⑴ 大数据市场有多大 怎么利用大数据赚钱
大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如网络、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。
⑵ 大数据公司的盈利方式是什么
盈利方式是估值。
1.帮助企业建立战略投资和财务投资的长期财务预测模型，可以使用蒙特卡罗方法，对随机变量指标按概率分布进行统计模拟分析;
2.运用自由现金流量折现模型、经济增加值或经济利润模型、股利折现模型以及基于市场比率的估值模型等对投资的财务可行性进行分析;
3.对企业自身、投资对象进行不同战略情境演绎下的估值;
4.对企业围绕流动资金占用和投资的融资需求做出融资工具的选择和安排。
⑶ 大数据时代,供应链管理将面临深刻变革
大数据时代,供应链管理将面临深刻变革
供应链是一个系统，是由很多的公司或者实体、人和各类资源组成的有机系统。这个系统的目的是以可接受的成本将产品或服务提供给终端客户——这是供应链的基本定义。
在供应链管理中有三个要点：第一是物流，第二是信息流，第三是资金流。其中，物流是生产原料或产品在公司之间的传递以及在公司内部的转换。在优秀企业的供应链管理中，物流、信息流和现金流一定是协同整合在一起的。
供应链管理核心思想有两点——
首先，供应链中通常会有很多企业参与产品和服务的供给，因此企业之间的协同与合作非常重要。第二，供应链是跨学科跨部门的。从福布斯公布的经济数据上可以得知，世界前一百最大的经济实体中，51个是公司，49个是国家。这些“富可敌国”的企业有一个共同的特征，其所在的供应链网络中时刻发生着物流、信息流和资金流的密切交互，决定了供应链管理对于跨部门以及跨地区协同的要求远高于其他商业职能领域。
由此可见，整个供应链管理变得更加重要，跨地域之间的协同不仅是公司之间的协同，还有不同地域之间和不同文化之间的协同。另一方面，这些百强公司所属的行业几乎都是制造业，也就是说目前整个世界的经济很大程度上依赖实体经济增长。
企业要管理好供应链，最重要的是要了解如何运作。在福布斯的一项名为“通往财富500强CEO路径”的调查数据显示，500强企业中的CEO50%以上是从COO职位上晋升的，这主要是因为COO的职责是保证企业价值创造流程的效率和效果，这使得该岗位上的高管对于供应链全过程有清晰的认知。
供应链管理具有复杂性特征
供应链管理的首要职能是采购管理。如今大多数公司都把采购提高到战略层面，因此许多公司的供应商不但来自全球多个国家，而且数量巨大。例如，波音是美国公司，但是飞机零部件来自全球供应商企业，而沃尔玛仅在美国就有6000多个供应商。公司需要实时监测供应商是不是能够按照计划生产，以及是不是有健康的资金流和物流信息流，这是非常大的工作量。
在信息网络发达的今天，公司除了直接的物流和现金流的管理之外，还要考虑其他的许多因素，如果知名企业的供应商犯了什么错误，那么它会直接影响到该企业的市场收益。因此，企业需要实时掌握供应商的状态。管理好采购成为企业是否盈利的最关键因素之一。
第二个职能是物流管理。在企业层面，什么样的产品选择什么样的形式运输非常重要。在具体物品运输时，通常的做法是第三方物流介入。而这个过程中，大量的实时信息对决策产生影响。比如，共享单车公司需要决策怎么调配单车才能够保证最大化地给用户提供方便；再如，亚马逊的很多仓库都是自动化的，能够很快地追踪到每一个客户需要的产品，然后把这个产品贴上正确的标签、按正确的地址运送给这个客户。还有一个层面的物流是从公司到客户的物流，从公司到个人的物流管理实际上是很多企业成败的关键。
此外，关于生产制造的决策还包括资源管理、人员管理和质量控制。生产企业很重要的因素是生产量，因为产量越大的话，单位的生产成本就越低，如果产品多样化程度比较高的话，会降低生产效果。现在生产技术的创新使得能够达到生产多样化，从供应链的角度来讲，它带来的是个性化的供应链，也就是说，供应链的组织形式可能对每一个个体客户来说都是不一样的，这是供应链管理的一个大趋势。
最后一个职能是需求预测和计划。所有公司在资源和运作上的计划都是随着需求预测来做的，从公司的角度来讲，如何做好需求预测管理是一个永远的难题。作为供应链管理层面，第一就是决定什么样的产品和服务提供给什么样的客户，第二个很重要的因素是价格，因为需求走势和产品价格有关系的，而市场对于货物价格的反应是供应链管理核心的问题。
工业4.0到来促使供应链管理求变
在大数据时代，工业4.0的到来对供应链管理产生深远影响。首先，公司市场需求预测不再是基于历史销售数据了，大数据会帮助厂商作出智能预测。其次，个性化的服务成为可能，使得市场需求预测从综合预测向个体预测转变，为企业提供更精准的产品级预测指导。同时，大数据对生产领域产生的影响将导致供应链的物流、信息流和资金流的管理方式发生改变，机器设备、人员以及产品之间的信息交互将带来生产方式的深刻变革。机器由于数据的汇集与分析，智能化程度进一步提升，比如自我规划、自我维护的设备逐渐应用于生产，传感器触发的调度适配也有可能实现。这些因素都将引起供应链管理的改变。
⑷ 大数据公司的盈利方式是什么
盈利方式抄是估值。
1.帮助袭企业建立战略投资和财务投资的长期财务预测模型，可以使用蒙特卡罗方法，对随机变量指标按概率分布进行统计模拟分析;
2.运用自由现金流量折现模型、经济增加值或经济利润模型、股利折现模型以及基于市场比率的估值模型等对投资的财务可行性进行分析;
3.对企业自身、投资对象进行不同战略情境演绎下的估值;
4.对企业围绕流动资金占用和投资的融资需求做出融资工具的选择和安排。