大数据企业如何发展，市场正在做出自己的选择。
8月末，北京某酒店的一场大数据企业展上，聚集了全国各地的企业。现场展示有随着《江南style》起舞的机器人，有早期科幻电影里走出来的“触摸式数据可视化屏幕”……
“你们的具体业务是做什么的”、“和大数据有什么关系”……和直观的服装展、美食展不同，大数据行业作为当下的风口新业态，其行业标准、商业模式正在探索中，参展的大数据企业们，以各种可视化的方式，把大数据产业的最新成果展示给观众。这场活动吸引了大批企业和研究人员，其中还包括自费从国外过来学习的教授。
中国的人口数量，让其成为大数据大国，但却不是生来的大数据强国。国内大数据市场正在经历炒作、探路和实践期。21世纪经济报道记者采访发现，今年的大数据行业聚会，探讨的内容已经从2014年的数据是什么，发展到大数据产业的商业模式怎么做。
从业务定位到市场开发，从产品生产到服务提供，大数据企业的发展还处于初始阶段。在大数据生态圈里，看上去很美的商业价值，已经吸引了一批创业者，将之视作弯道超车BAT的最大机遇;也有传统企业和行业巨头借势圈地扩张，寄望完成转型和整合。
有学界和业界人士预测，大数据已经从概念炒作走向了稳步发展时期。另外，8月份出台的促进大数据产业发展行动纲要，系列鼓励和规范政策正在密集出台中。在大数据这个具体政策和标准近乎空白，正在野蛮生长的大数据产业生态链中，21世纪经济报道记者通过采访大数据产业生态链上的各类企业，摸底大数据产业的商业化落地进程。
应用行业参差不齐
“扫码送牛奶”、“扫码送雨伞”……进入2015年，从中关村地铁站出来，簇拥围住你的人群，不再给你发传单，而是各类APP扫码推广。APP推广的大量聚集，让这里被戏称做“扫码一条街”。
在大数据被各方合力推上风口的当下，这些APP推广工作人员会介绍，这款应用是基于某领域海量数据库的处理和分析的产品。在很多新上线APP的宣传里，“数据为王”，“企业对大数据的态度决定未来的高度”，类似的说法越发常见。
事实上，这些企业是不是纯粹的大数据企业尚有争议。一部分人认为，严格意义上来说他们只是通过互联网+的方式应用大数据，是大数据生态链上最终的消费者，是大数据得以应用的主要场景，而不是纯粹的大数据从业企业。
抛开争论，这些大数据应用企业，对大数据产业发展的重要性毋庸置疑。“企业对数据的应用，是大数据行业发展的引擎”，有专家表示。
21世纪经济报道记者发现，在每一次关于大数据相关的活动中，大数据的商业应用，是最受关注的板块。在8月26日的中国国际大数据大会开幕论坛上，关于大数据的商业应用，学界和业界即产生了两种完全对立的观点。
北京大学鄂维南院士提到：“现在的数据分析公司是风起云涌，我把它说成是小锅炉战场，想当年大炼钢铁的时候，就是自己在家里就建了锅炉就炼。”鄂维南称，现在的确什么人都可以做，没有什么技术含量。
鄂维南还提到，数据交易存在经济学上的悖论，数据服务作为一个业务模式，它的商业模式现在没有真正被认可，数据通过什么方式赚钱，前景不是那么清楚。
晶赞科技董事长汤奇峰在中国国际大数据大会上发言称，大数据交易并不存在经济学上的悖论。我国企业对大数据应用的现状基本都是初期的状态。应用的主要形式还是，基于大数据得到的商业洞悉，业务推荐和智能获客等三个领域。其中的典型就是个性化推荐和智能广告。
汤其峰在接受21世纪经济报道记者采访时表示，大数据的商业模式体现在很多方面，大数据价值在交易和流通的过程中体现，并且会发生聚变效应，实现边际效应递增。
21世纪经济报道记者了解到，目前国内对于大数据应用，发展较好的还是以大企业为主，比如BAT、滴滴快的、Uber等互联网企业。不管是对外数据源采集，还是企业内部的数据资产管理，其互联网企业基因，以及自身的资本优势，使得他们在大数据的应用上同样处于领先的态势。
同时，由于这些拥有大量数据资源的企业，在分析挖掘数据形成应用的同时，放弃直接依靠出售数据获利，而选择对外提供数据服务和分析结果，为应用类企业的决策和东西提供了便利条件。这也是应用类的数据企业或产品数量较大，占到了行业总数的三分之一的重要原因。
而对于部分中小企业而言，资金缺乏和技术难题导致数据获取难，缺乏数据资产管理意识，其对大数据的使用，仍在探路中。
另外，我国的大数据应用领域分布仍然不够全面，相关企业主要集中在互联网、市场营销、电信、金融领域，而政府公共服务、农业类应用，发展还在原始阶段，近期个别企业还不时爆出数据造假的传闻。同时，数据应用的方式单一，思路狭窄，一些企业盲目学习国外的数据应用模式，也是大数据应用企业发展的一大短板。
抢占数据分析高地
如果说大数据的应用，是大数据产业的商业价值终端，那么大数据行业公认的大数据分析，将会是大数据产业的核心，是大数据能够点石成金的关键。
这样的判断是基于大数据的特性。数据本身不产生价值，当数据经过挖掘、归类和分析，能够给企业决策提供帮助之后，才具有价值。
数据堂公司今年发布了一份《大数据产业调研及分析报告》，其中将大数据分析工作归类为商业分析、语音识别、图像分析、实时处理、空间分析、基因分析、用户分析、日志分析，和数据可视化等九个种类。目前，国内在各个领域都已出现了一批相关大数据企业。
与上述横向划分不同，另一些看法则偏向将大数据分析按商业价值的高低进行区分。前LinkedIn商业分析部总监，GrowingIO的创始人张溪梦介绍说，在数据分析发展更早的美国，数据分析区块已经按商业价值从低到高地细分为数据采集、大数据架构、响应性分析，诊断性分析、战略性分析、预测性分析和全自动分析。而一旦做到数据分析全自动化，将会利用10%的时间，创造出这个行业90%的价值。
在美国数据分析领域工作十余年的张溪梦认为，“数据分析前端过程复杂，分析昂贵，导致在过去若干年里，数据科学家90%的时间和工作都是进行数据清洗、整理、传输和存储，但真正产生价值的是剩下的10%。我们必须要利用各种先进技术，把金字塔底部做得非常狭窄，把以往很缓慢的流程缩短甚至透明化。”
21世纪经济报道记者获悉，目前国内的数据分析产品，在与国外产品的竞争中仍处劣势。以日志搜索系统为例，虽然国内已有自主研发的日志实时搜索分析引擎面世，但市场使用的主流还是HADOOP、STORM和SPARK等国外开放计算框架下的产品，有部分互联网和金融企业则选择了SPLUNK等第三代日志搜索软件包，这同样也是美国开发的大数据工具。
然而国内企业并非毫无竞争力，日志搜索分析引擎“日志易”的创始人兼CEO陈军介绍，这些国外数据搜索处理系统价格非常昂贵，同时由于之前的“棱镜门”事件，国外系统的软件后门也令一些国内的企业尤其是金融企业担忧。
人才短缺是限制国内大数据分析企业发展的另一大主因。《哈佛商业评论》曾将数据分析师称为“21世纪最性感的职业”，当下也是稀缺和抢手的职业。鄂维南院士介绍，我国大数据发展最大的优势是庞大的市场，最大的劣势是缺乏人才，“我们国家目前没有建立起非常好的培养大数据人才的机制，在大数据涉及的统计、机械学习等这些领域相比而言更加弱势。”
滴滴快的CEO程维在讲述如何到硅谷挖人时提到，人才是最大的瓶颈，中国没有那么多的大数据和机器算法的科学家，后来发现硅谷一线的互联网企业，像Uber、Facebook里面20%的工程师是华人。“我们派了CTO和一个代表团在硅谷把他们请到一起交流。”程维说。
鄂维南认为，大数据分析人才的缺乏，当下数据人才市场，不仅有国内和国外的竞争，学术界与企业界也在竞争。要想弥补人才短缺，在大数据领域取得领先地位，需要建立一个开放的，既可以做科研也可以产业化做市场的国际标准的研究平台，或是解决之道。
