大数据公司最终走向何处？

6ZfYZvm

01 行业现状：数据源价值有限、扎深垂直行业必然面临、跨场景应战

崔晓波：先看现状，市场上主要由四类公司构成。第一类是做数据相关的软件的企业，这类公司在中国十分难以胜利，由于周期十分长，根本上是八到十年，客户、产品以及渠道体系沉淀到一定的阶段才有可能迸发。

这在中国资本市场是不支持的，由于早期的专注于做技术或者软件的企业没有退出途径，美国哪怕是研发最强的公司，谷歌，IBM每年要做大大小小几十个并购，中国的公司根本上没有这个习气。前两天欣喜的看到阿里总算买了一家德国的公司，我希望这是一个好的开端，否则中国的软件公司十分难。

创新的源头不在中国，全在美国，不论是开源的框架还是最新的科技，出处根本上都在硅谷，中国的企业根本上是跟随，周期太长，资本市场不支持。

如今大量的企业由于软件十分难做，企业又相对来说不太认可软件发明的价值，只是所谓增效或者俭省本钱，在经济周期里企业很难承受这个价值。

大量公司转型上去做效劳，也就是处理计划，这类企业真正的议价是靠品牌。有两类公司占有优势，第一类是大的咨询公司，比方像麦肯锡，人均产能一年能到百万级，还是很赚钱的。

假如一旦做不到人均产出，很难养活本人，最后公司扩展十分难，大量人力要散布到低本钱的城市群去挤利润。

这两类公司我们也做过研讨，我们把一级市场，二级市场里，包括创业板、A股上市的科技类公司大约几百家剖析了一遍，发现一个有趣的现象。

第一，年净利润超越15亿的公司只要两家，其中一家，也是转型做效劳。第二，年净利润在科技股里5-15亿区间的企业是0家，大家认知的大的软件公司年净利润都在5亿以下，为什么？由于都是很苦的生意，这点利润是靠俭省人力出来的。

到了数据时期又产生两类公司，一类公司是数据源公司，一类是数据应用公司。

数据源公司，一类是独占数据源公司，普通具有独家代理权，这类企业是有利润的，营收区间4-6个亿，利润区间1个亿左右，但是天花板很明显，由于数据是原资料，单纯的卖原资料其实是没什么价值的，并没有在这个数据之上产生竞争力强的效劳。

另一类公司更像数据的搬运工，大量采购数据，然后做模型比方卖给金融企业做风控模型、反狡诈模型、清算模型等，这类企业通常有收入没有利润，如今中国整个数据应用属于第一阶段，根本上表现的是数据的价值，没有到模型产生大量价值，所以增值价值很小。

这类企业将来三到五年会碰到很大的应战。第一是国度的监管趋严，单纯靠卖源数据，以至触及隐私数据十分难。第二，由于数据只是原资料，而且随着数据源越来越多，价值会不时被摊薄。

另一类数据运用公司，数据应用的中心壁垒数据模型，依托模型不时奉献数据，如黑名单类业务，调模型时能不时产生数据，使壁垒增加，这类公司盈利情况好一些。

近两年公司普遍碰到问题是，深化了行业和场景后很难跨范畴。一旦深化某个场景，一切的人员储藏，以至公司的基因都往那个方向偏。比方说这两年国度重点整治互金，去杠杆就特别难，受行业影响特别大，政策性和行业性的风险比拟大。目前我们看到在大数据范畴从业的四类公司都是这样的。

回到这里，应运而生数据中台的概念，数据中台就是协助企业处理这个问题。而当下资本环境收缩现状下，大家开端纷繁开端聚焦，技术基因的公司开端专注数据平台，业务基因的专注业务。

02 商业形式：数据+技术+场景+流量缺一不可

崔晓波：答复第二个问题，大数据的商业形式到底是什么，如今绝大局部投资不晓得大数据公司怎样赚钱，我只能解释一下，假如你做数据平台或者做中台，根本上需求四个方面的才能，缺一不可，分别是数据、科技、流量、场景。

中国的业务和美国不同，作为2B的数据企业，去赋能传统行业时，发现单纯的技术处理不了他的问题，他要的也不只仅是数据，常常要触及到流量，要帮他处理获客的问题，卖东西的问题，才有可能和这个客户构成一个比拟严密的协作；要深化场景，要产生业务价值，帮他多产生一些收入，你的价钱才会更高一些。

这四个要素放在一同，仿佛只要大公司能干，在中国将来会产生组合，产生联盟，产生各种主权关系。

2B的企业实质上就赚三种钱，一种是IT，中国市场自身就比美国小，公司都挤在这儿了。二是营销预算，假如对流量没有控制，第三，再往上的钱是最多的，可以分到客户业务的流水。

数据公司会在这个中央更赚钱，由于力气很强大，但同时能够不承当风险。换句话说，我以为好的开源形式应该分到这三种钱，但产品形式是单一的。

前面是简单讲下逻辑，如今我们以为最终整个大数据公司的商业模型不止是卖数据和卖科技，这两个最终是才能，不是商业形式，最终的商业形式是要驱动营销，驱动业务场景，而且在里面要分到钱，不是按本钱计价才干做。

03 数据中台：数据共享开放的关键是“衔接”

崔晓波：回到数据中台，由于寒冬来了，大家忽然发现每家公司真的需求共享平台处理一些共性问题，否则本钱降不下来，都在反复造轮子。

根本的才能第一是数据聚合才能，举个例子，比方说如今我们和运营商、电商，和京东、腾讯得有数据衔接才能，这种衔接才能不是普通的衔接才能，而且是衔接，不是具有。

以前大企业做大数据项目喜欢树立一个集中的数据平台，大数据时期这样做不太可能，由于本钱代价十分高，大家更多采用的方式是靠数据衔接。

但是这种衔接请求是合法合规的，最近呈现不论是隐私问题，还是数据平安问题，实质都是由于数据衔接不合规带来的。由于真正运用这些数据模型的时分，传入的很多参数是敏感数据，手机号、身份证、银行卡号等，要把一切ID数据脱敏，而且要和数据供给商做谐和，在那要处理合规和衔接问题。

总体思绪是数据不动，让算法活动处理大的数据共享以及结合建模的问题，所以如今我们曾经提供了大量平安环境，大家能够把数据混合在一个平安箱子里，谁也拿不走，能够在里面跑模型。

其实只要一个关键词能评价中台数据流量，就是你的共享才能到底有多强。市场有大量的需求，不愿意和每个数据源去连，他们担负着很大的风险，同时他们希望这个平台可以提供统一的科技艺力，让他们可以在这个平台上加工数据，输出数据，这是我们看到的数据中台的中心，平安、衔接、共享。

此外，一切接入我们的数据提供商都能取得全局的数据应用，一切的标签和数据描绘。

最后，数据科学平台就是一个模型探究平台，包括对后面模型的生命周期的管理，我们还得集成海外协作同伴的才能，应用海外顶尖的科技效劳中国的开发者，这些是我们了解的数据中台必要的衔接才能。

最后我还想谈一下感受，其实我们最后发现，特别是在寒冬底下，每一个团队，每一个客户在本人范畴里仿佛都在做博弈，真正发挥数据的力气更多是跨界，包括我们做了很多跨界的尝试，我们发现跨界的力气还是很大的，可以产生不一样的商业形式以及不一样的协作形式，你会发现商业形式完整不同，带来的报答是原来的几倍，更多我们觉得基于数据场景的打破口，是基于各种场景做跨界的打破，这样才有可能产生新的基于数据的价值。谢谢大家！