Поговорим про рынок Big Data
Это будет большой рассказ, который я разделю на две части.
Как компании заработать на Big Data на внешнем рынке? С этим большим нетривиальным вопросом я столкнулся три года назад, когда стал директором Big Data МТС. Оказывается, возможностей не так уж и много.
💬 Самая базовая и очевидная вещь, лежащая на поверхности, — продажа инфраструктуры. Ведь, как известно, во время золотой лихорадки нужно продавать кирки. Под продажей инфраструктуры можно понимать прямые продажи железа, например, но для этого нужно его производить. Быть просто спекулянтом, который перекупает, — не супервыигрышная долгосрочная стратегия.
Делать и продавать свое облако - нормальный вариант, но конечно дорогой и долгий.
💬 Еще приходят на ум инструменты для работы с данными. Тут есть несколько поучительных и разных примеров: яндексовый ClickHouse и всем известное Tableau. Необязательно разработка должна быть очень интеллектуальной в плане алгоритмов. Это вполне может быть достаточно базовый инструмент, но важный для работы с данными. Более «приземленные» инструменты даже в большей степени обладают шансом стать единорогом.
💬 Следующее направление — напрямую продавать какие-то данные. Но эта история максимально неинтересная и неприбыльная, в масштабах крупной компании это не имеет смысла. Если кто-то покупает у вас ваши данные, значит, он нашел способ из них извлечь достаточно выгоды, чтобы окупить затраты на эту закупку и заработать. Т.е. вы теряете бизнес, который мог быть вашим.
Кроме того, продажа данных несет в себе огромные репутационные риски: людям не нравится, когда их данные можно легко купить. В итоге отдельный пласт работ в этом случае — как продавать данные так, чтобы они все-таки были в достаточной степени анонимизированы и агрегированы, чтобы исключить возможность шпионить за клиентами, чьи данные вы продали. Все это огромный объем работ ради того, чтобы заработать три копейки.
💬 Можно конечно на основе своих данных делать собственные сервисы и продавать уже их. Наиболее распространенные примеры в этом случае будут связаны с геоаналитикой и компаниями, которые располагают геоданными. Кроме того, это могут быть варианты, связанные с прогнозированием разных рисковых событий, т.е. банковские скоринги и антифрод.
Также это могут быть разработки, касающиеся таргетирования рекламы. Реклама уже не один год, даже не одно десятилетие кормит тех, кто умеет строить ML-модели. Ну, и сюда же можно отнести все то, что касается оптимизации, планирования расходов: например, планирования размещения магазинов или оптимизации логистики. Это тоже часто относится к геоаналитике, если речь об оффлайновых географически распределенных объектах вроде магазинов или базовых станций мобильной сети.
Остановимся здесь, а в следующем посте поговорим непосредственно об объемах рынка.
Это будет большой рассказ, который я разделю на две части.
Как компании заработать на Big Data на внешнем рынке? С этим большим нетривиальным вопросом я столкнулся три года назад, когда стал директором Big Data МТС. Оказывается, возможностей не так уж и много.
💬 Самая базовая и очевидная вещь, лежащая на поверхности, — продажа инфраструктуры. Ведь, как известно, во время золотой лихорадки нужно продавать кирки. Под продажей инфраструктуры можно понимать прямые продажи железа, например, но для этого нужно его производить. Быть просто спекулянтом, который перекупает, — не супервыигрышная долгосрочная стратегия.
Делать и продавать свое облако - нормальный вариант, но конечно дорогой и долгий.
💬 Еще приходят на ум инструменты для работы с данными. Тут есть несколько поучительных и разных примеров: яндексовый ClickHouse и всем известное Tableau. Необязательно разработка должна быть очень интеллектуальной в плане алгоритмов. Это вполне может быть достаточно базовый инструмент, но важный для работы с данными. Более «приземленные» инструменты даже в большей степени обладают шансом стать единорогом.
💬 Следующее направление — напрямую продавать какие-то данные. Но эта история максимально неинтересная и неприбыльная, в масштабах крупной компании это не имеет смысла. Если кто-то покупает у вас ваши данные, значит, он нашел способ из них извлечь достаточно выгоды, чтобы окупить затраты на эту закупку и заработать. Т.е. вы теряете бизнес, который мог быть вашим.
Кроме того, продажа данных несет в себе огромные репутационные риски: людям не нравится, когда их данные можно легко купить. В итоге отдельный пласт работ в этом случае — как продавать данные так, чтобы они все-таки были в достаточной степени анонимизированы и агрегированы, чтобы исключить возможность шпионить за клиентами, чьи данные вы продали. Все это огромный объем работ ради того, чтобы заработать три копейки.
💬 Можно конечно на основе своих данных делать собственные сервисы и продавать уже их. Наиболее распространенные примеры в этом случае будут связаны с геоаналитикой и компаниями, которые располагают геоданными. Кроме того, это могут быть варианты, связанные с прогнозированием разных рисковых событий, т.е. банковские скоринги и антифрод.
Также это могут быть разработки, касающиеся таргетирования рекламы. Реклама уже не один год, даже не одно десятилетие кормит тех, кто умеет строить ML-модели. Ну, и сюда же можно отнести все то, что касается оптимизации, планирования расходов: например, планирования размещения магазинов или оптимизации логистики. Это тоже часто относится к геоаналитике, если речь об оффлайновых географически распределенных объектах вроде магазинов или базовых станций мобильной сети.
Остановимся здесь, а в следующем посте поговорим непосредственно об объемах рынка.