大数据背景下信息服务业的商业模式分析

张晨然

[摘 要] 近年来，在国家地方政策和大数据相关技术（数据采集、云计算、数据挖掘等）的推动下，信息服务业的业态和增速出现了质的变化，信息服务业的产业链流程也出现了潜移默化的调整。文章分析大数据对信息服务业产业链各环节产生的作用，并在国内外相关企业案例的基础上，归纳出大数据背景下信息服务业产业分工各环节的商业模式变迁，为相关企业调整战略、适应新形势发展，提出大数据背景下信息服务业的商业模式建议。

[关键词] 信息服务业；大数据；商业模式；产业链；盈利模式

[DOI] 10.13939/j.cnki.zgsc.2016.28.149

1 大数据推动信息服务业发展

2016年是实施国民经济和社会发展第十三个五年规划的开局之年，也是信息技术服务业融合创新、转型发展的关键之年，而大数据在信息服务业转型发展中所扮演的角色越来越关键。

1.1 大数据产业政策接连出台，推动信息服务业提档增速

国家政策大力支持信息服务业特别是大数据产业的发展。2015年，国务院发布了《关于促进云计算创新发展培育信息产业新业态的意见》《促进大数据发展行动纲要》，明确提出了大数据发展的重点方向和路径。工业和信息化部发布《云计算综合标准化体系建设指南》，促进信息服务业朝标准化、体系化快速迈进。同年5月，国务院印发《关于大力发展电子商务加快培育经济新动力的意见》，从大数据的应用角度提出积极利用移动互联网、地理位置服务、大数据等信息技术提升流通效率和服务质量，深化信息技术在生产制造各环节的应用。

在国家政策的引导下，各地方政府加快出台相应政策措施，加大对云计算、大数据服务的扶持力度。2014年贵阳市成立贵阳大数据交易所和国家级大数据产业发展集聚区，吸纳51支创客团队、360多家大数据及关联企业，带动贵州省2015年大数据电子信息产业规模总量达到2000亿元、增长37%。2013年，武汉高科集团与国家信息中心合作在光谷联合打造国家级大数据产业基地。2015年武汉东湖大数据交易中心网上平台上线。

1.2 大数据相关业务增速超过信息服务业整体增速

2015年我国信息技术服务产业规模保持较快增长，基于移动互联网、物联网、云计算、大数据的新业态、新业务、新服务快速发展，带动产业链向高端不断延伸。2015年全年，信息服务实现收入22123亿元，同比增长18.4%，增速较传统软件产品和嵌入式系统软件分别高出2和6.2个百分点。

2015年中国软件业务收入前百家企业中出现了以阿里云、京东为代表的新兴技术服务企业，这些企业大力培育和发展云计算、大数据服务，快速向产业高端环节延伸拓展。以阿里云为例，2015年全年实现营收23.41亿元，季度平均增速达到28.33%，远远高于信息服务业整体增速。

1.3 大数据必将带动未来信息服务业升级发展

大数据是指那些数据量规模巨大到无法通过人工或者计算机，在合理时间内截取、管理、处理、并整理成为人类所能解读的形式的信息。经过特殊技术处理后，这些数据可以提供以前信息服务业无法提供的关键信息，例如判断商业趋势、判定质量、避免疾病扩散、打击犯罪或测定即时交通路况等。

第一，对大数据的处理分析正成为新一代信息技术融合应用的关键节点。移动互联网、物联网、社交网络、电子商务不断产生数据。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值。

第二，大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。为大数据产业提供存储、处理等芯片硬件与集成设备，特别是一体化数据存储处理服务器、内存计算等行业领域将迎来新一轮的发展。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。

第三，大数据利用将成为提高核心竞争力的关键因素。各行各业的决策正在从“业务驱动” 转变“数据驱动”。对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对；可以为商家制定更加精准有效的营销策略提供决策支持；可以帮助企业为消费者提供更加及时和个性化的服务；在公共事业领域，大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用。

第四，大数据时代科学研究的方法手段将发生重大改变。例如，抽样调查是社会科学的基本研究方法。在大数据时代，可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。

2 大数据信息流程各节点的典型企业和运营模式

大数据不仅为信息服务业注入新的发展动力，还将为信息服务业带来深刻的变革。“深刻”二字除了表现在技术的突破外，还表现在以下两个方面。一方面，原有的流程分工已经不能适应大数据背景下的信息服务业发展，传统信息服务业的某些技能和企业会贬值乃至消失；另一方面，而更多新的岗位和企业将崛起，参与和改变原有信息服务业的产业分工。从在大数据的背景下看信息的运行流程。如下图所示。

大数据背景下的信息服务业产业分工流程

大数据技术出现之前，信息服务业有着成熟的盈利模式和商业模式。随着大数据的发展，这些企业会根据行业分工的变化，对自己的运营模式进行细微的调整。下面按照信息的处理流程为顺序，分别介绍每个环节上的典型企业的运营模式。

2.1 局部信息搜集环节

某些特定领域的信息价值比较富集，往往需要传统信息搜集的企业提供信息搜集的技术服务。但不同于传统的IT技术服务模式，大数据的发展为这种服务模式带来潜移默化的改进。

考虑到今后大数据的运营收益，这个环节的新兴企业往往主动降低报价甚至完全免费提供服务；而业主往往同意在不改变数据所有权的前提下，让这些企业拥有数据的独家开发利用权力。例如目前政府的一些信息化惠民项目，以及前段时间非常火爆的迈外迪、树熊网络等提供免费Wi-Fi的O2O概念企业。

值得注意的是，信息搜集不直接创造价值，信息搜集必须通过其他环节的参与配合创造价值。在未来盈利不明朗的情况下，这种商业模式的报价不能太低。

2.2 众包信息搜集环节

众包是指一个企业把要完成的工作，交给外部非特定的大众完成。这个环节的企业，在用户有强烈参与意愿和低成本搜集条件的前提下，多采用UGC（User Generate Content）的商业模式。例如用户在使用百度地图导航服务的同时，不知不觉地无偿提供了自己的机动车的速度和位置信息。这些信息成为了这类企业提供更精准的交通信息的基础数据。类似的企业还有迅雷下载、51信用卡管家、支付宝线下收单业务等。

众包环节的商业模式应当注意，以下两点。第一，“普通大众”的参与意愿。只有让用户在无意识中低成本的完成众包任务，才能实现“我为人人，人人为我”的商业模式。第二，众包环节的信息搜集成本应当足够低。低成本是来源于模式创新，而不是成本的节约；模式创新换来的低成本，为某些企业的补贴行为提供成本空间。

值得关注的是，众包环节的大部分企业，目前都在贴成本做大数据规模，几乎都没有实现盈利。

2.3 信息预处理和整理环节

大数据背景下，信息服务业所承载的信息量激增，增量往往是尚未结构化的数据。而信息预处理和整理环节企业需要做的，就是将这些数据整理成结构化的可视数据。

信息的预处理和整理一般由程序完成，程序的特点是一旦研发完成投产，边际成本几乎为零。因此该环节的企业选择商业模式的时候，几乎无一例外地采取边际成本模式。即一开始就投入资金进行软件开发，投产后通过快速发展客户摊薄研发成本，确立竞争优势。占领一定市场份额后，这类型的企业往往通过免费加增值的盈利模式获得收益。

美国的Salesforce公司就是一家基于云计算的SaaS销售支撑服务和数据处理服务商的综合体。它一方面通过服务为用户积累了大量进货、销售、库存、客户关系、产品管理等基础数据；另一方面打通这些孤立数据的关联，提供可视化的数据报表分析、趋势判断、销售机会提醒等服务。Salesforce凭借销售SaaS和数据处理服务，市值已经逼近500亿美元。

阿里巴巴的“友盟+”也是类似的一家从事全数据服务的企业，它所服务的领域是移动互联网。“友盟+”目前覆盖9亿的用户，每天搜集的数据多达数百亿条。企业的任务就是用模块化的程序组件把信息量极低的数据串联起来成为结构化数据，降低了存储空间，提升了信息的价值密度。

国内还有一些中小科技型企业为客户进行定制化、私有化的开发部署，把不同系统的数据进行合并成全局数据视图。该类型企业通过提供IT技术服务获得服务报酬，边际成本不为零，其商业模式和盈利模式比较传统。

2.4 信息交易整合环节

信息的所有者拥有信息但并不具备开发利用的意愿和能力，信息的需求者具备开发利用的能力和意愿，但是缺乏必要的数据。例如，电商企业需要用户的上网行为数据，农业企业需要气象部门的预报数据，金融企业需要税务工商司法的征信数据。这个矛盾在信息膨胀之前并不明显，但随着大数据的来临，需要交换和整合的数据规模，大到足以滋生出一个数据交易和整合的市场。

数据交易的市场往往以电子化交易平台的形式出现。例如北京星图数据公司的大数据开放平台“蜂巢（DataComb）”不仅开放了北京星图的自有大数据，还能兼容第三方数据源和数据开发者。平台将数据明码标价，交易形态丰富，旨在拉拢撮合信息的供求双方，打造一个开放的数据集市。盈利模式上，企业自身作为信息交易的撮合者，一般按照交易金额的百分比抽取佣金，采用的是变相税收的盈利模式。

这个环节的企业在运营的时候，应当注意：

第一，信息交易的隐私保护和数据清洗。政府和其他信息拥有者希望市场走向开放，但有在很大程度上对自己的信息持保留态度，应当从交易整合的规则、规范上打消信息拥有者的顾虑，才能开启一个开放自由的市场环境。

第二，积极营造黑洞效应。交易涉及供需双方，交易市场是一个典型的双边市场。初期应当零成本甚至贴成本的手段，使交易标的物快速的丰富起来；到了一定阶段，平台上待交易的信息会越来越多，运营的成本会越来越低；最后，数据富集到一定程度，会像黑洞一样，吸引着其他数据聚拢，形成黑洞效应。

2.5 数据分析挖掘环节

数据的分析和处理，是大数据产业最具特色的一个环节。此环节的企业提供服务的形式有两种：一种是提供数据处理工具；另一种是直接帮用户处理数据。他们往往利用软件的边际成本递减特性，快速推广客户摊低成本，实现盈利。

例如国内的华院数据、天津天才博通科技、神舟通用、杭州合众信息等，他们提供定制化的分析挖掘工具，为客户安装部署后，客户就可以对数据进行分析和挖掘。由于这类企业的边际服务成本不为零，只能通过技术服务盈利，商业模式和盈利模式比较传统。

值得关注的是近期开源的两大人工智能工具：Google的人工智能开放平台TensorFlow和Facebook的人工智能工具Torch。他们采用免费加增值的商业模式。在完善的知识产权保护制度下，他们一方面开放技术扩大市场份额，促使产品迭代升级；另一方面充分利用GNU协议约束实现企业盈利。这种模式有时称为“开源模式”。

2.6 管理发布环节

具有利用价值的信息，都需要经过管理发布环节，提供给需求方换取价值。对于数据成果变现容易的企业，他们可以直接销售数据结果，获得收益。例如，美国的Climate Corporation（后以10亿美元价格被孟山都收购），把天气数据直接销售给农业企业用于预测灾害发生概率和农业产量，进而还能向农户销售保险。

但对于大部分的大数据企业而言，信息资源直接变现比较困难，它们往往采取两种商业模式进行变现：数据整合模式和占领入口模式。

2.6.1 数据整合模式

采用平台化资源整合商业模式的企业，将自身定位为数据的整合者。它们一方面积极从企业或政府（以购买或者分成或者以项目建设形式）搜集扩充大量自有数据；另一方面扩大社会合作，从社会的企事业单位吸纳大量的数据信息，这些数据经过整合后成为有价值的交易标的物，例如经过清洗经济交通规划数据和统计报告。此环节的企业通过把控数据发布和交易过程（现金流、信息流、用户资料等），获得话语权和分红权。典型的企业包括贵阳大数据交易所、武汉东湖大数据交易中心、华中大数据交易所、九次方、数据堂等。

以国资背景的贵阳大数据交易所为例，截至2015年底，贵阳大数据交易所已经整合了100多家大数据公司的数据，整合数据总量超过10PB。截至2015年底，贵阳大数据交易所交易额突破6000万元，所整合的数据门类包括涉及国计民生的35个门类。以民间资本背景的九次方为例，九次方分别与腾讯、汤森路透的合作提供企业征信查询和图表查询，每次的收入五五分成。

值得关注的是，此环节的服务形式有所创新。信息发布形式不仅是直接下载数据或报告，也可以采用API接口的方式，让企业按需调用、按需付费。这意味着信息的需求方，信息获取的门槛大幅降低而且确保了数据实时性。

这类企业的盈利模式一般采用变相税收模式，即将收入分配给提供整合数据的合作方，自己保留一部分佣金。

值得注意的是，国有企业往往借助政策扶持，定位为平台化的数据整合者，从管理发布环节进入大数据信息服务业。

2.6.2 占领入口模式

与实力雄厚的国资背景企业不同，民营企业进入管理发布环节的时候，往往找准一个垂直领域，采用占领入口的商业模式。他们在某个垂直领域做到行业第一，然后深入发掘该领域数据的商业价值，或者通过广告换取收入。

例如提供航班交通信息查询的“航旅纵横”和“飞常准”等App运营企业。他们调用民航航班数据，为大家预测准点率，结合乘机人数据，为大家办理值机等。类似的还有提供浅信用查询服务的 “企查查”和“企+”等App运营企业。

这类企业的盈利模式一般采用“零和”的广告盈利模式，即通过提供免费低价服务吸引大量用户，在用户使用服务的时候插入广告，换取收益。广告的多少和用户体验的好坏，形成一对零和博弈。

2.7 跨界应用环节

信息是中性的，信息不创造价值。但基于正确的信息进行资源的优化配置，相比起靠感觉和经验做出的资源配置，能降低错误决策的成本浪费，从而创造价值。在大数据的背景下，越来越多行业企业意识到，应当从靠经验驱动的决策模式，转变为靠数据驱动的决策模式。随着决策模式的转变，越来越多信息服务业的企业从而也获得了跨界经营的话语权。他们凭借手上的关键信息，参与其他行业的利润分成。他们一般采用的商业模式为产业链渗透模式。以向精准营销界跨界的TalkingData为例，TalkingData后台能根据用户的游戏行为数据判断用户的特征属性，但TalkingData不直接销售报告或数据，而是主动寻求与招商银行合作，开展跨界营销活动。跨界营销为招商银行节约了营销成本，而招商银行也愿意支付给TalkingData一定的营销费用，双方互惠共赢。

以向金融领域跨界的美国Zestfinance公司和中国同盾公司为例，它拥有传统银行的信贷数据（如账户数、信贷历史、违约数、流水）及其他结构化的数据（如交租情况、搬家次数等），在关联了贷款人的身份信息与线上行为后，可为银行和典当行提供量化的信用风险分析。

以向安全领域跨界的Palantir公司为例，Palantir帮助CIA、FBI等情报机构处理成千上万个数据库，快速找出与恐怖袭击、疾病灾害等有关的潜在威胁。很多银行和对冲基金客户，也找Palantir帮助预测欺诈行为。

更多可供大数据进行跨界渗透的领域还有医疗、交通、金融、电子商务、零售、通信、政府公共服务等。

3 结 论

借助国家地方政策的推动，随着大数据、物联网、云计算、机器学习等技术的发展，信息服务业正在经历前所未有的升级转型和流程再造。在新的产业链上，寻找与企业基础相匹配的转型切入点，设计与企业优势相匹配的商业模式，才能在大数据背景下的新一轮信息服务业竞争中赢得一席之地。

参考文献：

[1]菲利普·科特勒.营销管理[M].10版.梅汝和，梅清豪，周安住，译.北京：中国人民大学出版社，2001.

[2]吴德进.福建省电子信息产业转型升级的路径和对策[J].福建论坛：人文社会科学版，2013（1）：137-142.

[3]陈建龙，王建冬.我国地方信息服务业发展的经济环境和发展阶段分析[J].图书情报工作，2010，54（4）：38-40，65.