大數據并不只是一個傳說，看這里，你會快速對大數據的趨勢有所感知。
網易創(chuàng)業(yè)Club/傅昊
由于物聯(lián)網和移動設備的快速發(fā)展，人類社會在過去兩年里生成了全世界90%的數據。數據收集、存儲和分析的成本驟降。
如今，各個行業(yè)都在借助由數據驅動的行業(yè)洞察，獲得競爭優(yōu)勢。
大數據的未來前景更加宏大：為體量最大的行業(yè)拓寬視野，解決世界上一些最復雜的難題。
創(chuàng)業(yè)者和投資人應該從何種宏觀角度來把握大數據的前景？
文內數據為全球及美國市場情況，但相信對于中國市場有同樣的借鑒意義。
本文PPT來自硅谷銀行分析團隊(SVB Analytics)最新的分析報告《大數據的下一步棋：把握大數據的前景》， 由浦發(fā)硅谷銀行提供。文字部分由網易創(chuàng)業(yè)Club解說。
【第一部分：數據激增】
由于處理成本、存儲成本的大幅下降，網絡傳輸能力的大幅增強，數據的產生、處理和收集數量都在呈現指數級的增長趨勢。
數據人才需求四年翻三番。說明有更多的商業(yè)場景需要進行數據的收集、分析。這和始于2010年左右的移動端全球性普及趨勢基本重合。考慮到企業(yè)級服務的興起，未來的數據人才需求會更加旺盛。
【第二部分：大數據業(yè)務成為美國VC的關注重點】
針對大數據公司的風險投資從2010年的10億美元增長到了2014年的50億美元，年內交易數量從150增長到了500起。
盡管現在大家都開始說B2B的風口來了，事實上我們從數據可以看到，美國風險投資界在過去5年里對大數據分析公司的投資額度增長了大約17倍而對B2B服務型公司的投資額度僅僅增長了3倍。
當然，由于美國B2B服務的風險投資體量本身就很大，所以這并不是特別直接的對比方式。
不過，這也能夠從一個側面體現出大數據業(yè)務的發(fā)展勢頭。
在不同的融資規(guī)模所代表的不同融資階段里，大數據公司的估值水平都明顯高于科技類公司的平均估值。
這說明投資人非常看好大數據領域從而可以容忍較高的進入價格。
需要提醒注意的是，所有各個融資階段的大數據公司估值都高于科技公司平均估值水平。
【第三部分：大數據2.0，一個更大的漏斗模型】
圖中給出的是一個漏斗模型，相信搞產品、搞運營、搞銷售、搞戰(zhàn)略的同學們對此并不陌生。
由于IoT（物聯(lián)網）的逐步成為現實，漏洞入口的數據來源正在以及將要呈現爆發(fā)性的增長。
物理硬件性能以及計算能力的高速發(fā)展讓數據的收集、存儲和處理成本大幅下降，數據處理方式和速度大幅提升，這讓可以被處理的數據數目和類型發(fā)生不可想象的增長和變異。
由于上述一系列的能力提升背景，“傳統(tǒng)”行業(yè)的數據分析范圍和應用場景更加多樣化，分析價值也越來越大。
大數據應用行業(yè)舉例：零售、網絡安全、廣告、金融服務、農業(yè)、旅游與住宿、醫(yī)療健康、能源、金融服務。
可見，大數據可以應用的行業(yè)覆蓋了2B、2C的多個甚至是所有的重要領域。
使用場景舉例，硅谷銀行在這里舉了廣告精準投放、網絡欺詐安全、傳感器--運營優(yōu)化三個例子。我們已經可以在國內看到在幾方面做的比較突出的大數據及SaaS服務創(chuàng)業(yè)公司了。
【第四部分 大數據的跨行業(yè)應用，創(chuàng)業(yè)投資機遇在哪里？】
硅谷銀行將大數據的針對不同行業(yè)以三個維度做了成熟指數測算。
三個維度分別是：對數據的監(jiān)管程度；數據捕獲的難易度；技術整合的程度。
前面兩個維度反映了數據來源的豐富及深入度，如果太難的話，在應用方面會受到限制。
對于體量龐大的行業(yè)而言，目前的大數據應用成熟度越低，未來的發(fā)展空間越大。
相對成熟的市場：
相比較而言，網絡安全、廣告、旅游住宿行業(yè)是“較小”的市場（2000-3000億美元），它們的大數據滲透率比較高。
零售業(yè)由于線上零售發(fā)展多年，因此是一個有復雜大數據分析積淀的巨型市場（9000億美元）。
更有潛力的市場：
農業(yè)雖然是個“小市場”但受制于數據收集的難度、分析技術的限制，目前還處于比較初期的階段。
金融服務、醫(yī)療保健這樣的大市場顯然是所有人都會關注的大數據應用市場。但由于對數據的監(jiān)管力度大、數據的獲取難度高，所以仍然是一個發(fā)展遠不完善的大數據市場。
這里，較為成熟的廣告行業(yè)大數據早期公司獲得風投的青睞越來越少了，而醫(yī)療健康類的早期大數據公司則開始獲得更多風投的青睞。
這個趨勢和各個行業(yè)大數據應用的成熟度密切相關。
風投在考慮趨勢的時候會密切關注潛在發(fā)展空間是否足夠大和限制因素是否可以被解決。
【第五部分：總結，云和機器學習是大數據的未來】
所謂“云”，要看大數據公司的云是否能夠把目標客戶放在公有云上的數據聯(lián)動起來形成一個生態(tài)系統(tǒng)。
所謂“機器學習”，要看大數據公司的機器分析能力是否會隨著數據數量和類型的增加、硬件性能的提升而更具洞察力。
