发布时间：2023-09-26 14:44:12
绪论：一篇引人入胜的大数据的商业模式，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
2 “大数据”与颠覆性创新
2.1 大数据时代的思维变革
计算机时代的核心是计算能力，目的在于提高对数据的处理能力；互联网时代解决了信息移动和连接的问题；而大数据时代，可将世界万事万物通通数据化，让人们在数据利用中优化现实操作和行为，令全球系统的运行更为高效。牛津大学教授舍恩伯格在《大数据时代》一书中介绍了大数据时代的思维变革，强调全体数据而非随机样本，不是精确性而是混杂性，以及不是因果关系而是相关关系。
2.2 “大数据”引致的颠覆性创新领域
继计算机、互联网后，人类正在进入“大数据时代”现代信息社会，大数据正开启一次重大的时代转型。在诸多领域，大数据浪潮正在引致颠覆性创新（破坏性创新/Disruptive innovation），即通过引入与现有产品相比尚不够好的产品和服务，或者提供比较简单更加便利与廉价的产品，吸引处于次要市场上不太挑剔的消费者，甚至是非消费者。大数据引致的的变革或颠覆性创新出现在以下几个领域：
（1）医疗健康领域，以往的标准化平均值治疗将向精确化、数字化医疗转变。（2）制造业领域，以3D打印为代表的数据化制造，是一种个性化的、全新的制造方法，它不需要模具，就能够做到不同材料的无缝对接，甚至以往难以制造的东西（比如人体器官），也可以通过数据化方式还原制造。（3）金融、航空等行业将完全电子化，比如依托大数据，可以准确预测机票价格的走势。（4）军事安全领域，军事安全的后台支持，卫星系统、数据分析系统等对各类数据的要求更高，对大数据的依赖更高，也有可能是最先实现突破的领域。（5）互联网行业，互联网未来可能向数据服务业迁移，以往通过网站服务、APP赚钱的方式，将是极小的分支。
2.3 基于大数据的商业模式创新维度
从企业层面，商业模式创新将揭示“大数据”在企业价值主张创新、关键业务与流程创新、收益模式创新、外部关系网络与价值网络重构中的运用；从“大数据”产业链层面，商业模式创新将沿大数据产品价值链的横向延伸、大数据技术产业链纵向定位与整合界定基本商业模式类型，洞悉以提供完整解决方案为导向的商业模式创新趋势；从行业层面，商业模式创新提出基于“连接”与“融合”两种新兴商业模式——平台式商业模式和数据驱动跨界模式。
2.4 “大数据”引致的颠覆性创新是应对挑战之策
2008年的金融危机深刻影响了世界，全球贸易的推动力也基本消耗殆尽，世界需要寻找新的出路，美国的突破口是开放政府。美国政府2012年制定了“大数据研发计划”，希望通过提升美国在科学发现、环境与生物医药研究、教育和国家安全等方面的能力，解决美国面临的最具挑战性的问题。
3 基于大数据的商业模式创新方向
3.1 社会化网络环境中的行为机理与社会资本结构
大数据和社会网络应用的发展使得当今的网络环境成为了一个巨大的、精准映射并持续记录人类行为特征的数字世界。这一数字世界所蕴藏并不断积累的大量数据已成为深刻理解人在社会和商务活动中的行为规律的必要依托，因此，未来的研究应特别重视社会化网络环境中的行为机理研究，特别是新型一体化的社会网络中社会资本结构及其在商务领域中的意义和影响。
3.2 企业网络生态系统及其协同共生机制
大数据”正以各种方式和路径影响着企业的商业生态，它已经成为企业商业模式创新的基本时代背景。计算技术发展的重点已经从信息处理逐步过渡到了信息服务，打造信息服务平台已经变成云计算时代的主旋律。
（1）云平台。
大数据时代，如何架构开放式管理研究平台是企业及政府继续解决的问题之一。云是一种新的方式实现各种技术以及能力的基础。随着现代数据采集如视频监控云的形成和走向云存储，数据的威力越来越大，云的基础设施使得这些大规模的互动、大规模的数据处理、大规模的应用来更好地服务我们，拥有一个弹性的、更加敏捷的基础设施。
（2）大数据、移动应用、CRM走向融合。
由于数据的爆炸式增长，企业能够从这些繁乱的数据中快速获得战略决策信息，这是制胜对手的关键。因而在大数据时展掌握CRM至关重要，而面对大数据的到来，CRM必然走向与大数据、移动应用的融合。移动金融云、电子商务云、物流云等行业云将迅速发展，面向个人的移动云存储、移动云音乐是必然趋势。
3.3 大数据环境下的顾客洞察与市场营销策略
基于大数据的四个商业价值杠杆：对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动；运用大数据模拟实境，发掘新的需求和提高投入的回报率；提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率；进行商业模式、产品和服务的创新。大数据环境下的顾客洞察与市场营销策略包括：
（1）基于第三代PaaS平台形成统一的客户视图，实现市场细分。基于大数据与云计算的CRM系统能够深度挖掘目标客户，实现企业各部门的综合管理与应用，建立以客户为中心的营销管理平台，对客户进行细分，帮助企业牢牢抓住对企业最为重要的客户，实现效益最大化。
（2）以客户为导向，确定营销策略，实现对市场营销全过程管理。根据庞杂的客户数据，按照横纵多维方式对企业的客户群体准确分析，筛选出核心目标客户，并且准确传达产品、折扣等信息，能够确保实现“精准”营销。
（3）畅通渠道，重组服务流程，建立稳定客户群。精准营销借助先进的数据库技术、网络通信技术等手段保障和顾客的长期个性化沟通，从而不断满足客户个性需求，建立稳定的企业忠实顾客群，实现客户链式反应增值，使营销达到可度量、可调控等精准要求，促 进企业长期稳定高速发展。
总之，一方面，大数据技术具有让各种类型的数据变成能够快速获得的有价值信息的优势；另一方面，基于交叉融合后的可流转性数据以及全息可见的消费者个体行为与偏好数据，所以，未来的营销可以精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的个性化产品和服务。
3.4 基于大数据的商业模式创新
大数据时代的到来，必将对现代企业运营管理与商务决策带来前所未有的机遇和困惑，基于大数据的商业模式创新则聚焦于在商业活动和管理模式中的综合性作用与影响。基于“大数据”的商业模式创新有三个方面：
（1）“大数据”产业链。整个数据服务产业链由数据生产、传播、获取、存储加工和分析出售等环节组成，各个传统行业将分门别类地属于一个和数个产业链的环节。云计算、物联网、社交网络、移动互联的快速发展让各类数据量急剧增长，面向海量数据的数据挖掘孕育着更多的商业模式创新，数据存储、数据处理与分析、数据应用等大数据产业将快速发展。
（2）平台式商业模式；电子商务中的大数据挖掘将进一步拓展服务商的业务范围，传统商业将充分挖掘大数据的价值，开展精准营销。信息内容服务商将利用大数据开展个性化服务。云平台及移动与CRM的融合将是必然趋势。
（3）数据驱动跨界模式。比如移动互联网将结合LBS与大数据技术，开辟新型业务就海量数据，提供高附加值的数据分析服务，将数据封装为服务，形成可对外开放、可商业化的核心能力，实现商业模式的创新，才能真正实现流量经营。具体创新商业模式如下：
①数据存储空间出租。利用存储能力进行运营，满足企业和个人将面临海量信息存储的需求。具体而言，可以分为个人文件存储、针对企业用户两大类。②客户关系管理。对中小客户来说，专门的CRM显然大而贵。飞信充当了不少小商家的初级CRM来使用。③企业经营决策指导。将用户数据，加以运用成熟的运营分析技术，有效改善企业的数据资源利用能力，让企业的决策更为准确，从而提高整体运营效率。④个性化精准推荐。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，就成了有价值的信息。⑤建设本地化数据集市。运营商所具有全程全网、本地化优势，会使得运营商所提供的平台上，可以最大程度覆盖本地服务、娱乐、教育和医疗等数据。⑥数据的搜索。数据检索是一个并不新鲜的应用，然而随着大数据时代的到来，实时性、全范围检索的需求也就变得越来越强烈。⑦创新社会管理模式。对运营商来说，数据分析对政府服务市场上更是前景巨大。美国已经使用大数据技术对历史性逮捕模式、发薪日、体育项目、降雨天气和假日等变量进行分析，从而优化警力配置。
4 大数据与制度变迁
4.1 大数据与社会管理方式变革
大数据将不仅提升企业创新的竞争力，还将会变革社会管理的方式，成为国家竞争的前沿。在公共管理领域，大数据的投入少、收益高且见效最快。美国政府通过大数据网站“Data.gov”，公开了数以十万计的开放数据库，将社会公共数据对任何第三方开放，这对预防犯罪、交通管理、教育、反福利欺诈等都非常有效。美国联邦政府要求各个州都公开相关数据，美国、英国等国家还组建了开放政府联盟，一些国家也在尝试数据公开。由大数据浪潮引致的颠覆性创新必将带来制度变迁（诱致性制度变迁兼有强制性制度变迁）。库克耶和舍恩伯格认为大数据不仅将改变人们的生活和工作，而且将改变人类认识和思考世界的方式。
4.2 大数据的两面性及对“大数据”的规制
从积极方面说，大数据确实已成为数据王国的主线，是下一步信息研究的主要对象，正确评估大数据的商业价值，建立大数据的新兴产业，培育大数据的专业人员，将极大推动社会变革和经济发展。从消极方面看，大数据技术不是万能的，不能解决一切问题，它只是决策的一种量化手段。大数据本身不完全等于理性，决策基于数据分析而并非基于经验和直觉，是一种理性的表现，但更大的理性是人文法则，即重视人民的普遍要求，维护各民族的尊严和文化，尊重人的自由、平等和权利。
5 思考及启示
大数据是一种资源、一种技术，一种工具、一种环境、一种趋势；大数据带来更低的成本门槛，更多的商机，更容易孕育颠覆性创新；大数据缩短大企业与小企业的竞争差距。大数据在给信息安全带来挑战的同时，也为信息安全的发展提供了新的机遇。目前大数据发展的障碍在于数据的“可获取性”也就是数据的开放与共享。数据开放的运动在海外绝对不仅仅是停留在政府层面，商业数据也在开放。开放数据不仅仅是一个知情权的问题，现在还是一个经济问题，是如何推动我国经济的转型升级的问题。在“大数据”时代，数据开放将成为一种必然要求。当然，开放是以保障数据安全和个人隐私为前提的。
一方面，基于大数据的创新或变革浪潮势不可挡，需要推动和促进，另一方面因为大数据的两面性，又要科学合理规制，遵循社会（国际）公德、人道主义、公正与正义、平等互利等友善原则，是分析数据的指导性准则，而如何将之变为具体措施凿实是当前和今后需要思考和亟待解决的问题之一。
参考文献
李文莲，夏健明.基于“大数据”的商业模式创新.中国工业经济，2013，（05）.
覃雄派，王会举，李芙蓉，李翠平，周煊.数据管理的新格局.软件学报，2013，（02）.
[DOI] 10.13939/ki.zgsc.2016.28.149
1 大数据推动信息服务业发展
2016年是实施国民经济和社会发展第十三个五年规划的开局之年，也是信息技术服务业融合创新、转型发展的关键之年，而大数据在信息服务业转型发展中所扮演的角色越来越关键。
1.1 大数据产业政策接连出台，推动信息服务业提档增速
国家政策大力支持信息服务业特别是大数据产业的发展。2015年，国务院了《关于促进云计算创新发展培育信息产业新业态的意见》《促进大数据发展行动纲要》，明确提出了大数据发展的重点方向和路径。工业和信息化部《云计算综合标准化体系建设指南》，促进信息服务业朝标准化、体系化快速迈进。同年5月，国务院印发《关于大力发展电子商务加快培育经济新动力的意见》，从大数据的应用角度提出积极利用移动互联网、地理位置服务、大数据等信息技术提升流通效率和服务质量，深化信息技术在生产制造各环节的应用。
在国家政策的引导下，各地方政府加快出台相应政策措施，加大对云计算、大数据服务的扶持力度。2014年贵阳市成立贵阳大数据交易所和国家级大数据产业发展集聚区，吸纳51支创客团队、360多家大数据及关联企业，带动贵州省2015年大数据电子信息产业规模总量达到2000亿元、增长37%。2013年，武汉高科集团与国家信息中心合作在光谷联合打造国家级大数据产业基地。2015年武汉东湖大数据交易中心网上平台上线。
1.2 大数据相关业务增速超过信息服务业整体增速
2015年我国信息技术服务产业规模保持较快增长，基于移动互联网、物联网、云计算、大数据的新业态、新业务、新服务快速发展，带动产业链向高端不断延伸。2015年全年，信息服务实现收入22123亿元，同比增长18.4%，增速较传统软件产品和嵌入式系统软件分别高出2和6.2个百分点。
2015年中国软件业务收入前百家企业中出现了以阿里云、京东为代表的新兴技术服务企业，这些企业大力培育和发展云计算、大数据服务，快速向产业高端环节延伸拓展。以阿里云为例，2015年全年实现营收23.41亿元，季度平均增速达到28.33%，远远高于信息服务业整体增速。
1.3 大数据必将带动未来信息服务业升级发展
大数据是指那些数据量规模巨大到无法通过人工或者计算机，在合理时间内截取、管理、处理、并整理成为人类所能解读的形式的信息。经过特殊技术处理后，这些数据可以提供以前信息服务业无法提供的关键信息，例如判断商业趋势、判定质量、避免疾病扩散、打击犯罪或测定即时交通路况等。
第一，对大数据的处理分析正成为新一代信息技术融合应用的关键节点。移动互联网、物联网、社交网络、电子商务不断产生数据。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值。
第二，大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。为大数据产业提供存储、处理等芯片硬件与集成设备，特别是一体化数据存储处理服务器、内存计算等行业领域将迎来新一轮的发展。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。
第三，大数据利用将成为提高核心竞争力的关键因素。各行各业的决策正在从“业务驱动” 转变“数据驱动”。对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对；可以为商家制定更加精准有效的营销策略提供决策支持；可以帮助企业为消费者提供更加及时和个性化的服务；在公共事业领域，大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用。
第四，大数据时代科学研究的方法手段将发生重大改变。例如，抽样调查是社会科学的基本研究方法。在大数据时代，可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。
2 大数据信息流程各节点的典型企业和运营模式
大数据不仅为信息服务业注入新的发展动力，还将为信息服务业带来深刻的变革。“深刻”二字除了表现在技术的突破外，还表现在以下两个方面。一方面，原有的流程分工已经不能适应大数据背景下的信息服务业发展，传统信息服务业的某些技能和企业会贬值乃至消失；另一方面，而更多新的岗位和企业将崛起，参与和改变原有信息服务业的产业分工。从在大数据的背景下看信息的运行流程。如下图所示。
大数据背景下的信息服务业产业分工流程
大数据技术出现之前，信息服务业有着成熟的盈利模式和商业模式。随着大数据的发展，这些企业会根据行业分工的变化，对自己的运营模式进行细微的调整。下面按照信息的处理流程为顺序，分别介绍每个环节上的典型企业的运营模式。
2.1 局部信息搜集环节
某些特定领域的信息价值比较富集，往往需要传统信息搜集的企业提供信息搜集的技术服务。但不同于传统的IT技术服务模式，大数据的发展为这种服务模式带来潜移默化的改进。
考虑到今后大数据的运营收益，这个环节的新兴企业往往主动降低报价甚至完全免费提供服务；而业主往往同意在不改变数据所有权的前提下，让这些企业拥有数据的独家开发利用权力。例如目前政府的一些信息化惠民项目，以及前段时间非常火爆的迈外迪、树熊网络等提供免费Wi-Fi的O2O概念企业。
值得注意的是，信息搜集不直接创造价值，信息搜集必须通过其他环节的参与配合创造价值。在未来盈利不明朗的情况下，这种商业模式的报价不能太低。
2.2 众包信息搜集环节
众包是指一个企业把要完成的工作，交给外部非特定的大众完成。这个环节的企业，在用户有强烈参与意愿和低成本搜集条件的前提下，多采用UGC（User Generate Content）的商业模式。例如用户在使用百度地图导航服务的同时，不知不觉地无偿提供了自己的机动车的速度和位置信息。这些信息成为了这类企业提供更精准的交通信息的基础数据。类似的企业还有迅雷下载、51信用卡管家、支付宝线下收单业务等。
众包环节的商业模式应当注意，以下两点。第一，“普通大众”的参与意愿。只有让用户在无意识中低成本的完成众包任务，才能实现“我为人人，人人为我”的商业模式。第二，众包环节的信息搜集成本应当足够低。低成本是来源于模式创新，而不是成本的节约；模式创新换来的低成本，为某些企业的补贴行为提供成本空间。
值得关注的是，众包环节的大部分企业，目前都在贴成本做大数据规模，几乎都没有实现盈利。
2.3 信息预处理和整理环节
大数据背景下，信息服务业所承载的信息量激增，增量往往是尚未结构化的数据。而信息预处理和整理环节企业需要做的，就是将这些数据整理成结构化的可视数据。
信息的预处理和整理一般由程序完成，程序的特点是一旦研发完成投产，边际成本几乎为零。因此该环节的企业选择商业模式的时候，几乎无一例外地采取边际成本模式。即一开始就投入资金进行软件开发，投产后通过快速发展客户摊薄研发成本，确立竞争优势。占领一定市场份额后，这类型的企业往往通过免费加增值的盈利模式获得收益。
美国的Salesforce公司就是一家基于云计算的SaaS销售支撑服务和数据处理服务商的综合体。它一方面通过服务为用户积累了大量进货、销售、库存、客户关系、产品管理等基础数据；另一方面打通这些孤立数据的关联，提供可视化的数据报表分析、趋势判断、销售机会提醒等服务。Salesforce凭借销售SaaS和数据处理服务，市值已经逼近500亿美元。
阿里巴巴的“友盟+”也是类似的一家从事全数据服务的企业，它所服务的领域是移动互联网。“友盟+”目前覆盖9亿的用户，每天搜集的数据多达数百亿条。企业的任务就是用模块化的程序组件把信息量极低的数据串联起来成为结构化数据，降低了存储空间，提升了信息的价值密度。
国内还有一些中小科技型企业为客户进行定制化、私有化的开发部署，把不同系统的数据进行合并成全局数据视图。该类型企业通过提供IT技术服务获得服务报酬，边际成本不为零，其商业模式和盈利模式比较传统。
2.4 信息交易整合环节
信息的所有者拥有信息但并不具备开发利用的意愿和能力，信息的需求者具备开发利用的能力和意愿，但是缺乏必要的数据。例如，电商企业需要用户的上网行为数据，农业企业需要气象部门的预报数据，金融企业需要税务工商司法的征信数据。这个矛盾在信息膨胀之前并不明显，但随着大数据的来临，需要交换和整合的数据规模，大到足以滋生出一个数据交易和整合的市场。
数据交易的市场往往以电子化交易平台的形式出现。例如北京星图数据公司的大数据开放平台“蜂巢（DataComb）”不仅开放了北京星图的自有大数据，还能兼容第三方数据源和数据开发者。平台将数据明码标价，交易形态丰富，旨在拉拢撮合信息的供求双方，打造一个开放的数据集市。盈利模式上，企业自身作为信息交易的撮合者，一般按照交易金额的百分比抽取佣金，采用的是变相税收的盈利模式。
这个环节的企业在运营的时候，应当注意：
第一，信息交易的隐私保护和数据清洗。政府和其他信息拥有者希望市场走向开放，但有在很大程度上对自己的信息持保留态度，应当从交易整合的规则、规范上打消信息拥有者的顾虑，才能开启一个开放自由的市场环境。
第二，积极营造黑洞效应。交易涉及供需双方，交易市场是一个典型的双边市场。初期应当零成本甚至贴成本的手段，使交易标的物快速的丰富起来；到了一定阶段，平台上待交易的信息会越来越多，运营的成本会越来越低；最后，数据富集到一定程度，会像黑洞一样，吸引着其他数据聚拢，形成黑洞效应。
2.5 数据分析挖掘环节
数据的分析和处理，是大数据产业最具特色的一个环节。此环节的企业提供服务的形式有两种：一种是提供数据处理工具；另一种是直接帮用户处理数据。他们往往利用软件的边际成本递减特性，快速推广客户摊低成本，实现盈利。
例如国内的华院数据、天津天才博通科技、神舟通用、杭州合众信息等，他们提供定制化的分析挖掘工具，为客户安装部署后，客户就可以对数据进行分析和挖掘。由于这类企业的边际服务成本不为零，只能通过技术服务盈利，商业模式和盈利模式比较传统。
值得关注的是近期开源的两大人工智能工具：Google的人工智能开放平台TensorFlow和Facebook的人工智能工具Torch。他们采用免费加增值的商业模式。在完善的知识产权保护制度下，他们一方面开放技术扩大市场份额，促使产品迭代升级；另一方面充分利用GNU协议约束实现企业盈利。这种模式有时称为“开源模式”。
2.6 管理环节
具有利用价值的信息，都需要经过管理环节，提供给需求方换取价值。对于数据成果变现容易的企业，他们可以直接销售数据结果，获得收益。例如，美国的Climate Corporation（后以10亿美元价格被孟山都收购），把天气数据直接销售给农业企业用于预测灾害发生概率和农业产量，进而还能向农户销售保险。
但对于大部分的大数据企业而言，信息资源直接变现比较困难，它们往往采取两种商业模式进行变现：数据整合模式和占领入口模式。
2.6.1 数据整合模式
采用平台化资源整合商业模式的企业，将自身定位为数据的整合者。它们一方面积极从企业或政府（以购买或者分成或者以项目建设形式）搜集扩充大量自有数据；另一方面扩大社会合作，从社会的企事业单位吸纳大量的数据信息，这些数据经过整合后成为有价值的交易标的物，例如经过清洗经济交通规划数据和统计报告。此环节的企业通过把控数据和交易过程（现金流、信息流、用户资料等），获得话语权和分红权。典型的企业包括贵阳大数据交易所、武汉东湖大数据交易中心、华中大数据交易所、九次方、数据堂等。
以国资背景的贵阳大数据交易所为例，截至2015年底，贵阳大数据交易所已经整合了100多家大数据公司的数据，整合数据总量超过10PB。截至2015年底，贵阳大数据交易所交易额突破6000万元，所整合的数据门类包括涉及国计民生的35个门类。以民间资本背景的九次方为例，九次方分别与腾讯、汤森路透的合作提供企业征信查询和图表查询，每次的收入五五分成。
值得关注的是，此环节的服务形式有所创新。信息形式不仅是直接下载数据或报告，也可以采用API接口的方式，让企业按需调用、按需付费。这意味着信息的需求方，信息获取的门槛大幅降低而且确保了数据实时性。
这类企业的盈利模式一般采用变相税收模式，即将收入分配给提供整合数据的合作方，自己保留一部分佣金。
值得注意的是，国有企业往往借助政策扶持，定位为平台化的数据整合者，从管理环节进入大数据信息服务业。
2.6.2 占领入口模式
与实力雄厚的国资背景企业不同，民营企业进入管理环节的时候，往往找准一个垂直领域，采用占领入口的商业模式。他们在某个垂直领域做到行业第一，然后深入发掘该领域数据的商业价值，或者通过广告换取收入。
例如提供航班交通信息查询的“航旅纵横”和“飞常准”等App运营企业。他们调用民航航班数据，为大家预测准点率，结合乘机人数据，为大家办理值机等。类似的还有提供浅信用查询服务的 “企查查”和“企+”等App运营企业。
这类企业的盈利模式一般采用“零和”的广告盈利模式，即通过提供免费低价服务吸引大量用户，在用户使用服务的时候插入广告，换取收益。广告的多少和用户体验的好坏，形成一对零和博弈。
2.7 跨界应用环节
信息是中性的，信息不创造价值。但基于正确的信息进行资源的优化配置，相比起靠感觉和经验做出的资源配置，能降低错误决策的成本浪费，从而创造价值。在大数据的背景下，越来越多行业企业意识到，应当从靠经验驱动的决策模式，转变为靠数据驱动的决策模式。随着决策模式的转变，越来越多信息服务业的企业从而也获得了跨界经营的话语权。他们凭借手上的关键信息，参与其他行业的利润分成。他们一般采用的商业模式为产业链渗透模式。以向精准营销界跨界的TalkingData为例，TalkingData后台能根据用户的游戏行为数据判断用户的特征属性，但TalkingData不直接销售报告或数据，而是主动寻求与招商银行合作，开展跨界营销活动。跨界营销为招商银行节约了营销成本，而招商银行也愿意支付给TalkingData一定的营销费用，双方互惠共赢。
以向金融领域跨界的美国Zestfinance公司和中国同盾公司为例，它拥有传统银行的信贷数据（如账户数、信贷历史、违约数、流水）及其他结构化的数据（如交租情况、搬家次数等），在关联了贷款人的身份信息与线上行为后，可为银行和典当行提供量化的信用风险分析。
以向安全领域跨界的Palantir公司为例，Palantir帮助CIA、FBI等情报机构处理成千上万个数据库，快速找出与恐怖袭击、疾病灾害等有关的潜在威胁。很多银行和对冲基金客户，也找Palantir帮助预测欺诈行为。
更多可供大数据进行跨界渗透的领域还有医疗、交通、金融、电子商务、零售、通信、政府公共服务等。
3 结 论
借助国家地方政策的推动，随着大数据、物联网、云计算、机器学习等技术的发展，信息服务业正在经历前所未有的升级转型和流程再造。在新的产业链上，寻找与企业基础相匹配的转型切入点，设计与企业优势相匹配的商业模式，才能在大数据背景下的新一轮信息服务业竞争中赢得一席之地。
参考文献：
百分点，电商个性化推荐/DMP/企业OS，目前已D轮融资，融资额4亿人民币;
友盟，APP流量分析，2013已被阿里收购，收购额8千万美元;
Talking Data，APP流量分析，目前已经B轮融资，融资额超千万美元;
秒针，互联网营销分析，目前已经D轮融资，融资额5千万美元;
………………
秒针，定位于成熟的数字广告领域，业务模型清晰，目前已经有良好的收入，形成良性循环，所以，得到市场的认可度就相对高些。而其他几家，恐怕还难于说出一个清晰的商业模型，更缺乏良好稳定的变现方向。
这并不是说这些公司所做的工作毫无意义，毫无价值。我想起2012年有一次跟友盟CTO交流的话题，我们交换了对当时的移动互联网的看法。2012年是移动互联网最热的一年，移动互联网应用呈现了井喷的态势。所谓的移动互联网商业模式也五彩纷呈。只有我想不到，没有人做不到。然而，几年过去，热度冷却下来，真正又有多少存活下来了呢?又有多少所谓的商业模式成立了呢?
一个市场的早期，人们的行为是不稳定的，在人们养成一个习惯之前，大部分的应用都只能是乐呵乐呵而已，不能说明任何问题。而基于此硬生生设想出来的商业模型更是伪命题。
我们回顾一下2012年的前十大应用，再看看今天的前十大应用，结论自不必说。Talking Data归纳总结的非常好：
移动应用的发展
这是一个人们从接触智能手机乃至智能手机应用开始，逐渐深入，直到完全接受并养成习惯的应用重心的转移过程。这个过程，经历了3-4年的时间。而每一个阶段，都有满足这个阶段用户诉求的代表移动应用出现。在解决了智能手机普及，用户对手机应用的熟悉程度问题之后，现在所处的服务时代，将会稳定持续较长的时间。人们的需求明确，稳定，这也是一个市场的成熟度的显著标志。
所有的商业模型，都因需求改变而改变，真正市场成熟之前的所有设想，可能都会被推翻，都可能一文不值。有价值的，唯有数据。这也是我们那次讨论的共识。
同样，大数据(其实任何一个早期市场也都是如此)也是如此。2012年，很多互联网、移动互联网的应用才刚刚展开，其业务形态本身就不成熟;再加上数据的沉淀才刚刚开始。我们始终面临着数据的稀疏性和冷启动的挑战。在商业上，即便偶尔涌现出来的少的可怜的大数据需求里，绝大部分都属于“伪需求”。因为大多数用户并不成熟，对大数据知之甚少。既讲不清楚自己的诉求，也不了解大数据到底能干什么。可想而知，大数据在面对这些“伪需求”自然也难做出令用户满意的效果。
所以，这一阶段的大多数大数据变现方向都无法取得令人满意的效果，更不要说商业模型了。供需双方准备都不充分，还处于一个互相试错的阶段。
2016年，随着数据的积累，大数据的逐渐深入，越来越多的行业用户清楚了大数据的价值，也清楚了大数据适用的边界。其实从去年的下半年，已经明显感觉市场在逐渐成熟，开始有正规的独立大数据项目开始招标了。这意味着行业客户的成熟。明确、稳定的需求出现了。大数据市场，将进入一个新的阶段!
以我做新业务、新市场十数年的经验，不要再去纠结什么商业模型，不要再去纠结什么能否变现，需求都出现了，市场都要成熟了，还纠结那些有啥用?事儿是干出来的，不是想出来的。
有稳定明确的需求，去满足它。需求满足了，工作就有价值，就能变现，也就有了商业模型。
所以，今天大数据公司应该做的就是两件事儿，数据和能力。大数据公司，没有数据这个生产材料，在未来的市场中势必会捉襟见肘;没有金刚钻，也揽不了瓷器活。即便有了数据，如果没有足够的驾驭数据的能力，做不出用户满意的效果，也终将会被市场所淘汰。
关于数据，企业应该先想的问题不是这些数据能为我赚多少钱，而是如果我不去收集数据，存储数据，整合内部和外部的数据，那么未来我会失去多少钱，亏本多少钱?数据量的存储不是一朝一夕的事情，而是需要经过长年累积。能拿到独特的数据源固然是好，如果拿不到，那么是不是可以想其他办法，从其他渠道拿到呢?通往罗马的大路不止一条。而数据源和数据分析本身就不是先有鸡还是先有蛋的问题，而是我不养鸡，我肯定就不会有蛋。在未来的竞争格局中，数据往往能发挥先发制人的作用和优势。
关于能力，驾驭大数据并且从数据分析中获得洞察的能力，这个能力是可以培养的。可以先从人才着手。大数据不应该只是IT部门的事情，而是全公司上下协同作战的事情。管理层可以从大数据中获得洞察做决策，研发部门可以根据数据结果来调整研发方向，运营部门可以根据数据分析结果来改善运营策略，市场部门可以从数据分析中来优化广告投放策略，甚至是客服部门，也可以从数据分析结果中来优化自己的工作，更别提销售部门了，他们更需要大数据的支持。
