大数据“寒冬”是否来临，未来的大数据走向分析

      现阶段，大数据的代表企业主要包括：BAT华为等巨头系、TalkingData华云数据Dataeye等创业系、和电信、移动、联通等国有系。在2013年到2016，在相关政策的干预下，大数据迎来了行业的春天，大数据公司层出不穷，基本标榜是“大数据”的公司就能够很快拿到融资。根据在2017年的统计数据，在2017上半年，大数据行业的总体融资额数超过68亿。行业的繁荣也吸引了更多大公司和创业者进入这个行业。但是和行业发展角度分析，这样的发展速度明显是极不合理的，所以后期的大数据行业开始进入调整期也可以预料到。

　　根据数据分析，2016年后大数据行业没有在继续保持发展的“盛状”，大数据的几家代表公司都开始进行大规模裁员，根据内部人员表示，裁员可能会继续进行。

　　裁员背后是融资的不顺利，除了个别案例，很多大公司都存在了融资困难的状况。大公司的大数据之路都开始困难重重，一些创业公司更是进入发展困境。而作为投资部分的某基因代表人对这个行业也表示，该基因会从2016年进行的投资，因为投资的多项项目都没能继续下去，所以他们停止投资也是无奈之举。在大数据行业发展迟迟不能技术变现的也有公司采取了别的发展策略，比如Dataeye在海外进行发展，进而实现了初步盈利。

　　造成这种困境的深层原因

　　1. 大数据的技术研究停留在表面

　　大数据发展已经过去了6年时间，但是我们对大数据技术的研究仍然停留在应用表面，大数据应用中的关键技术仍然来源于美国。是比如分布式的数据库，除了阿里的少部分研究，其他公司没有对这项技术提供发展。

　　当前大数据行业的数据研究主要集中在数据挖掘和数据分析方面。这也和我国其他行业的发展趋势类似，即没有掌握技术底层的技术研究，研究的重点和长项都放在了技术的应用层面。但是这样的发展模式可能能够实现短期的行业变现，但是发展的根基不稳，久之肯定会暴露出问题。

　　2. 数据的指向性不够精准

　　大数据的“大”字，其实就是海量的数据，现阶段很多人都在用用户数据来分析用户心理和用户行为，想通过大数据的研究为用户提供精准的商品，进而提升用户的购买行为，为行业发展谋利，但是其实用户最终的购买行为是多维度决定，用户最终的购买行为会受到的影响因子数量是很庞大的。行业之间并没有实现数据流通，行业数据的

　　3. 经济下行投资环境日益艰难

　　进入到18年，由于经济大环境越来越不乐观，连巨头腾讯的股票都暴跌40%，很多基金连完成新的一轮募资都很困难，自身难保。剩下有钱的基金更加趋于谨慎。作为需要长期投资的大数据领域，融资更是越来越难。2018年以来，有关大数据公司融资的消息几乎是凤毛麟角。现在几乎到了“闻大数据色变”的地步，在投资人眼中已把大数据与“忽悠”、“骗子”一词挂钩。如此严峻的形势，估计还会持续2-3年。

　　4. 海外大数据市场逆势发展

       与国内大数据公司面临困境的状况完全相反的是，海外的大数据行业正处在行业高速发展的状态。根据美国2016年大数据全景图，可以看到美国目前众多大数据相关公司和团队，行业非常细分，整个生态链都很健全。

　　在当下，国内的部分投资机构想投拥有核心基础技术的大数据公司，都会去硅谷，而国内优秀的大数据人才也向硅谷流失，因为那里更适合行业和个人发展。

       当前大数据发展的建议

　　1. 加快标准立法建设，优化数据交易环境。目前，贵州、武汉等地积极探索大数据交易标准规范，贵阳大数据交易所成为国家首个“大数据交易标准试点基地”，华中大数据交易所通过制定《大交易数据格式标准》、《大数据交易行为规范》等推动大数据交易规范化发展。国家可基于地方数据交易实践及标准规范，并借鉴国外先进经验，逐步探索建立国家层面数据交易的法律法规和行业标准，推动我国大数据交易实现标准化、规范化交易。

　　2. 加快数据开放进程，与数据交易形成良性互动。充分发挥数据开放与数据交易间的良性互动作用，逐步为数据交易构建起良好的环境氛围。大数据时代，随着数据资产价值的提升，数据开放通过进一步丰富数据品类、扩大数据规模，可以在供给上为数据交易提供保障;数据交易变现能力提升和应用效果显著后，将会在一定程度上鼓励数据拥有者向社会开放数据。李克强总理在中国大数据产业峰会指出，“80%的数据掌握在政府手中，政府应共享信息来改善大数据”，政府作为公共数据的核心生产者和拥有者应加快数据开放，推动数据流通和数据交易，释放数据价值。

　　3. 逐步推进“分类”交易原则，试行“一类一策”。按照差异化交易原则，对交易的数据进行分类，根据不同类型数据实施分类交易。一是针对不同的交易主体、交易模式等，鼓励其根据自身优势、自身发展定位等分类发展。二是针对不同来源数据、不同类型的数据，尝试制定不同的交易策略和定价策略。如针对稀缺性、价值高的数据，实施卖方定价;针对社会公共价值高的数据，特别是政府部门提供的数据，实施成本定价。

　　4. 创新交易方式，探索“泛交易”模式。“泛交易”是指在数据交易过程中，打破传统思维，创新交易方式，延长数据交易链，在现有数据买卖的基础上，探索以数易数、数据捐赠、数据代理等更加“泛化”的数据交易形式。如东湖大数据交易中心在交易平台上推出“以数易数”服务，用户在数据过程购买过程中可以与卖方协商，用自己所拥有的其它数据与其进行“物物交换”。“泛交易”可以鼓励吸引更多的数据交易主体参与到交易过程中，增强数据流通性和使用价值，多渠道提升数据交易变现能力。

      从大数据行业的分析来看，大数据的当前发展困境也是大数据的调整期，这也告诉我们技术变现和落地应用的重要性。