当前位置:今日智造 > 智造快讯 > 热门直播 > ERP

译聚焦 | 为什么大数据应用公司这么贵?

2017/2/4 20:56:52 人评论 次浏览 来源:thiswebsite 分类:ERP


2017年,大数据这把火烧了六年,依然没有减弱的征兆。过去一年,话题的热点已经不再是大数据概念和定义,而是集中在大数据的应用。大多数企业老板已经明白什么是大数据,开始关心数据如何与业务结合,提升企业盈利能力。


大数据应用是整个数据产业的核心,也是企业级客户真正愿意为大数据业务买单的原因。大数据并不神秘,企业在大数据上投入与上个时代企业在硬件设备和ERP等软件上投入没有本质区别,都是认为这种投入能帮助它开源节流,解决业务问题。除了数据交易,数据是无法直接给企业贡献利润的,数据的价值在于让企业的主营业务产生更大利润。



从全球市场来看,大数据应用占据整个产业的半壁江山。根据Wikibon报告,2016年全球大数据市场规模为452.6亿美金,细分领域中行业解决方案和应用这两类细分市场规模为226.5亿美金。目前国内企业在大数据的投入还主要是硬件层和技术层,应用层投入相对较少,但应用层的潜力无疑是巨大的,未来在单个垂直行业都会是千亿级市场。



从服务形式上,大数据应用主要有两种形式:输出技术和输出数据。


输出技术的公司主要是基于自身在数据技术的积累,向客户提供全套解决方案,提升企业处理数据的能力,实现业务效率提高。明略数据、百分点主要以这种形式为客户提供服务。


输出数据的公司主要是基于自身在数据源的积累,向客户提供数据产品,弥补企业在数据源方面的不足。TalkingData、集奥聚合、聚合数据是这类大数据公司中的佼佼者。


从解决需求上,大数据公司主要解决客户三方面需求:平台搭建、数据获取和应用创新。这三类需求是存在递进关系的,不同行业信息化程度相差极大,因此主要需求也会有所差异。


企业级客户经过21世纪前十年的IT投入阶段,各业务线的系统基本建成,形成各项业务的数据库。下一步需要做的是,搭建统一的大数据平台,打通内部各业务系统,解决数据孤岛问题,发挥业务数据的价值。


搭建好大数据平台,数据统一管理,内部数据互联基本完成。接下来是要开始逐步对接外部数据,解决外部数据获取的问题,实现更大规模的数据互联。


最后,融合多方数据源,探索数据在不同场景下的应用。



  

金融、零售、电信、政府是当前主要应用方向


中国存在大量信息洼地,行业信息化发展极不平衡。工业、农业等信息化相对落后的行业,尚需打好根基,先将业务数据采集存储起来,再寻求数据应用。相比之下,金融、零售、电信、政府等领域信息化程度相对较高,出现很多大数据应用案例。


大数据在金融领域的应用主要有以下三类:精准营销,风险控制以及精细化运营。将金融机构的客户打上不同的数据标签,形成个人和企业用户画像,再根据不同业务需求,甄别出目标客户群体。精准营销主要包括个性化营销、存量用户管理、挖掘潜力客户;风险控制包括个人及企业级信用评估、欺诈交易识别;精细化运营包括产品优化、市场和渠道分析、舆情分析等。


大数据在零售领域的应用与金融领域类似,依然围绕着精准营销、渠道管理、产品优化、市场定位等方面。值得注意的是,金融领域主要关注个体数据应用,而零售领域还关注统计数据应用,即大数据市场调查报告,了解消费者喜好,明确产品市场定位。


电信领域,三大运营商占据得天独厚的优势,主要将大数据应用于精细化流量运营、智能客服中心、个性化服务和对外数据服务。因为运营商数据价值度很高,开始对外输出数据,主要提供个人信用数据和位置数据。


随着《大数据发展概要》的发布,政府开始在大数据领域大力投入,除了建设数据交易中心,提供数据流通的合法途径外,政府大数据在交通、电子政务、公共安全等领域应用案例频出。大数据协助公安人员找出嫌疑人员潜在关系,提升破案效率。



  

大数据无限可能性,提升公司估值


过去两年,大数据概念热炒催生出一个又一个泡泡,IT创业公司纷纷转型成为大数据公司,意图获得高估值。从爱分析发布的中国市场大数据企业估值榜来看,估值超过5亿美金,PS倍数30-40的大数据公司不少。那么,这些大数据公司为什么这么贵?


其实,提供技术服务的大数据公司估值相对合理,PS倍数略高于SaaS公司,但尚处于合理区间。这些公司业务模式类似传统IT厂商和软件公司,同时国外基本有相应的对标公司,公司未来成长路径一目了然。


主要是与数据源相关、提供数据服务的大数据公司估值普遍较高,资本市场非常看重数据源的价值,主要有以下三点:


1
国内数据开放程度低


国内数据开放程度远低于美国,这使得电信、政府、BAT等几个重要数据源价值被放大,有机会掌握或者触及这类数据源的大数据公司更容易建立自己的竞争壁垒,因为有些时候数据源的价值远远高于技术。例如,银行对个人客户进行风险甄别时,如果有运营商数据作为佐证,对风控效果的提升非常巨大,而这部分提升只能依赖于数据,技术再强也没用。


2
数据应用尚未成熟


短短五六年,大数据已经对各领域产生深远的影响,逐渐颠覆人们的认知。但大数据还处于早期探索阶段,数据价值尚未完全发挥出来,未来大数据在各行各业的应用远远不止当前这些。具备数据源的公司是最有机会挖掘数据新的应用。


3
数据服务规模化相对容易


数据服务不同于技术服务,它对人力依赖相对较轻,主要人员投入在数据清洗环节,服务形式更多为API接口,交付上人力投入低。这种业务模式可复制性要强于技术服务,一旦找到适合的应用场景,可以迅速扩展到其他同类别客户。


不论是技术服务还是数据服务,都存在服务定制化属性重,难以形成标准化产品的问题。本质上,大数据应用公司的业务与传统咨询公司类似,都需要针对客户个性化需求给出解决方案,难以用标准化服务满足大型客户的需求。数据科学家的存在类似于传统咨询顾问,只不过要求更高。既然业务无法做到快速复制,重点做大型企业客户,提升客单价就成为大数据应用公司的必然选择。

(内容来源:译云综编)


译云

Smart Translation,Smaller World

免责声明:本文系网络转载,版权归原作者所有,如涉及版权,请联系我们删除,QQ:1138247081!

共有条评论 网友评论

验证码: 看不清楚?