什么是大數(shù)據(jù)?先了解三個(gè)概念:數(shù)據(jù)沉淀、數(shù)據(jù)挖掘和數(shù)據(jù)呈現(xiàn)

大數(shù)據(jù)咱聽的夠多了，百度一下，就“為您找到相關(guān)結(jié)果約7,150,000個(gè)”，可它到底是個(gè)什么東西，解讀甚多，眼花繚亂的沒個(gè)準(zhǔn)。本文整理修改自知乎的一個(gè)問答，作者是大數(shù)據(jù)解決方案公司一面數(shù)據(jù)的創(chuàng)始人何明科，他嘗試用大白話解釋了數(shù)據(jù)沉淀、挖掘、呈現(xiàn)三個(gè)概念，從中我們也能看到整個(gè)行業(yè)的大致狀況。如有補(bǔ)充，歡迎評論互動(dòng)～

對于國內(nèi)數(shù)據(jù)分析市場，我們感覺如下：

市場巨大，許多企業(yè)(無論是互聯(lián)網(wǎng)的新銳還是傳統(tǒng)的企業(yè))都在討論這個(gè)，也有實(shí)際的需求并愿意為此付錢，但是比較零碎尚不系統(tǒng)化。目前對數(shù)據(jù)需求最強(qiáng)烈的行業(yè)依此是：金融機(jī)構(gòu)(從基金到銀行到保險(xiǎn)公司到P2P公司)，以廣告投放及電商為代表的互聯(lián)網(wǎng)企業(yè)等。

尚沒出現(xiàn)平臺(tái)級公司的模式(這或許往往是大市場或者大機(jī)會(huì)出現(xiàn)之前的混沌期)。

To B服務(wù)的氛圍在國內(nèi)尚沒完全形成，對于一些有能力的技術(shù)公司，如果數(shù)據(jù)需求強(qiáng)烈的話，考慮到自身能力的健全以及數(shù)據(jù)安全性，往往不會(huì)外包或者采用外部模塊，而傾向于自建這塊業(yè)務(wù)。

未來BAT及京東、58和滴滴打車等企業(yè)，憑借其自身產(chǎn)生的海量數(shù)據(jù)，必然是數(shù)據(jù)領(lǐng)域的大玩家。但是整個(gè)行業(yè)很大而且需求旺盛，即使沒有留給創(chuàng)業(yè)公司出現(xiàn)平臺(tái)級巨型企業(yè)的機(jī)會(huì)，也將留出各種各樣的細(xì)分市場機(jī)會(huì)讓大家可以獲得自己的領(lǐng)地。

對于數(shù)據(jù)業(yè)務(wù)，按照我們的理解，簡單將其分為三塊：數(shù)據(jù)沉淀、挖掘和可視化，每一塊分別對應(yīng)不同的模式及產(chǎn)品或服務(wù)。(數(shù)據(jù)挖掘業(yè)務(wù)又被細(xì)分為分析、理解及存儲(chǔ)。)下面會(huì)進(jìn)行簡單介紹，其實(shí)從我們的業(yè)務(wù)也可以看到一些整個(gè)行業(yè)的大致狀況。

數(shù)據(jù)沉淀

用大白話說就是數(shù)據(jù)抓取。目前有四大方式獲取數(shù)據(jù) ：

網(wǎng)絡(luò)爬蟲，用Python及Go等開發(fā)自己的爬蟲平臺(tái)，對幾十個(gè)網(wǎng)站進(jìn)行每日抓取獲得相關(guān)信息(詳見：能利用爬蟲技術(shù)做到哪些很酷很有趣很有用的事情? - 何明科的回答)

Wi-Fi接入方案，比如我們自己就開發(fā)了一套完整的軟硬件方案，優(yōu)勢是高ROI(投資回報(bào)比)，且免費(fèi)提供給物業(yè)管理者，幫助其實(shí)現(xiàn)靠網(wǎng)費(fèi)賺錢以及推廣費(fèi)賺錢。在與其協(xié)商的基礎(chǔ)上，獲得用戶數(shù)據(jù)。這主要是OpenWRT的開發(fā)以及一些智能硬件和客戶端的開發(fā)。

提供一些圖像方面的API，進(jìn)行圖片搜索及人臉?biāo)阉?，滿足客戶在圖像處理和圖像識別方面的一些需求，同時(shí)獲取相關(guān)的圖像數(shù)據(jù)。涉及到一些Machine Learning和Deep Learning的算法，使用C++/Open CV/Matlab等工具或模塊。

數(shù)據(jù)服務(wù)需求方自行提供。

這部分是按照數(shù)據(jù)銷售的方式向客戶收費(fèi)。

數(shù)據(jù)挖掘

用大白話說，就是利用數(shù)據(jù)分析產(chǎn)生深層次有價(jià)值的理解。

基于以上各種方式獲得的數(shù)據(jù)，我們可以做最簡單的統(tǒng)計(jì)分析、用戶及品牌理解、用戶畫像、各品牌或各產(chǎn)品型號之間的關(guān)系等等，了解現(xiàn)在和歷史并爭取預(yù)測未來。

常用的工具是Python/R/SPSS等，算法包括最簡單的統(tǒng)計(jì)、稍微復(fù)雜一些的Machine Learning、現(xiàn)在被捧上天的Deep Learning以及Collaborative Filtering等等，也需要使用到Hive等大數(shù)據(jù)處理平臺(tái)。

這部分類似于咨詢服務(wù)，向有需求的客戶按照項(xiàng)目收費(fèi)。

數(shù)據(jù)呈現(xiàn)

用大白話說，就是把分析結(jié)果用最美觀和最容易理解的方式(圖標(biāo)或者圖形)展現(xiàn)出來。

目前，行業(yè)大概有幾種玩法：

網(wǎng)站(兼容PC端和移動(dòng)端)：提供給付費(fèi)的B端客戶，不對外公開，大致形式如下：

開專欄和做公眾號：都是純免費(fèi)的，將一些不敏感的數(shù)據(jù)和分析分享出去，攢人品賺口碑。

提供一個(gè)SaaS的公有云平臺(tái)，方便大家把自己的數(shù)據(jù)制作成為便于在網(wǎng)上特別是移動(dòng)端傳播的圖文報(bào)表。產(chǎn)品的邏輯很簡單：讀數(shù)讀圖的需求越來越強(qiáng)烈，但是卻缺乏這樣的工具或者平臺(tái)來制作圖文并茂的內(nèi)容，即使是Excel，也不能制作出適合于網(wǎng)絡(luò)傳播的圖文內(nèi)容。

常使用的技術(shù)是JS+Node.JS+MongoDB等等。

這部分主要是賺吆喝和匯集流量，怎么賺錢目前尚不清楚。