日產千萬件，每件根據質量劃分不同的等級，不同的等級價格不同，而良品率的提升直接與收益掛鉤，客戶已經具備初步的資料採集能力，但儲存的資料未開發，也帶來不小的儲存成本，生產流程靠經驗或理論，沒有快速優化與驗證的閉環，如何利用現有資料，提升良品率優化生產線？去低效產能的同時，賦能“智”造！ ？ 可以看到，目前的玩法並不是通常意義上大家理解的精準營銷、廣告、人群畫像，或者輸出一份分析圖表的大資料，而是從客戶的問題出發，並且直接影響到生產或者業務效果的落地，讓客戶認可我們的價值，從而來商業化。 三、圍三缺一：現階段大資料業務下的BAT目前缺什麼 一般而言，作為平臺方位保障公平，我們不會既做裁判員、又做運動員，大部分情況下，平臺做提供的是通用型的產品、基礎性的服務，留出二次開發、增值開發的空間，enable別人成功。當然現階段為了更好的啟發市場，平臺方需要自己做出標杆，告訴大家怎麼做，從而揭竿而起，期望應者雲集，基於我們的雲平臺來創新、創業。在這個框架下，有幾點痛點： 缺技術型人才，我們挖掘的場景很多，技術需求量比較大，比如演算法、比如前端、視覺化設計等，我們缺合格靠譜的技術型ISV來與平臺共建、分成。 大資料的商機很多，我們缺少那些熟知某領域關鍵問題的合作伙伴，給平臺帶來商機與挑戰，給平臺提需求，讓平臺幫你成功。 對於平臺現在提供的產品與服務，我們缺強力的合作伙伴，能夠挖掘現有產品的業務價值，在其他行業上能夠給用起來，能夠進行二次開發，能夠增值，一起賺錢。 缺資料，對於有任何資料沉澱的合作伙伴，我們都歡迎一起坐下來聊聊，共同開發資料價值，服務雲上客戶。 對於平臺暫時無法滿足一些行業垂直類需求，我們期望能夠聯合這方面有突出能力的合作伙伴一起打單，在阿里雲2B的大資料解決方案中，也會有這些ISV的一席之地。

想學習的同學歡迎加入大資料學習企鵝群：80512785 四、創業機會 分析到這，差不多也比較明確，創業者的機會抓住以下幾點關鍵詞：獨立第三方、基於雲、補生態，再明確下： （1） 從生態視角來看 技術合作夥伴：可以基於雲，幫忙賣平臺的成品（渠道）、可以基於平臺的服務或者產品二次加工再賣（增值服務），可以做自己獨立的產品（合作共建），配合平臺一起打單。 人力合作伙伴：可以是三五個人，無論是演算法還是資料能力，基於我們的阿里雲大資料眾智平臺，接活。 資料合作伙伴：將自身無論通過哪類渠道沉澱的資料，通過平臺提供的產品，對外輸出，進行變現。藉助平臺的力量幫助變現。 （2）從大資料本身來看 如果我們不看生態，或者不依賴平臺，當然也可以，我個人對大資料業務或者說大資料產品的判斷： 大資料產品 = 資料 + AI + 傳達 資料：產品/系統需要的資料，可以是客戶的，也可以是產品自帶 AI：人工智慧、演算法、模型、統計、處理邏輯等 傳達：呈現、介面、服務方式、視覺化等 對於不同的創業者，就看你主打的是哪一塊，不同的創業方向在這三塊有不同的打法與側重，對於我個人而言，我會主攻AI，另外的兩部分視情形而定。也就是用AI/大資料能力，形成服務壁壘，從而進行變現。 五、幾點建議 建議先2B，2C的資料用起來很麻煩，很多時候甚至都缺失，更不用談加工、變現。 選擇一個出油的行業，先在一個行業下做出1、2個客戶，然後沉澱框架與產品，然後打爆一個行業/子行業，然後再考慮延展性。沒有深度的服務能力很多時候是做不出效果與爆點。 基礎資料服務化，行業應用智慧化。公司在對外提供服務的時候，如果是基礎類的服務，請將資料做成線上，可計量計費，跑量，以量取勝，當然如果這類服務還自帶吸資料的屬性，那就完美了比如風控介面。如果提供的是行業智慧化/演算法類專案，走價，做出溢價，比如panlantir。 無論做什麼，一定要在初期就要立足產品化的目標，用產品去打。產品的抽象與沉澱過程，意味著你的目標與方向，這點沒想明白就不要做了。 請講清楚定價，定價是反應你對市場瞭解的唯一標準，甚至是檢驗產品的重要屬性，定價過程反映了業務模式與打法。 做好商務工作，大資料業務本來就是技術類的產品，好的商務可以幫你快速彌補產品與客戶之間的GAP，不僅僅是演示，更需要舌燦蓮花，更需要從客戶的視角來驗證我們產品對他們的重要性