大数据创业，你需要跨过几道坎？

导读

移动互联网时代，中国创业热潮风生水起，不仅有大量的移动互联网（包括手游）企业赴美上市，更是诞生了无数个创业奇迹。移动互联网不仅为我们的生活带来了便利，更是把创业热潮推向了历史最高峰。走在中关村创业大街上，你能收到的100份融资BP里，可能有99份都是APP和O2O项目，但99家里90%以上会重视大数据。

过去两年，在 Netflix 以行为分析为基础打造的美剧 House of Cards 《纸牌屋》爆红的同时，大数据也成了现代企业经营的显学。无论是消费、金融、电信、交通，甚至是政治、慈善，所有的研讨会上，一定可以看到大数据的身影。似乎人类组织有史以来的行销、管理等问题，有了 Data，全部都可以解决。

事情当然没有那么简单。就像任何新科技一样，大数据并不是万灵丹。要善用它，必须要从对的观念出发。

那么大数据时代如何创业呢？

大数据的创业门槛是什么呢？

门槛一：数据

大数据大数据，没有数据怎么玩？那么数据从哪里来呢？

首先，你可以通过第三方购买数据，比如说，数据堂就有很多数据出售和分享；

其次，你可以用爬虫爬回一些数据来存储；

再者，通过给企业、开发者、站长等等授权使用大数据工具来积累数据。这方面的新创企业包括Talkingdata、友盟和DataEye等。

最后，使用免费的政府、企业、和机构开放数据。比如说高德数据的API接口和微博商业数据API接口等等。

总体来说，解决好数据源是大数据创业的必要门槛。关键看你创业的项目是什么。

门槛二：硬件

做一个APP，用电脑搞开发，服务器用云服务器就行，按需购买。但是大数据不行，你没法把自家的数据存储在别人的云服务器上，一方面是安全因素，另外一方面也有产权因素。硬件也是大数据创业的门槛之一，但不是最大的门槛。

门槛三：人才

数据创业的最大门槛在于人才。和做APP不一样，大数据创业，一个人乃至几个人都是没法玩转的。初创企业可以是10-15人这样的团队，这样的团队要包括Hadoop工程师、算法工程师，数据建模工程师、架构师、NoSQL工程师、BI工程师等等，全都是技术要求较高、薪资要求也很高的人才。大数据人才有多贵？在美国，在R、NoSQL和MapReduce方面需求的专业人才薪水达到了每年约11万5千美元，在中国也便宜不到哪里去，没有年薪30万很难招到一个大数据人才。

据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。也就是说，技术很牛的大数据人才，他的选择面很宽，要么早就进入BAT企业，要么也是在不错的企业拿着高薪，想要挖这样的人才，除了钱，股票、期权、福利等等，都是必须付出的代价。

门槛四：技术

说了人才，就要说技术了。大数据技术不是懂C++或者R语言就够了的，大数据有一整套自己的技术体系，包括统计、编程、JAVA、数据库、Hadoop、Spark、NoSQL、机器学习、自然语言处理、算法、数据可视化等等技术。光是Hadoop需要用到的技术和编程语言就有很多项。而且市面上的大数据工具每家用的还不一样，用开源软件（如Hadoop、Spark）或者用SAP（SAP HANA）需要的技术也不一样。技术要求较高，而拥有大数据综合技术的人才又较少，这也成为了制约大数据创业的最大问题。

门槛五：钱

大数据行业创业不缺资本，只要创业项目的商业模式没问题，并且技术能力强，且团队靠谱，无论在中国还是在美国，融个A轮还是没有问题的，资本关注度很热。但是在拿到融资之前，自己启动的资金就需要一大笔。人才、硬件和技术成本都较高。

这么理解吧，如果说，几个好朋友凑50万花3个月可以做一个APP项目，那么要在大数据行业创业的话，请先准备600-800万再来玩。

门槛六：商业模式

中国互联网上最赚钱的行业是什么？应该是电子商务和网络游戏。电子商务和网络游戏也是互联网变现最快的行业。而大数据，它的变现能力不如网络游戏和电子商务那般简单直接。很多企业中，手里有钱、有数据、有人才也有技术，但是没有最明朗最直接的商业模式。大数据只有和业务场景结合，才能产生价值。

大数据就像石油原油一样，你知道它在哪里，你可以开采它，但是开采出来你还需要冶炼，并且经过减压蒸馏、加氢精制、溶剂精制、溶剂脱蜡等炼制过程，成为成品油后运送到各个加油站，让汽车加满油后产生了动力才实现最终价值。大数据也一样，需要一整套复杂 的过程才能实现商业价值。

所以，大数据创业最难的还是在于商业模式的思考，如果你没有找到一条让大数据变现的渠道，那么千万不要忙着拉团队创业。大数据行业创业，光有idea是不够的，跑通整个商业模式才是关键。

大数据如何创业呢？

一、找到一个大数据商业突破口；搞清楚你要用大数据解决什么问题，你的用户是谁？商业逻辑是什么？

二、找到一笔启动资金；

三、最好自己就懂一些大数据相关技术。

四、找到几个可以与你同甘共苦的伙伴。

五、找到你的数据来源，最好是独家的数据来源。

事实上，不要着急去做大数据项目，做大数据处理工具是个不错的方向，可以先从做BI（商业智能）、CRM、ERP系统开始，等你有了客户，有了数据之后，回转头来做大数据项目，会更加水到渠成。

所以，大数据是社会科学重要的进展，但企业要精准抓住未来，经理人要拥有更好的决断力，还是要基于对不同人、不同性的理解，而不仅是科技工具的使用而已。大数据不是万灵丹，它只是涡轮加速器，至于方向盘，仍旧掌握在你的手上。

链接：大数据ABC

1.大数据是新时代的新玩意

事实上，数据分析一点也不新。早从数百年前的启蒙时代，学者们便已开始遵循科学方法，一步步拆解事物形成背后的原因。科学家先观察，取得并分析数据，归纳出假说，然后再经过不断实证，逐渐形成定律。因此我们说的大数据，充其量只是科学方法的应用。跟过去的科学家相比，现代大数据更多仰赖机器去做观察与取得数据的工作，以求更全面、更即时的资料收集。但后续的推论、归纳工作，还是需要人为的判断。

2. 100TB 以上才叫大数据

数据的大小，事实上没有明确的界线。更重要的，数据的大小，不一定有意义。数据大，也不代表一定能做出準确的预测 ─ 假设你拥有地球 70 亿人口的姓名、性别、生日、身高、体重、肤色、视力，以及他们的上网行为等种种数据，如果题目是要预测他们明年的收入分布，这个庞大的资料库，恐怕还是无法帮上你什么。所以数据在精不在多，重点是要达成的任务，不是储存的数量。

3. 数据非常客观

采集数据的软硬件，是人为设计的，因此不可能做到绝对的客观。手机停留在某个画面，就代表你在欣赏这个内容吗?很难说，或许你只是在跟旁边的朋友聊天。对某个发文点赞，就代表你真心喜欢这则资讯吗?也很难说，说不定只是喜欢发文的人，或是手滑不小心按到。真实世界，永远有测不准的环节，因此设计数据采集软件的人，很难绝对客观的去记录使用者行为，所以产生出来的数据，也很难是完全客观的。对于大数据，你该有的认知是它有相当、相对的客观性，但不可能绝对准确。

4. 数据可以告诉你不知道的内幕

就像字面显现的，数据只能告诉你不知道的数据。但它究竟代表什么样的内幕，必须要靠归纳者自行去解读。举例来说，分析你的 App 使用者资料后，发现 21-30 岁女性族群占比最大，这可能代表着你的 App 对这种人最有吸引力，但也可能代表当初推广团队在发广告时，比较针对这样的族群。究竟事实是什么?往往需要更进一步的综合比较、实验分析，才能逼近。

5. 大数据是资讯部门的问题

大数据的收集与储存，的确可以归类为资讯部门的业务。但定义该收集什么，如何收集，收集后该如何应用，绝对是业务主导部门该负责的。要求 IT 部门把大数据做好，就好像要求财务部门提昇公司获利一样，是本末倒置的。

6. 大数据会改变一切，不懂数据的人将会被淘汰

数据的重点不是数据，而是解读与预测，也就是用数据验证人类的行为模式，用以提升产品与服务的设计，与潜在、现有客户沟通的方法与内容。因此，懂数据不是重点，懂人才是。在全面连网的世界，数据将会越来越泛滥，懂数据收集管理的人也将会越来越普遍。但无论科技如何发展，懂人的人，恐怕永远是少数。人感性、容易受到环境影响，因此难以预期。

（自：移动创业、快鲤鱼）