閑話國內大數據發展簡史&產業化落地

文·blogchong

引子

之所以想要說一說這個話題,是因為下午在技術群中不經意間,就類似話題進行了比較劇烈的腦暴討論。

討論範圍包括了互聯網公開數據的挖掘、價值變現、數據獲取的合法性以及數據產業落地等相關方向。

當時就一直在思考這個問題,後續完了自己又想了幾遍,發現確實有所得,也挺多東西想表達一下的。

大數據在國內的發展簡史

大數據是在2009年開始相對比較正式引入國內的,基本上與Hadoop的「入侵」國內同步。

但在那時其實並沒有實際落地的東西,除了一些大公司在試探性使用,直到2012-2013年,國外已經完成一輪「探險」,國內才陸續開始思考大數據如何落地的事了。

確實是這樣的,國內在新技術領域上,一向落後於國外半拍,而我也恰恰也是在那個時候「入坑」的。

那個時候其實很多公司企業(除了當時BAT內部使用的案例),也是在嘗試性的涉足大數據領域,一邊追逐技術的完善,一邊在探索大數據與實際業務的結合點。

直到2014年,算是大數據在國內的一個爆發點,正式的轉折點。

首先,以Hadoop為代表的生態趨於成熟,甚至結合內存處理領域、數據實時處理領域,已經形成了一套完整的大數據平台技術解決方案。

其次,已經越來越公司結束了探索性實驗,用實際的成果嘗到了大數據這種處理模式的好處,已經形成了越來越多的實際可參考的良性案例。

當然,最重要的是確實存在實際的規模數據處理的需求。其實這個需求一直存在,只是很多時候沒有找到合適的契機爆發出來。

也就是從2014開始,大數據的人才市場需求在急劇擴增,很多其他IT領域開發人員紛紛轉型到數據行業,其中以逐漸沒落的傳統IT行業為代表。

有人才市場需求,進一步促進了大數據培訓市場的發展,各種大數據培訓機構如雨後春筍般的出現。

其實這也是沒辦法的事,因為當時還沒有哪個高校開設有大數據相關的課程呢。

當然,這波浪潮同樣卷到了學術界,部分高校也意識到了這個技術大勢,陸續有不少高校開始開設大數據相關的專業課程。

2015年,隨著互聯網的發展,市場各種互聯網應用需求的飽和,導致了流量紅利的消失,讓很多企業公司不得不考慮通過數據來提升效率以及推進用戶體驗,例如推薦系統、個性化服務等。

資本市場從2014-2015年逐漸介入,進一步促進各大互聯網企業公司向數據化轉型,使得大數據這個領域進一步達到高潮。

那麼,2016呢?

我們知道,資本市場算是迎來半個寒冬,流量紅利的消失,o2o在15年底都死的差不多了,16年讓資本市場變得更謹慎。

但是,就算是這樣,國內很多以大數據為技術驅動的公司依然拿了不少融資,包括神策、諸葛IO、GrowingIO等第三方數據分析公司,明略數據等這種針對於服務偏傳統行業的數據公司,甚至如DataEye類似垂直領域的數據分析公司都活的好好的。

是的,資本依然看好大數據這個領域方向。

同時,在國家政策方面,2016年可謂是大數據的國家政策元年,各種國家政策開始偏向大數據。

這意味著,大數據已經從半個風口的狀態,過渡到理性、穩健的狀態,這是一個良性的狀態。

透過現象看本質,2016年之後呢?

正如上面所說,目前大數據已經逐漸從「潮流」這種略帶風險性的標誌狀態,過渡到穩健、良性發展的狀態。

提前「入坑」的童鞋,相信已經享受到「潮流」帶來的部分福利,包括比其他普通IT同行們略高的薪酬待遇,以及更多、更自由的選擇性等。

好吧,其中也包括我了~~ 哈哈

那麼,後續會是一種什麼樣的情況呢?

首先,數據化依然會是一個不可逆的趨勢,在資本以及政策的驅動下,更多的公司會逐漸的進行數據化,甚至包括很多傳統IT產業,一樣擋不住這個大勢。

那麼在人才市場需求上的情況呢?個人感覺需求還是在的,因為市場遠沒有達到飽和,但是福利待遇會有所下降。

這是為什麼呢?

2016-2017年,各大高校逐漸會開始投放專業的「正規軍」,是的,那些大數據專業的學生們將被正式投放到市場中了。

此外,從2014年到2016年,大數據的培訓市場一直在增加的,不管是線上的還是線下的。

這意味著,每年,哦不,應該是每幾個月都會有大量的大數據速成工投放到人才需求市場中。

最重要的一點,經過四五年的大浪淘沙,市場已經有一大批「自學成才」的「老司機」可以撐起場面了。

在人才需求以及人才的待遇上,而不是一才難求的現象了,也會逐漸的趨於良性,趨於理性(之前寫過一篇大數據招聘亂象的文章,喜歡可以看看《你們是不是真的很缺大數據工程師?》)。

所以,如果你從大學剛畢業出來,發現大數據沒有傳說中那麼「香饃饃」,也不要奇怪;而從大數據培訓流水線上下來的童鞋們,也需要做好準備,薪水可能無法跟你想像中那樣了,翻個幾倍之類的。

不過「老司機們」到不用太過於擔心,雖然大數據的人才市場趨於日漸飽和,但是「駕齡」足夠,「車」開的足夠溜的,依然只有那麼一小戳人。

你依然是稀缺資源,所以不要怕怕。

你看我就不怕怕,哈哈~~

雖然,這一切看似良好,但是有些東西依然值得我們更進一步的深思。

那就是,大數據產業化情況。

正如之前在技術群中進行腦暴討論的那樣,這幾年大數據雖然市場需求不少,但是依然難以達到產業化的狀態。

這裡貼一個產業化的概念:產業化是指某種產業在市場經濟條件下,以行業需求為導向,以實現效益為目標,依靠專業服務和質量管理,形成的系列化和品牌化的經營方式和組織形式。

目前大數據的實際落地形式大部分都以輔助、加速其他業務為主,起一個催化劑,提升效率,加快速度的作用,鮮有看到以大數據作為獨立產業而存在的。

當然也有,比如上面提到的第三方數據分析商、垂直領域的DataEye,以及為企業提供大數據解決方案的明略數據等,也算是以大數據為根深立命而存在的。

但是總體來說,真的不多,而且絕大部分都是以2B的形式存在。我們知道,從格局上來看,2B的產品永遠是難以做到2C產品那種真正宏偉規模,改變產業格局的。

所以,從這點來說,雖然你市場需求放在這裡,但想真正以大數據為切入點、為立足的根本做點事,其實也沒有想像中那麼容易。

糾結~~

不過作為大數據領域的半個「老司機」,依然是希望大數據這個技術領域、這個行業,有一天能夠形成獨立的、推動人類進程的一些東西。

亦如互聯網、亦如社交網路、亦如電子商務、亦如移動互聯網等!

結語

最近一直有很多新手同行們向我請教大數據方向上的一些事,自己也一直在思考互聯網開放數據落地變現、以及大數據產業格局相關的問題。

所以,想的多了,對一些東西還是有一些看法的,藏在心中不吐不快。

也希望,上面閑話里的一些東西能夠引起你的一些共鳴,當然反駁也歡迎,歡迎一切與人格無關,與技術有關、與業態有關的探討。

下次希望有時間,能和大家一起探討一些關於互聯網開放數據落地變現相關的話題,這也是我目前一直想探索的東西,下次如果有所收穫再寫點 東西吧。

(正文完)

推薦閱讀:

測試一下:你適合學習大數據嗎
工業4.0生產模式成為電子製造業的趨勢
平安產險數據建模大賽,不可不知的N個理由
獨家 | 教你用Q學習演算法訓練神經網路玩遊戲(附源碼)
阿里巴巴大數據之路-日誌採集

TAG:大數據 | 數據挖掘 | 互聯網數據分析 |