推薦芬雷布的《大數據云圖》

大衛·芬雷布（David Feinleib）是硅谷重要的風險投資人，他的《大數據云圖》除了一般的價值外，對透視大數據有特別的價值，這種價值突出體現在芬雷布的這張聞名硅谷的“大數據云圖”上。“大數據云圖”，把整個大數據產業，按內在脈絡組成一整張網。商業人士可以把它當作“秘籍”，從中看出有價值的投資礦脈，看熱鬧的人也可以找到快速成為內行的導游圖。

與許多空泛的書不同，《大數據云圖》作者的眼光很“獨”，是那種賭石人的眼光，這跟作者在行內的“現役”身份有關。這本書談了大數據的方方面面，并非在所有方面都權威，它在硅谷真正權威的地方就是這張“大數據云圖”。所以我們就從這張圖講起。

看過《智取威虎山》的人，都聽說過“聯絡圖”。“聯絡圖”把控制一個地區所需要的關鍵資源、關鍵人交代得清清楚楚，搞定了它，才能搞定各個山頭，坐擁一方天下。“大數據云圖”就好比這張“聯絡圖”，當然不是要讓你去當土匪，而是讓你具備像投資人那樣的火眼金睛，從“有錢沒錢”這個專業角度，一眼看出大數據這條山脈里，哪里有礦，價值幾何，該去搞定什么。

芬雷布來北京的時候，我還沒有太理解他的思路。后來我為了搞清楚這張“聯絡圖”的門道，專門跑了趟美國硅谷，與芬雷布當面交流。現在根據他給我的解答，我來談談對這張神秘的“聯絡圖”的理解。大數據云圖在網上是隨時更新的，我們下面的介紹以2013年4月的版本為準。

從“大數據云圖”這個視角看大數據，首先對大數據背景的看法就有自己鮮明的特色，從院士、學者或實驗室角度看，Hadoop算什么東西？它不過是走向靈圖解的一個過客。但這種看法需要至少15年以上的視野。而作為投資人，芬雷布堅持把Hadoop當作主脈這樣一種簡明的觀點。因為正如當年溫世仁跟李嵐清說的，對商人來說，要改變世界，十年足夠了。十年還不能改變世界的東西，商人根本不會理會。人工智能也許要搞一千年以上，但VC必須得把握十年以內改變世界的東西，Hadoop足夠了。為此，芬雷布把投資目光主要聚焦在為開源技術提供商業支持的公司（如Cloudera、DataStax、LucidWork之類）身上。以改變世界的尺度來認識世界，這是實干家與理論家的不同。

其次，芬雷布建立了一個他稱之為“基礎設施”的基本板塊，來把握大數據產業的“資產”層面的諸要素，包括四個展開環節——數據分析（Cloudera、EMC等）、數據操作（couchbase、10gen等）、數據服務（亞馬遜、谷歌等）、結構化數據庫（Oracle、IBM的DB2、SYBASE等）。在我看來，這是指為整個大數據產業分享固定成本的承重部分。

在這一部分，芬雷布的眼光非常“毒”，他與實驗室看法不同，非常早看出服務潮流的轉變，體現在對亞馬遜將坐大的預見上。事實證明了他的預見。據Synergy報告顯示，2013年第三季度，亞馬遜獲取了美國云計算市場總收入25億中的多數份額，本身收入提升55%。Synergy估計，亞馬遜第四季度云計算收入將達7億美元，比微軟、IBM、谷歌、Salesforce.com的總和還高出15%。芬雷布在幾年前就預見到，亞馬遜將主要贏在用WEB服務卡位（AWS）上，這與云的方向是一致的。中國搞大數據，許多還是IP時代的眼光，而非WEB時代的眼光，這點需要注意。阿里在往安卓的結構里面嵌入WEB框架，對谷歌搞“修正主義”，說明也看到了同樣方向的問題。

芬雷布第二個跟實驗室眼光不同的地方，表現在對商業的理解上。他很好解釋了Cloudera將走強的原因。在芬雷布看來，Cloudera只集中解決了一個問題，就是實時問題。對科學家來說，大數據用多長時間出分析結果，不是主要問題，但對客戶來說就不同，Cloudera Impala幫助其他公司運行Hadoop，關鍵是把靈敏作為一種結果，提交給客戶。以Cloudera現在的規模，隨便一個中國上市公司都可以收購它，但有沒有這眼光是另一回事。

第三，“大數據云圖”最出彩的部分是基礎設施之上的“應用程序”板塊。事實上，VC對基礎設施部分，只投了很少的錢（5億美元），而把重心全押在了應用上。這與中國大數據的做法形成鮮明對照。如果拿芬雷布的“聯絡圖”對照中國，中國的大數據許多都在“不務正業”，將來可能騙到國家的錢、圈到國家的地，但長出什么來，不好說。讓我們來看看真搞市場經濟，讓大數據落地，應該怎么搞。

芬雷布稱之為“應用程序”的板塊是指“人類和計算機系統通過使用這些程序，從數據中獲知關鍵信息”。但實際上，它對應的是整個大數據產業的相當于邊際成本的部分，在云計算背景下，它是指面向云端輕資產運作的部分，即按“使用”（“按需”是另一角度的說法）收費的部分。

“應用程序”板塊的框架結構，由六部分組成，分別是垂直業務（BloomReach等），運營智能（New Relic、Splunk等），廣告/媒體（Collective、DataXu、Metamarkets等），數據即服務，商業智能，數據分析和可視化。

讓我們來看，是一些什么樣的公司活躍在這些應用領域。

在垂直業務應用領域，像BloomReach這樣的公司，幫助電子商務企業優化網站，進行大數據營銷服務，以提高轉化率。

在運營智能應用領域，New Relic將營銷自動化，幫助商家分析哪些客戶最有價值，特別是什么活動最有可能扭轉不利局面，Splunk公司幫助IT工程師分析設備生成的日志數據。

在廣告應用領域，應用服務企業幫助商家算出哪種廣告最適合顧客，產生特定的廣告印象需要花多少錢，近來為移動廣告進行分析的公司，如Flurry，最具增長潛力。

在數據即服務應用領域，鄧白氏公司在為各種數據提供網絡編程接口，值得注意的是，與原有做法（例如阿里的某些作法）不同，這樣的數據源允許他人在其基礎上建立APP程序。

在商業智能應用領域，IBM的Watson是開拓和領導者（我們以前介紹過），MicroStregy和Domo的特點在把智能應用引向新的領域，前者是在移動產品上，后者是在云計算上。需要注意的是，與傳統集中于企業首腦部門的BI不同，大數據的BI最終將武裝到企業的神經末梢，特別是直接接觸客戶的部門。

在數據分析和可視化應用領域，Tableau Software提供了互動性強且易于使用的大數據可視化軟件服務，QlikTech推出了用26000家企業使用的QlikView可視化產品。這一領域目前非常活躍，社交協作功能加入數據分析和可視化服務看來是一種趨勢。

總的來說，芬雷布對大數據產業前景的展望，特別強調應用，“期待更多的大數據應用程序涌現，讓消費者和企業將數據應用到工作當中”。而在基礎設施方面，則會籠罩在亞馬遜的陰影里，新手只能從不受它影響的領域中冒出。

與美國的情況相比，我認為中國發展大數據產業，有幾個問題需要從芬雷布的判斷中得到重要啟示：第一，要深入認識大數據產業分工的規律。大數據的產業框架與云計算有內在聯系，不能離開云計算發展大數據。中國當前大數據發展遇到落地難，這是表象，深層問題是沒有理解基礎設施與應用之間，是一種基于云計算的固定投入與邊際投入大分工的關系。第二，在基礎設施方面，中國一些主要企業數據不開放的做法，放在全球看，正在過時。之所以不開放，根子還在對第一個問題的理解上。適應云計算的做法，要求大數據基礎設施的建設思路盡早從IP思路，轉向WEB思路。WEB只能是開放的。亞馬遜雖然強，但在移動大數據方向上，中國有充分的創新空間。第三，在應用服務方面，要特別向美國企業學習。適應云計算的做法，是使大數據應用面向輕資產服務。現在國內大數據應用有一個不好的苗頭，就是企業做著做著，變成傳統BI的大數據，進而走向封閉、集中，這沒有把大數據應用的真正優勢發揮出來。大數據應用一定要實現面向最終需求的全員智能，做不到都是假的。