BAT下的大数据创业机会

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: BAT大数据平台几乎都是以平台、生态的构建为目标,最终是enable别人成功,并从别人成功中获益的模式。那大数据创业者究竟如何快速找准方向获得成功?阿里云大数据孵化器的产品专家告诉你如何在夹缝中抓住机会,三个关键词:独立第三方、基于云、补生态。

(本文转自阿里云大数据孵化器团队的产品专家:九卿发表在知乎上的文章,以下原文分享给大家)

本人目前在A从事2B的大数据解决方案与产品设计工作,以大数据商业化为目标,各行业客户都有,简单跟大家分享下我们目前的大数据落地实操经验。


厚积薄发BAT平台的优势

大数据平台就个人来看,A应该算做的比较好了,从云计算的布局到大数据平台,步步为营,也是筚路蓝缕。大公司的优势在于三个字“熬的起”。业务几乎都是以平台、生态的构建为目标,最终是enable别人成功,并从别人成功中获益的模式。

在这个过程中,有4点优势会体现出来:

     1.电商行业能力通过云计算炮台向外部输出

对于这块之前我还存在一定的误区,认为电商行业的经验固然重要,但是可能在真正实操应用其他行业的时候就会失效。实则不然,其实电商行业的经验带来最关键的是视野、思路,与方法论。比如电商沉淀下的大数据管理、用户标签体系设计、流计算/实时计算的场景与应用、个性化推荐的策略等等,当遇到类似场景的时候,你会心领神会的借鉴当初的思路,去帮助其他行业解决,去探索。所以,电商行业的经验填充了你的弹药库,你不再需要两眼一抹黑的干。另一方面,电商行业的成功经验,能够让我们快速从中抽取与提炼核心组件与模块,从而快速产品化,并在大数据的平台上架官方的大数据产品,冷启动数据市场,比如我们的推荐引擎、DataV可视化引擎、数据开发工具、机器学习平台,这些原来都是内部用户的或者电商用的,现在拿出来让其他行业用,能够快速帮助其他行业抢占市场。

      2.云计算的长期积累,夯实了IAAS与客户基础

通常意义上,我们内部对大数据路线有个约定俗成的三字经“存-通-用”,做大数据首先要有数据,阿里云多年积累已经夯实了IAAS层,为后续的大数据业务一方面提供成型的基建如ECS、OSS、OTS、ADS等等,可以说很好的解决了“存”的问题;另一方面,多年积累的客户在IAAS温饱满足的同时,有客户特别是头部的大B客户越来越多涌现出更多的业务诉求:如何用好数据、加工数据、用数据助力业务等等,这就给大数据业务的开展带来了机会。

      3.“字型的人才储备深度,在业务快速发展阶段能够相互补位

一般业务刚兴起时缺人比较严重的,首先是前端、其次是产品,然后是数据、算法,待到技术可行的阶段,就是销售。大公司的人才储备,特别是复合型的人才,能够为新兴业务发展快速注入新鲜血液,并通过转岗机制确保良性兼容,老人做新业务,非常高效。

      4.品牌影响力在业务拓展上的助力

这块并非绝对,当然很多场合下,阿里巴巴这个品牌本身就是实力、信誉的保障。今天我们对外输出大数据能力的时候,很多时候确实也利用到了这块的影响力,毕竟数据业务本身是一个公司的核心资产,对乙方都需要在技术与商业道德上进行双重考量,所以很多号称“第三方独立”数据服务公司也就浮出水面,一方面中立的身份,另一方面依赖或者嫁接多平台,不绑死。


二、他山之石:看看A现在是怎么做大数据

我们从商业层面去做大数据业务,通过商业来拓展技术的边界,同时也让客户认可价值,并买单,从而变现。更准确的讲,我们现在不是做大数据变现,而是做的大数据能力变现,将我们在人工智能、数据管理、数据应用的框架、引擎去帮助客户解决具体的业务问题,帮客户用好自己的数据是第一要务,然后才是用别人的数据补充自己,最后才是用自己的数据服务别人。我们看几个典型的case: 

case 1:服务某互联网创业公

互联网公司一般跑的比较快,特别是业务,很多时候初期是堆人、砸钱来堆用户数、订单等,技术外包比较常见,特别是当前环境。理所当然,这块也带来了大数据业务的机会,比如在020外卖场景下,如何分配好订单,使得运力的利用率最大化,同时在指定时间内能满足叫单需求。这类业务可以说之前就没出现过,也几乎没多少人工运营的经验,很多时候运营就是凭直觉也好,或者所谓的经验也好,来派发订单。我们的机会点在于:虽然这是对方的核心业务,但是总这块内容需要人,一时半会招不到人,同时不做这块业务,每天会有大量的补贴在补贴运力与处理投诉,是很大一笔开支,从这两点考虑,是不是该做? 

case 2:服务某传统技术型公

该公司技术县先进,能够进行快速实景的3D建模,但是有个“最后一公里” 的问题非常致命,现有的重绘技术比较落后,需要2-3天才能重新根据大量测绘数据绘制出3D模型,不及时,使得应用的场景受限。能否将原来绘制时间由天级别缩短到小时级别甚至分钟级别?从而拓展应用场景,更好的进行商业化?

case 3:服务于某传统制造业企

客户是世界最大的某材料生产企业之一,日产千万件,每件根据质量划分不同的等级,不同的等级价格不同,而良品率的提升直接与收益挂钩,客户已经具备初步的数据采集能力,但存储的数据未开发,也带来不小的存储成本,生产流程靠经验或理论,没有快速优化与验证的闭环,如何利用现有数据,提升良品率优化生产线?去低效产能的同时,赋能“智”造!

可以看到,目前落地的做法,不是通常意义上大家理解的精准营销、广告、人群画像,或者输出一份分析图表的大数据,而是从客户的问题出发,并且直接影响到生产或者业务效果的落地,让客户认可我们的价值,从而来商业化。


三、围三缺一:现阶段大数据业务下的BAT目前缺什

一般而言,作为平台方为保障公平,我们不会去既做裁判员、又做运动员,大部分情况下,平台提供的是通用型的产品、基础性的服务,留出二次开发、增值开发的空间,enable别人成功。当然现阶段为了更好的启发市场,平台方需要自己做出标杆,告诉大家怎么做,从而揭竿而起,期望应者云集,基于我们的云平台来创新、创业。在这个框架下,有几点痛点:

  1. 缺技术型人才,我们挖掘的场景很多,技术需求量比较大,比如算法、比如前端、可视化设计等,我们缺合格靠谱的技术型ISV来与我共建、分成。
  2. 大数据的商机很多,我们缺少那些熟知某领域关键问题的合作伙伴,给平台带来商机与挑战,给平台提需求,让平台帮你成功。
  3. 对于平台现在提供的产品与服务,我们缺强力的合作伙伴,能够挖掘现有产品的业务价值,在其他行业上能够给用起来,能够进行二次开发,能够增值,一起赚钱。
  4. 缺数据:我们部分产品会缺数据,对于有任何数据沉淀的合作伙伴,我们都欢迎一起坐下来聊聊,共同开发这部分数据的价值,服务云上的客户。
  5. 对于平台暂时无法满足一些行业垂直类需求,我们期望能够联合这方面有突出能力的合作伙伴一起打单,在阿里云2B的大数据解决方案中,也会有这些ISV的一些之地。


四、夹缝中的机

分析到这,差不多也比较明确,创业者的机会抓住以下几点关键词:独立第三方、基于云、补生态,再明确下:

(1) 从生态视角来看

  1. 技术合作伙伴:可以基于云,帮忙卖平台的成品(渠道)、可以基于平台的服务或者产品二次加工再卖(增值服务),可以做自己独立的产品(合作共建),配合平台一起打单。
  2. 人力合作伙伴:可以是三五个人,无论是算法还是数据能力,基于我们的大数据众智平台,接活。
  3. 数据合作伙伴:将自身无论通过哪类渠道沉淀的数据,通过平台提供的产品,对外输出,进行变现。借助平台的力量帮助变现。

(2)从大数据本身来看

如果我们不看生态,或者不依赖平台,当然也可以,我个人对大数据业务或者说大数据产品的判断:

大数据产品= 数据+AI+传达 

数据:产品/系统需要的数据,可以是客户的,也可以是自己提供的

AI:人工智能、算法、模型、统计、处理逻辑等

传达:呈现、界面、服务方式、可视化等

对于不同的创业者,就看你主打的是哪一块,不同的创业方向在这三块有不同的打法与侧重,对于我个人而言,我会守住AI的底线,另外的两部分视情形而定。也就是用AI/大数据能力,形成服务壁垒,从而进行变现。

 

五、几点建

  1. 建议先2B,2C可能数据都没有,更不用谈加工、变现。
  2. 选择一个出油的行业,先在一个行业下做出1、2个客户,然后沉淀框架与产品,然后打爆一个行业/子行业,然后再考虑延展性。没有深度的服务能力很多时候是做不出效果与爆点。
  3. 基础数据服务化,行业应用智能化 。公司在对外提供服务的时候,如果是基础类的服务,请将数据做成在线,可计量计费,跑量,以量取胜,当然如果这类服务还自带吸数据的属性,那就完美了比如风控接口。如果提供的是行业智能化/算法类项目,走价,做出溢价,比如panlantir。
  4. 无论做什么,一定要在初期就要立足产品化的目标,用产品去打。产品的抽象与沉淀过程,意味着你的目标与方向。这点没想明白就不要做了。
  5. 请讲清楚定价,定价是反应你对市场了解的唯一标准,甚至是检验产品的重要属性。
  6. 做好商务工作,大数据业务本来就是技术类的产品,对客户讲清楚价值都是。

最后,阿里云大数据孵化器团队诚邀各位合作伙伴一起来共建大数据平台!阿里云大数据孵化器是一群对数据充满信仰的年轻人组成的团队。这里有阿里小Ai之父,有顶尖的算法专家,还有优秀的数据开发和应用专家。我们坚信数据的价值,我们不断地努力尝试,我们快速奔跑前进,致力于用数据驱动创新,用数据提升业务效率,用数据创造无限可能。




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
|
数据采集 人工智能 安全
AI驱动的大数据创新:探索软件开发中的机会和挑战
AI驱动的大数据创新:探索软件开发中的机会和挑战
283 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
173 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
155 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!
135 0