京公网安备 11010802034615号
经营许可证编号:京B2-20210330
销售商与使用者:谁是大数据真赢家
数据一词最近几年热度不减,越来越多人谈论它,越来越多的公司开始在其中进行投资。
职业社交网站LinkedIn最近发布的一份针对其3.3亿用户档案分析报告显示,在2014年最热门的25项职业技能中,排名榜首的就是“统计分析和数据挖掘”。考虑到万物互联、云计算、智能设备、机器学习等不断涌现的科技潮流词汇以及由此积累的庞大数据,与大数据紧密相连的数据科学家受到职场热捧也就不难理解了。
从薪酬的角度来看,美国一项调查显示,2014年,数据科学家的平均年薪是12.3万美元,比上一年有大幅上升。Cloudera公司联合创始人、董事长、首席战略官Mike Olson在接受笔者采访时表示,该公司举办的认证培训已有5万多个学员,而在职场上,拥有一年Hadoop(一种大数据技术平台)经验的人,工资大概会增加14000美元。
事实上,类似Cloudera这样的大数据技术创业公司正是这一轮技术热潮的弄潮儿。Mike Olson称,自2008年创立以来,目前公司已有1300多家客户,估值超过50亿美元。
然而,如果谈及大数据赢家,这类大数据技术公司还不是其中的执牛耳者。
在中国,也有越来越多的公司将从大数据中获益。新年伊始即因李克强总理前来视察,并发出第一笔贷款业务而一炮走红的微众银行,就将是一个大数据的重度使用者。微众银行的整个服务均依托于互联网,其大数据系统汇集了40万亿条数据信息,从而在征信、担保等方面能获得与传统银行不一样的竞争力。
大数据应用的源起可以追溯到Google在2004年前后发布的三篇论文——MapReduce、Bigtable、GFS。在此基础上搭建的开源平台Hadoop,堪称全球大数据生态圈中最为核心的技术之一。
然而,由非营利组织管理的Hadoop平台,尽管推行开源模式,但企业并不是拿来就可以用,它需要经过进一步的加工和修缮,由此孕育了多家大数据商业开发公司,如Cloudera、MapR、Hortonworks等。这些公司的商业模式就是开发商业化的Hadoop分发版,并对外销售。
Cloudera、MapR、Hortonworks由此也被成为Hadoop市场的三驾马车。其中,Cloudera估值50亿美元,MapR在其最近一轮融资中估值超过7亿美元。而Hortonworks则在2014年12月实现了IPO,以每股16美元的价格发行了625万股股票,募集约1亿美元资金。按照1月5日收盘价26.14美元计,目前其市值为10.7亿美元。
在大数据生态圈中,这些销售Hadoop解决方案的大数据技术创业公司一直是聚光灯的焦点。他们毫无疑问是大数据赢家,得到风投和资本市场的垂青。
不过,如果从估值、股价表现和增长速度来看,应用型的大数据厂商似乎比这些技术型、基础设施层级的公司要更胜一筹。他们中的代表性企业包括Tableau、Qlik和MicroStrategy,其共同特点都是让数据变得更容易理解和消费。
比如说,Tableau成立于2003年,创始人是来自斯坦福的三位校友,三人都对数据可视化怀有很大的热情。数据可视化就是让枯燥的数据以简单友好的图表形式展现出来,是对数据分析的结果呈现。这家公司在2013年5月在纽交所上市,发行价31美元,募集资金2.542亿美元。根据1月5日收盘价84.74美元计算,目前其市值为58.8亿美元。
应用型厂商如果独辟蹊径,抓住一个细分市场做深做透,其市场价值将有很大的想象空间。这一点对于国内的大数据创业企业来说,更有参考意义。事实上,由于基础数据和操作系统的缺失,国内软件企业在传统计算时代亦是在应用层面才有所突破。
当然,如果仅是停留在服务提供商的角度来理解大数据,很显然无法完整理解这个市场——目前各类大数据厂商排名基本上都是基于这个维度。事实上,除了前文提及的两类大数据公司外,更加值得一提的是使用大数据的企业,他们堪称大数据的最大赢家。
目前全球估值超10亿美元的未上市科技企业(过去三年有风投注资)中,排名前十的几乎都是使用数据方面的能手。
其中,排名第一的小米,在最近一轮10亿美元融资中估值达450亿美元,其董事长雷军就在不久前接受媒体采访时直言:“如果我们不能用大数据技术转化出价值,那我们公司再撑下去就真的破产了……现在我扛得住,明年我也扛得住,后年我也扛得住,大后年要没价值的话,那我就破产了。”
排名第二的Uber估值412亿美元。一个打车软件之所以能获得这么高的估值,其背后的支撑亦离不开大数据。它能实时满足人、车、物的流动,用最少的车,实现最有效率的解决。而其平台上日积月累的人流、车流数据,在将来的货币化上则更具有想象空间。
从这个角度来看,真正高价值的大数据公司,或者说真正从数据中赚到大钱的公司,并不是那些销售Hadoop的公司。这些公司的特点是将数据视为一种资产。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12