大数据：互联网产品、大数据、云计算这几年真的是这么过来的

传统的互联网模式更多的是企业提供产品，用户使用产品（免费或者付费）。而大数据的互联网模式中多了闭环的另一半，用户消费的同时，也会产生价值，这个价值目前看是以数据为载体形式产生的，这些数据自下而上发挥价值，不仅为互联网企业，也为传统各行各业带来价值。举个例子，好比一个LBS应用，从产品侧看，可能是为了满足用户空间导航、商家检索的功能；而从数据价值的视角看，用户在使用应用的同时，其产生的数据里蕴含了诸如兴趣喜欢、行为习惯、地域特征等需求、模式、意向层面的信息，这些信息反过来可以辅助LBS应用开发商优化产品服务，从更大角度看，也可以将数据开放或共享给第三方生产型企业，以提高企业在产品、运营、营销等多方面的精细化决策。

为了进一步说明三者的关系，可以从概念层面做出如下概念框图：

（A）产品/服务层

最上层与用户直接接触到的是产品或服务，从传统产品模式角度看（自上而下看），单向的通过产品服务的功能或体验去满足用户的需求是核心，数据是为了支撑产品的，是副产品；而从大数据的角度看（自下而上看），产品是为数据服务的，是产生数据工具或平台，数据才是隐藏其后的核心。

在这个层面做事情，简单看有三种模式（确实很简单的看）：

i).只注重产品（如传统的互联网产品经理的做法），更多的是从用户需求出发，关注功能设计，重视用户体验，通过产品的不同侧重点结合不同时期的精细化运营手段，构建核心竞争力；

ii).只注重数据，这种模式是从价值出发，也可以理解为从数据消费方的需求出发，去采集获取数据，这些数据可以有多种来源，开放产品API、公共网页抓取、第三方数据公司购买、市场研究公司的Panel、社会公共数据、市场调研数据、数据交换平台、大众数据整合平台（众包模式）…同时也可以来自不同的终端，如手机、RFID设备、IP地址、公共摄像头…，从业者更关注的往往是数据层面的问题，比如数据质量管理、主数据管理（MDM）、数据庞杂性、个人隐私安全等等；

iii).注重产品和数据的均衡，如果说第一种模式需要的是产品经理式的leader，第二种模式需要的是大数据模式的leader，那这第三种模式则需要能均衡考虑产品、数据的leader，即可以将用户侧的用户需求与价值侧的商家需求完美的融合的人，而在运营、盈利模式层面在2B/2C层都游刃有余的人。

（B）大数据层

如果说上面产品环节更多的是在企业内部完成的，那大数据这个环节则是构建在企业与企业之间，也就是一个大数据生态链上。从当前的现状来看，全球产生的数据规模正在逐级攀升，而大数据这个生态价值链也会越来越长，最终形式如何，很难预料，但链条当中可能会有几种类型的公司存在（暂不考虑数据应用环节）：

i).Player类型

Player类型公司直接参与大数据价值链上横向的一环，比如，有之前提到的数据采集类公司（数据IT化、数据整合），有基础数据处理类公司（非数据化数据的半结构化与结构化），有数据联盟、数据市场（更高效的数据收集机制），有数据质量管理组织，有数据挖掘建模类的公司，有数据产品类公司，有BA/网站分析类公司等；

ii).平台类型

平台类型的大数据企业不直接参与链条，而是间接为Player类型的企业或个人提供服务，其中尤其是面向企业的公司，往往具有很强的技术实力。比如，分布式数据计算平台(如提供类似hadoop的解决方案)，提供通用的数据分析甚至挖掘能力或服务的企业，第三方推荐引擎（国内的如百分点科技），社会化数据采集平台（众包模式）,面向个人的公共文件(也是数据)云存储平台等；

iii).专业工具型

专业工具型的企业为Player类型的企业、平台类型的企业或个人提供IT工具软件，比如，企业内部报表工具、微博社会化展示工具、专业统计/数据挖掘工具等；

iv).咨询服务类型（或数据分析服务、数据化精准运营服务等）

上述企业都需要数学、计算、业务专家，尤其是跨多个领域的交叉型人才，这些人目前还属于稀缺资源，因此，中小企业要想将自有数据的价值发挥出来，往往需要类似咨询公司来提供整体解决方案规划、交叉人才的知识和技能、相关工具和平台，在初期，这类企业会有很多的市场机会。

上述各类公司都有自己的上下游，关系微妙，定位也大不相同，因此也产生了大量不同的商业模式（此处后续希望另起一篇进一步展开详述）。

（C）云计算层

虽然云计算理论的诞生和大数据并无直接关系，但随着互联网web2.0时代的发展，网络上用户产生的数据越来越多，且依托社会化网络化传播，数据量呈指数增长。而且，除结构化数据外，UGC数据更多的以文本、图片、音频、视频等半结构化或非结构化数据存在。这些都为数据的存储、计算提出了很高的要求。而云计算在这个环节却有着先天的优势，这就为云计算及大数据应用提供了拉手的空间。

其实，云计算是“无处不在”的，这里的“无处不在”是指在上图中的产品、大数据、数据价值应用环节都有云计算的存在。比如，在产品层面，基于开发者的PaaS层面的云计算服务提供商，可以为开发人员提供从操作系统、开发语言、数据库等一应俱全的云开发平台；再比如，像Testin这样的初创企业，可以为广大APP开发人员提供基于真机智能终端的云测试服务。在大数据层面，上面提到很多，自不必都说。在价值应用层面，虽然现在还没有发生，但可以想象，在大量原始数据、信息知识集中到云端，云计算能力也集中到云端的情况下，大数据的价值应用更有可能是以SaaS的形式提供给互联网及传统企业的需求方手中。

我们可以看到，云计算越来越脱离纯忽悠的阶段，走向真实，这个“真实”既表现在云计算服务形势在IaaS、PaaS、SaaS三个层面的落地，也表现在为个人用户、开发者用户、企业用户等多用户类型的服务上。而这些“真实”除了资源、资金的节约，效率的提高外，更表现在大数据可能带来的广泛的“逆向价值”的产生上。

如果说云计算是公路的话，那么大数据应用则相当于汽车。好的汽车可以驱动公路的发展，而好的公路又会反过来又能促进汽车的进步。

（D）价值应用层（价值再造过程）

大数据的价值应用可以通过企业内部快速实现，就像很多互联网企业做的那样，比如亚马逊，基于自有用户行为、评分数据，为用户提供视频推荐服务。也可以取之于互联网用之于互联网，比如像Google、百度，收集互联网数据，提供搜索产品，进而在互联网行业内通过搜索广告将数据价值化；再比如，互联网广告定向投放第三方公司，基于多个媒体端的监测数据及其它开放数据，基于不同人群投放不同的定向广告，基于数据价值，有效提升CTR，进而为广告主在网络媒体端提高ROI。

但大数据更多的价值空间并不仅仅局限于互联网行业，在市政规划、金融证券、电信、医疗卫生、保险、电力、传统制造业等等均可以有多种应用方向。应用方向可以包括客户洞察、客户服务、风险控制、交叉销售等不同方向。

大数据价值的实现难点，首先在于价值需求的挖掘，如何从行业内外发现需求（不论是企业客户需求，还是最终个人需求）。其次则要考虑数据价值的实现模式，尤其是数据产品应用模式。就像Google，最先创造了搜索的产品应用模式，随着竞争的加剧，公司需要不断扩充新的数据，不断提高公司的技术核心竞争力，探索一个个新的数据产品应用模式。并且，在上面两个难点中，都需要融合不断更新的数据，新的社会学理论，去思考问题，不断从企业出发，以新的视角去看待业务问题，看待市场、社会、人、人性。这个是难中之难。