大數(shù)據(jù)創(chuàng)業(yè)機(jī)會(huì)

　　　大概從2013年開(kāi)始，大數(shù)據(jù)的概念慢慢熱了起來(lái)。國(guó)內(nèi)陸續(xù)有不少創(chuàng)業(yè)者進(jìn)入到這個(gè)領(lǐng)域，相關(guān)項(xiàng)目也慢慢得到資本市場(chǎng)的認(rèn)可，融資案例不時(shí)浮現(xiàn)，跑的快的已經(jīng)B輪了，但縱觀整個(gè)行業(yè)，并沒(méi)有一個(gè)標(biāo)桿性的公司出來(lái)(如美國(guó)的Palantir)，加上市場(chǎng)上打著大數(shù)據(jù)概念的項(xiàng)目很多，導(dǎo)致有人開(kāi)始質(zhì)疑大數(shù)據(jù)是不是個(gè)趨勢(shì)，是不是一個(gè)機(jī)會(huì)。如果是，切入點(diǎn)又在哪里。

　　筆者堅(jiān)定的認(rèn)為大數(shù)據(jù)是個(gè)大趨勢(shì)，源自如下一些邏輯判斷：

　　1、隨著傳感器技術(shù)的發(fā)展，IOT、可穿戴設(shè)備的普及，人和環(huán)境的數(shù)據(jù)化進(jìn)程只會(huì)越來(lái)越快，也就是數(shù)據(jù)會(huì)越來(lái)越多。

　　2、萬(wàn)物互聯(lián)、萬(wàn)物智能是個(gè)大趨勢(shì)，而智能的基礎(chǔ)是大數(shù)據(jù)，想想，我們?nèi)祟?lèi)的認(rèn)知和情感就是來(lái)自感覺(jué)器官收集的大數(shù)據(jù)學(xué)習(xí)來(lái)的，人就是個(gè)大數(shù)據(jù)處理系統(tǒng)，人工智能就是模擬人認(rèn)知和思考的過(guò)程。

　　趨勢(shì)在，機(jī)會(huì)就在。

　　既然大勢(shì)所趨，那么創(chuàng)業(yè)的切入點(diǎn)在哪?從產(chǎn)業(yè)鏈來(lái)看，大體可以分成三個(gè)部分。數(shù)據(jù)收集，數(shù)據(jù)加工，數(shù)據(jù)應(yīng)用。

　　數(shù)據(jù)收集(數(shù)據(jù)就是IP)

　　從長(zhǎng)遠(yuǎn)來(lái)看，數(shù)據(jù)成為IP是必然的，而且是大IP，特別是不可替代性的數(shù)據(jù)，道理很簡(jiǎn)單，因?yàn)閿?shù)據(jù)是原材料、是生產(chǎn)要素，但一定要注意，是有應(yīng)用價(jià)值的、不可替代性高的數(shù)據(jù)。想想，如果你有所有人的基因和病歷數(shù)據(jù)，不管是醫(yī)療還是保險(xiǎn)行業(yè)應(yīng)用，都需要這個(gè)數(shù)據(jù)。當(dāng)前數(shù)據(jù)市場(chǎng)還處于蠻荒時(shí)代，各家都在搶地盤(pán)、相稱(chēng)王，而受限于應(yīng)用場(chǎng)景、數(shù)據(jù)質(zhì)量、可替代性等因素，目前變現(xiàn)價(jià)值還很低，屬于矮大緊老師所說(shuō)的賣(mài)下水的生意。所以這是一個(gè)很好的切入點(diǎn)，尋找有應(yīng)用價(jià)值的、不可替代性高的數(shù)據(jù)，做到最全、質(zhì)量最好，每個(gè)領(lǐng)域都可能有，比如天氣數(shù)據(jù)、環(huán)境數(shù)據(jù)、醫(yī)療數(shù)據(jù)、基因數(shù)據(jù)、金融等等。

　　數(shù)據(jù)加工(算法和架構(gòu))

　　數(shù)據(jù)加工大體可分為兩大部分，算法部分與架構(gòu)部分。

　　先說(shuō)架構(gòu)，隨著開(kāi)源社區(qū)的發(fā)展和普及，架構(gòu)技術(shù)的領(lǐng)先性會(huì)越來(lái)越不明顯，而且做架構(gòu)或平臺(tái)又是資源(人力+資金)密集型的工作，屬于大廠的優(yōu)勢(shì)項(xiàng)目，小團(tuán)隊(duì)機(jī)會(huì)不大，當(dāng)然，技術(shù)足夠牛逼的，能快速搶占先機(jī)的，也有機(jī)會(huì)，比如時(shí)速云國(guó)內(nèi)首個(gè)實(shí)現(xiàn)跨IaaS的容器云平臺(tái)。

　　再說(shuō)算法，這是筆者更看好的方向，因?yàn)橄鄬?duì)架構(gòu)而言，算法更容易形成長(zhǎng)時(shí)間壁壘，同時(shí)資源投入相對(duì)較小，有核心的算法能力，同時(shí)能找到應(yīng)用場(chǎng)景，就有機(jī)會(huì)勝出。比如AlphaGo的深度學(xué)習(xí)模型和搜索算法，一時(shí)半會(huì)兒別人是很難模仿出相同效果的。比如大數(shù)據(jù)預(yù)測(cè)領(lǐng)域的所問(wèn)數(shù)據(jù)，有領(lǐng)先的深度分析技術(shù)，牛x的大數(shù)據(jù)預(yù)計(jì)模型，來(lái)保證最終的應(yīng)用效果。

　　數(shù)據(jù)應(yīng)用(大數(shù)據(jù)+行業(yè))

　　行業(yè)應(yīng)用是大數(shù)據(jù)價(jià)值的最終體現(xiàn)，大數(shù)據(jù)的核心不是數(shù)據(jù)大小，而是通過(guò)數(shù)據(jù)洞察規(guī)律，通過(guò)全方位、多角度的數(shù)據(jù)融合、協(xié)同，結(jié)合行業(yè)應(yīng)用實(shí)現(xiàn)價(jià)值變現(xiàn)，因此 “大數(shù)據(jù)+”孕育著大量的機(jī)會(huì)，比如大數(shù)據(jù)+精準(zhǔn)營(yíng)銷(xiāo)公司摩比萬(wàn)思 ，通過(guò)海量用戶數(shù)據(jù)構(gòu)建用戶畫(huà)像，從而實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)。比如螞蟻微貸和螞蟻花唄，通過(guò)賣(mài)家及用戶的歷史行為數(shù)據(jù)計(jì)算授信策略。當(dāng)然，這個(gè)方向要求創(chuàng)業(yè)團(tuán)隊(duì)對(duì)行業(yè)有深刻的理解，團(tuán)隊(duì)的配備必須是數(shù)據(jù)人才+行業(yè)人才。

　　總結(jié)：

　　筆者是非�？春么髷�(shù)據(jù)這個(gè)方向的，但創(chuàng)業(yè)者需要理解大數(shù)據(jù)的本質(zhì)與內(nèi)涵，找到最適合自己的切入點(diǎn)。

　　數(shù)據(jù)必然成為IP，特別是不可替代的數(shù)據(jù)，垂直領(lǐng)域的數(shù)據(jù)收集和整理是個(gè)不錯(cuò)的創(chuàng)業(yè)方向。

　　大數(shù)據(jù)的基礎(chǔ)架構(gòu)服務(wù)和核心算法都有創(chuàng)業(yè)機(jī)會(huì)，但算法路線更容易形成壁壘

　　大數(shù)據(jù)+行業(yè)應(yīng)用機(jī)會(huì)很多，但創(chuàng)業(yè)團(tuán)隊(duì)必須同時(shí)具備大數(shù)據(jù)和行業(yè)人才。

【大數(shù)據(jù)創(chuàng)業(yè)機(jī)會(huì)】相關(guān)文章：

創(chuàng)業(yè)機(jī)會(huì)總是存在創(chuàng)業(yè)故事08-27

如何發(fā)現(xiàn)創(chuàng)業(yè)機(jī)會(huì)08-05

如何尋找創(chuàng)業(yè)機(jī)會(huì)12-14

想創(chuàng)業(yè)，有機(jī)會(huì)嗎09-25

想創(chuàng)業(yè)，有機(jī)會(huì)嗎09-25

中國(guó)創(chuàng)業(yè)者需抓住五類(lèi)創(chuàng)業(yè)機(jī)會(huì)08-07

2013中國(guó)創(chuàng)業(yè)趨勢(shì)：大數(shù)據(jù)08-10

2015取消戶籍學(xué)歷限制，營(yíng)造創(chuàng)業(yè)機(jī)會(huì)09-26

“我已經(jīng)四十了，還有機(jī)會(huì)創(chuàng)業(yè)嗎?”08-08

創(chuàng)業(yè)的三大核心08-30