前言：
大数据是一个事关我国经济社会发展全局的战略性产业，大数据技术为社会经济活动提供决策依据，提高各个领域的运行效率，提升整个社会经济的集约化程度，对于我国经济发展转型具有重要的推动作用！2016年，由中国首席数据官联盟与网加时代网发起并承办，北京大学信息化与信息管理研究中心、中国新一代IT产业推进联盟、数邦客协办的"影响中国大数据产业进程100人"大型人物专访活动全面启动，被采访对象分别来自政府、产、学、研、企各个领域，他们将从不同角度，不同层面向大家阐述当前大数据产业热点、难点、疑点问题，为中国大数据产业健康、持续发展探索经验、保驾护航，敬请关注！
第三十五期专访人物：中国首席数据官联盟专家组成员，海通安恒大数据事业部大数据总监 李学辉
李学辉，中国首席数据官联盟专家组成员，海通安恒大数据事业部大数据总监。曾先后任职于毕博，普华永道，西门子，ABB， 博南石等多家世界五百强企业，具有丰富的海外项目经验及本土管理咨询经验，负责企业管理咨询，企业信息化战略规划，商业智能，大数据，数据挖掘等多个领域，资深的大数据领域专家，也是大数据及互联网+产业发展的积极推动者
本期特邀嘉宾中国首席数据官联盟发起人鲁四海，就传统产业（企业）如何优雅的实现数据洞察、数据变现与李学辉先生进行深入探讨。
鲁四海：近几年大数据产业在中国蓬勃发展，传统产业要实现数据洞察、数据变现，根据您的经验，他们应该怎么做？
李学辉：目前大数据这个垂直市场上，大家谈的比较多的，其实无非是如下这几个细分领域：金融大数据，互联网大数据，等等，的确，无论从数据体量、开放性、业务需求场景，这几个领域都是比较清晰明了的，做的比较早的也是他们这几个领域，但其实传统企业也有非常大的市场来玩大数据的，这个就是我今天聊到的话题，"大数据+产业"，通俗点说也就是传统行业（企业）怎么利用大数据实现开源节流。中国经济目前是看房地产的脸色，主要问题其实还是制造业等传统产业的低迷，特定产业的上中下游数据基本都是割裂的，如果通过大数据把产业链的上下游数据打通，前后数据形成遥相呼应，将刚性制造转为柔性制造，将"以产定销"转为"以销定产"，将供应链突破到生态链以及产业链，将产品的市场口碑反馈收集分析结果反向驱动原材料采购端，再将现在流行的物联网，工业4.0等高新技术有机结合起来，这将会是一块无比巨大的蛋糕，也正好符合了这几年政府提出的供给侧改革，数据开放融合，将大数据作为国家治理战略资源等的大势方针走向。
鲁四海：那请您能否具体举个例子阐述一下如何实现"大数据+产业"么？
李学辉：好的，之前我们给一个国内非常大的做乳制品的传统产业做过一个大数据规划和后期落地，这个企业具有行业纵深很强的垂直产业链，从牧场养殖，到乳制品加工，以及后续的分销，再到商超流通以及最终消费者口中，各个环节之间具有一个较长的时间跨度，各自环节由于IT建设起步比较低，数据局部有采集但没有长期存储和分析，而且各环节之间数据交互小，数据价值链不形成连续性，上下游数据及内外部数据割裂。通过我们为其做的大数据治理、咨询，规划、以及SaaS大数据平台的落地，我们深度的整合了从乳牛养殖环节生理数据，产奶量数据，生化分析数据，冻精采购渠道整合数据，再到乳制品加工工艺，配方，参数，实验室数据，供应链运输环节物联网数据，分销数据，消费受众群体属性数据，口感反馈数据，结合宏观经济、企业内部和外部的数据综合调整各上述环节可优化空间，较大限度的提升了产品的品牌认知度和市场接受度，以及确立了清晰的市场定位和精准的受众营销群体。在整个产业大数据布局的过程之中，企业积攒了大量的行业数据，消费者，渠道商等的各类数据，下一阶段正在为其规划如何做行业智库，数据变现，数据交换，数据交易等方面的顶层规划，传统产业再也不是只是守着ERP，MES，OA这点内部事务性数据的时候了，如果有好的盈利空间和价值区间，培养形成对于数据价值的认知，企业的价值边界正在逐步外延，数据价值观和数据开放性将慢慢追赶上互联网企业。 我其实特别认可中关村大数据产业联盟秘书长赵国栋的一句话"数据之和的价值，远远大于数据价值之和"，企业如果永远围绕着内部的数据玩大数据，其实无论体量再大那永远都是小数据，只有结合了外部的数据，生态圈的数据，产业链的数据，才是真正意义上的大数据正确玩法。
鲁四海：我其实挺感兴趣你们是怎么给传统产业（企业）做的落地，有哪些经验，或者说踩过哪些坑，可以给我们分享分享么？
李学辉：好的，过去大家做IT项目多数都是On Promise的方式，也就是项目式，用户提需求，我们按需开发或者配置出来，再或者例如SAP出的所谓的最佳实践，这个思路。其实大数据不能这个玩法，要互联网打法，迭代式，SaaS化，即"软件即服务"，在此之上我们提出了MaaS，"模型即服务"的方式，另外，其实传统产业的CIO做大数据无非是有一下几点顾虑和困惑：
● 大数据见效周期慢，收效不容易衡量；
● IT投入大，大数据人才紧俏；
● 长期的不可控的大数据平台运维成本；
● 无法获得外部生态圈及全产业链数据；
● 找不到合适的大数据场景无从下手。
这几个顾虑其实都可以通过SaaS的方式很好的去实现，从极简的大数据基础平台部署，弹性扩容，再到深入的自助式数据挖掘和分析以及前端展现，都很好的解决了上述这些顾虑。也可以考虑基于公有云、私有云以及混合云的方式部署，企业可以弹性的方式试水自己企业的大数据建设，当慢慢见到好处之后再逐步深入展开；所谓的模型即服务，其实就是我们预置了非常多的业务分析模型，都是我们团队多年的针对传统各产业的咨询经验和对业务的理解的知识结晶，通过平台客户可以了解其它同行业是怎么分析该领域的大数据，有哪些典型场景，有哪些基础数据需要采集，等等；而且企业的业务分析人员可以直接使用我们的自助式大数据分析平台进行自助式拖拽方式建模和分析，不需要养底层的大数据开发人员。
鲁四海：刚才您提到大数据基础设施，你们在大数据平台技术方面是如何做的，是不是可以分享些经验？
李学辉：坦白说，和大家差不多，我们也是围绕着Hadoop和Spark这些生态圈领域的技术做了一些上层的封装，非常前卫的平台框架我们也都用，例如OpenStack, Docker, Kerberos等等我们也都用的很新的技术，但毕竟大数据起源于美国开源社区，做的再多也只是充当个集成商的角色，就跟多数的国产智能手机一样，无论从芯片到屏幕用的都是国外的技术和产品，国内组装，其实大数据也一样，其实目前市场上多数的小型创业公司或者玩大数据的公司其实都在做底层平台，大家在拼大数据谁算的快，谁计算的数据量大，个人认为这类问题都是会随着摩尔定律，随着硬件的发展逐步被淡化，被同质化（友商请不要拍砖头），我们目前更多的精力是放在怎么让传统产业来拥抱大数据，什么场景来用，怎么去实现附加价值的增加，怎么去做产业生态圈，怎么去数据变现等等领域。互联网起源于美国，但做的最好的是中国，因为我们的土壤适合做互联网，我们更加注重客户体验，通过构建大长尾战略换取利益最大化，大数据行业也是一个道理。西方国家做大数据还是太讲究规则，有些死板，不是很符合中国国情，我们更需要简单的，易用的，甚至是廉价的，短平快的开箱即用的大数据平台，也就是一直提到的SaaS模式大数据平台。现阶段国情下，企业在乎的是怎么用大数据，什么场景来做业务增值，而不是纠结于哪家的平台快个多少分钟去分析同一批数据。
鲁四海：如您所说，传统行业有太多的大数据机遇，那是不是说大数据应用应该更多倾向于传统产业的大数据建设？
李学辉：当然不只是拘泥于传统产业，无论传统产业大数据，金融大数据，运营商大数据，互联网大数据，零售大数据，工业大数据，医疗大数据，政府大数据等等都是我们目前在做的领域，只不过有所侧重而已，刚才只是拿产业大数据举了个例子，其实所有的行业我觉得未来都是SaaS的玩法，技术上紧随基于云，基于物联网，基于工业4.0这些创新技术大潮，业务上玩法上要有所创新和突破，数据变现，数据交易，异业联盟，大长尾战略等等。
鲁四海：据了解，您也是一个产品方面的专家，每一个大数据应用其实都是一个产品，要去打造一个好的产品，您觉得最值得关注的方面是什么？
李学辉：创造性思维。我推荐大家看两本书，一本是《从0到1》，另一本是《硅谷钢铁侠》，这两本书很好的诠释了创造性如何作为一个产品的精髓，多数讲了埃隆马斯克的传奇一生，以及特斯拉(Tesla)，可回收式火箭（SpaceX），和太阳城的诞生故事。循规蹈矩一定创造不了伟大的产品，只有敢想敢做的冒险家和偏执狂才能做的了好的产品。
联系我们请点击：
数邦客
