大数据，大数据公司，低估值
一. 什么是数据？
我们将它分为线上与线下两类来具体分析下：
线上，互联网数据互联网信息：网页。电子商务。 人在互联网中的行为：社交，衣食住行，健康。物联网。
线下，现实社会数据信息：线下每天依然在产生大量的信息。线下商业。实物：包括机器，桌子椅子等。人：线下的社交，衣食住行，健康医疗。 生物数据：(除人外的活体生物，宠物等)
哪些数据最重要？
互联网时代把线上数据发挥到了极致，直接推动了BAT三大巨头的诞生，同时也把马云、马化腾、李彦宏带到了首富的位置。
百度：搜索（信息，连接人与信息，重金O2O，强行连接人与服务，现在搞AI）
阿里巴巴：电子商务(商业)
腾讯：社交(人)
二. 哪些公司是大数据公司?
这个问题不好答，换个方向就好答了：哪些公司有大数据人才？连大数据的人都没有，别自称大数据公司了，好吗？
1. 互联网巨头
互联网巨头的起家背靠着电商、社交、信息、游戏和金融等互联网时代的巨大概念。
腾讯的数据主要来源于QQ、微信和腾讯游戏。拥有的用户关系数据，社交数据因为私密无法公开使用。利用数据改进产品，数据驱动广告、电商、资讯、社交等一系列腾讯产品的改进。腾讯的未来在于微信，微信现在已经不再把精力放在IM通讯上了，而是连接一切。未来微信很有可能会成为整个互联网的基础服务最大的入口。那时候的微信也就掌握了电商、社交、信息、游戏和金融的一切。
阿里巴巴的淘宝，天猫，阿里巴巴，支付宝。商品交易，支付数据是商业的基础设施。支付宝的交易数据使得阿里长期在互金领域占据霸主地位。电商超越零售不是现在，就是不久的将来。所以阿里目前拥有的网商数据，也就等于掌握了中国部分的商业占比。
百度的百度搜索。百度对于信息的利用来源于用户与商家的需求，用户侧服务互联网网民的搜索需求，商家侧匹配广告主与网民的广告业务。另外，百度还重金押宝AI，AI若能成功将革新社会的基础服务，比如无人驾驶。所以个人觉得百度仍然有机会回到第一的王座。
凭借着互联网时代庞大的数据体量与高质量的数据，可以说，BAT拥有着当今最优秀的数据人才。
2. 行业巨头
行业巨头个人分为两类：
第一类是IT巨头，例如华为，小米，新美大，浪潮，中兴，曙光等公司。他们凭借着在IT领域建立了技术壁垒或者服务能力，成为了各自领域的佼佼者。
第二类是传统行业巨头，包含各行各业，金融，零售，能源，机械，酒等垂直领域。比如你听说过茅台酒公司的大数据平台吗？
由于上述行业巨头的垂直领域数据的垄断性地位与数据体量的变大，希冀能依靠数据产生价值 。凭借着两点，行业巨头也拥有着很多高质量的数据人才。
但数据不是他们的第一驱动力。他们有更重要的主营业务。
3. 新时期的大数据公司
新时期大数据公司个人分为基础服务平台、商业数据分析两大类。
基础服务平台提供了数据平台基础服务，比如大数据存储平台，计算平台，BI平台，数据交易平台。
商业数据分析型大数据公司提供了复杂的端到端数据服务，包括数据采集、清洗、分析，帮助没有数据分析与整合能力的企业理解数据，认识数据，并让自身数据发挥效用。
接下来,我们重点讨论的是如何看待这些新时期的大数据公司。
三. 为什么突然冒出那么多新时期的大数据公司？
对数据的需求自古有之。乔家大院里面，东家乔致庸看账本可不就是数据应用吗？
那为什么在之前少有专业的大数据公司，在最近几年才爆发起来？2012或者2013年被称之为大数据元年。
新时期的大数据公司大幅增加源自于有两类数据需求的集中爆发：
1. 线下的数据机会
在看到巨头们由于占据了互联网端的数据后，很多人发现了线下的数据机会。梦想着成为巨头的他们，踏上了继续强力推进线下数据线上化的道路。
2. 企业对于数据化决策的需求
抽象来看，企业的发展过程很大程度上经历了纸质化1.0时代，信息化2.0时代，数据化3.0时代。当快糙猛的高速发展期过去，企业的发展同样需要数据驱动，数据决策。但是，很多企业信息化过程都经历了阵痛难产，现在等待它们的是数据时代的到来。对于他们来说，数据人才缺口是最大的问题，于是他们需要借助外力。在信息化时代，这叫找外包。不好意思，数据时代，一样需要外包。（什么？原来我们这些data scientist在做外包？）
于是，一大波大数据公司出现了。
四. 大数据公司的估值并不高，都比不上O2O？
在消费完大数据的概念后，其实现在媒体跟投资圈更多的在消费AI了。做系统的开始说自己做大数据，做数据的开始说自己在干AI。
估值除了看公司收入，利润，用户，概念，还有就是VC的人傻钱多了。
之前爱分析有一篇文章，大致列举了中国未上市大数据公司50强，没有一家估值超过10亿美金，一家独角兽企业都没有。那是什么原因导致的低估值?
1. 线下数据线上化，硬骨头太难啃
线下的数据还有哪些没有被线上化的？
人的线下社交，线下交易，实体零售，线下营销，线下课堂教学等一系列线下场景。可以说，线下是社会的组成，特别是很多场景严重依赖线下，比如学习，服务化消费。因此线下数据的收集同样很有利。
举一个小例子，线下课堂教学中，如果能实时获取每一个同学对于知识接受度，掌握每一个人的学习，可以有效的帮助每一位同学更好的学习，从而避免误入歧途。
但线下数据收集难度太大，成本高，技术仍不完善，所以从数据收集一开始就遇到了困难，我总结为硬骨头。
另外一个是数据孤岛效应严重，实质上数据如果无法达到大、全、价值，很难产生协同效应。
但未来肯定有办法。通过AI的发展，通过音视频的捕捉，线下数据线上化只是时间问题。
2. 大数据公司业务难以规模化
在一系列TO B的大数据公司中，商业的数据分析属于外包型数据分析业务，外包的一个重要特点是堆人头，很难产生规模化经济效益，赚取超额利润。
并且，很多大数据公司急躁且跟风，数据外包本质上是外包团队的困境，为什么很多公司现在选择自建技术团队，因为外包是不会为企业的长期发展而考虑，这是经济学或者社会学领域研究的问题。很多时候大数据公司接了单，却没有能服务好，根本不能为企业带来实际的效益，最终企业反而劳心劳力无所得。
其次，中小企业引入大数据分析数据是可以帮助决策，提升企业经营效率的。但是企业自身进行大数据投入的意愿是多少？意愿 = 收益 – 成本。如果收益无法cover成本，很多企业是没有动力做这件事情的。其实这也就是很多中小企业的困境。
当然，data to people是历史潮流，未来一定有越来越多的数据服务公司出现，也有越来越多企业需要数据服务。
3. 数据隐私
数据有其独特性，尤其是隐私，企业对于数据的思考尤为谨慎。
互联网爬虫与反爬技术的兴起，也是源于数据隐私，电商，旅游等网站都在防止竞争对手爬取自身的数据下足了苦工。互联网发展至今，特别是数据资产这一定义深入人心，大家对数据更为谨慎，也就导致了数据共享困难。
这也是我觉得纯粹靠整合某一垂直领域，利用数据来达到垄断某一领域的困境。
4. 数据技术平台
这一类公司其实已经有独角兽的端倪了，包含大数据基础平台以及数据云平台等。包括Hadoop领域的三架马车，都已经进入了十亿美金的独角兽阶段。