【大咖说】王煜全：大数据前景美好，2B生意比2C更大

海银资本是一家专注于TMT领域的风险投资机构，重点对早期以及成长期企业进行孵化和投资。

大数据技术已经火了很长一段时间，但在真正投资的过程中，却对投资人提出了比较高的要求。

如何理解数据技术，如何想象数据经济，显然，知识储备与理念想法的不同自然会影响到投资效果的最终呈现。

在海银资本合伙人王煜全看来，对数据平台价值的评估应该要看到它们所产生的中间价值，而对数据的理解应结合规律，未来线下零售业的数据也将具有更为重大的意义。

一、大佬纷纷入局数据科技

大数据释放出的巨大价值，几乎给每个行业都带来了颠覆。

相关报告显示，2014年，全球大数据市场规模达到285亿美元，同比增长53.2%。据麦肯锡预测，预计到2020年，美国的大数据可创造3800亿~6900亿美元的价值。欧盟委员会预测，截至2020年，大数据可创造2060亿欧元的价值。

尽管从全球范围来看，大数据已经步入了硅谷技术曲线的下降通道，即从概念热潮的峰值滑落，步入了产业实施部署的“低调期”。但是在中国大数据产业的政策环境逐步完善，产业依然保持高速增长的趋势下，大数据产业概念受到投资界的持续关注，瞄准大数据领域的资本运作频繁出现。

人人网领投美国大数据创业公司FiscalNote总额1000万美元的融资；东方国信1810万英镑收购Cotopaxi正式进入工业大数据领域；博彦科技5000万收购红麦聚信，拓展大数据业务；数据型服务公司信励科技SimplyBrand获数百万美元投资；浪潮携手思科将斥资1亿美元成立合资公司，致力于为智慧城市及大数据等领域提供方案和服务。

2015年在国内融资的大数据创业公司，总融资金额超过50亿人民币。

此外业内某些大数据企业已经探索强强联合的合作方式，如久其软件与龙信数据合资设立久其龙信数据，东方国信与Cloudera达成合作，推动Hadoop技术有效落地，星环信息携手万国数据共同推进大数据核心技术、产品及服务，IBM加强与苹果合作，成立专门的部门面向医疗健康行业提供数据分析服务，中国联通与西班牙电信成立合资公司开展基于位置的大数据业务，京东投资美国基于机器学习算法的大数据分析公司ZestFinance，并联合发起ZRobot（定位为数据技术公司，主要提供数据建模、信用评分、资产定价、欺诈识别、精准营销等数据增值与技术应用服务。），Cloudera与Teradata宣布集成，为Hadoop提供企业级运行设备，百分点与华为宣布了合作伙伴关系，成立了大数据商业战略联盟等。

二、数据科技为何如此火爆

1.移动互联网红利在消退

当下行业发展的许多迹象表明，互联网红利在慢慢消退，实体经济在崛起，传统产业在崛起，那种“拿着望远镜也看不到对手”的互联网时代一去不回，任何脱离了线下的互联网产业终究脱离不开短命的厄运，传统产业的发力必将颠覆和洗牌以BAT为首的寡头格局。

互联网行业也意识到这一问题，不少公司已经开始积极地并购、转型、多元化配置、布局产业，拓宽企业价值边界，云计算、大数据、供应链等行业成为了当下的热点。

2.基础要件已经具备

数据源：数据规模爆发式增长，数据可获得性、流动性持续改善。从数据的可获得性、流动性来看，互联网的发展创造了大量的线上数据，同时互联网和传统行业的融合，以及 物联网（IOT）时代的到来，数据的可获得途径正在被持续拓宽，互联网加速数据间的流动和融合。

基础技术：计算、存储、分析技术不断成熟。分布式文件存储系统以及分布式计算模型的提出，以及围绕 hadoop 的技术生态不断发展， 使得大数据相关计算、存储、分析技术不断成熟和完善。

分析应用：大数据的价值正在获得持续认可。伴随着企业和机构对大数据重视度的提升，大数据的商业价值正在逐步显现，各行业正积极探索各种与大数据相结合的应用场景。根据德克萨斯州大学学者的研究统计，如果企业数据使用率提高10%，各行业效益将提升17%-49%不等。

3.应用前景广阔

1）解决方案

大数据的解决方案主要模式为：供应商为客户架构一套大数据系统，然后每年每月为客户提供维护、升级。

政府企事业单位与众多的传统行业都需要大数据的解决方案，这是因为他们自己本身没有大数据技术能力，没有大数据人才，而且他们期望通过大数据来实现互联网+，改造行业目前的情况。

2）基础设施

数据库、数据源、数据清理、数据处理工具等都处于这一类，他们的具体业务都围绕大数据产业链展开。

基础设施的主要模式为：供应商帮客户解决大数据部署中间的部分问题，这一模式类似于台式机的“攒机模式”，它要求企业有大数据能力与人才，企业通过自由组合大数据的基础设施，从而架构出更适合自己业务的大数据系统。

3）数据工具/产品化服务

这一部分包括移动统计分析工具、第三方数据服务、数据分析服务等，典型的模式如情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、可视化 、网站/APP分析工具等。

4）行业应用

这里主要指传统行业加上大数据后产生的新效用。大数据可以应用到医疗、教育、零售、通信，航空、工业、制造业、体育、娱乐、彩票、影视、餐饮、旅游、房地产等传统行业，当大数据与这些行业碰撞，就会产生新的商业。

例如大数据在金融方面的应用主要体现在征信、小额信贷、P2P、电子信用卡、量化投资、反欺诈、互联网金融等方面。金融行业是最需要数据、最能让大数据实现变现的。

三、海银资本合伙人王煜全：大数据前景美好

1.2B的生意比2C大

王煜全认为，数据经济的基础框架已经很清晰了，未来一定是越来越数字化，也一定是线上线下结合，目前的问题是如何解决众多的细节。

其实，所有底层平台的核心都是数据分析，数据分析市场在今天大概是40多个亿的市场。而预测到2022年，这个数字会涨到300多亿。

目前，底层平台的增长趋势很明显，但问题是，由于这些以数据为生的企业比较分散，有不同的服务对象，到中间层应用时就又迅速展开。

最为普遍的是政府机构、银行与零售。虽然数据服务主要集中在这几部分，但进到每一部分就又显得非常复杂，每一个具体的行业领域又有不同。在这种情况下分析每件事有多大的市场就很难再追踪了。

王煜全认为，平台的目标不在于更复杂，也不是衡量直接产生的效益，中间平台的价值不在于带来多少利润，而是为其他人带来多少贡献。例如阿里搭建的中间平台，我们不能看阿里每年给政府上交多少利润，而要看平台有多少附加价值。包括政务平台也是如此，不能直接看政务平台带来多少利润，而要看它为其他经济体做出多少贡献。但衡量这些贡献的难点是，具体每一部分的贡献现在还很难从详细数据上反映出来。

2B行业是25万亿的市场，海银资本针对全球进行分析后认为2B的生意会比2C大，而这也与经济学的分析是一致的，2B的业务加总一定会比2C大。而且在这一市场里，中国的市场是最大的。“中国未来有2.1亿将由线上2B业务完成，美国的这一数字为1.9亿，其他地区则相对较弱一些。”王煜全说。

2.数据经济无论在线上线下都需要理解规律

王煜全提到，关注数据经济不应该只关注线上，线下也在发生深刻变化，线下零售业也在大量用到大数据技术。

例如线下零售可以根据人在消费场所不同位置待的时间长短来判断业务的推送，之后再进一步细化服务，他强调，服务的价值不是服务本身，而是要超越这个服务。如果线下零售把数据做好，带来的贡献将是线下销售水平的全面提升，这个提升将是巨大的。

王煜全还表示，数据的意义不仅仅在于给数据本身提供支持，也不仅限于帮助平台更强大，而是通过帮助平台更强大，使平台的业务能有更大范围地扩展与发展。

但王煜全也指出，大数据业务本身的大数据分析仍有很大提升空间，因为它往往需要跨平台的业务综合，不是仅看一个数据就能体现出来的。而且现在很多数据拥有滞后性，这也就意味着它对社会经济的影响不是立竿见影的，这种滞后对评估来说尤其的难。

因此王煜全表示，一个跨平台只有连续多年监测才能慢慢搭建起数据经济的地图。

银海资本最近在看美国的一个大数据公司，该公司用卫星监测各个超市停车场门口车辆额变化，经历长年累月的监测后再总结规律。如果放在中国还能够来监测雾霾现象。这也是一个很有趣的思路。

“未来无论是大数据监测零售还是线上零售，都不是简单地意味着提取数据，而是需要汇集各方数据，形成对背后规律的强大理解。”

总之不管是怎样的规律都要求我们对数据的理解加深。这是因为全球经济处于加速增长的态势，一方面是全球化造成的，另一方面科技推动的速度越来越快，很多平台因为科技才能做很多的事，而平台背后就是大数据和技术的支持。

四、金牌顾问：市场火爆仍有痛点存在

1.大数据企业众多而弱小，很难实现产业优势

中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。

大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。

中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。

2.外部数据是一个个孤岛，数据价值低

中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。

3.大多数企业客户，对数据商业应用敏感度低

大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。

4.大数据技术和产品同业务结合深度不够

大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。

5.专业数据挖掘工具和人才缺失

在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。

数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但数据工具和人才却是一个很大的挑战。

微信公众号：haodaijinpaiguwen

（本文系TechWeb博客作者原创，未经允许不得转载。本文仅代表作者观点，不代表本站立场。）