2016政策与市场协同发力大数据,小公司如何搏杀BAT?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

大数据这个词来到2016年,绽放出绚烂的光。

先看看最近几天的新闻:大数据分析腐败问题、大数据曝光基友的世界、大数据助交警查处多起毒驾……不仅仅是与经济相关,大数据正在渗透社会各个领域,与传统社会嫁接的大数据,正在开花结果。

"2016年大数据行业会继续加速发展,可能在2017年是一个爆发点,所有行业行业都会被大数据冲击,所有企业都会意识到该玩大数据。产品同质化越来越很严重,最终会变成以客户为中心,以数据为支撑。未来企业的竞争方式是你有5个维度的数据,而我有10个维度的数据,那我就赢了。"在近日举办的大数据论坛上,华为大数据总监刘冬冬说。

大数据是个富矿,众多公司磨掌擦拳跃跃欲试。据统计,刚刚过去的2015年,中国市场宣称自己是大数据企业的大概有将近400家,拿到融资的50多家,整体融资额超过50亿元。其中拿到亿元融资以上的企业有17家,最高融资额为7亿人民币,估值超过30亿元人民币的有10家以上,初创一年之内的大数据企业的起始估值大概在10亿元人民币左右。

大数据,已是创业蓝海,在其中游泳的人们,是采用什么姿势呢?大公司早已卡位,中小公司又如何杀出重围?

市场与政策协同发力

"2015年,我们投入研发的费用占总收入的33%,前几天我们刚刚通过2016年预算,研发费用总占比是35%,但绝对数比去年增加了60%。"上海天会皓闻数据信息科技有限公司总经理施晟如是介绍他对大数据爆发年的应对。天会皓闻是一家市场数据采集、分析公司,今年将推出一款新产品,搜集、分析消费者的态度数据。

事实上该公司从2012年开始,每一年用于大数据研发的费用都在以50%以上的速度在增长。2008年,"大数据"这个词得到计算机研究领域认可,2012年成为风靡世界的热词。先是瑞士达沃斯世界经济论坛的主题之一就是大数据,会上发布的报告《大数据,大影响》宣称,数据已经成为一种新的经济资产类别,就像货币或黄金一样。之后,美国、联合国分别发布倡议、白皮书,把大数据提高的国家安全、国家未来竞争力的高度。

同年7月,国务院发布《"十二五"国家战略性新兴产业发展规划》,明确提出支持海量数据储存、处理技术的研发和产业化,之后各部委、各地都有相关促进措施出台,2015年9月,国务院发布《促进大数据发展行动纲要》,旨在大力促进中国数据技术的发展,数据将被作为战略性资源加以重视。1个月后,"十三五"规划出台,提出"实施国家大数据战略;深入实施创新驱动发展战略。"短短几年时间,大数据这一新鲜事物,已被国家政府纳入创新战略层面,成为国家战略计划的核心任务之一。

政府层面的政策与业界的发展是一种什么关系呢?"我们天会公司的基因是注重顾客和市场,满足其在市场数据服务上的需求,我们做一个产品的动力正是来自顾客和市场的需求。"施晟说,在此期间国家也在大力促进大数据行业的发展,这不是一个巧合,而是政府和业界都看到大数据是未来的方向。"我们主观上不是迎合国家政策,客观上和国家是一致的。任何一家有抱负的公司,都是和时代的趋势紧密相连的。"

狐狸如何在狮群中搏杀

这样的公司自然包括阿里巴巴。2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立"首席数据官"一职,负责全面推进"数据分享平台"战略,并推出大型的数据分享平台--"聚石塔",为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。2014年,马云更是说,阿里巴巴本质上是一家数据公司,做淘宝的目的不是为了卖货,而是获得所有零售的数据和制造业的数据;做物流不是为了送包裹,而是这些数据合在一起,"人类正从IT时代走向DT时代。"

这样说貌似有装X的嫌疑,但显然,马云所说正在成为现实。

马云的对手腾讯和百度自然也知道这一点,早已对此进行布局。在数据收集上,百度是领头羊,数据分析则首推阿里巴巴云计算,而要说社交领域的大数据,腾讯天下无双。

用户的行为大数据大部分都掌握在大公司手里,小公司的机会在哪里?

"在全民创业、万众创新的大背景下,大家都在做大数据,我们天会的优势,就是用深耕市场调研十年的传承,为用户提供消费者的态度、看法,这不是其他大公司所拥有的。"施晟说,就态度数据而言,天会是一马当先的,即使是在硅谷,天会做的事情也是在最前沿。

一位大数据专家也表示,对中小公司而言,大数据是片蓝海,但有独特优势、持续创新的公司无疑将会领先一步。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
16天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
62 2
|
17天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
57 1
|
1月前
|
存储 算法 NoSQL
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
34 0
|
3月前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
52 1
|
6月前
|
存储 分布式计算 大数据
【云计算与大数据技术】分布式协同系统Chubby锁、ZooKeeper在HDFS中的使用讲解(图文解释 超详细)
【云计算与大数据技术】分布式协同系统Chubby锁、ZooKeeper在HDFS中的使用讲解(图文解释 超详细)
185 0
|
机器学习/深度学习 存储 消息中间件
从BAT大数据工程师那里总结的大数据学习方法2
从BAT大数据工程师那里总结的大数据学习方法2
171 0
|
SQL 存储 分布式计算
从BAT大数据工程师那里总结的大数据学习方法1
从BAT大数据工程师那里总结的大数据学习方法1
152 0
|
数据采集 JSON 自然语言处理
比赛-以企业为服务目标的政策大数据应用
比赛-以企业为服务目标的政策大数据应用
205 0
比赛-以企业为服务目标的政策大数据应用
|
大数据 数据处理 Apache
Flink 已经成为各大公司大数据实时处理的发力重点。
Flink 已经成为各大公司大数据实时处理的发力重点。
128 0
|
存储 人工智能 算法
【面经】将 95% 求职者拒之门外的BAT大数据面试题-附解题方法(文末有福利)
最近不少读者找我要大数据面试题,我整理了很久,筛选出这10道容易出错的大数据面试题,希望对大家有所帮助。题目与解答整理自互联网,感谢分享这些面经的技术大牛们!
134 0