大数据业务的商业模式探讨.pdf

大数据业务的商业模式探讨.pdf

《大数据业务的商业模式探讨.pdf》由会员分享，可在线阅读，更多相关《大数据业务的商业模式探讨.pdf（3页珍藏版）》请在冰豆网上搜索。

16观察OBSERVATION摘要：

大数据的浪潮已经影响到了世界上很多企业。

在中国，大数据技术及业务刚刚起步，展望未来一片蓝海，因此深入挖掘大数据业务的商业模式必将成为企业的竞争战略之一。

本文首先介绍了大数据业务的产生背景和商业模式的涵义，然后总结了大数据业务发展的六种商业模式，并对每一种商业模式进行了定义、案例分析、优势归纳和关键成功因素探究，最后提出了大数据业务运营中存在的一些问题及对策。

关键词：

大数据商业模式引言美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番。

在中国，大数据也会有比较大的发展空间，据估算，未来中国大数据潜在市场规模有望近2万亿。

总体而言，大数据技术及业务刚刚起步，展望未来，一片蓝海，因此深入挖掘大数据业务的商业模式必将成为企业的竞争战略之一。

根据维基百科的定义，“大数据”指无法在一定时间内用通常的软件工具进行捕获、管理的数据集合。

基于此，大数据业务可被定义为：

以新数据处理技术为手段，在海量、结构复杂、内容多样的数据集中，以较快速度解析出规律性的预见、趋势或判断。

1、商业模式的涵义著名管理学大师彼得德鲁克曾说过，当今企业间的竞争，不是产品的竞争，而是商业模式的竞争。

Rappa（2004）认为，商业模式规定了公司在价值链中的位置，指导着公司如何赚取剩余价值；并指出商业模式明确了一个公司开展什么活动来创造价值，在价值链中如何选取上下游合作伙伴以及怎样与客户达成交易、为客户提供价值。

笔者认为，商业模式即为企业通过产品或服务与价值链上下游主体之间建立的一种商务关系，包括公司所能为客户提供的价值、公司的内部组织结构、合作伙大数据业务的商业模式探讨文陈晓霞徐国虎伴关系网络等用以实现这一价值并产生可持续盈利收入的要素。

而大数据业务的商业模式就是围绕大数据资产和技术衍生出来的商业模式。

2、大数据业务的商业模式类型大数据产业链自底向上主要由三层构成。

第一层是企业内部交易数据和企业外部的用户行为数据、物联网数据等，这一层次的主要任务是数据的采集、存储和传输等工作；第二层次是信息层，去粗取精，提炼后形成价值密度更高的信息，这一层可以产生诸如数据包销售、租赁等业务模式，也会诞生一批靠搜集各类数据为主业的公司，如区域数据提供商；第三个层次是知识层，对于知识的利用需要人工介入以外，主要还需要融合行业信息。

具体来看，围绕上述三个层次衍生出六种主要的业务模式。

2.1租售数据模式将产业定位在大数据采集和整理阶段，通过收集、整理、过滤、校对、打包、发布等一系列流程后，实现数据的增值，这就是租售数据模式。

作为中国领先的导航地图、动态交通信息及汽车综合信息服务提供商，四维图新致力于为全球客户提供专业化、高品质的电子地图数据产品和服务。

其拥有全国最大的高质量导航电子地图数据库，建成了以北京为中心、覆盖全国的本地化导航电子地图数据采集更新体系，在基于静态的地图数据基础上不断加入实时动态的交通信息、丰富的生活信息和全面的地理信息。

租售数据模式对于数据提供商来说具有极大的价值，因为这一模式能使其拥有很强的话语权。

由于数据的稀缺性，数据提供商位于产业链的有利位置，具有较强的议价能力、较强的竞争优势以及良好的成长空间。

这一模式的关键成功因素是大数据的采集和维护，企业要将在经营中接触到的大量实时数据进行汇总记录并校对，加工成客户所需的数据才能销售获利。

2.2租售信息模式将产业定位在大数据整理和分析阶段，采编各类信息、数据，建设和维护数据平台，并通过各类渠道将信息传递、推广、销售出去，这就是租售信息模式。

成立于1982年的美国彭博资讯公司（Bloomberg）是目前全球最大的财经资讯公司，其仅用了22年的时间，就将它的金融数据市场的销售收入超越了具有150年历史的、世界上最大的资讯公司路透集团。

彭博是全球商业、金融信息和财经资讯的领先提供商，通过其强大的信息、专家和咨询网络为全球重要的决策制定者带来关键信息。

彭博的优势在于通过创新的技术来快速、精准地传递数据、资讯和分析工具。

租售信息模式能够成为企业竞争的法宝，企业结合终端业务比竞争对手更及时、更客观地提供相关信息和资讯给广大用户，可以抢占更多的市场份额。

这一模式的关键成功因素是采编各类信息资讯，要做到这一点，企业应建设和维护大型数据平台，并协同多种渠道进行信息和资讯的推广。

2.3数字媒体模式将产业定位于媒体上，利用数据挖掘技术帮助客户开拓精准营销，企业收入来自于客户增值部分的分成，这就是数字媒体模式。

这类企业成长非常快，一般擅长数据挖掘分析技术，帮助一些数据大户如银行、运营商等开展新的业务。

亿赞普（北京）科技有限公司是一个高科技公司，基于技术和商业模式的创新，搭建了全球化的云媒体平台。

亿赞普目前已拥有56项国际核心专利，尤其在大数据处理和数据分类技术上处于国际领先地位。

亿赞普云媒体平台创新的商业模式，包含了电信业、媒体、电子商务、广告服务等行业，构建了一条全新的数字媒体服务产业链，将助推互联网媒体产业链转型升级。

传统的互联网营销是完全碎片化的，广告主每一次广告投放的数据难以进行关联和复用，导致了广告费用的浪费。

而数字媒体模式基于领先的数据挖掘技术，解决了这一难题，不仅实现了跨媒体的广告调度，而且帮助广告主不断积累和复用自己的营销数据库，实现了营销活动的持续性和科学管理。

17这一模式的关键成功因素是基于大数据分析和挖掘而积累的互联网知识。

而其基于知识模式的经济价值和社会价值还远远没有发掘出来，其发展空间不可估量。

2.4数据使能模式将产业定位在某一具体行业，通过大量数据支持，对数据进行挖掘分析后预测相关主体的行为，以开展业务，这就是数据使能模式。

最典型的是小额信贷公司，在大数据时代，评估这些小微企业甚至个人还款能力的技术手段有了巨大进步，通过分析这些企业往来的交易数据、信用数据、客户评价数据等，完全可以掌握他们需要的资金量，甚至可以测算他们可能的还款时间，放贷风险大为降低。

目前基于数据分析的小额信贷公司如雨后春笋，国内代表性的公司是阿里巴巴旗下的阿里巴巴金融。

阿里金融承担阿里巴巴集团为小微企业和网商个人创业者提供互联网化、批量化、数据化金融服务的使命。

其通过互联网数据化运营模式，为阿里巴巴、淘宝网、天猫网等电子商务平台上的小微企业、个人创业者提供可持续性的电子商务金融服务，向这些无法在传统金融渠道获得贷款的弱势群体提供“金额小、期限短、随借随还”的纯信用小额贷款服务。

数据使能模式依据大数据技术开展高收益、低风险的业务，为企业创造新的盈利模式。

未来将会有更多的数据使能型的业务模式出现，它们将具备创新业务的特质。

这一模式的关键成功因素是维护数据的真实性和完整性，并适时进行风险分析。

数据越完善，风险越低，越有利于保证企业的高收益。

2.5数据空间出租模式将产业定位于大数据计算基础设施上，通过出租一个虚拟空间，从简单的文件存储，逐步扩展到数据聚合平台，这就是数据空间出租模式。

Dropbox是一个网络存储服务、网络备份工具和文件同步工具。

其在线存储服务通过云计算实现因特网上的文件同步，用户可以存储并共享文件。

用户可以通过Dropbox桌面应用软件，把档案放入指定文件夹，然后档案就会被同步到云端，只要用户在其他设备上登陆自己的Dropbox客户端，都可以访问和管理自己Dropbox上的文件。

数据空间出租模式给个人和企业用户提供了实用的文件同步、备份、共享工具。

另外，也可以很方便的分享给其他人。

而自动备份的功能则大大提高了文件的安全性。

这一模式的关键成功因素是平台的开发和维护，因为这一模式普遍的运作方式是后台自动备份指定的文件夹内容到云空间上，所以往往需要一个功能十分强大的开发平台来支撑。

2.6大数据技术提供商模式将产业定位于大数据技术和工具上，围绕Hadoop架构开展一系列产品研发、技术服务，或是开发非结构化数据处理技术，这就是大数据技术提供商模式。

狭义的大数据技术相关公司围绕Hadoop技术，提供大数据存储、检索、数据挖掘等应用。

广义而言，大数据的核心技术之一是非结构化数据的处理技术，包括语音、视频、文本、图片等。

拓尔思是国内非结构化信息处理的龙头企业，公司专注于海量非结构化信息处理为核心的软件研发、销售和技术服务，其大数据管理系统V7.0兼容Hadoop标准支持PB级海量数据管理。

大数据技术提供商模式迎合了大数据时代对海量数据进行挖掘整合的需求，而且移动互联时代的海量消费数据给其发展带来了巨大的市场空间和成长机会。

这一模式的关键成功因素是准确把握技术发展方向并保证提供优质的技术服务。

同时，公司应构建清晰的营销网络架构，并且针对不同客户群体提供差异化服务，保证满足重点客户的定制化需求。

3、大数据业务运营中的问题及对策总体而言，大数据技术及业务刚刚起步，前景一片光明，但其中也隐含一些“礁石”，应引起注意，概括起来有如下几点：

3.1数据挖掘的隐私问题数据隐私、数据安全问题是“大数据”时代不可回避的问题。

现阶段消费者已经生成了很多数据记录，比如电话记录、上网痕迹、交易记录等，凡使用数字化工具都会留下记录。

将来这些数据在各个环节打通以后，一个人的行为就无法隐藏，数据持有人可以从历史数据中推测判断出行为人的行为轨迹和思维轨迹。

人们往往强调数据整合能实现“1+12”的效应，却忽略了这种扩大的效应对隐私的渗透力也是大于2的。

我们缺少“数据权”的体现之一正是层出不穷的个人数据泄露事件。

由来自多个国家、多个组织的代表提出的“隐私偏好平台计划”是一种针对隐私泄露的技术保护策略，它是万维网集团在线隐私国际标准协议的一部分。

计划旨在提供便于用户控制个人信息的一系列工具和服务，从而提高Web服务商和个体用户之间的相互信任。

其使得网站以一种能被客户机分析的标准化结构表达网站的隐私政策，尤其可以使网站拥有者把隐私操作翻译成基于XML的计划声明，这种计划声明可被浏览器自动地检索和翻译。

这意味着用户可以轻易地发现和理解特定站点的政策，并可做出是否接触该网站的明确决定。

这一计划为解决数据挖掘中的隐私问题提供了极大的帮助。

3.2数据驱动的创新问题不可否认，大数据时代日渐发展的数据驱动式的决策模式降低了决策风险，但也扼杀了潜在的、没有数据支持的创新。

在这种情况下，人们的创新思维和创造力会逐渐被埋没，像乔布斯这样不相信市场调研，依靠本能和悟性创造了iPhone奇迹的天才会越来越少。

为了避免因数据驱动阻碍创新，企业应该引进和培养创新型人才，同时还须打破“封闭创新”，建立多元主体协同互动的创新模式，即企业应主动寻求与高校、科研机构、上下游等外部创新组织的技术合作，建立由企业主导的产学研合作市场机制，弥合断裂的创新链和产业链，这样才能在“智慧经济”时代的全球竞争中脱颖而出。

3.3数据甄别的质量问题数据甄别过程中的质量问题也是我们不可忽略的。

面对潮水般的数据，如果不加以筛选、甄别，就难以保证数据的完整性与客观性，在此基础上的数据分析与整合必然也会错漏百出，失去了其使用价值。

肯尼斯库可耶等编著的大数据时代一书中在肯定了大数据的核心功能是预测之外，也指出大数据的不利影响是滥用大数据进行预测。

数据质量评估和监控是解决数据质量问题的重要手段，一般认为数据质量是一个层次分类的概念,每个质量类最终分解成具体的数据质量维度，如准确性、完整性、一致性、最小性等。

数据质量评估的核心在于具体地评估各个维度，目前方法主要分成两类：

定性策略和定量策略。

其次，在评估后还需要提高数据质量。

数据清洗（datacleaning）是数据质量提高技术研究的主要内容，主要集中在几个方面：

重复对象检测、缺失数据处理、异常数据检测、逻辑错误检测、不一致数据处理等。

（下转第23页）23产品发现：

在顾客购物初始进行需求认可和产品搜索的阶段，社会化商务能够帮助顾客预估一些新的产品。

例如，在网上论坛和社区里讨论能够非常有用地帮助顾客更加明晰内心的需求，同时社会化媒体中的一些顾客推荐或参照的有感染力的内容往往能够用户与那些了解或值得信任的朋友一起讨论、发掘新的产品。

从商业角度看，社会化商务在产品发现方面的应用应证了其“意识助推器”的角色。

产品选择：

在顾客