京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业模式不清晰、难“变现” 大数据离盈利还有多远
在多数行业,大量的数据仍因缺乏可运营的商业模式而“沉睡”,无法盈利成为大数据产业化发展的瓶颈——大数据离盈利还有多远
“未来早已来到我们身边,只是分布还不均匀。”这是清华大学副校长杨斌对大数据领域现状的概括,他认为大数据已在我们身边,而非仅是对未来的幻想。
在4月10日至11日由清华大学、贵州省经信委等单位主办的2014中国“云上贵州”大数据商业模式大赛总决赛上,的确涌现了很多实用的大数据应用,获奖者们还分享了贵州省政府所提供的2000万元扶持资金。然而在多数行业,大量的数据仍因缺乏可运营的商业模式而“沉睡”,无法盈利成为大数据产业化发展的瓶颈,大数据离“变现”究竟还有多远?
商业模式不清晰、难“变现”
农业、建筑、旅游、金融、健康、公共服务……涵盖诸多领域的大数据应用在“云上贵州”大数据商业模式大赛上层出不穷。其中,获得一等奖的“东方祥云”项目设想为全国15万座水电站、水库提供免费来水预报,帮助合理调度用水,据估算可为这些单位信息化改革节省90%的成本;而“淘数”则设想建立网上数据商城,出售具有商业价值的数据;“蜂能”则试图通过智能用电终端采集设备用电数据,进行节电和需求优化管理,预计可实现节约用电10%~20%。
这些大数据的“新玩法”可谓超乎想象,但大数据的利用价值远不止如此。以中国公路物流行业为例,其市场价值已达亿万级,而90%以上运力为个体车主,空驶率达30%以上,集约程度较低,浪费了物流资源。如果依托大数据技术开发出集中运力的手机APP,就可提高配置效率,降低运输成本。然而,目前这一领域的手机APP多达200款,但能真正实现盈利的寥寥无几。
能持续盈利才能发展壮大成产业,这是大数据亟须“变现”的原因。但在大多数行业,大数据还没有找到适合的位置,“变现”难是大数据领域普遍存在的焦虑。“我们最关注盈利模式清晰,易于操作的大数据应用,但这恰好也是目前比较欠缺的。”赛伯乐投资公司董事长朱敏说。
数据壁垒制约产业化进程
在“云上贵州”大数据商业模式大赛上,贵州省向参赛者开放了智能交通、智慧旅游、电子商务、电子政务、食品安全、工业和环保7个领域的真实数据,成为我国首个开放政府数据的省份,这些真实的数据不仅吸引了众多抱有创业梦想的参赛者,也吸引了百度和阿里巴巴这样的互联网“巨鳄”。
“丰富的数据资源是大数据产业发展的前提,也是贵州这次大赛最吸引人的地方。”阿里巴巴副总裁涂子沛说,他认为贵州省政府对大数据的开放,是“拥抱了未来”。
“投资大数据领域所要考察的关键因素包括对行业的渗透特性、创业者对大数据的理解能力、行业小气候、商业模式实现的难易程度等。”清华大学数据科学研究院执行副院长韩亦舜说,这些都需要数量巨大且真实的原始数据作为支撑。
然而,由于经济、观念等原因,我国政府、企业和行业的信息化建设往往缺少统一规划和科学论证,各部门所拥有的信息缺乏统一的标准,形成了众多“信息孤岛”,而且受行政垄断和商业利益所限,数据开放程度低、共享难,也是目前大数据产业化发展公认的最大障碍。
需营造适宜生态环境
大数据的浪潮已经影响到了世界上很多企业。根据科尔尼咨询公司的研究,在过去两年中有超过45%的公司实施了商业智能或是大数据计划。在中国,围绕“数据财富”的鏖战已经打响——广州的“天云计划”,哈尔滨的“中国云谷”,鄂尔多斯的“草原的云谷”,北京的“祥云工程”,目前全国有20多个地区都开展了围绕大数据的云产业部署。
工信部软件服务业司司长陈伟认为,贵州所举办的“云上贵州”大数据商业模式大赛略显不同,“它推动了大数据从学术研究向商业实践的转变,为大数据的商业进程开了一扇窗,是大数据产业发展的正能量”。
尽管如此,大数据要“变现”,仍需要多方努力营造更加适宜的生态环境。
“首先要改变对数据隐私权的认识,隐私边界的界定是动态过程,绝对的隐私权保护体现的是世界静止观。”杨斌说,而极端的隐私保护会“以一种较为粗暴的方式”制约产业的发展。
他还呼吁企业开放其大数据资源,“如果中国银联愿意开放数据库,哪怕只是5天的数据片段,其开发结果可能是诞生一个远离金融但对民生产生重大影响的应用。”在他看来,大数据商业模式是难以预设方向的,而这才是包容智慧的力量。
中国工程院院士、国家信息化专家组咨询委员会委员邬贺铨认为,政府数据资源在安全前提下逐步有序适当开放,也有利于提升公众服务和社会管理,营造创新环境和释放商业机会,市民、企业和政府都将从中受益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12