京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据行业创业者的生存法则
大数据时代已经来到我们大众的身边,但并没有大家想象中的那么云遮雾绕,而是相当的接地气,很多大数据领域的创业公司在得到国家的大力支持和辅助下,发展相当迅猛。。
针对大数据领域创业浪潮,笔者将从“大数据的创业机会和方向”、“外部及行业内部的大环境思考”、“大数据领域的商业模式及蓝图”、“创业风险和痛点分析”等方面阐述,为明年行业形势判断提供依据。
大数据的创业机会和方向
1 什么领域是大数据创业公司的蓝海?
每一个大数据领域的专家和相关机构都亟待研究清晰这个主题,贵阳大数据交易所2016年5月28日发布的《2015年中国大数据交易白皮书》显示:2014年中国大数据市场规模达到767亿元,同比增长27.83%。预计到2020年,中国大数据产业市场规模将达到8228.81亿元。在市场体量庞大的基础上,是不是当我们把握住大数据领域的创业方向,就等于掌握了市场的先机而可以做出相应的策略方案呢?
易观智库2016年7月30日发布的中国大数据应用行业报告显示,2015-2018年中国大数据市场营销规模达到258.6亿人民币,环比增长率为37.2%。这意味着大数据在全球范围内的市场规模在迅猛扩张,我们可以得出一个结论,无论什么样的公司?无论未来将朝着什么方向发展,提供什么样的服务,大数据都将成为兵家必争之地。大数据相当于在市场包罗万象的形态中一个巨大的隐形资产,如果一个企业还没有部署大数据,那将在市场上失去核心竞争力。
事实上,大数据的创业热潮正在一浪高过一浪,中关村大数据产业联盟副秘书长陈新河曾表示:“近年各地大数据创新创业公司大量涌现,其中80%集中在北京中关村。”陈新河认为,目前大数据创业可分为两个部分,一是通过建模提供大数据工具等交易平台的基础大数据领域;二是产业大数据。前者的市场空间非常小。
大数据在能源、金融、电信、汽车、消费等几乎所有行业都有用武之地,将来的机会无疑是巨大的。笔者认为,一方面,大数据创业领域首先要与“人”有连接,每个行业本身都有一定体量的市场规模,而将“数据”与“人”进行有效连接和紧密结合,应该成为企业在大数据战略领域的主要方向。另一方面,一些本身和大数据结合密切的产业,尤其是互联网金融、智慧城市建设、旅游、医疗健康、教育、生活智能改善等领域,将来的发展空间非常大,但目前并没有一个很清晰明了的方向,还需要随市场变化不断完善和制定。
2 政策成为企业“锦上添花”的利刃
大数据领域创业热潮的开启少不了政府的大力支持。根据gov.cn2016年9月6日消息,国务院公开发布《国务院关于印发促进大数据发展行动纲要的通知》,纲要里明确说明,中国将在2018年建成政府大数据平台。这是否意味着最早一批有实力的大数据企业将成为市场领跑者呢?
目前,很多一线城市及二三线城市的科技园区,出台了扶持大数据产业发展的相关政策。如果想在大数据领域创业,选择扶持力度大、人才较多的城市作为大本营是一个很好的方向和抉择。当然了,具体的城市还需要从政府的扶持力度和企业的战略方向等多方面考量,不要盲目跟风。
外部及行业内部的大环境思考
说起大数据,笔者想到TED的创始人Dan Ariely是这样调侃的:“大数据就像十几岁少年眼中的性行为,每个人都在谈论它,但没人真正知道怎么做。每个人都以为除了自己之外的每个人都在使用它,所以每个人都装作自己很了解它。”虽然是句玩笑话,但也确实说出了大数据的行业现状。
1 资本市场投资热度高
大数据行业的资本关注热度近年来是远远高于其他行业的。今年上半年,O2O投资项目非常火热,资本在人民币几百万到上千万。而在大数据行业,更多的资本量级是上亿的。但在这些新创的大数据企业中,目前还没有一家在美股、港股、深交所上市。这是弱势,但也是优势,没有巨头在前面领头,每个企业都存在很大机会,随时可以颠覆和改变市场环境,这是一个很大的机会,因为,真正的战争还没有开始。
2“一切都被记录,一切都被数字化 ”才是大数据的本质
从硅谷到成都,“大数据”这个新鲜的话题正全球同步热传。一场关乎每个人生活、工作和思维的大变革正在悄然发生。而在这些新创的大数据企业中,57%的企业都在北京,上广深和二三线城市的大数据力量还在酝酿,没有爆发出来,这对很多企业来说,是个机会。
数据化的核心是什么?是一切都被记录,一切都被数字化,你买过的东西,你浏览过的网页,你订阅过的APP,你去过的地方……这些在不经意间经历过的生活,作为数据,都被真实的记录下来。通过这些数据,结合相关的技术分析、指标判断、经验总结等,就能预知你的行为走向,也能让你的生活更加智能,精准的找到你的目标客户,改善你周围的交通环境等。大数据的到来,让我们的生活变得更加智能和高效。
大数据领域的商业模式分析
人才是企业的核心竞争力之一,而在现有的人才中,绝大多数并非复合型人才,都是术业有专攻。而人才这个问题,是很多创业企业的痛,怎么招到适合的人才,怎么将人才放在更匹配岗位发挥自身能力,是每个创业亟待解决的问题。
目前全球大数据人才情况是不容乐观的,Gartner预测,到2016年,25%的全球大型企业将部署大数据分析系统;2015年,全球大数据人才需求达到440万人。
如此大量的公司在抢大数据人才,而作为一个创业公司,想要招到相应的大数据人才就变得非常困难。
那么一个新创大数据企业想要获得成功,靠什么?还得靠人才。这是一个企业发展成功的命脉,也是投资人和市场最关注的东西。对于一个大数据项目,在看不到未来市场和对比企业的情况下,投资人最看重的就是团队。他们一般会从团队技术能力、背景、过往项目经验、创始人和大数据项目五个方面来看。大数据行业对创业公司的技术要求非常高,如果你的创始人或是团队主干人员的技术能力非常强,笔者认为,这将成为引资的一个很大优势,能够获得投资者更多青睐。
其次,公司和项目的商业模式及变现能力也是关键。在国内大数据项目不够成熟的情况下,可以参考对应的国外成熟企业,或者看对应的竞争者是谁,这样可以预估你在其领域的市场份额和变现能力。从笔者多年的项目融资经验来看,这一点至关重要。在商业模式方面,投资者会看你的客户(用户)体量和数据源。你的客户群体有多大?你手里有哪些具体业务上的数据?这些数据如何产生价值?如何应用到客户身上?解决好这四个问题,创业就成功了一半。
大数据企业创业痛点
国内现在很多大数据创业公司都处于摸河过桥的阶段,大多数创业公司由于没有稳定的资金投入而死掉,没有过硬的专业技术,没有专业的核心团队,没有一个可信赖的投资公司,没有一个优秀的领导人,缺乏任何一点都有可能让你的创业之梦戛然而止。
从几个方向上看,大数据领域的创业门槛并不低:拼数据量,阿里、百度、腾讯已拥有相当庞大的数据资源;拼资本,创业公司还需要在很多方面完善自身价值才能吸引投资方的注意,我们从五个方面来分析:
一是大数据行业用人成本高,在中国,不仅是大数据人才一将难求,技术性人才的用人成本本身就很高,一个技术人才年薪大约可达到11万-30万人民币,这还不包括期权、年终奖等;二是硬件存储成本高,出于归属和安全考虑,大数据创业公司很少将数据存储在云端,但自建机房比云存储成本高出很多;三是创业启动资金高,一般的数据的开发和移动互联网APP创业项目启动不是小几十万就可以做好的;四是用户成本和挖掘成本高,用户量的累计除了产品自身,推广、市场、运营都需要长期的互相配合,缺一不可,而这些也都建立在庞大的资金成本上;五是创新能力弱,很多创业型企业很难用自身的创造力去竞争和及时跟上市场变化,而如果一个企业创造力的薄弱将成为企业的致命伤,在资金配备不足的情况下企业很难有稳固根基。
虽然大部分创业公司不是死在创造力薄弱上就是死在资金不足上,那是否意味没有创业必要了?笔者认为并非如此,任何一个巨头的前身都是小公司,这就需要企业在创新、技术、市场分析和规划上更加用心,才能做到万无一失,在大数据时代发挥自己的独特性。
目前,国内大数据发展多集中在泡沫较多的垂直应用领域,笔者认为,未来大数据的创业蓝海,一方面应集中在较少企业竞争的传统领域,如食品安全、工业制造、农业养殖、生活方式等领域。另一方面,更重要的还是“技术”和“人”的连接性,大数据领域的创业更着眼于通过信息采集、用户体验完善、智能化、数字化的不断改善和创新,为大众的衣食住行和工作学习带来质的提升,提供更便捷和舒适的生活空间,颠覆性的改变未来的生活方式,所以笔者也建议大数据领域的创业者们,更多地关注硬科技创新以及传统领域如何在大数据时代发挥更大作用,带来更大价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12