数据分析和挖掘服务提供商有没有未来？
共 2894字，需浏览 6分钟
·
2020-09-15 21:22
最近某数据仓库起家的A公司大幅减少了在国内的数据分析和挖掘服务团队，在业内引发不小的震荡，作为一家口碑良好的数据分析和挖掘服务提供商，在数字化的大背景下，似乎在反其道而行之。
笔者分析下来的原因大致有以下四个：
1、为客户提供定制化数据分析和挖掘服务很难规模复制，赚的是辛苦钱，跟那种边际成本极低的互联网产品完全无法比，资本市场大概不会看好这种商业模式，你看，BAT就从来不会去提供这种服务，最多卖个数据产品。
2、当前数据人才市场竞争激烈，维持一只具有一定规模的数据分析和挖掘服务团队不仅成本高，而且稳定性也差，流动成为了新常态。有一定能力的人员都想去大厂，留下来的要么是卧薪尝胆的，要么是能力不够的，要么是年纪大了的，要么是这个企业的文化足够牛逼。
3、数据领域最容易获得客户认可的其实是底层的基础设施，但数据分析和挖掘服务完全不一样，行业特性太明显，要达到及格水准，不仅要团队长期驻扎客户，还要熟悉客户的数据、平台、机制、组织、流程等等，更要能拥抱数据创新的巨大不确定性。
4、在整个数据服务价值链中，客户对在最末端的数据分析和挖掘服务的要求却是最高的：即直接帮助客户创造价值，但国内有几个数据服务商敢说基于数据能直接给客户带来收入？因此，一般数据分析和挖掘服务团队的满意度不会很好。
即使是这样，笔者仍然看好数据分析和挖掘服务提供商的前途，主要有以下三点依据：
第一、在数字经济和新基建的大背景下，产业互联网是未来，供给端改革势在必行，作为数据分析和挖掘服务提供商，一定是有“钱”途的。你看客户买了这么多基础设施，总不能闲在那里让资产贬值吧，因此，未来需要数据挖掘和分析服务的B端客户会越来越多，这是一个趋势。
第二、在数据基础设施逐步同质化的当下，其实客户不太care谁来提供云计算、hadoop、MPP、人工智能及区块链等等，在数据领域，客户更关注的是能够帮助自己直接创造价值的差异化服务能力，他们对于数据分析和挖掘服务的需求只会越来越强烈，举个例子，捆绑行业数据解决方案的私有云才更好卖。
第三、当前大多数数据分析和挖掘服务提供商都是深耕于某一个行业的，与行业客户合作的时间非常长，其对于行业的业务、技术、机制、流程有着更深入的理解，这是他们未来持续发展最大的优势，当前要做的是需要在策略上做些调整或优化。
笔者在通信行业工作，长期与数据分析和挖掘服务提供商打交道，这里也给些建议，因为只有他们发展的好，我们才能更好的实现数据驱动业务，这是一个合作共赢的事情。
首先，要选对服务的行业和大B。未来数字化转型最快的，肯定是大B，而且是跟国家新基建强相关的行业，比如通信网络、智能交通、智能能源等等，行业大B有增量才有数据服务提供商的增量。
如果你只是服务一些中小B客户，就要考虑是否去切入这些行业的头部大B，假如你现在已经身处这些行业，则更要加大投入，即使开始的时候不太赚钱。
其次，要选择能够帮到你的大B。选择都是双向的，数据服务商不仅仅是被选择，也要有选择客户的智慧。在数据服务领域，当前阶段，要尽量选择规模足够大、数据足够丰富、进取心足够强的客户进行服务。
为什么？
1、客户大了才有潜力，假如客户本身就挣扎在生存的边缘，自己家都没余粮了，给别人的空间就很小了。
2、有数据资源的大B可以提供更好的数据研发和发展环境，所谓借力。
你通过招标进入了一家拥有海量数据资源的大B，不仅仅是获得了一次销售机会，还在于获得了一个巨大的数据试验平台，这对于数据服务企业或机构非常重要，否则，很难跟数据大厂竞争。
更有重要的是，你的员工在为客户创造价值的同时，还可以依托这个平台获得更多的能力提升，这在当下激烈的数据人才争夺战中有积极意义。
3、客户自身在数据层面的进取心也很重要。一般来说只有客户才有选择合作伙伴的权利，但很多时候要反过来，有数据进取心的客户才能促进数据服务商变得更好，两者相辅相成，在传统行业，后者的制约力甚至更大一点。
如果客户只需要报表，数据服务商的天花板大概也就是报表了，如果客户没有精确营销的想法，数据服务商忽悠着客户去做，即使PPT和试验再成功，也很难获得成功，竹篮打水一场空是常有的事。
只有客户自己真的想做精确营销，才能为数据服务商提供发挥其技术所长的应用环境，这个环境不仅仅是指场景，还包括组织、机制、流程等等。
再次，在服务中孵化自己的产品。现在数据中台如火如荼，很多厂家也在卖一些数据产品，但这些标准化的产品在大B客户那里往往水土不服，这是由数据的行业特性决定的。
作为数据服务提供商，肯定希望自己的一些开发和服务能够产品化，然后规模化变现。但任何数据产品都是需要迭代的，而只有行业大B才有能力、有耐心、有资源为你的产品提供最好的迭代环境。
现在除了BAT有足够的数据滋养自己的产品外，大多真正好用的数据产品都是在某个行业深耕后的产物，先有服务，才有产品，这是当下比较靠谱的解决数据产品水土不服问题的方法。
很多行业的数据产品所以能够成功，客户有一半的功劳，其不仅提供了产品经理、首席体验官，还帮助发现了无数的BUG，更是产品口碑的传播者。
现在市面上很多牛逼的ETL、数据开发引擎等等，开始来show的时候可是一塌糊涂，但它们的成长飞快。
最后，在服务中跟上客户的节奏。前面都在讲选择一个好的“娘家”非常重要，但即使有了好的“娘家”，数据服务提供商也要有点前期投入的勇气。
因为在数据创新的初期，客户也在做尝试，失败在所难免，有时还无法为失败买单，但一旦做成了，就可以吃三年，而且还可以复制。
还有一些数据服务商安于现状，不思进取，对于客户的进步全然不知，比如就想着做做报表取数，被边缘化或淘汰也就很自然了，与我们合作过的数据分析和挖掘服务提供商不少，但能一起走到现在的还是少数。
To B行业非常深层次的一个逻辑就是很难有一棍子买卖，特别是对于数据服务商来说，扎根行业才会有竞争力，这是个渐进的过程。但一旦做成了，粘性也非常大，数据服务商跟客户往往是我中有你，你中有我。
当然现在非常大的挑战就是入门的门槛，就好比985、211的大学生总是比普通大学生在第一次招聘时有优势一样，To B的销售套路，大家都懂的。
从客户的角度来讲，考虑到数据挖掘和分析的特点，也不要有点石成金的想法，数据服务商的优势主要还在于数据技术，但最好的创新往往产生在所在行业的特定场景，这个更多靠客户自己的挖掘，当然作为基础生产资料的行业数据，这是大家都需要掌握的。