中国大数据到底有没有前途

昨天我发了一条朋友圈消息说中国大数据创业领域哀鸿遍野，引发了中国企业服务圈子一顿大讨论，因此我再写写。咱们不卑不亢，思考些有价值的正向事。

一、大数据是怎么兴起的，在中国企业界到底有没有需求土壤

大数据有很多类型，在中国企业软件人看来却只有一种（ERP结构化业务数据）。

大数据在互联网人眼中有很多种：即时通信IM数据、社交网络关系数据、照片数据、视频数据、大规模硬件的日志数据、地图数据和定位位置数据、智能硬件数据。大量都是非结构化数据，而且由于是集约的互联网所以数据海量。数据海量就会决定收集、传输、压缩、存储、计算、查询搜索、展示，都需要有新的技术架构出现。

所以啊，大家不要一提起大数据就是大数据分析，因为很多大数据不具有分析价值（但可能需要历史追溯查询价值）。但是你如果产生了上述的海量数据，你要么丢掉，你要么就需要收集、传输、压缩、存储、计算、查询搜索这些大数据技术啊，不单单只是一个大数据分析单点环节。

因此在国外产生了N多的技术基础设施来满足上述现状问题：

收集传输：BinLog、Kafka、Sqoop、Flume、Logstash

存储：HadoopHDFS、Hbase、Redis、influxDB、NEO4J、MongoDB

计算：MapReduce、Spark、Storm

查询搜索：Hive、Presto、Flink、ElasticSearch

展示：Kibana

不少技术都是互联网公司自己为了应对自己的海量数据问题，然后自己研发，然后开源。

中国的互联网公司因此也都大量拿来这些主流的大数据处理技术中间件来解决自己的海量数据问题。

但是呢，大家都用开源技术搭建，这样商用大数据技术产品就比较尴尬了。这也就是中国国内搞大数据技术产品的创业公司活的苦逼艰难的原因。很多人老说国外情况，一说国外情况就笑的哈哈，一说国内情况就尿的唰唰。我说这里是中国，这里是他妈的中国，你们不要再当二十八个布尔什维克战士了，你们要多读读毛祖的书，他才是立地中国现实，这就是中国现实。

我倒有个建议，就是把大数据技术产品藏在底层，应该卖的是业务场景价值应用。

很多搞大数据技术产品的创业公司不信我这个建议，希望的是自己提供大数据技术产品，寻找合作伙伴来提供行业的应用解决方案。我对这种路径比较悲观。我想起了我前几天转的一句话：你们成天挂在嘴边的资源整合，很可能是个伪命题。真正的整合只有两类情况：一类是你把别人买下来（你有宝贵的资本资源）；另一类是你有独特的资源，别人必须和你交换。

二、中国企业软件界的大数据热

这股风也引发了中国企业软件界的大数据热。不过中国企业软件是做软件卖软件，软件是有著作所有权的，SaaS模式也使软件商拥有的软件运营权，不像过去客户是买走了软件产品转移了产品所有权。但是，这里有个东西一直没有改变，那就是数据所有权还一直是客户的，不属于软件公司。

当然，软件公司可以洞察数据，但不可以输出、买卖、转让数据。

SaaS模式使SaaS软件公司迅速积累起来大量的数据，这些数据虽然大多都是结构化业务数据，但是因为量大，软件公司也需要数据洞察，所以SaaS软件公司也在尝试用互联网公司使用惯了的开源大数据中间件来搭建自己的大数据平台。

SaaS公司的研发人员其实更需要大数据技术平台的培训。不过中国企业软件公司一项苦逼，所以他们一般都是参加各种技术大会大拼盘来获得碎片的入门式的技术知识。

三、中国企业界的大数据热

中国企业都是一个个的单点，当然中国企业也分为巨型企业（如那些央企）、大型企业、中型企业、中小企业、小微企业和创业企业。

拥有海量结构化业务数据的，往往都是那些巨型企业（央企），他们已经经历了多代数据层级存储、大数据仓库、可视化展示、统计报表门户的信息化建设。但是，他们也没有太多的非结构化数据的信息化建设和非结构化数据分析。

不过现在发生了一些变化：

1、有企业开始尝试升级自己的产品为智能产品，可以收集用户使用过程数据。为了开展售后服务推荐、定损、诊断、保险推荐、抵押、二手转卖、租赁。

如果你企业还未将产品升级为智能产品，那么确实不需要大数据处理。

2、有企业开始尝试工业互联网。给自己的机器设备加上传感器，给自己的生产车间加上各种传感器。这些传感器收集的数据，也是非结构化数据处理

如果你企业还未开展工业互联网业务，那么确实不需要大数据处理。

3、有企业开始加强巡检和监理、提升质量和生产安全。大量需要通过手机、小程序、扫码、位置定位、拍照来进行巡检现场和监理现场的非结构化数据记录。

如果你不太重视巡检和监理这两种手段来提升质量和生产安全，那么你确实可能不需要大数据处理

4、有企业需要地图数据（如选址、商业地产投标建设、商铺租赁）。现在地图承载的功能非常多，如交通拥堵情况，如商业经济数据（比如周边的人流量、周边的宾馆商店数量/规模）

如果你不涉及上述业务，你确实可能不需要大数据处理

5、有企业想记录线下商超商铺人流量、用户行为分析。技术界的人脸识别、人位置识别、传感器识别，都可以记录下来人流量、人群特征、用户行为。

如果你不没有上述需求，你确实可能不需要大数据处理

6、有企业开始进行网上业务（网上电子商务、网上用户社区）开展。所以需要点击流记录、流量统计、用户行为分析。也需要内容爬虫来爬内容充斥自己的内容网站（省得人工去寻找去COPY转载，效率质量成本太差）。现在公众号、微博这么发达，因此很多企业也开展了网上舆情监控，这也需要大数据技术处理。

如果你不怎么独立开展网上用户社区，你也不怎么在意网络舆情，你确实也不需要大数据处理

7、有企业开始进行进行网上电子商务的开展，所以需要爬虫比价、精准搜索、精准推荐、最佳仓储仓位、最佳物流配送路径、智能客服机器人这些功能。

如果你不怎么独立开展电子商务和网上用户社区（可能你使用了京东、天猫、有赞的平台），你确实也不需要大数据处理

8、有企业开展网上电子商务和网上用户社区的时候，最担心网上攻击、网上漏洞、网上被拖库，所以对于大数据驱动安全类的产品也非常关注，大数据驱动安全类的产品可以动态的、智能的进行安全风险识别、报警、阻击。

如果你不怎么独立开展电子商务和网上用户社区（可能你使用了京东、天猫、有赞的平台），你确实也不需要大数据处理

9、有企业在网上进行广告投放。如何进行精准广告投放、如何监测广告投放效果，这也需要大数据工具。

如果你在网上广告投放点并不多、投放量并不大，可能确实也不需要大数据处理

10、有企业对网上业务办理的安全保障要求较高（如电信、银行），所以对于远程人脸识别、证照识别、语音识别、视频识别、文字识别特别在意。当然，在线下安全保障要求较高的领域，这些识别技术也非常需要

如果你对安全保障不高，确实不需要大数据处理

11、有企业想开展消费信贷金融（供应链金融还有标的资产在主导企业手中所以还不敏感），但是消费信用数据没有。所以需要整合许多消费者价值数据来源：如运营商位置及关系网络、微信关系网络；地产资产信息、车辆资产信息；工商企业开办信息、税收信息、纳税社保信息；银行信贷信息、银行存款信息、股票证券理财投资信息。

如果你企业不开展消费信贷金融业务，那么你确实不需要大数据处理。

12、有企业服务器、交换机路由器、存储设备、网络接入较多较复杂，所以很多企业为了监控这些设备和网络资源的稳定运行，也会寻找大数据驱动运维的一些产品，保证运维风险提早识别，设备扩容升级采购能够提早精准预测

如果你IT设备不多，那么你确实不需要大数据处理

我上述写了那么多场景，只是为了给出大数据常见的业务价值场景，便于你们激发与挖掘你们的客户需求。你们转走，不用谢。