• <dl id="fyxn1"><ins id="fyxn1"><nobr id="fyxn1"></nobr></ins></dl>

            1. <dl id="fyxn1"><font id="fyxn1"><td id="fyxn1"></td></font></dl>
            2. <input id="fyxn1"></input>

            3. <output id="fyxn1"><font id="fyxn1"><nobr id="fyxn1"></nobr></font></output>

              為何我國大數據市場規模不敵小龍蝦?

              作者:中國信息通信研究院 馮橙 責任編輯:甄清嵐 2018.10.23 08:38 來源:通信世界全媒體

              通信世界網消息(CWW)今年以來,根據中國信息通信研究院《中國大數據發展調查報告2018》數據顯示,2017年我國大數據市場規模為236億元(該統計口徑是大數據核心產業,包括大數據軟件、硬件和服務的直接產值,不包括附加值)。而同年,我國小龍蝦產業連年快速增長,市場規模超千億元。為何,作為信息時代核心資源、未來戰略高地的大數據產業,在經歷幾年的資本流入和產業發展之后,市場規模到頭來還遠比不上如此接地氣的小龍蝦產業?

              Hype曲線透析大數據發展路線

              為了客觀看待這個問題,我們需要認識、了解新興技術發展的Hype曲線。這是由Garnter公司公布的技術成熟度曲線,描述的是新技術、新概念在媒體上曝光度隨時間的變化。圖1是2016年Gartner公布的Hype曲線。任何新技術的出現,都會經歷五大周期:一是炒作期;二是隨著資本媒體的關注,達到一個期望峰值;三是新技術會遇到各種各樣的現實問題,往往現實不如期望般美好,因此會有一個泡沫破滅的下滑期;四是產業開始腳踏實地解決一個個實際問題,慢慢推動新技術的應用和發展,從而進入穩步爬升期;五是隨著關鍵短板的解決,技術會進入實質性的規模商用期,真正實現其價值。

              1540255095496075804.jpg

              圖1 Gartner Hype曲線

              如圖1藍色方框是大數據,經過前兩年的炒作,大數據產業開始發現并面臨一個個現實問題,只有解決了這些問題,才能真正推動大數據產業進步。值得注意的是,這個Hype曲線是Gartner2016年公布的,2017年Hype曲線并沒有大數據產業,因為Gartner覺得大數據并非是新興技術。因此現在2018年,大數據產業的實際位置應該相比上圖再稍微下移一些。

              需突破3個發展瓶頸

              問題來了,既然大數據產業,現在面臨不那么美好的泡沫破滅期,那么未來我們究竟要解決哪些瓶頸和桎梏,才能推動其真正步入穩步爬升期,體現出應有的價值?筆者認為主要有以下3個方面的問題亟待解決。

              第一要解決不會”的問題。大數據如果要作為產品和服務變現,那么首先需要建立起數據資產的概念,把企業積累的數據當做資產去經營。“不會”用數據分為3個層次。第一個層次是壓根沒有建立起數據資產概念的問題。目前我國三大產業90多個行業中,除了少數行業如金融、電信、互聯網等行業的大數據探索起步較早之外,絕大部分行業對大數據技術認識不足,到底什么是大數據?該采集哪些數據?采集之后怎么用,能帶來什么效益?絕大部分行業在這一層次的認識較為匱乏。第二個層次是有了大數據的意識,但是存在數據整合的問題。由于一個企業內部分為很多事業部,每個事業部又有多條生產線,除了生產數據,還有管理系統數據、營銷數據、維修數據、客戶數據等。多種內部的數據互相割裂,難以融合使用。第三個層次是數據實現了初步整合,但是沒有統一的數據標準,數據質量難以管控的問題。同樣的數據,在不同線條、不同事業部、不同部門間有不同的表征方式,對于主數據、元數據的管理極不規范,導致雖然能初步形成數據礦產,但是卻是鐵礦、銅礦,價值不高。

              一言蔽之,“不會”是數據源企業內部的問題,要解決這個問題,亟待建立數據資產的概念,用科學的數據資產、科學的管理方法,把數據源形成可用的狀態。

              第二要解決不敢的問題。解決了數據源的原材料問題,接下來是數據流通的問題。根據《中國大數據發展調查報告2018》,企業運用大數據最多的領域,仍然是營銷分析、客戶分析和內部運營管理三大塊(如圖2)。這3塊仍然是偏向內部應用。而企業使用的大數據的來源,主要是來自自身生產數據、用戶數據、內部經營管理數據,使用的外部數據占比較小,整個大數據仍然處于“男耕女織”的相對封閉時代,其最根本的阻礙是數據的安全合規流通(如圖3)。雖然我國已出臺了大數據相關法律法規,但仍然存在很多空白地帶,即灰色地帶。在這些灰色地帶,很多企業開始了嘗試,但是這些嘗試到底是合法還是非法,目前沒有定論。

              1540255224359087473.png

              圖2  企業大數據應用場景

              1540255247605097307.png

              圖3  企業使用數據來源

              數據流通我國存在兩極分化的現象。一方面,數據流通的“汽化狀態”,即數據如空氣般快速流通。但這樣勢必會忽視掉一些數據安全問題、數據泄漏問題、數據權屬問題。例如前段時間山東的“30億條”,就是有不法公司非法獲取運營商數據開展營銷、加粉等牟利。另一方面,是數據流通的“固化”狀態,即數據根本不流通。我們也同樣看到,一些手握優質數據資源大型企業,為了規避風險,一刀切、不流通,這樣也同樣不適應行業的發展。

              為了解決這些問題,不能一味訴求于法律,因為法律不可能涉及到諸多場景細節;不能一味訴求于政府,因為行政資源是稀缺的,不可能兼顧方方面面。最靠譜的方法就是行業推動來解決,通過先選取某些場景進行試點,再推廣開來,大家通過標準形成共識,一步一步解決這個世紀難題。

              第三要解決不清的問題。前兩個問題中,第一個是數據源自身的問題,第二個是流通中的問題,那么第三個問題便是與數據使用方相關的問題。目前,存在著很多“不清”:權屬不清、估值不清、存證不清等。大數據與普通商品和服務不一樣,A方賣給B方后,A方的使命就結束了,而大數據不是,大數據在經過層層流轉之后,還保留著最初的印記,而A方與B方還有諸多“不清”需要解決。

              首先是估值不清。當前在我國大數據產業,整體的商業模式大致可以分為3種,賣資源的、賣工具平臺的、賣解決方案的(此處暫不討論提供基礎設施的)。對于后兩種,有明確的商業模式和市場已有的參考。可是對于賣數據資源的,類似于一種無形資產,尚沒有統一、達成共識的價值評估方法。這樣就會形成不同的定價方式,高低價不均衡。

              其次是權屬不清。用戶的個人數據,經過服務廠商采集、處理之后,權屬到底屬于誰?A方的數據流轉到B方后,數據是屬于A還是屬于B?A方的數據通過B方加工之后,A方是否還對數據擁有主權?這些都是亟待解決的問題。今年8月份,杭州互聯網法院宣判了我國首例大數據產品不正當競爭案,在這個案件中,由淘寶在收集巨量原始數據基礎上,以特定的算法深度分析過濾、提煉整合并經匿名化脫敏處理后形成的數據產品,其權屬是被肯定的,也給后續大數據相關糾紛提供了法律依據。

              最后是存證不清。在大數據交易中,尤其是數據的多級交易中,數據授權、數據交易記錄等極為重要,這些能對數據濫用、數據泄露產生約束,從而規范整個行業的行為。目前行業中已經出現了一些授權篡改、造假、偽造的情況,這會導致用戶信息的泄露。針對這個問題,行業已經出現用區塊鏈的方式,進行大數據的存證記錄,后續有待進一步落地深化。

              盡管如此,但我們相信,在大數據這幾年“緊日子”的前途仍是光明的。當產業齊心協力,共同推動上述難點一步步解決,大數據應有的價值便會充分釋放,熠熠生輝。

              來源:通信世界雜志10月25日,第28期

              發表評論請先登錄
              ...
              CWW視點
              暫無內容
              重庆时时彩走势软件
            4. <dl id="fyxn1"><ins id="fyxn1"><nobr id="fyxn1"></nobr></ins></dl>

                      1. <dl id="fyxn1"><font id="fyxn1"><td id="fyxn1"></td></font></dl>
                      2. <input id="fyxn1"></input>

                      3. <output id="fyxn1"><font id="fyxn1"><nobr id="fyxn1"></nobr></font></output>

                      4. <dl id="fyxn1"><ins id="fyxn1"><nobr id="fyxn1"></nobr></ins></dl>

                                1. <dl id="fyxn1"><font id="fyxn1"><td id="fyxn1"></td></font></dl>
                                2. <input id="fyxn1"></input>

                                3. <output id="fyxn1"><font id="fyxn1"><nobr id="fyxn1"></nobr></font></output>