如何用大数据创业

如何用大数据创业

经常有朋友通过知乎私信、微博私信、电子邮件、qq和微信问我，如何进入大数据行业？该学哪些知识？大数据行业如何创业，到底先从哪里做起？我想，这些问题，并没有一个准确的答案，关键在于，你到底想不想干？想不想在大数据时代闯一把。

我曾经看过一本由朗达·拜恩写过的心理学励志《thesecret》，书籍的最核心思想就是，你心里想什么，想要什么，那么这些愿望就会实现。在此想要推荐给那些想要在大数据行业有所作为的朋友作为参考。

回到主题来说，大数据到底怎么玩呢？咱们今天不谈宏观思想，不谈科技技术，以游戏的方式来写写看。先说怎么玩的事。

无论是想要介入大数据的企业或者个人也好，想要在大数据行业创业的朋友也好，我觉得首先最重要的莫过于两点：

一是喜欢、相信大数据，且矢志不移的走下去。这一点很重要，尤其是在大数据变现商业模式还不明朗的时候。精神这种东西很奇特，如果你相信，你就不会害怕一路上的任何坎坷。千万不要因为天天看着各种鼓吹大数据的新闻，盲目跟风，头脑一热就栽进来。学大数据技术的朋友也一样，技术往往是枯燥的，你只有相信和喜欢，你才能坚持学下去，才能保持学习的激-情。因为相信和喜欢，你才会充满热情，创业也一样。

二是态度方面，一定要有怀着虔诚敬畏的心，把大数据当作一个新的产业来做。为什么要当作一个新的产业呢？因为新兴的东西，必定充满想象力。你不能一味用原来的思维模式来做大数据，来学习大数据。因为没有成功的范例可学。学美国吗？palantir是美国最具代表性的大数据公司，可是palantir的模式就一定适应中国互联网的环境吗？不一定。而且有一个很有趣现象可以和大家分享，在36大数据的网站上，点击最高的文章不是我们从北美科技网站上翻译过来的文章，而是中国大数据技术人员自己写的干货教程类文章。万万不可断了对大数据这个行业的想象力，有想象力就有创新，这就是一个新的行业，一个充满魔法的行业。

以上两点为本文的核心思想，下面开始玩大数据这款“新游戏”吧。

刚进入大数据游戏的朋友，首先面临的就是自己的角色定位。有编程/c++/java等技术基础的人员，那么给自己的定位应该还是技术方面的，可以拓展和充实大数据技术，比如从学统计学、r语言、spss、python、sas开始，然后进阶学hadoop、spark等等。如果你从前的工作经验是市场销售人员，那么就可以结合以往的经验，先去大数据公司，从市场销售人员做起。大数据行业非常缺市场销售人员。如果你以前是做项目管理和运营工作的，介入大数据行业，也可以先从项目管理和运营做起。如果你是应届毕业生，那么要结合自己的大学专业和实际情况来定位，看看自己能做什么，喜欢什么，从最基础的做起。

也就是说，在大数据的新手村里，创建角色和选择职业，其实是从自己的实际情况出发的，先做你自己能做的，有经验后再去想自己想做的。路嘛，总是走着走着就有的。不可能说你从前是一个销售人员，跨越到大数据行业你就想做ceo，这不靠谱。互联网企业、传统企业想要介入大数据行业也一样，首先你得先把自己能收集的数据收集起来，结合着公司的运营来展开。

选择好自己的职业方向就可以创建角色了，跨界往往是最难的，也是最简单的。核心还是从自己能做的做起，先有一个大数据行业的角色。

接着就是熟悉大数据游戏的系统功能了。大数据新闻去哪里看？哪里可以找到免费的数据源？哪些工具是处理大数据要用到的？微博需要关注哪些数据科学家？大数据企业有哪些？近期有哪些大数据的活动等等。可以自己列出一个list来，先熟悉这个行业。

网络游戏里的角色养成，总是要经过一段时间的。从新手村出来，如何练级和升级就很重要。先说练级吧，因为大家介入大数据行业选择的职业不一样，那么练级方式也不一样。大数据技术人员，当然是一边学习新的技术，一边完成上级布置的工作了。市场销售人员，就要结识更多的行业人员，参加一些活动来获得经验和人脉。运营人员呢，更多的是完成npc的任务，这些任务的下达者可能来自于你的上司，也可能来自你的合作伙伴。

当你参与过很多项目，完成很多任务，杀死很多bug之后，你的从业经验自然也会增长，等级也会增长。这是一个漫长的过程，需要有耐心。当然，有时候你玩着玩着一个角色，突然发现自己不喜欢，上手很困难，那么就要考虑换一个方向了。互联网产品总是强调优化和迭代，实际上对于职场人员来说，迭代也很重要，需要自己不断的去完善自己，改进自己工作的不足。

参加活动这个环节很重要，网络游戏里的活动要么就是促销打折，要么就是高经验奖励的活动。在大数据领域，参加各种沙龙、圈子和讲座也很重要。因为参加了这些活动，也许你结识到新的合作伙伴，拓展了自己的人脉，以后小伙伴们一起下副本才能组到人啊。我非常鼓励大家参与大数据行业的线上线下活动，这并不是说你关注一个如同36大数据的微信公众号就行了，而是需要你参与到大家的讨论当中去。实践经验很重要。比如说大数据技术人员，参加大数据各种竞赛就很重要。

当你在这个行业有2年左右的工作经验时，你就会发现，自己的dps（工作输出内容）和治疗量（项目经验）似乎没有别人高，小伙伴们组队都不愿意叫你了。这个时候，你需要做的就是提升自己的装备，拓展更多的知识面来完善自己。以往的工作经验就是装备，你需要把这些经验回顾和总结，哪些现在还用得到的，那就强化一下，镶嵌个宝石，打个附魔等等。如果发现自己的知识点已经无法满足和完成更高阶的工作时，就要学习新的知识点和新的技术，参与到新的项目，进修新的学科，推到boss来获得新的装备。这是一个不断完善自己的过程。

在去年数据分析行业峰会上，我演讲的ppt里有一页是这样写着的：数据科学家=统计学家+程序员+讲故事的人+艺术家 ╟ shlomo aragmon。没错，大数据行业是个复杂的新兴行业，你永远有学不完的知识，而且跨度还很大。因为要学的东西很多，那么如何选择呢？当然还是选择自己喜欢的感兴趣并且用得上的知识点。当然了，目前大数据行业从业人员还停留在打怪升级阶段，这一阶段暂时还不用着急考虑。先做自己能做并且想做的事情，先学自己工作中必须用到的技能。

大数据创业，数据哪里来？需要跨过几道坎？2017-01-06 16:52 | #2楼

这篇文章考虑了很久也没下笔，一方面想写得干货一些，一方面又想写得引人入胜一些，纠结来纠结去，终于决定还是以一个中立的用户角度去写，尽量写得大众化一些。

2015年5月10日，在淘宝十周年晚会-马云退休演讲中，马云说：这是一个变化的时代。还有人没搞清楚pc，移动互联网来了；还没搞清楚移动互联网，大数据来了。而变化的时代是年轻人的时代。

马云说的这句话很关键，他不仅提到了大数据，而且更是用一句话阐述了互联网从pc时代，进化到移动互联网时代，然后从移动互联网时代进阶到了大数据时代。有几个关键点很重要：pc时代，全球催生了大量的互联网上市企业，包括谷歌、亚马逊、新浪、搜狐、新东方等等；

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。

现在问题来了，大数据时代，创业热潮是不是应该比移动互联网时代更加热闹呢？大数据时代如何创业？大数据创业的门槛又有哪些呢？

先回答第一个问题：大数据时代，创业热潮是不是应该比移动互联网时代更加热闹呢？

据我了解，不是。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。

那么大数据时代如何创业呢？请先了解一下大数据的创业门槛。

大数据大数据，没有数据怎么玩？那么数据从哪里来呢？

像百度、腾讯和阿里巴巴这样的bat企业，本身就积累了大量的数据，所以他们玩起大数据来，多半是“闷声发大财”。当然了，也可以说几句bat企业玩大数据的例子，比如说百度旗下的“百度迁徙”、“百度精算”、“百度舆情”、“百度大数据预测引擎”等等，都是百度的大数据产品应用；阿里巴巴的话，“阿里云”、“支付宝-花呗”、“支付宝-借呗”“芝麻信用”、“蚂蚁金服”等等，都应有了大数据技术。而腾讯方面，“腾讯广点通”、“腾讯云分析”和微信等也都引用了大数据技术。

尔等屌丝没有数据，如何玩呢？

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。

在北京，我曾经参观过一家大数据初创企业，当时他们还没有拿到融资。我去他们的办公区发现一幕特别心酸的事情。他们的员工挤在一间很小的屋子里办公，而两件较大的屋子都用来安放大数据存储服务器。大数据的存储量是很惊人的，这对机房和硬件设备也提出了新的挑战。

这一点和移动互联网不太一样，你做一个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。顺便补充一句，我曾经参观过的那家大数据新创企业，目前已完成百万美元的a轮融资，现在他们家的办公区特别宽敞，恭喜星图数据。

我认为大数据创业的最大门槛在于人才。和做app不一样，大数据创业你一个人乃至几个人都是没法玩转的。初创企业你就往10-15人这样的团队先招人吧，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，你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，你要挖这样的人才，除了钱，股票、期权、福利等等，都是必须付出的代价。

2015年-2016年是大数据人才最为匮乏的两年，原因很简单，各大刚刚开通了大数据科目的院校，学生还没毕业；而招聘市场上的大数据人才需求量远远已经供不应求。除了bat企业，通信企业、电力企业、金融银行行业、医疗行业、工业、游戏行业等等，哪个行业不是都在招大数据人才？创业公司要在这么严峻的人才环境中找到适合自己的大数据技术人才，门槛可不止是钱。

说了人才，就要说技术了。大数据技术不是你懂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。

其实我不想写钱，但是又必须写钱。大数据行业创业不缺资本，只要你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。但是你在拿到融资之前，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。

中国互联网上最赚钱的行业是什么？我认为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。在我拜访过的很多企业中，他们手里有钱、有数据、有人才也有技术，但是他们不知道自己手里的数据可以拿来做什么。也就是说，大数据目前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。

那么你可能会问了，大数据交易算不算是商业模式呢？我个人觉得，要看交易的是什么东西？原始的非结构化的数据，后面数据清洗需要太多的工序，数据存储也是很大的成本，这样的交易代价太高。我相信无论是企业用户也好，还是个人用户也好，大家更倾向于购买 “拿来就能用”的大数据数据源。

你说京东和腾讯完成首笔大数据交易，我觉得就是一个笑话，京东和腾讯的大数据不早就整合在一起了么？我用微信直接就能在京东购物，数据是互通的，何必交易？

所以说，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。

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，其实我认为目前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。

大数据人才培训算不算大数据项目呢？我认为不是，它应该叫做培训/教育项目。

那么市面上那么多的大数据培训企业，选哪家好呢？

我的回答是，都不选。如果你是技术类应届毕业生，建议先找份实习的工作，找个靠谱的师-父跟着学，一边做项目，一遍自学大数据相关知识，遇到不懂不明白的直接问师-父好了。实践比学习更重要。如果你不懂技术，那么请先学习计算机基本编程技术，把c语言和c++ 等学会。学完再来想，自己到底还要学什么。

【如何用大数据创业】相关文章：

数据录入及数据保密工程合同03-20

数据安全制度01-04

数据收集与整理教案03-16

数据的合同04-07

《数据信息的加工》教案03-04

《爱如茉莉》教案03-08

临床数据岗位职责04-24

数据挖掘岗位职责05-14

销售数据岗位职责05-26

数据专员岗位职责04-09