数据业务主营化大趋势

姜奇平 冯海超 古福

托夫勒早在33年前，就预言大数据将成为第三次浪潮的华彩乐章。如今，大数据已从蝴蝶翅膀的轻轻一扇，演变成冲击太平洋两岸堤坝的滔天巨浪。站在互联网岸边观察，大数据的下一波海浪，马上将以各行各业数据业务主营化的形式，再次出人意料地冲击人们的常识。

从“华彩乐章”的惊人表现倒过来想第三次浪潮，我吃惊地发现，我们对第三次浪潮这头大象的全貌，并没有琢磨透。在计算机、互联网、云计算、大数据一浪一浪的拍击下，人们给这头大象分别起了后工业、第三产业、服务业、信息化、知识经济、第三次工业革命等一个接一个的“外号”。每次自以为把握住了大象的全貌，那位叫明天的历史老人总是摇摇头说，再看看。然后再用下一个戏剧性变化，打破一鳞一爪的定见，重新暗示背后那个整体。

从大象的角度看，大数据是一个谜，一说出就是错。在上帝这次出的“各行各业数据业务主营化”这个谜面背后，让我们再试着解读出一个关于第三次浪潮的不同版本、解析第三次产业革命的密码。

第三次产业革命的核心特征

我们注意到一个有趣的现象：每次新的技术潮流袭来，都会给历史阶段划分带来一阵混乱。第三次浪潮具体落到产业历史阶段划分上，至今还众说纷纭。比如，对第一产业农业、第二产业工业的划分，人们没有多少异议；但什么是“第三”产业，是服务业，还是信息业，意见就不是很一致了。这不关统计学家的事，是人类对自身认识的分歧造成的。是因为人类没有取得一种共识，定义清楚昨天、今天之后的那个明天，“我”到底是谁。

遇到这个困难问题，印象非常深的一次，是在十多年前在老部长朱厚泽家修电脑的时候。闲聊时说，现在搞信息化，有的人认为应叫信息经济，有人认为是知识经济。朱老摇头说，知识经济这个提法不好，应叫智慧经济。当时没有在意，以为他就是随口一说。但经过这么多年见识各种新概念之后，今天想来，朱老先生当时想问题的角度，是观察大象全貌这个角度。难怪“智慧”这个概念对大数据这个局部仍是适用的。这个角度是解斯芬克斯之谜的角度。即看一件事主要看它在解决“人”的问题上有什么不同。

其一，人的发展从功能，价值到意义。从人这个角度看，第一次浪潮的中心词，应是功能；第二次浪潮的中心词，应是价值；第三次浪潮的中心词，应是意义。分别对应人的生存、发展与自我实现。

以此而论，朱老先生说的智慧经济，切题较近。因为智慧不智慧，唯一取决于数据有意义没有意义。不是知识或信息本身有什么经济，而是人类将利用知识和信息，解智慧这个题。托夫勒为什么说到了大数据，第三次浪潮才到了华彩乐章呢？因为此前还在忙外在的东西，至此才切入了智慧这个题。

大数据和数据业务主营化所为何来？这个高潮的主题，既不是功能对应的实体，也不是价值对应的钞票，而是数据本身特定对应的意义。大数据要唱一出属于自己的戏。

大数据这出戏的不同，在于关系“人”的定义的升级：农业社会解斯芬克斯之谜，人主要是功能性的存在，看人主要看能不能吃饱穿暖，产业重心就是为吃饱穿暖去生产实体；工业社会解斯芬克斯之谜，人升级为价值性的存在，看人主要看有没有钱，产业重心放在为创造价值而发展提供社会化服务；信息社会解斯芬克斯之谜，人进一步升级为意义性的存在，主要看人在功能满足和有钱后，是否幸福、快乐，产业的重心放在用数据解析意义何在。

其二，产业革命从赋形、赋能到赋值。如何把大数据背后的东西，从历次产业革命的特点中独立出来呢？我们从产业贡献角度可以归纳为赋形、赋能与赋值的区别。

第一次产业革命以物质为基础，区别性的特点在赋形（为自然物赋予功用）。赋形是在人与自然的关系中发展起来的，以物质为中介，在经济上表现为功能效用（使用价值，即有用没用）。数量是衡量有形物的最有效单位。在农业生产中“从无变有”的，是有形财富。如小羊从无变有，小麦从无变有。

但是，有功能的，不一定有价值。例如小农经济创造出许多有形的东西，但未经社会化，是否有价值（是否“社会必要”）不一定。于是有了第二次产业革命。

第二次产业革命以能源为基础，区别性的特点在赋能（为小生产赋社会化的能）。赋能是在人与人的社会化关系中发展起来的，以能源为中介，在经济上表现为价值（交换价值，即有钱没钱）。价格是衡量价值的最有效单位。工业制造与服务业并不以有形无形区分，区别于第一次产业革命的共同特点在于它们都高度社会化。能源（从煤炭、电能到核能）都是为了跨时空距离驱动有形物进行社会生产和交换，是为社会化而生的。所以赋能的本质，是社会化使能。与农业“从无变有”创造有形财富相比，社会化的价值通过货币得到统一的表现，因此它也可以被认为是货币经济。第二次产业革命在解决人的问题上实现的最大经济进步，是使有形的，变得更有价值，为社会所需；摒弃那些有功能但没有价值（社会不需要）的东西。

但是，有价值，不一定有意义。例如，有钱不等于快乐，有GDP，不一定等于幸福。污染、浪费都有价值（可增进GDP），但没有意义。于是有了第三次产业革命。意义是一种与货币相反的异质性和多元个性的信息现象。大数据只不过把这种与货币相反的活动变得专业化而已。当前，技术人员主导的大数据概念，有一种不好的倾向，就是仅仅从技术角度界定开放与非结构化数据等，而没有把握住意义决定的“智慧”这个要点。没有搞清自己到这个世界上是为了什么。

第三次产业革命以数据为基础，区别性的特点在赋值（为大生产赋个性化精准值）。赋值是在ICT技术支持下个人对个人的一对一关系中发展起来的，以数据为中介，在经济上表现为多样化、差异性、个性化体验。品种是衡量意义的最有效单位。第三次产业革命在现实中是有形的服务业中异质性、体验化、个性化的现代服务业与基于无形的虚拟中介的信息业的结合。它在有形、有价值的基础上，推动经济向不仅有形（有用），有价值（社会化），更主要是对个别的人有个别的意义的方向发展。个性化的意义通过数据得以挖掘和表现，通过数据分析，对价值的社会化有效程度和功能的有效程度进行一对一的调节，因此这样的经济也可称为数据经济。第三次产业革命虽然建立在数字化网络基础上，但它的区别性特点并不在于它是虚拟经济（金融也是虚拟经济，但它是属于第二次产业革命的，因为它不是个性化的），而在于它是个性化的。一旦从产业发展成为经济（如信息化经济），将推动第一产业、第二产业向精准化（如精准农业、DIY制造）方向发展。

第二次产业革命在解决人的问题上实现的经济进步在于，一方面增进有意义的价值，可以使价值随时（5分钟内）随地（2至50米之内）因你个人而变（例如情境定价，Contextual Pricing）；一方面摒弃无意义的价值，如无需求的生产，鬼城建设，环境污染等等。

“华彩乐章”在产业革命水平解决意义专业化问题

大数据这个葫芦里，到底卖的是什么药？我们可以反向逆推：后一次产业革命专业化做的事，在前一次产业革命中一定是业余的。观察前两次产业革命没有完成的任务，有助于抓住大数据和数据业务主营化的使命。

在农业化浪潮中，功能是专业的，价值是业余的。一个木匠，打家具可以是一把好手，但他在扩大再生产、创造社会化价值上是业余的。在工业化浪潮中，功能、价值是专业的，意义却是业余的。生产者生产出东西的功能，或大规模社会化地生产这些有用的东西，是比较专业的。但其意义的业余性表现在，由于信息不对称，人们的生产和服务经常是盲目的。他缺乏信息，不知道消费者需要什么，经常费了很大劲生产出市场不需要的东西，也就是创造了一大堆有价值而无意义的东西，因而实现不了价值。

推而广之，工业病中的污染、浪费、附加值低、经济波动、小生产与大社会矛盾等等，都可以归结为意义的缺乏；而信息化中的创新、个性化、幸福、体验、信息、大数据等等，都可以归结为提供意义。第三次产业革命的使命，就是把意义把握从业余的事情，变成专业的事情。

其一，改变市场的业余性。在工业化浪潮中，市场从某种角度说，承担着显示意义的角色。但市场显示意义的业余性表现在：首先，斯密强调市场自发调节，这等于说让市场业余地显示意义的信号。在市场比较简单时，自发调节还比较管用，但在复杂条件下，经常就不管用，而变成破坏性的危机调节，动外科手术；其次，市场显示意义的信号只有价格，但价格对意义的表现是业余的。因为价格擅长表现一般等价信息，也就是表现价值的信息，而意义却是个别的，要求情境定价（Contextual Pricing），个性化与一般等价是相反的。价格不擅长表现个别化、特殊化、异质性信息，也就是不擅长表现情境化的信息。人们在集市中，通常要通过讨价还价这种语言行为，补价格信号的不足。IBM即将倡导的“智慧的运算”，一个核心突破，就是让大数据专业化地解决情境计算（上下文的计算）；第三，工业化为加强信息对称而设计的机制，往往适得其反。股市就是这样，它对于反映长期的市场需求，具有正面作用；但由于要绕价格信号这个弯，导致它在精准性和信息成本上，大量牺牲情境信号（所谓“噪音”）中表现的一对一信息，最终会输给更专业的面向复杂性的数据业。金融脱媒就反映了这一趋势。人们利用P2P的“噪音”信号交换，反而低成本低摩擦地完成了借助标准（等价）信号难以完成的复杂交易。

其二，改变企业的业余性。市场对意义是业余的机制，企业的情况也好不到哪里。对企业来说，意义是决策部门的产出。人们看到，企业对于如何进行功能制造，如何高效率地进行规模化生产，经常是专业的，但在为什么生产的决策上，经常是业余的。企业并非不知道顾客是上帝，生产的意义是顾客赋予的。但如果逐一了解每一位顾客的需求信息，再一对一生产，在现有企业模式下，成本不可承受。就象股市不能反馈单品一对一的供求信息一样。结果企业从上到下在创造功能和价值时都是专业的，只有在老板决策这些功能与价值是否有意义这件事上是业余的。只能靠拍脑门和直觉来进行判断。

造成企业在功能、价值上专业，而意义上业余的根本原因，在于从后往前、自上而下集中式决策这种现代企业制度本身，无法适应信息时代。田溯宁推荐了一本叫《证析》的书，就在说这件事，没有大数据是无法解决的。

以前的信息化都干什么去了？第一阶段，忙到帮助企业加强功能上去了。第二阶段，忙到帮助企业创造价值上去了。第三阶段（也就是华彩乐章，相当于第三幕），托夫勒神机妙算，要大数据出场了。大数据要让确定意义这件事变得专业化，让企业决策系统能在复杂条件下满足一对一让顾客赋值的要求，从而让功能与价值不要白忙活。

其三，改变产业的业余性。大数据与数据业务主营化，可以把意义把握这件事变得专业化，专业化就意味着让这件似乎难得不得了的事，以极低的成本完成。但这需要一次产业革命，在整个产业水平上，从数据基础设施、数据处理平台、数据分析应用等诸多产业链环节上共同完善，才能解决。

虽说第三次产业革命的核心可能就是大数据，但大数据产业本身，可能只是整个第三次产业革命的一个子集。为新的产业本体赋形、赋能与赋值，可能衍生出许多新产业。但各行各业数据业务主营化，将成为整个产业链中最核心的部分，即赋值的部分。

为数据业赋形的子产业，将是提供数据基础设施、设备及其服务的产业，也就是当前喊大数据最积极、嗓门最大的一群。在他们之后，将是为数据业赋能的产业渐次兴起，将是提供数据分析平台服务的产业。最后，才是各行各业数据业务主营化时代的到来。这时候，不是数据业站在各行各业的外边，作为一个独立产业服务各行各业，而是各行各业自己就成了数据产业。比如电信业变成电信数据产业，金融变成金融数据产业，医疗变成医疗数据产业。各行各业提供功能、价值的部分仍然存在，但它们将在收入不断上升过程中，在总收入中的比重不断下降，把收入份额让给本行业中的数据业务。

IBM：在微观水平实现企业的再现代化

数据业务目前在各行各业中，只是副业或辅助性业务。随着大数据应用的深化，互联网与各行各业的结合，将以数据业务变为行业主营业务的形式，出人意料地发展。例如我们在现在就可以看到，在电信业发展中，数据业务取代原来语音业务的主业位置，成为新的主业；在金融业中，数据业务从原来的辅助性业务，已经成为决定收益与成本的关键性业务。再比如，在流通业中，数据分析已成为主业，而单纯的柜台服务日益边缘化。

钱大群先生最近发表了一篇《科技创新推动企业再现代化》，提出不同于工业化的“再现代化”理念。我认为可以很好概括第二次产业革命与第三次产业革命的不同，以及第三次产业革命与大数据的内在联系 。

第二次产业革命的核心是工业化，工业化等于现代化，但随着第三次产业革命的到来，现代化的标准提高了，工业化已不等于现代化，只搞工业化就会落后于现代化。因此对于当前来说，我们同意钱大群说的“脱离现代化谈工业化是没有意义的”。

第三次产业革命到来后，企业现代化与工业时代最大的不同在于业务前线化（FOT，Front Office Transformation），要求以客户为中心进行业务转型。这种业务转型，最终要求把主营业务，从以价值为核心的传统业务，转向以意义为核心的数据业务。从而提炼升华出有意义的价值。

具体来说，就象IBM描述的那样：企业需要逐步调整生产营销的方向和重心，从后端向前端转移，首先从客户那里获得个性化需求、经过商业分析得到洞察，然后带到企业内部，围绕客户的个性化需求来组织最优化的供应链、流程和运营，从而能够为每一个客户提供个性化的服务，创造个性化的价值。IBM在这里唯一没有点透的是，这一切围绕的都是意义：个性化的价值，就是意义；所谓洞察，就是透过价值发现意义。二者关系在于：价值只是中间的意义，意义是最终的价值。所谓“业务前线化”，就是企业将业务重心，从中间价值，移向最终价值。

在这种转型中，业务部门与信息部门的关系，业务主管与信息主管（CIO）的关系，将发生奇妙的变化。传统的业务部门和业务主管，聚焦的都是同质化的中间价值；而“业务前线化”后的信息部门和信息主管，聚焦的将是个性化的最终价值。这是一对多的关系，简单系统与复杂系统的关系。海尔在实践“业务前线化”中，提出“人人都是CEO”。当每个员工都要面对多，而不是一的时候，数据业务主营化的作用就体现出来。

IBM提出“智慧的运算”概念，要为大数据设计（Designed for Big Data）。当员工面对的个性化的世界，每两天所产生的数据量相当于2003年之前人类历史上产生的所有数据量时，通过大数据，从大量情境化、个性化的数据中获得对于意义（如顾客需求）的洞察力，将从根本上改变公司使用信息的方式。业务主管只有CIO化，才能适应新的现实。而CIO从事的数据中心工作，将从外部支撑业务的成本中心，转为内在创造价值的利润中心。举例来说，一家银行要给一个大企业贷款，不需要很多信息；但给1000个不同的中小企业贷款，征信工作量要大1000倍。CIO如果能将数据分析成本，降到原来的三分之一。这家银行的竞争力就会比对手高三倍，价值就主要由它来创造了。智慧金融，完全可能重新定义金融主营业务。

第三次产业革命是各行各业向智慧化转变的一场产业革命。产业三分之二以上的收入与业务将用于洞察意义，以消除价值与功能的盲目性；只有三分之一分配给赋能与赋形的产业。

以数据为核心的商业模式和价值模型

进入2012年开始，这个领域的风潮逐渐从专业IT人士和数据分析师，扩散到所有关注科技、互联网以及营销领域的人群中，甚至还包括政界人士。这种背景下，在商业、经济及其他领域中，决策行为将日益基于数据和分析而作出，而并非基于经验和直觉；而在公共卫生、经济预测等领域中，“大数据”的预见能力也已经崭露头角；越来越多的企业开始正视大数据带来的变革力，IT技术提供者们也纷纷推出了新解决方案。

《互联网周刊》2013年1月5日的封面文章《大数据的时代变革力量》中曾指出，大数据将带来的一个始料未及的变革性影响，将使数据业务成为各行各业的主营业务，围绕大数据，企业将向分析即服务升级转型，从而改变各行各业的业态。

文章表示，数据业务成为主营业务的趋势，在当下商业企业发展进程中还难以真正成型，这实质反映的是意义的专业化。以往以GDP为导向的经济，在价值的生产上是专业的，但在把握意义上是业余的。数据业务成为主营业务，标志着业态从价值形态升级为意义形态。从金融业、流通业和电信业的发展趋势中可以看到，这一趋势正在逐渐发生，且有向其他行业蔓延的势头。

虽然在近阶段这种趋势还很难大规模发生和演变，但从目前可以看到的、大数据正在带来的商业模式和商业价值变革情况看，已经形成和即将成型的商业模式探究和探索同样有意义。

数据价值认知

大数据价值本身的被认知与被挖掘，也建立在一个前提下——数据化。这是是把日常生活、生产、商业等方方面面的现象转化为可分析的量化形式的过程。正是这个过程，形成了各行各业的变革力量——因为这是大数据时代所独有的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。

事实上，真正的数据时代从2012年刚刚开始。标志性的区别就在于，以往的数据只是结构化的数据，是非个性化的数据；而进入2012年，非结构化数据占有比例将达到互联网整个数据量的75%以上，这意味着个性化数据时代的到来。

在现阶段，我们看到的数据领域模式的分析和建立，都有一个基本前提，即数据越来越多、越可得到、越可利用。这意味着数据爆发、数据技术成熟（数据作为核心资产）、数据分析可用（数据带来价值）。

数据爆发毋庸置疑。谨以Facebook为看，据其2012年8月一次总部会议中披露数据，每一天，Facebook 上分享的内容条数达25亿，“赞”的数量27亿，上传照片书3亿，新产生的数据超过500TB，每半小时通过 Hive 扫描的数据105TB，单个 HDFS（分布式文件系统）集群中的磁盘容量超过100PB（1PB=1024TB）。这些海量的、非结构化的、部分开放的数据，已经成为Facebook最核心的资产，同时也催生了一系列围绕其而生的创业公司。

同时，数据作为核心资产的价值也逐步被认可。

在2012年年初的瑞士达沃斯论坛上，一份题为《大数据，大影响》（BigData，BigImpact）的报告宣称，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。在这个逻辑下，在大数据时代，传统的商业思想正在被颠覆。国内资深IT人士、大数据研究专家谢文撰文称，大数据将逐渐成为现代社会的基础设施的一部分，和公路，铁路，港口，水电，通讯网络一样不可或缺。

资本层面，在2012年资本寒冬期，大数据成为唯一一个绿意盎然的领域。今年 4 月，成立于 2003 年的数据软件公司Splunk在纳斯达克以16亿美元的市值上市，给大数据行业打了一管兴奋剂。事实上从2008年起，美国IT领域有关数据服务相关的投资、收购案例开始迅速爆发，总价值超过千亿美元，包括SAP、IBM、EMC、甲骨文等IT巨头都在这个领域下了重注。

企业正在被这种趋势所引导，越来越多的IT构建围绕大数据展开。据技术研究和咨询公司Gartner指出，大数据将带动2012年全球280亿美元的IT支出，2013年带动的IT支出规模可望进一步增至340亿美元， 而到2016年全球在大数据方面的总花费将达到2320亿美元。

越来越多的人意识到，拥有独一无二的数据资产的公司，将会获得难以置信的发展的速度，发育出令人叹为观止的商业模式。因为它们具备了颠覆、冲击其他行业的压倒性优势。谷歌、Facebook、亚马逊这三家互联网巨头，积累了不同的数据资产。谷歌为全世界的公开网页建立了最为庞大的索引；Facebook拥有的社交网络，积累了全世界最为庞大的人际关系数据库；亚马逊网站上沉淀了大量的商品信息，成为互联网上最为庞大的商品数据库。不同的数据资产，决定他们不同的战略选择和商业模式。在某种程度上，它们在引领整个科技产业的发展方向。

此外，数据带来价值的探讨也逐渐清晰。

有数据显示，大数据在2011年为美国的医疗服务业每年节省3000亿美元，为欧洲的公共部门管理每年节省2500亿欧元，为全球个人位置数据服务提供商贡献1000亿美元，帮助美国零售业净利润增长60%，帮助制造业在产品开发、组装等环节节省50%的成本。

此外，全新的、更具竞争力的商业智能服务，这也是大数据最为吸引人的地方之一。传统数据仓库的性能已无法应付庞大的信息，但是大数据（Big Data）技术使我们能够访问和使用这些宝贵的、大规模数据集以应对越来越复杂的数据分析和更好的商业决策制定——大数据将改变商业智能 （BI）的布局，并能为企业提供一种有价值的数据源，这在当下已经成为了一种趋势。

技术脉络与产业链条

首先看看大数据的技术发展脉络。

随着数据量的爆发增长和数据结构的多样性，使得传统的关系型数据库技术已无法满足这些需求，但上世纪末出现的NoSQL技术一开始并未得到广泛应用，直到2009年，在搜索引擎、社交网络等互联网应用盛行使得数据量迅猛增加后，才开始为人们所重视并投入使用。发展到今天，NoSQL技术已经形成了一系列不同用途的数据库管理系统，而2004年初，Google开始研发BigTable非关系型数据库系统，这一模型启发了众多“后来者”的数据技术，目前最为火热的Hadoop便是其中一员。这个由雅虎的前员工Doug Cutting（现任职于Cloudera公司）最初负责开发的项目，已成为大数据行业的技术中心。

在Hadoop生态中，2008年成立的Cloudera是最早将其商用的公司，它为合作伙伴提供Hadoop的商用解决方案，其中包括IBM、甲骨文（Oracle）、微软、EMC、Teradata等行业领先的数据解决方案提供商，使得NoSQL技术成为现存SQL数据解决方案的强有力补充；同时IBM、SAP、EMC等巨头也纷纷推出相应产品，来适应其客户数据业务的爆发增长。时至今日，Hadoop技术以及被广泛应用了各大互联网公司，这个名单包括Facebook、亚马逊、苹果、AOL、Ebay、Twitter、Netflix、淘宝、百度等等。

而围绕数据资产，从不同行业的盈利方式和经营策略看，已经形成了几种较为成熟的商业模式。

第一种是从数据本身看，主要是售卖或者出租广泛收集、精心过滤、时效性强的数据。这也是数据成为资产的最经典的诠释。按照销售对象的不同，又分为两种类型：一是作为客户增值服务，譬如销售导航仪的公司，同时为客户提供即时交通信息服务；二是把客户数据有偿提供给第三方，典型的如证券交易所，把股票交易行情数据授权给一些做行情软件的公司。此外还有租售信息模式。一般聚焦某个行业，广泛收集相关数据，深度整合萃取信息，以庞大的数据中心加上专用传播渠道也可成为一方霸主。信息指的是经过加工处理，承载一定行业特征的数据集合。

其次是从数据分析结果看，主要在营销广告领域。这个模式最性感，因为全球广告市场空间是5000亿美元，具备培育千亿级公司的土壤和成长空间。这类公司的核心资源是获得实时、海量、有效的数据，立身之本是大数据分析技术，盈利来源多是精准营销和信息聚合服务。

再次还有数据空间运营模式，传统的IDC就是这种模式，互联网巨头都在提供此类服务，但近期网盘势头强劲。从大数据角度来看，各家纷纷嗅到大数据的商机，开始抢占个人、企业的数据资源，海外的Dropbox、国内的微盘都是此类公司的代表。这类公司的发展空间在于可以成长为数据聚合平台，盈利模式将趋于多元化。

当然也离不开技术提供商。事实上从数据量上来看，非结构化数据是结构化数据的5倍以上，任何种类的非结构化数据处理都可以重现现有结构化数据的辉煌。语音数据处理领域、视频数据处理领域、语义识别领域、图像数据处理领域都可能出现大型的高速成长的公司。

从2012年开始，大数据产业链雏形已经初显，围绕大数据的产生与集聚、组织与管理、分析与发现、应用与服务各层级正在加速构建。

中国信息经济学会理事长杨培芳在接受《互联网周刊》采访时表示，“世界信息化浪潮经过了信息交流和信息媒体两个重要阶段，正在进入以宽带、物联网、3D打印技术为标志的信息生产力阶段。”

杨培芳表示，随着大数据服务业的发展，知识化、协作化、软件化、共享化的信息经济特征愈加明显。我国将用强大的社会需求带动基础标准、系统集成、应用开发、关键技术和测试评估等方面的研究，形成了以应用为牵引的特色发展路线。使我国在该领域占领系统创新、协同服务、基础标准等价值链的高端市场成为可能。

商业模式创新

有专家指出，大数据各层级的价值实现来看，离不开技术创新，不仅要挑战传统的数据存储架构、网络传输能力、服务器的计算能力，同时也引发数据库、数据仓库、数据挖掘、商业智能、人工智能、内容/知识管理等领域的技术变革。大数据产业属技术密集型产业，竞争更多是技术实力与创新能力的比拼，离数据越近的产业环节，产业价值越大。能掌控大数据实时集成、海量信息处理和管理、云存储等技术的厂商将成为产业的主导者，主导未来大数据产业技术发展方向，促进商业模式创新。

如在电信业，原有的主营业务是语音业务，数据业务只是辅助性业务。但在移动互联网中，数据业务上升为主营业务（有的占到76%以上），而语音业务成为副业。

在备受关注的电信业务转型方向，中国信息经济学会理事长杨培芳对记者表示，信息经济的本质是多元分工的经济，电信运营商的主要优势在公共通道和基础数据交换平台，而不在内容和行业应用。但是，无论是内容和行业应用有都离不开公共通道和公共数据交换平台。所谓转型主要是适应大数据时代的要求，与各信息内容提供商、各类大数据应用提供商以及制造商、软件商协同融合，组成新型服务产业链，共同为客户提供最优质的服务。

同时，大数据是一个具有国家战略意义的新兴产业，正受到政府的高度关注。《“十二五”国家战略性新兴产业发展规划》提出支持海量数据存储、处理技术的研发与产业化；《物联网“十二五”发展规划》中，也将信息处理技术列为四项关键技术创新工程之一，其中包括海量数据存储、数据挖掘、图像视频智能分析，另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，这些也是大数据产业的重要组成部分，与大数据产业发展密切相关。

此外，由于国内企业受限于IT产业链所处的位置，普遍在数据库、数据仓库、商业智能等领域基础薄弱，因此，在大数据上布局不可能如跨国企业如此全面。但国内相对强势的互联网企业、电信运营商、电信设备供应商已经开始启动产业布局，以互联网应用服务为切入点抢占大数据制高点。

目前，阿里巴巴已经在利用大数据技术提供阿里信用贷款与淘宝数据魔方。腾讯则通过社交网络数据挖掘打造全新营销平台，为广告主实现精准营销。百度建立了包括百度指数、司南、风云榜、数据研究中心、百度统计等五大数据体系平台，提供企业实时数据服务。中国移动也在大云计划中展开了海量数据处理、海量数据存储、高扩展性等技术研发。华为也挺进企业数据服务市场，并已推出了基于移动终端的数据分析方案与应用。

更为核心的是，大数据激发巨大的内需增量，将引发产业的巨大变革。

对于启动内需来说，大数据最大作用和发力点在于，推动经济从B2C，转向C2B。野村综合研究所在预测2010年至2014年的发展趋势时，称之为“产消逆转”，即B（生产者）与C（消费者）关系的逆转。在沙集，我们看到，普通农民通过电子商务拿到订单，马上就从弱势群体，变成了龙头。生产者跟在他们后面，按他们的订单组织生产。这就是从启动内需开始激活经济的新形式。

事实上，产消逆转与大数据有内在的关联。B2C与C2B涉及的数据问题完全不同。以往，经济过程都是以生产者为起点，以消费者为终点的过程。生产者发布信息，一对多地向消费者传播，数据相对简单。今后，这个过程倒过来以后，是消费者向生产者发送信息，生产者根据这些信息定制产品。由于消费者非常分散，多对一或多对多地交互信息，要求大数据在其中发挥作用。

电子科技大学互联网科学中心主任、《大数据时代》中文译者周涛博士也曾表示：“大数据从浅到深的发展，对应的商业模式从2B到2C到2D、2Data，实际上是有两条线在驱动它，一条线我们希望它越来越粗犷、开放，数据一定要开放出来，以共享的心态。一条线我们希望它越来越精深，就是深入地分析。”

据了解，淘宝目前每天活跃数据量已经超过50TB，共有4亿条产品讯息和2亿多名注册用户在上面活动，每天超过4000万人次访问。“大数据”的作用，就是把这些数据采集进数据仓库中，然后用分布式的技术框架（Hadoop），对非关系型数据进行异质性处理（NoSQL），通过数据分析与挖掘，发展一对一的商业智能，从中产生让网商因小而美、不再打价格战的企业和个人竞争力；让中国产生不再依靠“中国制造”，而转向“中国创造”的国家竞争力。

所以，异质性、个性化，这才是大数据的真正本质。

信息技术服务商的智慧推动

对于大数据，在被业界概念普及几年后，已经从空中逐渐落地，而用户的视角也从理解概念转变到如何从业务、应用角度出发，让大数据真正实现价值。

从本质上讲，大数据主要解决的是海量数据存储、计算、挖掘、展现的问题，基于此之上可以诞生一系列应用或商业模式，甚至让数据成为一个公司的主要业务。

在这一过程中，众多知名信息技术服务商们起到了引领、普及、推动的作用，数据服务业务逐渐成为有些公司的主营业务。

它们眼中的大数据

从去年开始，大数据概念成为业界的热点话题，而对于看准大趋势的诸多信息技术服务商来说，他们基于公司的技术积淀，对大数据有各自的理念和看法。

IBM软件集团新兴市场部大数据中心总监王晓梅对记者表示，大数据分析给很多行业创造了一种新的、革命性的变更，很多传统的行业因为有了大数据分析可能创造出新的商业模式和业务价值，“我可以非常自信地告诉你，大数据适用于每一个行业，只是说各个行业在采纳大数据的历程当中，可能有一个先后，但就大数据本身的适用性来说，它适合任何一个行业。”

把大数据作为未来重要战略业务的IBM预测，到2015年大数据分析方面的收入将有望达到160亿美元，而每年在相关领域的研发投入达30至40亿美元。IBM全球副总裁兼大中华区软件集团总经理胡世忠透露，在中国从2012年的3年内，IBM计划投资3亿人民币，推动大数据方面的研发。

英特尔（中国）有限公司数据中心市场部经理赵萌认为，“Big Data每年都是呈倍数的增长，而且它将来的数据不只产生于IT环境，也会产生于各种各样的其它设备，包括智能手机等智能终端，包括物联网的数据，我们预计2015年会有15亿的设备可以通过互联，会产生大量的数据。”

而中国惠普有限公司软件集团大中华区总经理于志伟对《互联网周刊》表示，“未来除了土地、资源、人，这些企业、国家最重要的资产以外，数据会成为最重要的资产之一。”

于志伟认为，尽管我们在谈到大数据的时候往往会忘记大数据包含了很多方面的信息，往往只是觉得大数据容量非常地大，是海量的数据。但我们同样也要注意到，大数据意味着种类非常地纷繁复杂，速度是非常地快速。因此很多公司所需要寻找的解决方案是在面临种类纷繁复杂的海量数据时，如何快速、更好地获得我们所需要的解决方案来管理数据和信息，并且以更安全便捷的方式来进行管理，分析我们面临的问题，找到我们所想找到的答案，并作出预测更加重要。

采用大数据的业务门槛

说到大数据的门槛，或者是各行业对大数据运用的挑战，首先须要了解目前全球大数据的采用现状。

对于大数据的采用阶段，IBM软件集团新兴市场部大数据中心总监王晓梅对记者表示，“我们把市场的情况大概分了四个阶段：一是教育，我们还是处于教育整个市场的阶段；二是探索，我们探索大数据到底怎么应用；三是接触，就是实际的思考怎么去应用大数据；四是执行，真的把大数据结合在业务流程之内。”

根据多年来与全球客户接触的经验，王晓梅认为，“大部分停留在探索阶段，虽然大数据非常火，大部分客户或者是行业客户都是在探索阶段，所以执行部分相对偏低。”

如果开始进行项目的落地实施，技能也是一个挑战。王晓梅认为，这包含两个方面的技能：一个是技术，因为在IBM定的整个大数据的范围里，除了传统的数据仓库这种分析之外，还有像Hadoop、流计算这种新的大数据技术，这些技术因为是比较新的，所以多很多客户来说这些是未知的；第二个就是分析的技能，因为大数据就是帮助客户把所有的信息整合在一起进行有效的存储管理，更重要的是有效地分析，这个分析的能力也是很多客户在市场上比较欠缺的。”

具体到行业，以电信业为例，传统的BI和经营分析已经发展建设了多年，但是普遍来看，价值体现不是非常突出。中国惠普有限公司软件集团大中华区总经理于志伟分析说，“在电信行业，最近两年，大数据的概念和趋势深入人心，但是到了落地层面，最大的问题还是，大数据与传统BI和经验分析的差别在哪里？如何让大数据帮助电信运营商创造价值？如何帮助企业发展业务？要解决这些问题，会涉及到非常多的因素和环节，但是其中最重要的因素有两个，第一，应用的动态多元化，区别于传统BI、经验分析，大数据的应用应该类似于互联网和移动应用，是多样的、灵活的、动态的，只有这样，才能够快速、全方位满足企业经营的需要；第二，数据源平台化，为了更好的支撑上层应用，需要将海量数据通过高效的方式整合在一起，将数据源打包成一种对上层应用的服务，区别于传统的数据仓库，这种数据源服务应该具有实时快速的特点。”

此外，一旦整个项目进入真正实践应用，怎样确保数据的品质，怎样确保数据的真实性，又是另外一个挑战。

“因为大家都知道数据环境太纷繁复杂了，而且大家都知道一个非常浅显的道理，就是垃圾进来垃圾出去，如果这个数据不能去伪存真，如果这个数据不是真实的话，那么产生的这个洞察力也是偏颇的。”王晓梅说。

于志伟认为，“所以，一定要了解数据从哪里来？质量如何？意味着什么？同时通过绩效管理和在不同的行业里去分析数据产生的同时，做财务相关的分析、人力相关的分析，供应量相关的分析，比如核心银行的客户系统的分析，电信网络的分析，BSS系统的分析等。”

大数据应用的数据来源

各行业采用发展大数据业务，数据来源一般是企业内部数据和外部数据。

内部数据和外部数据哪个更重要？IBM软件集团新兴市场部大数据中心总监王晓梅认为，不应该区分哪个数据更重要，哪个不重要，“应该说哪一个业务场景哪个数据能够提供它所需要的洞察力，那么相关的数据就会重要。”

“但是根据IBM在全球已经落地的客户的项目经验来看，根据客户大数据采纳的行为过程来说，很多时候他们是基于内部可掌握的数据作为一个起点，然后逐渐地再把外部的数据归并进来，然后产生出对同一事物更全面的认识，所以说从实际的执行层面来说，往往是把内部数据作为一个起点。也有越来越多的客户把外部比如社交媒体的数据作为例证来做相关的大数据分析，外部数据能够提供内部数据不能认知的部分。”王晓梅说。

最终如何让数据产生价值？除了很好地利用各种相关的管理软件工具，“同时最重要的是要深入理解这个行业里数据对它意味着什么？当然这些数据我们需要进行有效的整合、从而把客户需要的价值和这个行业的数据特点、分析结果以及客户需要的效果进行展现。需要对客户产生的价值有效地结合在一起，这样才能真正地让数据产生价值。”中国惠普有限公司软件集团大中华区总经理于志伟认为。

未来，在IT部门和业务部门之间打破组织界限进行更为紧密的整合将成为公司制订业务策略的关键一步，王晓梅对记者强调：“在说到大数据业务的时候，有一点是我必须强调的，大数据一定是业务驱动的，而不是IT驱动的。就是业务上面，有这么一个需求，然后在企业内部，它的决策层愿意把大数据分析作为它的一个战略方向之一，那这个项目才能起步，才能往前推动。”

“有一个特别有意思的市场呈现，”王晓梅补充道，“这也是为什么近几年全球各个市场对大数据讨论的特别多的，经常是像洛杉矶时报、纽约时报、CMBC等这种主流的商业性的媒体会把大数据作为一个特定的时间来谈，而不只是专业IT媒体在谈，就是因为这是大数据特定的有业务价值驱动，它真的能够给行业带来革命性的、变更的特点所决定的。”

信息技术服务商们的角色

“大数据服务将是该公司今年最为关注的首要业务。”IBM首席执行官Ginni Rometty近日表示。

IBM软件集团新兴市场部大数据中心总监王晓梅告诉记者：“IBM在大数据方面起到的角色是多方面的。第一我们可以是大数据平台的提供商；第二个层面，IBM是一个解决方案的提供商，或者是服务的实施商这种角色出现的。其他层面，因为IBM是需要整个市场建立起生态链，在这个氛围当中，IBM一贯提倡大胸怀、大智慧的理念，所有做了很多对整个市场的推动做了大量的投资和为社会无偿服务的这么一个角色，体现在我们对很多的商业合作伙伴进行大量的投资、培训，就是希望各行各业建立起大数据的技能，而且也帮助他们建立起或者创建出基于各个行业的大数据应用或者解决方案。”

而在3月12日的IBM大数据新闻发布会上，IBM全球副总裁兼大中华区软件集团总经理胡世忠就明确表示，“IBM并非提供单一的大数据产品，而是横跨不同的部门来提供大数据能力，包括怎么充分利用IBM的产品咨询、服务软件，包括服务器、硬件，提供围绕智慧的分析洞察的端到端解决方案。”

相对于IBM对大数据产业链的整体探索，英特尔则专注于大数据应用层面。

英特尔（中国）有限公司数据中心市场部经理赵萌表示，“在大数据使用的模式里英特尔有一个自己的定位，我们的定位是针对于大数据应用来实施的，这些都是非结构性数据，所以我们并没有把商业数据库、OLTP这样的应用涵盖在内。而我们将来发力的在这部分，是从智能分析到快速I/O读取以及海量存储，这三个领域英特尔都在除硬件之外有大量软件的支持。”

在赵萌看来，英特尔在大数据的角色，从硬件和软件英特尔都有很多专长，“英特尔到底在哪个方向上是重点，我们希望创造新一代数据中心。从解决方案的角度来讲，有云计算、大数据、高性能计算、关键业务计算、微型服务器，我们提供的产品都在这里。”

而对于惠普来说，2007年惠普研究院创立了一种新的理念——地球神经中枢系统，它的概念是用一种很低成本的纳米传感器，能感觉到包括振动、声音、图像、温度、湿度等内容，利用这种东西我们能够把它搜集到的信息进行分析，之后就能够预测到很多今天预测不到的内容。

中国惠普有限公司软件集团大中华区总经理于志伟分析说，“在大数据爆炸的时代，大家谈到的半结构化数据，很多都是机器产生的数据，比如说一架波音飞机引擎上产生的数据。地球相当于一个人体，如果我们要感觉地球，人体有温度、能感觉到颜色和各个方面，地球也像有神经中枢一样，我们感觉地球在发生什么变化。这对我们至关重要吗？而这些是未来惠普关注的重点，我们希望各种类型的企业利用这样一个先进的数据存储、管理、分析以及产生行动性的结果取得最大的回报。”

物联网背后的数据价值

物联网时代，成万上亿计的网络传感器被嵌入到现实世界的各种设备中，如移动通信终端、智能电表、汽车和工业机器等。与此同时，云计算的出现为物联网所产生的海量数据提供了存储的空间，并使得实时在线处理成为可能。

近几年，IBM、微软、SAP、谷歌等IT企业不仅在全球部署了多个数据中心，还花费了150亿美元收购了专攻数据管理和分析方面的软件企业。

可以发现，当人们还在热衷于物联网和大数据概念炒作的时候，全球领先的IT企业们已经开始把注意力转向物联网背后的大数据，其潜在的价值正在被逐渐挖掘。

物联网概念再认知

物联网近几年来不光在我国发展迅速，全球范围内物联网产业都在逐步兴起，有消息指出，在大数据的推动之下，其产值或将达到14万亿美元。

目前，业界通常将物联网划分为感知、传输和应用三个层次。而我国活跃在物联网产业一线的以感知层参与主体，如传感器、标签厂商，以及传输层参与主体，如电信运营商等为主。

但事实上，物联网的应用层，尤其是其应用层中的数据处理等智能系统才是未来物联网产业的核心价值点，业界不少主体也并未对其有所重视。

对于目前的产业现状，上海嵌入式系统研究所副所长、华师大软件学院嵌入式系统系主任陈章龙认为，“物联网概念不应仅包括传感网，物联网包含四要素：数据采集、传递、处理、应用。其中数据采集与传递属于基础环节，但最关键的应是后台数据处理环节。”

中科院院士邬贺铨指出，对我国目前物联网产业发展状况，物联网更多地停留在概念上，各地一哄而起，认为物联网是个金矿，门槛低好进入。事实上，物联网产业还处于起步阶段，在国外也是。物联网产业目前可以带动一些元器件和设备的生产，但实际上物联网产业更像是服务业，间接效益远远大于直接效益。之前外界对物联网产业市场规模的估值，最高的达到上万亿元，但其实短期内还很难达到这个水平。

也就是说，未来物联网产业链，尤其是其产业规模超过千亿元后，必将是一个以“数据”驱动为主的产业。即物物相连所产生的庞大数据，经过智能化的处理、分析，将生成商业模式各异的多种应用，而这些应用正是物联网最核心的商业价值所在。

数据结构决定商业模式

如前所述，未来物联网应用层将是商业价值的主要聚集地，而其中，最被业内专家看好的是，数据处理等智能系统的商业价值。

上海嵌入式系统研究所副所长、华师大软件学院嵌入式系统系主任陈章龙教授认为，物联网产业链近七成的产值将产生于后台的数据处理环节。

因此，对于每天有海量信息产生的物联网而言，其商业模式将紧密围绕数据处理模块。

业界研究人士认为，物联网商业模式有两大特点：首先，物联网涉及多个行业，每个行业的数据有不同的结构特点，那么，据此就会产生出多个相异的商业模式；其次，数据分析是产生商业价值的基础，未来物联网产业将呈现出更加细分的数据处理公司类型，例如，有分别从事数据收集、数据分类、数据处理的专业化公司，而从事应用开发、应用集成、商业运作的公司也将随着产业链的完善而逐步分化。

以汽车行业为例，汽车是传统工业制成品，但是随着互联网以及物联网的发展，传统汽车厂商正在创造出新的盈利增长点。

据IBM软件集团新兴市场部大数据中心总监王晓梅介绍，目前全球很多的汽车制造厂商都在想同样的问题，“我们和欧洲一家汽车厂商合作的，他们在未来生产的汽车上都会安装智智能芯片，智能芯片可以捕捉各种各样的信息，比如汽车内部状况的各种信息，最后会汇总到一个数据集中地，然后进行综合的处理分析，分析汽车那个部分出现异常状况。此外，这一芯片不仅可以捕捉自身车辆内部的信息，而且还可以捕捉汽车外部环境以及其他附近车辆的信息。这对传统汽车制造来说，有两种新的商业模式产业，其一是这些数据能够提供基于客户体验的增值服务，而不是传统的只有一次性出卖车辆的收益，其二是这些数据各种各样的分析，精加工也好，深入的商业洞察也好，这些信息本身就是一个金矿，它可以把这些数据金加工以后卖给他们的下游厂商生产零部件，也可以对他们下一代产品的开发积累第一手的资料，所以这些数据可以运用到不同的途径产生出新的商业价值。”

还只是开始

从世界范围来看，物联网尚未实现足量成功的商业应用，这首先同感知层传感器布局不足相关。

但据了解，物联网商业模式首先要基于足量数据的产生，但是目前，世界各国除了日本等少数国家外，传感器的普及性铺设并未完成，不仅没有足够的物理接入点，而且还没有便捷的读头载体。

如果将物联网商业实现过程抽象为数据产生、数据收集、数据处理、决策和应用的话，传感器布局的不足将导致数据产生的不足，将从源头上阻碍物联网的商业发展。

邬贺铨院士指出，物联网产业的发展到了需要探讨商业模式的阶段，比较好的应用是结合我国的智慧城市的建设。发达国家也在搞智慧城市，但数量少，规模小。我们现在有几十个大中城市都在建设智慧城市，推进效果要优于国外。这是因为，各地政府目前高度重视社会效益，在城市安全、交通出行、安全生产、医疗健康等方面，对物联网有切实的需求，这使得物联网在这些领域发展迅速。但目前，这些领域的物联网发展，也仅仅在感知层面，即收集数据，还没有上升到分析数据的层面。从这个层面讲，我们的物联网产业，还未进入大规模应用阶段。

不过好消息是，目前国内外厂商都已经意识这一状况。

“地球相当于一个人体，如果我们要感觉地球，人体有温度、能感觉到颜色和各个方面，地球也像有神经中枢一样，我们感觉地球在发生什么变化。这对我们至关重要吗？举几个例子，桥塌了，为什么我们不可以在它塌之前知道呢？说食品被污染了，为什么我们不能在它被污染之前知道呢？”中国惠普有限公司软件集团大中华区总经理于志伟这样描绘未来人类利用物联网大数据的情形。

“现在IT圈内有名的公司都在做，大家已经共同认识到这在未来是一个重点。今天我们谈到的社交媒体、移动互联网都非常重要。这些未来也是构成大数据重要的部分。”于志伟补充说。

据惠普预测，在2030年的时候，传感器的数量会达到1兆，也就是1万亿的概念。

当然，要想让物联网健康有序的发展，肯定不能仅停留在概念上，要想真正融入人们的生活，还需要政策和市场的完善以及产品的不断创新。开发出具有划时代意义的创新产品，或许能开启一扇物联网应用的大门。

除此之外，业内人士认为，物联网未来要取得大发展，还有三大瓶颈有待突破，要解决好标准、成本、规模化应用三大问题。在标准规范环节，仍然面临缺乏统一国家标准或行业标准指引，以及标准发展滞后于应用发展的困境。RFID标准目前在全球呈“三足鼎立”局面，差别不大却各不兼容。中国虽有最大的RFID应用市场，但是还没有RFID国家标准。