形容中國大數據產業為“蒙面狂奔”，也許言過其實，但諸多桎梏確實擺在眼前。不管是依靠數據服務，還是行業應用定制，中國大數據產業仍需極大的人力消耗，成熟的盈利模型尚未建立。

于IT業內，大數據之火熱程度，似乎無出其右者。當然，在其真正爆發前夜，也應該適時潑盆冷水。

誰能接觸到數據

以我來形容中國大數據產業，可稱“蒙面狂奔”四字。在沒有思考清晰盈利模式之時，已蒙面狂奔，絕塵而去。

國內冠以大數據之名的企業數以千計，但細分其專注領域，大致可歸屬三類：其一，平臺型企業，例如華為、星環科技、浪潮、新華三等;其二，工具型企業，例如在數據采集、數據分析、數據清洗、數據可視化等領域中的海量數據、帆軟軟件、明略數據等;其三，應用型企業，例如百分點，以及國內諸多行業方案商多屬于此類型。

不需否認，大數據已在國內諸多行業領域展現出其價值，但深究典型案例，應遠未如媒體宣傳中顯著。為何?有資格被稱為大數據企業，取決于兩個先要條件：其一，掌握或接觸到用戶數據;其二，有能力為用戶提供數據服務。

先觀察首要條件，大數據企業能否掌握，或接觸到用戶數據。答案：很難。除互聯網公開數據之外，第三方能接觸到的數據資源著實有限。以IT方案商為例，此前其以為用戶設計、實施行業應用軟件為主營業務，理論上距離數據最近，但就如建筑商，建設了廣廈千萬間，建設了條條大路通羅馬，也不能掌握居民和車輛信息一樣。方案商實施了行業應用軟件，其中也承載了海量價值數據，但這并不等同于能接觸到數據。

退一步說，在企業意識到數據也是資產，數據也能創造價值后，其正急需尋找數據服務商，或數據運營商。而能夠承擔此角色者，IT方案商應為首選。原因?方案商為企業用戶提供了十余年IT服務，多少會產生些信任度，從IT服務，延伸到數據服務，應為順其自然。

而問題又由此而來，大數據真的有用嗎?實施了鐵路車輛檢修大數據系統，工人手中使用了幾十年敲敲打打的“小鐵錘”就能退休?實施了金融風險管控大數據系統，主機托管 深圳電信托管，其結論是否能直接自動導入金融機構業務流程，而無需人工干預?答案基本否定。

原因在于，大數據應用服務商即使能獲得用戶數據，也極其有限、極其不全面。以城市交通信息為例，此類通常掌握在20余部門手中，方案商幾乎不可能全面融合此類數據。而基于不全面的、錯誤的數據源，也就不可能推導出正確，有決策價值的結論。

做大數據真的能賺錢嗎?

當然，基于局部數據，也仍有可能建設出經典的大數據案例。但大數據項目真的賺錢嗎?未必。在諸多大數據企業中，融資進度大多在B輪和C輪之間，尚沒有一家企業完成D輪融資。也就是說，距離賺錢尚早。

而細分技術領域，首先，大數據工具類企業業務模式相對簡單，其只是產業鏈中的一環，實現盈利相對容易。其次，大數據平臺型企業，其盈利模式比較復雜。單純依靠銷售大數據平臺幾乎不可能產生經濟效益，而基于不同的業務出身，其業務模式又可分化為三個流派，一類企業希望以大數據平臺帶動底層硬件產品銷售;而另一類企業，通過提供支持標準的SQL接口，依靠提供數據服務實現盈利。當然，第三類企業比較“野蠻”，希望通過數據，或基于用戶數據的服務直接變現。

而除此之外，業務模式更為“枯燥”的是大數據應用類企業。通常行業方案商的大數據業務范疇包括：數據獲取、整合、治理、應用和展現等，其中尤以數據治理最苦最累，在大數據項目中50%~60%的工作量也集中于此，不要忽悠什么人工智能、深度學習能解決此類問題，基本還屬于紙上談兵的階段。

問題由此而來，臟活累活總還是要有人干。配備10名數據科學家不能算多吧!月薪1萬元要也不算苛刻吧!如此算下來，稍有實力的方案商大數據部門，年均人力成本就應在250萬元以上。250萬元?要做多少大數據項目，而且前提是要保證每個項目間要有很好地時間銜接，還要保證每個項目的能力需求都要與數據科學家的專長技能相匹配。

同時，與云計算不同，云計算考驗方案商純IT方面能力，而大數據項目則需要方案商數據科學家與行業團隊，以及用戶業務專家緊密結合，合作建立基于應用場景的數據分析模型。由此，每個項目的成功均需具備“天時、地利、人和”。也就是說，單個大數據項目的定制化程度相對較高，達到50%~40%，項目間很難具有可復制性，方案商也因此較難建立成熟的大數據項目盈利模型。