张D 国美在线技术中心副总经理
大数据是未来企业大脑
管理层一定要把大数据工程放到一定的高度重视起来，这是一个战略系的工作，而不仅仅是战术方法。 像国美在线已经把大数据独立成一个部门，成立几十人的团队专门做数据挖掘和数据分析。
仅仅是管理层的意识还是不够的，整个执行层的每一个员工都应该有这种数据意识，从数据的视角，用数据来推动他的工作，指导企业的财务和运营工作
李炜 中国卫星通信集团信息中心主任
我们拿出所有的数据来进行分析，指导我们的运营工作。大数据对外部又产生了这种积极的效果。我们的数据来源于线下实体店和线上的访问数据，以及移动设备端、O2O层面的数据，这些数据都放在存储上，基于用户行为进行分析，用它来指导企业精准筹备货品和商品。
这些分析要依靠专业的经营分析团队，在人力和硬件物力上要舍得做投入。这样得出的数据才能为决策者提供决策数据，甚至预测未来。
张D 国美在线技术中心副总经理
用户可以通过大数据，了解流行趋势、了解科技。在互联网时代，没有大数据就没有未来，国美在线也是一个大数据的企业，企业应该尽快地互联网化，充分地利用大数据技术，来提升自己的核心竞争力。
中小企业完全不必要建设自有的数据存储和分析资源，可以借助公有资源实现自己的大数据分析梦，这其中对于数据的存储是十分重要的环节，无论是存放在云端、还是私有存储方面。同时，要分析有价值的数据。
CIO百家讲坛
来说两句吧
? 拒绝枯燥的技术讲座，诙谐讲述IT技法
? 关注行业企业IT工作、前沿技术
? 线上公开课视频+线下讲座“O2O”模式
? 移动平台端+实体培训，CIO的思维体系
? 与微信端“IT星微盟”产品全线结合
本期《思训赢》栏目主要由国美在线技术副总张D讲解，围绕着如何打造企业的互联网化思维，在互联网时代如何将消费者的线上和线下消费行为数据化评估，大数据如何在企业落地、落地有哪些实施细节需要注意，如何打造完整的数据化分析链条和平台。
本期视频通过主讲人与主持人风趣幽默的对话交流，向观众们细致讲解了传统企业如何面对互联网这个广阔舞台，应该以何种思维方式去思考它。企业如何建设大数据分析平台和团队，这里面又有哪些例子可以参照？
炜 中国卫星通信集团信息中心主任
目前负责中国卫星通信集团的信息化与IT主要工作，是通信制造企业信息化工作专家，中国CIO职业发展指南自媒体发起人。
国美在线技术中心副总经理
国美在线技术中心副总，互联网电商技术平台资深人士，目前负责国美在线整体IT运营工作及移动技术平台运营工作。
CIO俱乐部微信二维码
扫描二维码，加入“比特CIO俱乐部”距离接触各行业明星CIO，聚焦CIO群体的思想与创造。红点创投：技术型大数据公司要重视产品化和获取标杆客户|界面新闻oJMedia作为一家老牌硅谷基金，红点创投在大数据领域布局颇多，包括Hadoop三家马车MapR、数仓公司Snowflake、数据分析公司Datameer，偏好投资技术型公司是红点创投的一大特点。
国内市场，红点创投主要专注于早期投资项目。入华11年投资了40多家公司，不过大数据领域出手不多。早期投资了秒针系统，最近投资了Kyligence。
技术背景出身的红点创投副总裁刘岚，同样偏好投资&集客公司&，早期在华为的工作经历，让他对企业服务项目有着独有的判断标准。去年，他主导完成投资的Kyligence就是家企服领域的技术驱动型大数据公司。
近期，爱分析对刘岚进行专访，他针对大数据行业现状、竞争格局以及早期技术型公司的投资价值等方面，阐述了自己的观点，现摘选精彩内容与各位读者分享。
大数据领域空间上限难以判断，主要关注数据再加工和数据分析等细分赛道
爱分析：您是如何看待整个大数据行业的市场空间？
刘岚：我认为大数据这个行业在快速增长。在国内外，大数据的需求和深度都在同步发展的。大数据最初主要应用于互联网行业，需求主要停留在广告营销上。
逐渐地，大数据深入到传统线下企业，企业的数据量剧增，他们会发现积累的数据如果进行详细加工、提炼，可以指导企业进行精细化运营和生产。因此，他们在大数据方面的需求会快速增加。
我认为，大数据走到最后一步是自动化，也就是人工智能。很多判断都交给机器，那么机器做判断要基于过往海量数据的分析。
我觉得很难判断这个市场有多大，这个问题有点像互联网市场有多大这个概念。现在国家提出的是&互联网+&概念，未来很可能会是&大数据+&，最后一步是&AI+&。
爱分析：您是如何划分大数据产业的？会更加关注哪些细分赛道？
刘岚：根据数据处理过程，我将整个大数据行业划分成以下几个部分。
数据获取这部分，我们认为有价值的数据源是BAT和政府以及大型央企，我认为这个领域是偏重资源导向型。现在国家对于数据安全非常重视，会非常看重大数据公司的背景，是否有外资股东。作为一家美元基金，我们投资这个领域的企业会比较困难。
数据清洗、存储这部分，主要是提供基础数据库的大数据公司，以Apache等开源社区为核心，提供基于开源技术的解决方案。这个领域技术相对成熟，不是我们关注的赛道。主要有两点：
第一， 这个赛道已经出现星环科技等体量较大的创业公司，而且也是华为等传统厂商发力的领域，留给新公司的机会太小；
第二， 单纯做这个领域，同质化严重，利润比较薄。
数据标准化和再加工是我们关注的重点，这个领域主要是数据仓库相关业务。这种事务性数据库在银行等传统大型企业应用非常广，需求也非常旺盛，并且现在&去IOE&趋势非常明显。在OLAP层，我们投资了Kyligence这家公司；在OLTP层，我们还在看机会。
分析这部分，我们主要关注数据分析与应用结合，关注创业公司能提供哪些行业解决方案。
爱分析：像工业、农业等信息化水平较低的行业，大数据在这些领域应用空间如何？
刘岚：我觉得大数据这件事还是需要信息化水平达到一定程度才可以，因为我们看到大型银行都已经做了私有云和Hadoop大数据平台。对于一些城商行，可能今年才要求他们的业务要上云，他们目前还使用Oracle一体机等，他们走到Hadoop可能还需要一两年时间。
所以，一些工业客户连云都还没有接受，很多数据都没有，怎么去提大数据概念。一个行业至少在云计算方面的投入达到一定水平，才可以去谈大数据。数据量大才需要做大数据分析，否则一台电脑就可以把数据搞定了，何必要用Hadoop。
国外厂商对创业公司的冲击要大于BAT
爱分析：国外厂商如Cloudera这些公司，他们都开始进入中国市场，他们会对国内厂商产生冲击么？
刘岚：星环科技等创业公司会受到这些外资企业的冲击，竞争主要集中在金融、电力、电信等行业的大型企业。
爱分析：BAT都在开发自己的大数据平台，这一点会对提供BI可视化等服务的公司产生影响么？
刘岚：首先，我们要看BAT提供的平台主要服务客群是什么，可能BAT提供的不是纯粹商业软件。企业客户需要的是商业化产品，而不是开源的、让互联网人使用的产品，这点对传统企业级客户非常重要。
其次，基于BAT平台的开源产品去做商业解决方案，这个方案是否在关键点上满足行业需求。从国外来看，很多大互联网公司都用Google Analytics，但是存在很多专门做BI、数据分析的公司。
所以我觉得与其担心BAT，倒不如Oracle、IBM等国外巨头或者国内金蝶、用友这些公司。
技术、产品、商务三个维度评判早期公司，产品和商务至少满足其一
爱分析：红点偏重于投资早期公司，您在做投资决策时，会通过哪些维度去判断企业？
刘岚：我主要是通过技术、产品、商务三个维度去判断企业价值：
技术上，一方面，我会去看这家公司的技术能力，技术方面能不能形成壁垒；另一方面，我也会关注公司在开源社区内的贡献，目前大部分公司都是基于开源技术做开发，所以公司在开源社区的贡献，很大程度会影响这家公司的技术能否顺应未来趋势，技术处于正确轨道中。
产品上，一方面，要看这家公司产品化的能力。如果一个公司只能给银行等大客户提供定制化开发，我觉得这类公司价值有限。像Teradata给银行提供的也是标准化产品，定制开发也仅限于界面、使用习惯的改变以及与原有系统的配合。在我看的这些项目中，我觉得定制服务这部分不应该超过40%
另一方面，要看这家公司是否有行业解决方案。公司早期切入一个行业，会不会为了满足单一客户需求去开发产品功能，还是说公司本身有特别明确的产品目标，不会被客户牵着鼻子走。
商务上，一方面要看公司的客户关系如何，能否与大客户建立比较好的合作关系。另一方面，要看公司能否快速了解客户需求，能够找到客户需求与标准产品之间的平衡点。
爱分析：投早期项目，创始团队非常重要，您会更加看重创始团队的哪些特点？
刘岚：首先，我比较偏向投资2-3个创业伙伴一起来做的项目，而不是单个创始人一家独大的项目。因为每个人都会有自己的长板和短板，需要一个互补团队。互补团队这部分我希望至少有一位是技术大拿，把握技术整个架构和方向。
另外，在商务和产品化不能同时都是短板，要不然对客户理解比较深，能做一个产品规划；要不然跟客户关系比较好，能带进来一两个大客户，使公司能在行业内扎根。如果商务和产品两个特点都不具备，我对这个团队表示比较担心。
爱分析：感觉红点创投更倾向于投技术型公司，这背后的原因是什么？
刘岚：首先，技术型公司可能短期无法接触顶级客户，但技术领先同类公司一个档次，客户没有理由会选择更差的解决方案。技术型公司的市场可以慢慢做起来。
其次，长期来看，其他核心竞争力补齐的难度要低于技术竞争力，华为这种体量的公司，补齐技术短板都花了很大精力，创业公司很难有这个财力和精力去做这件事。
再次，从退出来看，如果A股或者500强企业更愿意收购技术型创业公司，因为需要补全技术短板。
技术要与应用和数据源结合，提供单一技术无法打开市场
爱分析：最近这两年出现很多做可视化、用户行为分析等数据分析公司，您是如何看待这些公司的发展前景？
刘岚：市面这类公司我们基本都看过一遍，不过还没有出手。原因有以下几点：
第一， 我认为中国IT化水平和大数据应用与国外差距还很大，时机还未到。
我们刚刚尽调的一家大数据公司，是既做存储也做分析工具，他们竞标的时候会碰到一些可视化公司。从客户角度来看，如果只购买了可视化产品，那数据存储的问题如何解决。最后客户没有选这些提供可视化产品的公司。
对大多数客户而言，可视化是实现精细化运营的方式。他们还没有到这个阶段，更多关心数据的存储、清洗。因此，我认为这个市场远远没有成熟，这些公司冒出来可能就是看到国外Domo发展很快，世界500强都是他们的客户。
第二， 我认为这些公司的技术能力并没有表现出来，他们做的可视化更像是一款SaaS化产品，大家更关注一个产品化、产品的用户体验，但我认为这是不够的。
以Domo为例，Domo的核心除了用户体验，还有另外一点。Domo的下层接了两百多个数据源，国内大多数企业不具备这个能力，Domo可以连接很多其他软件，中国企业使用的软件是否能与这些大数据公司的产品对接。
第三， 产品需要与行业结合，对行业有一个更深入的理解。
快销品和耐销品的CMO关注点可能都不同，只用一套产品去满足需求肯定不行。但是具体这种个性化需求是由大数据公司来满足，还是甲方业务部门自己开发。
目前在中国，大部分业务部门不具备开发能力，但如果单靠大数据公司来完成，大数据公司对行业理解的专业性又受到质疑，整个团队需要一些行业专家让客户信服。
资本和人才孕育技术型创业公司，产品化和标杆客户获取是技术型创业公司必须通过的关卡
爱分析：最近这几年明显感觉技术型创业公司在增加，这背后原因有哪些？
刘岚：此前，国内大多数是商务型人才最早发现一个商机，组建团队去创业，提供最小可用成品，服务原有客户。这就解决了创始阶段公司冷启动问题。之后随着公司规模做大，加大研发投入，增强产品积累。二三十年前，华为、中兴都是用这种方式崛起的。
从国外来看，企业服务的创业团队，最初都在大公司研发开源技术，后来将这个技术贡献给开源社区。接着，创业团队离开大公司，将这项开源技术商业化。这些是美元基金偏好投资的。
这几年中国市场发生两方面改变，使得技术型创业公司越来越多：第一，VC越来越多，资本市场环境改善；第二，技术人才纷纷离开外企，选择加入互联网公司或者创业。
爱分析：技术型公司在发展过程中会碰到哪些必须要迈过去的门槛？
刘岚：我们国内投的技术公司发展时间不长，他们要走过的门槛有以下几个：产品化能力、行业标杆客户获取、行业复制和新行业拓展。前两个门槛是创业公司必须跨过去的，跨不过去这家公司的成长会非常有限。
爱分析是一家专注于创新企业研究和评价的互联网投研平台。爱分析以企业价值为研究内核，以独特的产品形态，对创新领域和标杆企业长期跟踪调研，服务于企业决策者、从业者及投资者用户群体。关注爱分析公众号ifenxicom，及时获取重要信息。
更多专业报道，请
0界面JMedia联盟成员创新企业模式解读及估值第一平台；目前涵盖互联网金融、移动医疗、企业级服务等行业，未来会覆盖全部创新行业；全部原创，每日至少一篇，带你读懂企业、读懂行业。
相关文章您至少需输入5个字评论()全部微信分类
当前位置：
在数据产品这个行业里，你需要知道这些内幕
本网站文章均来自网络
搜索结果，只以信息传播为目的，不代表本站认同其观点和立场，版权为原作者所有，请与公众号原作者联系，亦切勿轻易相信文章内容。如有侵犯权益，或者不良信息。请立即联络我们做技术屏蔽！ 邮箱:
研究国外业内前沿数据产品，了解当前实现数据价值的最新思路和实践。这是大数据产品漫游系列的第&3&篇文章。前两篇文章如下：4年估值20亿美元的大数据公司：Domo的神秘国度&及&。「大数据」，「数据化运营」，「数据驱动」等概念层出不穷，让人眼接不暇。「数据产品经理」这个新兴的产品汪品种，也慢慢的受到了国内公司的关注，被“领养”回了各自的企业。本文将着重阐述这些概念落地成了哪类产品，它们有什么特点，以及读者们在未来考虑就业方向时，各类产品存在难处和好玩的地方。数据产品的分类根据产品的使用对象，我们可以将当前的数据产品分为三大类，分别是面向企业内部， 面向企业外部以及面向用户三种。企业内部产品是企业自建自用的数据平台或算法策略，辅助企业员工做出决策或成为产品逻辑的一部分。面向企业外部产品，即由某企业开发，为其他企业提供数据服务的产品，SaaS 是其中一种模式。面向用户的产品则是根据平台或网络中的公共内容，提供某些数据给普通用户分析查看。最常见的就是各种常见的指数，如指数，微博的微指数，国外的 Google Trends 等。无论在哪种类型的产品里，都需要遵循数据价值的两个特点：数据价值取决于其准确性数据的价值体现在使用者手里。而在使用组织内部，只能由上往下推动1. 面向企业外部的数据产品面向企业外部的数据产品，即由企业或个人开发，提供给外部企业使用的，具备数据采集，计算，存储，展示和分析等功能的产品。随着社会分工更加细化，这类企业在国内外逐渐增多，从最早期的Webtrends，Omiture，到现在的 Mixpanel 等，不一而穷。它们除了拥有企业服务产品的共性外，还有几个特殊的“症状”。首先，这些产品不可避免在平台型和项目型间游走。要想以低成本扩充更大用户群体，获得更高价值，必然得走通用型的路子。但企业与用户不同，需求是非常理性及个性化的。此时就会出现很多定制化的需求，为了满足这些大客户，在竞争中获胜，则可能慢慢滑落到定制化那边，沦落为一个高科技外包公司。对于数据产品来讲更是如此，不同行业的公司，甚至一个行业的不同公司，对数据的需求也会千差万别。举例来讲，同样是 O2O 的餐饮行业，美团外卖和回家吃饭关心的数据类别，分析方式也会有很大不同。而对于协作类，流程类产品来讲，这种差异性可能没那么大。其次，数据的价值体现在使用者手里，不在数据产品身上。这点也和其他类企业产品不同。沟通类，协作类和流程类企业产品，价值体现在自身产品上，只要用了就有价值。但对于数据产品来讲，更重要的是，企业如何根据数据做出行动。这要求企业本身需要具备浓厚的数据说话的文化，并且能够由上往下推动此事进展，不啻于又一座大山。这座大山如果不翻阅，数据产品的价值就无法被客户感知，从而导致产品粘性下降，客户流失。最后，因为数据的安全性和重要性，此类公司价值存在一定天花板。在未来的时代里，数据的重要性越来越大。即使对于没意识到数据的重要性的大公司，也会刻意地把大数据挂在嘴边（没错，我并不是在黑某度）。而安全性，也会引起拥有用户隐私的巨头，及银行类航空类公司前所未有的重视。基于以上两点，大公司势必会选择将数据紧攥在手心，然后不差钱地拨出一波团队来专门做这一摊事。而这就限制了此类公司的目标群体只能在中小型企业身上，这便成了它们最明显的边界。在大型企业中，它们最合适的定位是作为企业数据战略的补充者存在。以上种种，并非在以一个过来人的身份告诉大家一点人生的经验。在高山地见攀登者，于远洋处有渡航人。这个行业有它迷人的地方。亮点一，数据价值的广泛性。因为数据面向的企业多了，所以价值取胜在广而不在深。在这方面，此类企业对整个中国市场的启蒙非常重要。数据就像中世纪的骑兵，培养起来杀伤力不错，但一般国家养不起，因为没钱没马没传承。中小型公司因为人员和精力的问题，并没有沉淀和能力做数据，更别谈专业的数据分析了。很多企业，连跳出率是什么都不知道。这时候这类公司便冲了进来完成了早起的市场教育，解决了用什么（What）和怎么用（How）的问题。这相对于企业内部产品局限在管理层和某几个部门来讲，实现的价值要广泛得多。亮点二，数据需求的抽象力。如果旨在做一个通用的分析平台，那么如何将多样化的数据需求抽象成一个个产品就是关键。甚至可以针对不同行业，不同职位的人提供对应的分析模板，以及有普适性的分析功能。在这一块，Domo一直做得不错。亮点三，数据需求的实现程度。可以投入大量精力开放在企业内部不太可能投入的功能，如更加智能，适应性更加广的分析产品等。对于数据相关的从业人员来讲，它有着另外一个魅力：数据产品也开始注重产品设计和用户体验了。虽然这并不是此类产品成功的核心要素，不过也算是告别了企业内部产品“做出来你就得用”的时代，需要考虑数据如何以更便捷更友好的方式展现给用户。推测出口：面对这些现状，此类数据产品适合先确认自己的定位，比如针对中小型企业或者传统客户，根据定位打战。其次，专注于某个方面，打造自己的亮点，夺取自己的核心客户，如 GrowingIO 的无埋点或神策的支持私布的用户行为分析。最后以此，做合理的横向扩张，比如将某些核心功能打包成为一个子产品，对外开放使用。一方面提高产品的知名度，另外也能开拓新的 Leads 和做 Upsell 的机会。只要中国市场产生出了足够的中小企业基数，出路还是蛮宽广的。目前国内外存在很多此类数据产品，所有这些产品的类型逃不开数据采集清洗，数据计算，数据存储到数据展示分析整个链条。有些是专做其中某个环节，有些则是会涉及几个方面。根据环节的不同，面临的问题和亮点也不尽相同，对于它们详细的分析足以展开一篇新的文章，此处便不详谈。2. 企业内部产品企业内部产品中，按职能范围划分，可以分为平台型和业务型，其中具体的职责分配视公司的数据架构而定。但万变不离其宗，平台型主要是建设底层计算平台和通用工具，业务型更多的偏重于结合业务的 BI 系统和报表工具。如阿里的 Onedata 就是一个集团的数据平台，集数据规范化定义，数据计算存储和用户标签等为一体。而天猫可能就会利用这套系统自己搭建一套业务型的数据平台，并利用 Onedata 提供的数据标签对自身的用户做精准营销。按内容划分，则主要可划分为分析类和策略类。分析类主要是商业 BI 方向，包括了数据采集清洗，计算存储，展现和分析部分。大公司会特意把这些模块区分出来，再单独招人。入行时可选择某一个细分领域开始切入，但要把握全局，注意数据全链条的使用。BI 的类型也因部门而异，举例说说明有数据基础建设部门，销售分析部门，产品分析部门，供应链分析部门。部门的重要性视公司自身的业务特点而定，这个和其他岗位的选择逻辑是类似的。策略类的方向较多，对专业能力和职场经验要求也比较高。常见的有搜索推荐，风控和反作弊，精准营销和用户画像。这些有时候会有部分或全部不划在数据部门下面，但都需要比较规范的数据基础，以及着重与利用数据分析调整产品策略。做企业内部产品，有些点必须提前注意。这些点与文首的两个特点息息相关。数据质量非常重要。因此对应的数据采集，清洗方案都必须慎重。数据价值取决于高层，所以挑个了解数据并愿意投入精力的公司非常重要。这一点大概可以通过面试过程中，公司在数据方面人才的投入程度看出一二。如果说我们什么都没有，只是差个数据工程师/分析师/产品经理，同学，还是得三思啊。受关注度不高：毕竟数据不是实际业务，无法直接对前线数据产生影响。在关注度和资源倾斜力度上，与一线部门肯定有所区别。这一点包括下面会提到的临时需求繁多纷乱，都与数据价值体现在使用者手里密不可分。临时需求繁多纷乱：既然价值体现在使用者手里，则意味着部门会与你有很多亲密接触的机会。这些需求大多数属于碰到某些情况意外需要了解某些数据，而且往往会打乱自己的产品规划。基于以上情况，这要求从业人员得有几个素质：首先是数据产品本身具备的专业能力，如数据资产管理，数据可视化，数据分析等。其次是对业务的敏感度。在企业内部，需要靠业绩说话。你界面做的再漂亮，分析功能做得再完善，如果对业务起不了与投入相匹配的促进作用，就不是一个成功的内部产品。其次是比较好的需求管理能力，如果这块没把控好，很容易就被如滔滔江水的临时需求给淹没。最合适的方法是“长中短结合”，紧急的需求先满足，同时不能忽视数据平台的建设，抽象出来一个面能满足一个个散落需求的点。最后，需要有比较好的内部 PR 能力。 这与数据价值比较隐性，很多与业务表现没有直接关联有关。所以一方面你需要将数据分析的知识和技能在内部推广，另一方面也需要将数据成功案例对外宣传，树立起大家用数据说话的习惯和信心。3. 面向用户的数据产品现在国内积累了大量用户数据和消费数据的公司，都会推出自己类似的产品，如腾讯的 TBI 指数，阿里巴巴的指数，百度的百度指数，微博的微指数。据称，知乎也正在谋划着推出自己的知乎指数。此类产品重在了解趋势，对判断一些产品和事情的趋势很有些有趣的地方。以下是我2016年上半年研究今日头条和腾讯新闻之间的情况时，分析结论和和目前的指数情况。当然从日活上来看，腾讯新闻因其深耕多年，以及其庞大的用户基数，还是短时间内难以超越。但是用户数差距已经非常小了，而在使用时长上，则已远远超越。以下数据来自于 Questmobile 报告。综上所述，无论是哪一个类型的产品，根本方法万变不离其宗：根据对比细分溯源的基本方法论，和对于业务的理解和分析场景，建立起一套行之有效的分析框架。期间需要根据业务的变化不断调整，不断推翻已有结论，不断完善。如何最大化数据价值，如何讲清楚一个故事，是所有数据产品经理奋斗的终极目标。写到这里，各类产品中，个人所见难处和亮点，大概就是这些了。一方面是对以往思考做些总结，另一方面也是对意图进入这个行业的人提供些借鉴，其中有失之偏颇的地方，欢迎大家一起交流。本文作者：陈新涛，个人微信公众号：三生石，本文由作者投稿至投稿&数据分析网 发表，并经数据分析网编辑。版权归作者所有，转载此文请与作者联系。
本网站文章均来自网络
搜索结果，只以信息传播为目的，不代表本站认同其观点和立场，版权为原作者所有，请与公众号原作者联系，亦切勿轻易相信文章内容。如有侵犯权益，或者不良信息。请立即联络我们做技术屏蔽！ 邮箱:
上一篇：第一篇
下一篇：最后一篇
友情链接：