京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能否拯救移动应用安全百亿市场_数据分析师考试
随着移动互联网的迅速普及,智能手机已经进入风险爆发期,智能手机用户遭受网络欺诈并造成财产损失的数量将直线上升。这一趋势将促使移动安全市场迅速成熟,一个规模百亿的新市场成为众多移动应用安全商掘金的新蓝海。
研究机构全球产业分析(Global Industry Analysts,GIA)研究报告指出,到2017年,全球移动设备安全市场规模将达到144亿美元,据业内人士估算,2014年国内移动应用安全市场盈利已达到2500万,2015年持续快速增长,预计2016年可以做到14亿。种种数据都表明该市场前景广阔,但不少移动应用安全业内人士对行业发展却依然忧心忡忡的表示,这是正常发展速度下的乐观预计,因为赤裸裸的恶性市场竞争已经在悄然打碎这块到嘴的蛋糕。
APP市场容量在急速扩增。这就决定APP开发第三方平台服务蓝海也越来越深邃。移动互联网带动了一大波第三方平台的创业热潮,同时加快了智能手机更新换代速度,引起o2o高速发展以及物联网的广泛应用,其中,移动应用安全服务市场已经悄然崛起。
不为战争和毁灭效劳,而为和平与谅解服务,德国作家海塞如是说。这句格言用在21世纪的互联网圈恰如其分。
移动应用安全格局逐渐成型中,BAT未见明显优势
移动应用安全服务现有商业模式基本分为2B及2D两部分,2B部分为主要盈利对象,通常采用定制计费模式,而针对各领域开发者,则提供通用免费服务,以此积累种子用户,并在积累种子用户的过程中挖掘市场、树立品牌。服务内容一般包括对APP进行渠道监控,APP加固保护,防止APP被二次打包、盗版、信息窃取等, 保障APP中的代码、数据、资金安全,因为涉及到近20亿智能手机用户的隐私及敏感信息,应用安全引起越来越多的关注。
但领域行业的技术壁垒提高了市场准入门槛,所以,技术优势成为了市场竞争的有力武器,一些初创型中小企业专注于移动应用安全的技术突破,爱加密、通付盾、娜迦信息、梆梆安全等,各自扎根市场早早开始进入耕耘。
面对这片蓝海,BAT也觊觎不已,纷纷推出各自的安全平台,如阿里聚安全、百度移动安全、腾讯云应用加固都是定点投放产品,其外,百度全资收购安全宝,阿里巴巴收购翰海源,360从手机卫士延伸出360加固宝产品等市场动作,也充分显示了巨头对市场前景的看好。在逐渐成型的商业格局中, BAT除了原有平台资源及基础用户,并未显示出明显的竞争优势,对市场规则的制定依然没有话语权。反之,中小型安全服务商专注移动应用安全服务,在技术专业度及服务上反而更精更专,却限于自身的平台和客户基础,难以抢占较大的市场份额。目前,大家忙于布局线上线下市场策略,表面上云淡风轻,而很快,随着蛋糕的诱惑力逐渐显现,这将成为一个新的白热化战场。
谁动了移动应用安全百亿市场的奶酪?
业内人士表示,只有行业规范发展,良性循环,应用安全市场的蛋糕才能越做越大。移动应用安全行业方兴未艾,行业风范和规则尚未形成,正是脆弱的时候。这时候如果有企业为抢占市场,一家独大而进行恶意竞争,破坏行业底线与原则,甚至蒙骗客户,引导错误观念与舆论导向,这对整个行业都是摧毁性的打击。一旦行业形成不好的风气,对业内的任何企业来说,生存都只会更艰难。
抢夺用户从价格战开始。面对未形成行业规范的市场环境,有限的时间和资本,巨头的袭击,中小型应用安全服务商如何生存?这类中小型企业发展前期,推广资金少、技术开发成本高,如何在夹缝中快速抢占优质用户成了头疼问题。
蓝海最棒的是意味着未知的市场空间,尴尬的是在市场规则未制定前的混战中,同样存在太多未知的风险,比如被快速淘汰或者取经途中饿死。市场成长期,用户未形成对服务价值的标准判断,竞争中的个别安全服务商为了达到快速占领市场,形成行业垄断的目的,开始以服务价格低、技术含量高为自夸点,恶意抢占客户、攻击对手的安全技术、不顾市场风险将价格压到成本价以下等行为竞相上演,丝毫不考虑对行业造成的消极影响。恶意价格战带来的结果是客户对服务商失去信心与信任,带来市场资金池的不断萎缩,企业利润不断降低甚至没有。长远来看,这完全等于“自毁”行为。
最具杀伤力的后果是移动应用安全服务商信誉的降低,行业标准未形成前的恶意价格战造成行业标准混乱,必然导致行业乱象。放眼之下,互联网圈子里为了抢占用户而上演的撕逼大战已经见惯不怪,谁都想找到市场的高地,手握话语权、凭着夯实的用户量坐当老大,冲着一众小兄弟摇臂呐喊,像庄家一样指挥着市场的游戏规则。
但在此之前,请注意,百亿的市场规模在变小,以低价竞争换来市场规模缩小,企业盈利空间减少的现状, 移动安全市场真的还能健康成长下去吗?
大数据能否成为移动应用安全商的救命稻草
IBM的研究显示,过去两年全球产生的数据占整个人类文明所获全部数据的90%,到2020年,全球产生的数据将是今天的44倍。数据可以使世界变得更美好,面对这个庞大的数字,移动应用安全领域如果找到挖掘和利用大数据的钥匙,是否能顺利进入下一轮晋级赛?
大数据能否拯救百亿规模?前面提到,移动应用安全服务的两个模式,2B部分带来商业数据,2D部分带来免费用户数据。我们来分析下这些数据的产生及价值。
最近撕逼中的乐视在反击小米电视自称“免费内容最多”时,回应到“免费内容很多是片花。”这当然是讽刺,再精彩的片花也无法带来实际流量。免费用户的数据易搜集,但大多存在低频次使用率、难以转化为市场利润,对于处在小米加步枪生存状态下的中小型应用安全服务商现实意义不大。只有真正的优质数据才可以转化为企业效益与盈利,而在移动应用安全领域,这部分优质数据都集中在商业数据上,市场利润在企业级用户这里才有空间可言。
那么新的问题来了,作为一个APP安全服务商,如何搜集这部分优质数据呢?
其实,想搜集优质数据非常难,优质数据具备解决现实问题并具有输出转化意义,首先得是活跃的高频次应用的用户所产生,同时要求这部分用户具有消费趋向并带来商业价值, 移动应用安全商业数据来源于作为移动应用安全服务商在安全服务中进行的数据搜集。换句话说,移动应用安全服务商可以在用户的背后默默提供数据安全保护,也可以默默的搜集企业级用户的用户数据,这里剧情就变得狗血起来。
最关注移动应用安全的行业包括金融、游戏、电商、智能家居等等,其下的用户信息大多与资金相关,对企业来说这些数据更是相当敏感。到群众里去时候,警察可以一边说自己是来抓贼的,一边从别人钱包里数钱么?作为移动应用安全服务商,在未经授权的情况下,利用技术私自搜集用户数据,这种“安全服务”等于监守自盗,在这种情况下谈安全,无疑是个“伪命题”。个别应用安全企业号称要做大数据安全,但这种安全如果是窃取用户隐私数据前提下的安全,恐怕未来大家都将“谈安全色变”。
作为负责任的安全服务提供商,在这个问题上无疑需要让步,在未经授权的前提下,保证用户数据安全的同时,坚决不搜集用户数据,不做任何收集信息的行为,才是业界良心,也应该是最基本的行业准则。
既然大数据不能拯救市场百亿规模,那么做好企业的本分,避免恶意手段竞争,形成良好的竞争氛围,规范自身的前提下带动移动应用安全市场在稳定中前行,在移动互联网处于重要时刻的当下,无疑更具有历史的使命感。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14