推荐芬雷布的《大数据云图》

　　大卫·芬雷布（David Feinleib）是硅谷重要的风险投资人，他的《大数据云图》除了一般的价值外，对透视大数据有特别的价值，这种价值突出体现在芬雷布的这张闻名硅谷的“大数据云图”上。“大数据云图”，把整个大数据产业，按内在脉络组成一整张网。商业人士可以把它当作“秘籍”，从中看出有价值的投资矿脉，看热闹的人也可以找到快速成为内行的导游图。

　　与许多空泛的书不同，《大数据云图》作者的眼光很“独”，是那种赌石人的眼光，这跟作者在行内的“现役”身份有关。这本书谈了大数据的方方面面，并非在所有方面都权威，它在硅谷真正权威的地方就是这张“大数据云图”。所以我们就从这张图讲起。

　　看过《智取威虎山》的人，都听说过“联络图”。“联络图”把控制一个地区所需要的关键资源、关键人交代得清清楚楚，搞定了它，才能搞定各个山头，坐拥一方天下。“大数据云图”就好比这张“联络图”，当然不是要让你去当土匪，而是让你具备像投资人那样的火眼金睛，从“有钱没钱”这个专业角度，一眼看出大数据这条山脉里，哪里有矿，价值几何，该去搞定什么。

　　芬雷布来北京的时候，我还没有太理解他的思路。后来我为了搞清楚这张“联络图”的门道，专门跑了趟美国硅谷，与芬雷布当面交流。现在根据他给我的解答，我来谈谈对这张神秘的“联络图”的理解。大数据云图在网上是随时更新的，我们下面的介绍以2013年4月的版本为准。

　　从“大数据云图”这个视角看大数据，首先对大数据背景的看法就有自己鲜明的特色，从院士、学者或实验室角度看，Hadoop算什么东西？它不过是走向灵图解的一个过客。但这种看法需要至少15年以上的视野。而作为投资人，芬雷布坚持把Hadoop当作主脉这样一种简明的观点。因为正如当年温世仁跟李岚清说的，对商人来说，要改变世界，十年足够了。十年还不能改变世界的东西，商人根本不会理会。人工智能也许要搞一千年以上，但VC必须得把握十年以内改变世界的东西，Hadoop足够了。为此，芬雷布把投资目光主要聚焦在为开源技术提供商业支持的公司（如Cloudera、DataStax、LucidWork之类）身上。以改变世界的尺度来认识世界，这是实干家与理论家的不同。

　　其次，芬雷布建立了一个他称之为“基础设施”的基本板块，来把握大数据产业的“资产”层面的诸要素，包括四个展开环节——数据分析（Cloudera、EMC等）、数据操作（couchbase、10gen等）、数据服务（亚马逊、谷歌等）、结构化数据库（Oracle、IBM的DB2、SYBASE等）。在我看来，这是指为整个大数据产业分享固定成本的承重部分。

　　在这一部分，芬雷布的眼光非常“毒”，他与实验室看法不同，非常早看出服务潮流的转变，体现在对亚马逊将坐大的预见上。事实证明了他的预见。据Synergy报告显示，2013年第三季度，亚马逊获取了美国云计算市场总收入25亿中的多数份额，本身收入提升55%。Synergy估计，亚马逊第四季度云计算收入将达7亿美元，比微软、IBM、谷歌、Salesforce.com的总和还高出15%。芬雷布在几年前就预见到，亚马逊将主要赢在用WEB服务卡位（AWS）上，这与云的方向是一致的。中国搞大数据，许多还是IP时代的眼光，而非WEB时代的眼光，这点需要注意。阿里在往安卓的结构里面嵌入WEB框架，对谷歌搞“修正主义”，说明也看到了同样方向的问题。

　　芬雷布第二个跟实验室眼光不同的地方，表现在对商业的理解上。他很好解释了Cloudera将走强的原因。在芬雷布看来，Cloudera只集中解决了一个问题，就是实时问题。对科学家来说，大数据用多长时间出分析结果，不是主要问题，但对客户来说就不同，Cloudera Impala帮助其他公司运行Hadoop，关键是把灵敏作为一种结果，提交给客户。以Cloudera现在的规模，随便一个中国上市公司都可以收购它，但有没有这眼光是另一回事。

　　第三，“大数据云图”最出彩的部分是基础设施之上的“应用程序”板块。事实上，VC对基础设施部分，只投了很少的钱（5亿美元），而把重心全押在了应用上。这与中国大数据的做法形成鲜明对照。如果拿芬雷布的“联络图”对照中国，中国的大数据许多都在“不务正业”，将来可能骗到国家的钱、圈到国家的地，但长出什么来，不好说。让我们来看看真搞市场经济，让大数据落地，应该怎么搞。

　　芬雷布称之为“应用程序”的板块是指“人类和计算机系统通过使用这些程序，从数据中获知关键信息”。但实际上，它对应的是整个大数据产业的相当于边际成本的部分，在云计算背景下，它是指面向云端轻资产运作的部分，即按“使用”（“按需”是另一角度的说法）收费的部分。

　　“应用程序”板块的框架结构，由六部分组成，分别是垂直业务（BloomReach等），运营智能（New Relic、Splunk等），广告/媒体（Collective、DataXu、Metamarkets等），数据即服务，商业智能，数据分析和可视化。

　　让我们来看，是一些什么样的公司活跃在这些应用领域。

　　在垂直业务应用领域，像BloomReach这样的公司，帮助电子商务企业优化网站，进行大数据营销服务，以提高转化率。

　　在运营智能应用领域，New Relic将营销自动化，帮助商家分析哪些客户最有价值，特别是什么活动最有可能扭转不利局面，Splunk公司帮助IT工程师分析设备生成的日志数据。

　　在广告应用领域，应用服务企业帮助商家算出哪种广告最适合顾客，产生特定的广告印象需要花多少钱，近来为移动广告进行分析的公司，如Flurry，最具增长潜力。

　　在数据即服务应用领域，邓白氏公司在为各种数据提供网络编程接口，值得注意的是，与原有做法（例如阿里的某些作法）不同，这样的数据源允许他人在其基础上建立APP程序。

　　在商业智能应用领域，IBM的Watson是开拓和领导者（我们以前介绍过），MicroStregy和Domo的特点在把智能应用引向新的领域，前者是在移动产品上，后者是在云计算上。需要注意的是，与传统集中于企业首脑部门的BI不同，大数据的BI最终将武装到企业的神经末梢，特别是直接接触客户的部门。

　　在数据分析和可视化应用领域，Tableau Software提供了互动性强且易于使用的大数据可视化软件服务，QlikTech推出了用26000家企业使用的QlikView可视化产品。这一领域目前非常活跃，社交协作功能加入数据分析和可视化服务看来是一种趋势。

　　总的来说，芬雷布对大数据产业前景的展望，特别强调应用，“期待更多的大数据应用程序涌现，让消费者和企业将数据应用到工作当中”。而在基础设施方面，则会笼罩在亚马逊的阴影里，新手只能从不受它影响的领域中冒出。

　　与美国的情况相比，我认为中国发展大数据产业，有几个问题需要从芬雷布的判断中得到重要启示：第一，要深入认识大数据产业分工的规律。大数据的产业框架与云计算有内在联系，不能离开云计算发展大数据。中国当前大数据发展遇到落地难，这是表象，深层问题是没有理解基础设施与应用之间，是一种基于云计算的固定投入与边际投入大分工的关系。第二，在基础设施方面，中国一些主要企业数据不开放的做法，放在全球看，正在过时。之所以不开放，根子还在对第一个问题的理解上。适应云计算的做法，要求大数据基础设施的建设思路尽早从IP思路，转向WEB思路。WEB只能是开放的。亚马逊虽然强，但在移动大数据方向上，中国有充分的创新空间。第三，在应用服务方面，要特别向美国企业学习。适应云计算的做法，是使大数据应用面向轻资产服务。现在国内大数据应用有一个不好的苗头，就是企业做着做着，变成传统BI的大数据，进而走向封闭、集中，这没有把大数据应用的真正优势发挥出来。大数据应用一定要实现面向最终需求的全员智能，做不到都是假的。

　　姜奇平