（本文转自阿里云大数据孵化器团队的产品专家：九卿发表在知乎上的文章，以下原文分享给大家）
本人目前在A从事2B的大数据解决方案与产品设计工作，以大数据商业化为目标，各行业客户都有，简单跟大家分享下我们目前的大数据落地实操经验。
一、厚积薄发：BAT平台的优势
大数据平台就个人来看，A应该算做的比较好了，从云计算的布局到大数据平台，步步为营，也是筚路蓝缕。大公司的优势在于三个字“熬的起”。业务几乎都是以平台、生态的构建为目标，最终是enable别人成功，并从别人成功中获益的模式。
在这个过程中，有4点优势会体现出来：
1.电商行业能力通过云计算炮台向外部输出：
对于这块之前我还存在一定的误区，认为电商行业的经验固然重要，但是可能在真正实操应用其他行业的时候就会失效。实则不然，其实电商行业的经验带来最关键的是视野、思路，与方法论。比如电商沉淀下的大数据管理、用户标签体系设计、流计算/实时计算的场景与应用、个性化推荐的策略等等，当遇到类似场景的时候，你会心领神会的借鉴当初的思路，去帮助其他行业解决，去探索。所以，电商行业的经验填充了你的弹药库，你不再需要两眼一抹黑的干。另一方面，电商行业的成功经验，能够让我们快速从中抽取与提炼核心组件与模块，从而快速产品化，并在大数据的平台上架官方的大数据产品，冷启动数据市场，比如我们的推荐引擎、DataV可视化引擎、数据开发工具、机器学习平台，这些原来都是内部用户的或者电商用的，现在拿出来让其他行业用，能够快速帮助其他行业抢占市场。
2.云计算的长期积累，夯实了IAAS与客户基础
通常意义上，我们内部对大数据路线有个约定俗成的三字经“存-通-用”，做大数据首先要有数据，阿里云多年积累已经夯实了IAAS层，为后续的大数据业务一方面提供成型的基建如ECS、OSS、OTS、ADS等等，可以说很好的解决了“存”的问题；另一方面，多年积累的客户在IAAS温饱满足的同时，有客户特别是头部的大B客户越来越多涌现出更多的业务诉求：如何用好数据、加工数据、用数据助力业务等等，这就给大数据业务的开展带来了机会。
3.“丁”字型的人才储备深度，在业务快速发展阶段能够相互补位
一般业务刚兴起时缺人比较严重的，首先是前端、其次是产品，然后是数据、算法，待到技术可行的阶段，就是销售。大公司的人才储备，特别是复合型的人才，能够为新兴业务发展快速注入新鲜血液，并通过转岗机制确保良性兼容，老人做新业务，非常高效。
4.品牌影响力在业务拓展上的助力
这块并非绝对，当然很多场合下，阿里巴巴这个品牌本身就是实力、信誉的保障。今天我们对外输出大数据能力的时候，很多时候确实也利用到了这块的影响力，毕竟数据业务本身是一个公司的核心资产，对乙方都需要在技术与商业道德上进行双重考量，所以很多号称“第三方独立”数据服务公司也就浮出水面，一方面中立的身份，另一方面依赖或者嫁接多平台，不绑死。
二、他山之石：看看A现在是怎么做大数据的
我们从商业层面去做大数据业务，通过商业来拓展技术的边界，同时也让客户认可价值，并买单，从而变现。更准确的讲，我们现在不是做大数据变现，而是做的大数据能力变现，将我们在人工智能、数据管理、数据应用的框架、引擎去帮助客户解决具体的业务问题，帮客户用好自己的数据是第一要务，然后才是用别人的数据补充自己，最后才是用自己的数据服务别人。我们看几个典型的case：
case 1：服务某互联网创业公司
互联网公司一般跑的比较快，特别是业务，很多时候初期是堆人、砸钱来堆用户数、订单等，技术外包比较常见，特别是当前环境。理所当然，这块也带来了大数据业务的机会，比如在020外卖场景下，如何分配好订单，使得运力的利用率最大化，同时在指定时间内能满足叫单需求。这类业务可以说之前就没出现过，也几乎没多少人工运营的经验，很多时候运营就是凭直觉也好，或者所谓的经验也好，来派发订单。我们的机会点在于：虽然这是对方的核心业务，但是总这块内容需要人，一时半会招不到人，同时不做这块业务，每天会有大量的补贴在补贴运力与处理投诉，是很大一笔开支，从这两点考虑，是不是该做？
case 2：服务某传统技术型公司
该公司技术县先进，能够进行快速实景的3D建模，但是有个“最后一公里” 的问题非常致命，现有的重绘技术比较落后，需要2-3天才能重新根据大量测绘数据绘制出3D模型，不及时，使得应用的场景受限。能否将原来绘制时间由天级别缩短到小时级别甚至分钟级别？从而拓展应用场景，更好的进行商业化？
case 3：服务于某传统制造业企业
客户是世界最大的某材料生产企业之一，日产千万件，每件根据质量划分不同的等级，不同的等级价格不同，而良品率的提升直接与收益挂钩，客户已经具备初步的数据采集能力，但存储的数据未开发，也带来不小的存储成本，生产流程靠经验或理论，没有快速优化与验证的闭环，如何利用现有数据，提升良品率优化生产线？去低效产能的同时，赋能“智”造！
可以看到，目前落地的做法，不是通常意义上大家理解的精准营销、广告、人群画像，或者输出一份分析图表的大数据，而是从客户的问题出发，并且直接影响到生产或者业务效果的落地，让客户认可我们的价值，从而来商业化。
三、围三缺一：现阶段大数据业务下的BAT目前缺什么
一般而言，作为平台方为保障公平，我们不会去既做裁判员、又做运动员，大部分情况下，平台提供的是通用型的产品、基础性的服务，留出二次开发、增值开发的空间，enable别人成功。当然现阶段为了更好的启发市场，平台方需要自己做出标杆，告诉大家怎么做，从而揭竿而起，期望应者云集，基于我们的云平台来创新、创业。在这个框架下，有几点痛点：
- 缺技术型人才，我们挖掘的场景很多，技术需求量比较大，比如算法、比如前端、可视化设计等，我们缺合格靠谱的技术型ISV来与我共建、分成。
- 大数据的商机很多，我们缺少那些熟知某领域关键问题的合作伙伴，给平台带来商机与挑战，给平台提需求，让平台帮你成功。
- 对于平台现在提供的产品与服务，我们缺强力的合作伙伴，能够挖掘现有产品的业务价值，在其他行业上能够给用起来，能够进行二次开发，能够增值，一起赚钱。
- 缺数据：我们部分产品会缺数据，对于有任何数据沉淀的合作伙伴，我们都欢迎一起坐下来聊聊，共同开发这部分数据的价值，服务云上的客户。
- 对于平台暂时无法满足一些行业垂直类需求，我们期望能够联合这方面有突出能力的合作伙伴一起打单，在阿里云2B的大数据解决方案中，也会有这些ISV的一些之地。
四、夹缝中的机会
分析到这，差不多也比较明确，创业者的机会抓住以下几点关键词：独立第三方、基于云、补生态，再明确下：
（1） 从生态视角来看
- 技术合作伙伴：可以基于云，帮忙卖平台的成品（渠道）、可以基于平台的服务或者产品二次加工再卖（增值服务），可以做自己独立的产品（合作共建），配合平台一起打单。
- 人力合作伙伴：可以是三五个人，无论是算法还是数据能力，基于我们的大数据众智平台，接活。
- 数据合作伙伴：将自身无论通过哪类渠道沉淀的数据，通过平台提供的产品，对外输出，进行变现。借助平台的力量帮助变现。
（2）从大数据本身来看
如果我们不看生态，或者不依赖平台，当然也可以，我个人对大数据业务或者说大数据产品的判断：
大数据产品= 数据+AI+传达
数据：产品/系统需要的数据，可以是客户的，也可以是自己提供的
AI：人工智能、算法、模型、统计、处理逻辑等
传达：呈现、界面、服务方式、可视化等
对于不同的创业者，就看你主打的是哪一块，不同的创业方向在这三块有不同的打法与侧重，对于我个人而言，我会守住AI的底线，另外的两部分视情形而定。也就是用AI/大数据能力，形成服务壁垒，从而进行变现。
五、几点建议
- 建议先2B，2C可能数据都没有，更不用谈加工、变现。
- 选择一个出油的行业，先在一个行业下做出1、2个客户，然后沉淀框架与产品，然后打爆一个行业/子行业，然后再考虑延展性。没有深度的服务能力很多时候是做不出效果与爆点。
- 基础数据服务化，行业应用智能化 。公司在对外提供服务的时候，如果是基础类的服务，请将数据做成在线，可计量计费，跑量，以量取胜，当然如果这类服务还自带吸数据的属性，那就完美了比如风控接口。如果提供的是行业智能化/算法类项目，走价，做出溢价，比如panlantir。
- 无论做什么，一定要在初期就要立足产品化的目标，用产品去打。产品的抽象与沉淀过程，意味着你的目标与方向。这点没想明白就不要做了。
- 请讲清楚定价，定价是反应你对市场了解的唯一标准，甚至是检验产品的重要属性。
- 做好商务工作，大数据业务本来就是技术类的产品，对客户讲清楚价值都是。
最后，阿里云大数据孵化器团队诚邀各位合作伙伴一起来共建大数据平台！阿里云大数据孵化器是一群对数据充满信仰的年轻人组成的团队。这里有阿里小Ai之父，有顶尖的算法专家，还有优秀的数据开发和应用专家。我们坚信数据的价值，我们不断地努力尝试，我们快速奔跑前进，致力于用数据驱动创新，用数据提升业务效率，用数据创造无限可能。