大数据商业模式的现状与挑战

2015-02-14何廷润

移动通信 2015年13期

何廷润

（国家无线电频谱管理研究所，陕西西安 710061）

1 引言

当前，以百度、阿里、腾讯为代表的互联网服务企业的崛起，使我国大数据业务及相应的商业模式处于全球相对领先的地位。但是随着我国“互联网+”战略的深入，尤其是以“中国制造2025”为代表的智能制造的推进，使大数据业务及相应的商业模式面临全新的挑战。探讨大数据商业模式的变迁路径，直面新挑战任务紧迫。

2 大数据的时代价值

经检索探源，至今大数据仍然缺乏权威的统一定义，但业界普遍认为大数据是指为决策提供服务的大数据集、大数据技术和大数据应用的总称。近日国务院总理李克强明确提出，数据是基础性资源，也是重要生产力。大数据与云计算、物联网等新技术相结合，正在迅疾并将日益深刻地改变人们生产生活方式。因此，大数据的时代价值体现在以下一些方面。

大数据本身具有产业价值。2014年全球大数据技术及服务市场年复合增长率将达31.7%，2016年收入将达238亿美元。根据中国信息通信研究院发布的《中国大数据发展调查报告（2015年）》显示，2014年我国大数据市场规模为84亿元，同比增长38%，预计2015年将接近116亿元。但是，与2014年中国信息产业规模15万亿元相比，大数据市场不但很小，而且在市场结构上软件占比高，服务占比低，处在非常初级的阶段。另外，我国数据资源总量不足，大部分企业在50TB～500TB之间，企业应用的大数据中结构化数据占74%，网页数据占比超过50%。

大数据给国民经济、社会发展和国家安全带来很多间接价值，由其构成的新的“数据空间”成为继陆权、海权、空权、制天权之后另一个国家主权中不可分割的组成部分。因此，美国早在2012年3月就将“大数据”上升为国家战略，甚至将大数据定义为“未来的新石油”，并表示一个国家拥有数据的规模、活性及解释运用能力将成为综合国力的重要组成部分。未来对数据的占有和控制甚至成为陆权、海权、空权之外国家的另外一个核心资产。

大数据已经在不同程度上渗透到各个行业和部门。在宏观层面，大数据使经济决策部门可以更敏锐地把握经济走向，制定并实施科学的经济政策。麦肯锡研究表明，在医疗、零售和制造业，大数据可以每年提高0.5～1个百分点的劳动生产率。在微观层面，大数据可以提高企业经营决策水平和效率，推动创新，给企业、行业领域带来巨大价值。

大数据的价值也体现在促进大数据资源开放与流通环节中。建立大交易数据市场，促进数据商业化流通交易，实现数据的交换与共享，促进数据资源的有效流通与增值。有研究表明，智能制造产业链近七成的产值将产生于后台数据处理环节中。

大数据的价值还体现在对多种数据源的集成与融合。因为任何一种数据源都有其局限性与片面性，只有将不同来源的原始数据进行融合与集成，才能反映事物的本质和规律。

3 大数据商业模式的变迁与局限

回顾大数据产业发展历程，其商业模式经历了2个发展阶段。第一阶段可称为自我服务阶段，例如百度、阿里、腾讯等互联网骨干企业建立了全球最大规模的大数据平台，但其大数据应用的主要目标，是通过对用户信息的大数据分析以提升公司本身的精准营销和个性化广告推介能力和水平。

以百度为例，其最初的商业模式仅限于用户的网页搜索，并以搭载商业广告作为主要收入来源。至今百度己成为人们获取信息的最主要入口，平均每天响应来自138个国家和地区的数十亿搜索请求，覆盖了95%以上的中国网民。为此，百度建立了庞大先进的数据库和数据分析处理平台。进而，百度将内外数据进行融合和分析推出了百度指数、贴吧以及百度统计，从而使百度发展成为以大数据驱动的网络营销服务机构。但是，百度指数、百度统计等仍是对数据挖掘的初级应用，与Google相比，百度在社交数据、实时数据的收集和由数据流通到数据挖掘转换方面尚存在较大差距。阿里的淘宝和支付宝，历经12年的发展成为拥有交易数据和信用数据的大数据公司，但在相当长的时间内，阿里仅将交易数据和信用数据作为公司内部运营的支撑。腾讯拥有用户关系数据和社交数据，其产品生产及运营、游戏的崛起离不开对上述数据的分析与整合，但仅限于利用大数据挖掘改进自己的产品。国内电信运营商也是大数据的拥有者，但其数据来源主要来自企业内部并为企业内部运营服务，如支持客户流失分析、网络优化以及市场营销分析等，对外部的大数据应用模式尚未成型。

大数据的第二阶段商业模式为扩展服务模式。2010年，百度开发了智能交互技术，包括智能语音、图像识别等，以实现用户通过搜索引擎直接获取答案、连接服务。目前，己建成涵盖近20个领域、几十种类别、上亿实体量的庞大知识数据库，并应用于20多个产品线中。在旅游、高考预测、人群疾病分布关联分析、IT企业智能化运维以及社会突发安全事故大数据分析等领域得到应用，标志着百度大数据商业模式演进为实现社会实体间数据服务阶段。阿里也提出了“数据、金融和平台”战略，重视对数据的收集、挖掘和共享。例如，阿里巴巴和淘宝天猫都提供大量的数据，经过数据整合分析形成商业趋势报告；蚂蚁金服也提供包括贷款、信用等各种数据。除此之外，阿里还通过投资等方式掌握了部分如微博和高德等社交数据、移动数据，并尝试在新领域中提供大数据服务。腾讯准备寻求更深层次驱动大数据利用的产品，利用己有的社交及关系数据挖掘出政治、社会、文化、商业、健康等领域的信息，分析人们的生活和行为甚至预测未来，并为第三方应用。电信运营商在规划和搭建大数据平台的基础上，形成对外的数据产品和服务，如数据产品开发、数字广告合作、开放行业报告等，构建社会数据共享能力。

在推动大数据的第二阶段商业模式中，新兴的创业公司走在大互联网公司和电信运营商的前面，将大数据商品化，出售数据和服务，更有针对性地为客户提供单独的解决方案，受到大数据市场的晴睐。例如，以网宿和蓝汛为代表的专业第三方CDN（内容分发）服务商，主要面向大型互联网公司、中大型企业以及政府机构等中大型客户，提供按需定制的CDN服务，并占有目前CDN服务市场的绝大部分份额。2013年上市财报显示，网宿和蓝汛的营收占比总和达到84%，其中网宿为44%，蓝汛为40%，成为大数据商业服务中不可忽视的力量。

由上可见，第一代大数据商业模式是互联网企业从实体到数据，即将线下的东西数字化后搬到互联网上，但形成的大数据仅为公司的业务和经营服务，没有形成广泛的社会效应。大数据演进至第二代的商业模式是互联网企业完成从数据到信息与知识的升级，即互联网企业进行数据聚合、整理并结构化后成为检索信息，进而采用人工智能和机器学习技术，实现从信息到知识的演进，如精准营销、搜索引擎、社交关系等，为其他企业和用户所应用并产生了新的社会价值。

但是，当前大数据的商业模式无论是对于互联网企业、电信运营商，还是新兴的创业公司而言，其数据的生成、汇聚、分析、挖掘直到应用都没有离开互联网领域。未来，进入工业互联网时代，数据从生成到应用必然要离开互联网环境而进入物理环境。因此，工业互联网时代是物理世界与数字世界融合的全新时代，必然对已有大数据商业模式带来巨大冲击。

4 工业互联网时代大数据商业模式的新挑战

在工业互联网中，大数据应用特征与商业模式的挑战表现为：

（1）大数据应用标的物变化的挑战。至今为止，在大数据商业模式的所有变化与演进中，都是组织、交易、流通与服务的变革与升级，并未涉及与影响标的物的物理特性与物理形态的变化。智能制造的核心是信息物理系统（CPS，Cyber-Physical Systems），通过传感网紧密连接现实世界，将网络空间的高级计算能力有效运用于现实世界中。在生产制造过程中，与设计、开发、生产有关的所有数据将通过传感器采集并进行分析，形成可自律操作的智能生产系统；智能服务将智能产品与状态感知、大数据处理等技术结合，改变了产品的现有销售和使用的模式。

由此可见，在智能制造中大数据支撑着产品创意—设计—生产—消费—服务各环节，并且将影响和改变产品的物理特性与物理形态，其影响范围、影响能力和影响形态大大区别于己有的仅限于互联网环境的商业模式。

（2）大数据复杂度引发的挑战。在智能制造中，生产模式转换为柔性动态组织模式，生产设备按照指令智能操作，产品形态变得更加丰富，消费形态满足了人们提出的个性化需求。因此，智能制造将激发许多新的挑战，如成百上千万个运行参数按照不同频率发送，瞬时密度可能达到每秒10万条记录，甚至更高；成千上万台设备持续几年到几十年的使用和维修数据非常庞大，现行关系型数据库难以承受；高价值数据数量少，且隐藏在大量的低价值数据中，数据挖掘难度大；大数据涉及到众多专业知识，需要集成各种专业分析工具才能实现有效的挖掘；数据反馈过程的控制和权限管理极为复杂等。因此必然需要对大数据的运行效率提出严苛要求，还要综合平衡度量系统吞吐率、并行处理能力、计算精度与作业能耗等多种效能因素。

同时，工业互联网是一个复杂的巨系统。我国拥有39个工业大类，191个中类，525个小类，是全世界唯一拥有联合国产业分类中全部工业门类的国家，从而形成了一个行业齐全的工业体系。而每个工业大、中、小分类对大数据的应用都有其自身的特殊要求。因此，智能制造需要对复杂事件的对象所涉及的行为和状况、时间、地点和起因等关键要素，具有及时、全面、精准的了解，并随着事件的演化对其要素的动态性可以及时地捕获和感知。因此，智能制造面临数据关联耦合关系极为复杂，更面临跨行业、跨领域的大数据带来的挑战。

（3）建设大数据平台成本的挑战。对于不同的工业企业而言，都面临着大数据成本和时间效应问题。目前，全国各地都在建设大数据中心，成本很高。以光大银行大数据中心为例，其一次性建设成本高达2.3亿元，每年运行维护成本约4 900万元。阿里云数据中心项目在河北张家口建设，项目总投资约180亿元。中国移动在郑州规划建设大型数据中心，投资45亿元。而且大数据中心的建设是一项周密的系统工程，不仅在建设期需要投入大量的人力、物力和财力，而且在建成后还要持续投入大量的运营管理资金和人员。一项调查显示，面对大数据浪潮，我国60%的企业选择自建，37%的企业拟通过云服务的方式建设。而我国2013年企业建设数据中心投资规模调查显示，有40%以上的企业投资规模在1 000万元以上，另有20%以上的企业投资规模在500万元以上，而这些数据中心是为企业本身管理与运营服务的，并不完全具备大数据分析与挖掘功能。

（4）大数据服务开放前景的挑战。在智能制造中，涉及多个行业，每个行业的数据有不同的结构特点，需要多领域的关联/推荐、预测并快速获取价值；也需要反映数据在杂交、关联、分析、预测后在产品与市场中的价值。未来智能制造将呈现出更加细分的数据处理公司类型，因此必须建立不同层次、类别的数据开放、交换及交易的商业规则与模式。

但令人遗憾的是，近日马云称：“阿里对数据以前是开放的，现在决定原则上不开放。”其原因是“我们认为在当前外部大环境无法完全保障数据安全、数据隐私的情况下，决定只审慎地开放给战略合作伙伴。”这无疑是对需要大量消费者数据、小企业数据、金融数据、物流数据的智能制造企业的“当头棒喝”。调查显示，当前我国有三分之一的企业使用很多从外部购买的数据和互联网平台数据，有38.7%的企业使用互联网平台数据。因此，应尽快建立大数据的交易规则，并逐步形成不同等级的交易平台/市场。