中国数据即服务生态图谱2016V5_13页_2mb

数据即服务行业关键成功要素总结

核心内容

数据即服务（DaaS）行业正在快速发展，各类服务商在不同领域展现出各自的特色和优势。本文档总结了多个细分领域的关键成功要素，包括数据资源服务商、应用性能管理（APM）服务商、用户行为分析服务商、精准数据营销服务商、深度链接服务商、BI服务商以及技术服务提供商。同时，附录列出了大量数据即服务厂商名录，涵盖多个地区和行业。

主要观点

1. 数据资源服务商

• 短期重点：注重海量数据抓取，连接企业数据源与自身平台。
• 长期重点：加强非结构化数据处理和数据安全。
• 数据加工关键：场景化是数据集加工的核心。
• 业务落地关键：需要可持续盈利的商业模式和市场认可的执行力。

2. 应用性能管理（APM）服务商

• 核心能力：数据搜集、数据处理、全站溯源。
• 用户体验导向：应用服务需与客户紧密配合，注重顾问与客户的衔接及内部经验共享。
• 技术领先：优秀APM厂商需领先对手至少两个迭代。

3. 用户行为分析服务商

• 计算稳定性：需保持统一的计算标准。
• 行业方法论：需了解不同成长阶段的指标选取。
• 多场景支持：打磨产品以适应行业场景，实现行为、人群、心理、财务等多维度画像。
• 多角色支持：满足市场、产品、运营等部门的不同需求。
• 长期壁垒：通过提升采集、清洗、建模、可视化等环节的技术复杂度，建立行业壁垒。
• 未来方向：关注人工智能和机器学习能力，以及数据集合训练的合规性。

4. 精准数据营销服务商

• 核心优势：优质媒体资源与定向投放技术。
• 数据管理体系：完善的数据管理体系是提升精准营销能力的关键。
• 服务经验与资源：服务经验和数据资源的积累对数据分析至关重要。
• 行业贴合：需紧贴行业业务特点，覆盖全国半数以上省市。

5. 深度链接服务商

• 性能要求：需达到毫秒级性能，熟悉产品完整环节。
• 服务稳定性：需保证服务稳定性，规避刷量问题。
• 合作意愿：合作企业的高层和一线人员配合意愿对商业化推动至关重要。

6. BI服务商

• 转型方向：从软件交付转向数据交付。
• 技术驱动：随着AI发展，算法驱动将逐渐取代传统业务规则。
• 行业布局：需积极布局金融等买方市场。
• 差异化竞争：早期以BI和数据售卖为导向的厂商容易同质化，需提前进行转型。

7. 技术服务商

• 人才需求：加强统计学技能，培养复合型人才（数据工程化+行业业务）。
• 产品导向：面向交付，而非资源属性。
• 技术路线：技术路线的选择比市场战术更具决定性。
• 架构师招募：战术层面需招募核心技术人才，如架构师。
• 开源架构：平台级厂商需将企业需求融入开源架构中，应对IT人才断代问题。

8. 行业化服务商

• 垂直经验：需拥有长期垂直行业服务经验，更了解行业用户需求。
• 痛点解决：能够更好地解决垂直行业痛点。
• 政策结合：需与国家政策导向（如“一带一路”、“供给侧改革”）紧密结合。
• 生态系统建设：打造数据应用生态系统，与上下游产业结合。

关键信息

• 数据即服务定义：通过在线方式提供数据资源、数据能力等，以驱动企业业务发展。
• 技术趋势：AI和算法驱动正在成为行业发展的关键方向。
• 市场变化：2017年，早期以BI和数据售卖为导向的厂商将面临同质化竞争，需提前转型。
• 商业化推动：合作企业的配合意愿对商业化至关重要。
• 数据安全与合规：在数据处理和应用中需高度重视数据安全及合规性。
• 平台级厂商：需具备将企业需求融入开源架构的能力，以应对IT与互联网人才断代问题。

附录：数据即服务厂商名录

总结

数据即服务行业正逐步成为推动企业数字化转型的重要力量。各类服务商需根据自身定位，关注技术能力、用户体验、数据安全、行业方法论及政策导向，以构建可持续的商业模式和竞争优势。同时，随着AI技术的发展，未来数据服务商将更加注重算法驱动和数据工程化能力。