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
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27