安全问题其实多数时候是企业用来拒绝你的一个借口，而不是真正的理由。那些企业不是对安全的需求太高，而是对数据分析的需求太低。

以下内容根据胡嵩演讲及采访内容整理而成，对如今的 to B 服务创业者，尤其是大数据创业者有一定启发意义。

胡嵩：2004 年-2011 年就职百度，2004-2009 年历任网页搜索部 spider 工程师、项目经理、架构师(T9)，2008 年起兼任网页搜索部技术委员会轮值主席。2009 年参与组建百度无线事业部并任无线事业部总架构师、无线搜索产品技术负责人。2011 年 6 月加入美丽说，任总架构师、无线事业部总经理，从零开始组建无线产品技术团队并在一年内将美丽说 App 做到百万日活。2013 年 6 月与任旭阳、史有才等人共同创办海致。

在这个属于大数据的时代，在向企业推广数据服务时会遭遇哪些困难？

有四种企业会在需要大数据服务的同时很难找到合适的大数据服务。

第一种是规模不够大。一方面就是钱不够多，不愿意购买企业服务；一方面就是数据不够多，靠 excel 就能自己解决。这种情况下，他们可能对数据服务有兴趣，但真的卖给他们却并不现实。

第二种是数据类型单一。像很多比较传统的企业，有 ERP 或者 CRM 就满足了绝大多数的现阶段需求，对海致 BDP 这种多维度的数据分析，暂时意识不到其重要性。

第三种是管理层本身的数据意识还没建立起来。长久以来依靠控制成本或者引入资本就能实现盈利，还没有遭遇管理层面的困难，不了解数据驱动经营的重要性，还不很追求效率。

第四种是人员素质没达到相应程度。不是说人员素质低，而是他们的数据意识不足，互联网意识不足，对数据操作、分析比较麻木。这种企业会有需求，甚至会付费购买服务，但是买了以后，使用频率很低，而且经常热乎劲儿一过就不用了。因为用产品的最终还是人。

综合来看，这些企业并非不需要数据服务，而且也有购买欲望。要解决的终究是细节问题，一方面企业自身会逐渐升级，一些数据服务产品也会逐渐优化。

那么相对而言，有哪些企业更容易接受这些服务呢？

一般来说就是中等规模的互联网企业了。优势主要有四个方面。

第一是数据量很多。互联网企业到一定规模，用户量就会特别大。用户量大了，数据自然非常多。

第二是数据来源分散，数据维度很多。来自网页的数据，来自 app 的数据，业务的数据，管理的数据，这样就存在整合需求，需要一个数据平台。

第三是行业本身变化快。有两种情况，一种是行业发展日新月异，传统的分析方法难以满足不断增长的需求；一种是行业本身很年轻，合理的分析方法还没建立起来。这种情况下，多来源、多角度的数据分析意义就很大，能力求全面、客观，避免将分析的力气用错方向。

第四是数据驱动意识强。本身就都是互联网人，都有互联网基因，深刻了解数据的重要性，管理层每天第一件事情可能就是分析数据，使用强度很高。

这些互联网企业有着极其旺盛的需求，又非常明白自己进行数据分析的成本之高昂，因此使用数据服务的热情十分高涨。

在传统行业方面，业务对互联网的依赖程度越高，使用数据服务的意识就越好，需求也就越强。

为什么是中等规模企业更需要数据服务，而非小微企业或大型企业？

小微企业规模不够大，数据没有多到需要花钱分析的级别。但是当数据量大到一个程度，比如 1TB，一方面 excel 就很难处理了，一方面负责分析的人也忙不过来了，这就需要专门的数据服务。

大企业，如果有钱到了自己建立数据团队和计算节点也不心疼，那肯定会考虑自己分析数据的，也不会使用外部服务。

现在的企业数据服务都是云计算服务吗？

大多数都是。这是因为单一企业就算数据分析的需求很强、频率很高，真正用于分析的绝对时间也是不多的。这就会导致浪费，非常昂贵的计算节点每天只用那么几秒钟，很不划算。不如使用云端服务，不必自己设置昂贵的计算节点。

有人考虑到安全的问题。安全问题其实多数时候是企业用来拒绝你的一个借口，而不是真正的理由。那些企业不是对安全的需求太高，而是对数据分析的需求太低。只有少数用户是真的非常在乎安全问题的，比如银行和运营商。对这些用户，应该为其提供本地化的服务。

数据服务的痛点有哪些？

有一些简单的例子。

首先是性能。计算一亿条数据，需要用多长时间。如果几秒就可以计算完毕，你的服务就是合格的。这也是云计算的优势。

其次是多账号。有一些传统的数据平台，多人同时使用会崩溃。海致 BDP 允许每个员工都有帐号，每个帐号有不同的权限，可以查看自己需要查看的数据。对于基层和管理层来说，这样的系统都有价值。

再次是可视化。并非每个使用者都是专业的数据分析人员，有些只是具备基础的 excel 知识，这时候可视化意义就非常重大。

然后是数据的采集。不同来源的数据怎么采集，涉及个性化的服务，需要平台和企业对接。不同行业的需求肯定有着较大差异，想要以不变应万变很不现实。这也是 toB 服务得以垂直细分而且应该垂直细分的理由。

然后是数据的导入。比如海致 BDP 提供了数据库、excel 和 API 三种导入方式，就可以满足不同企业的需求，还可以整合同一企业不同来源的数据。

如何面对不同行业的多种挑战？

肯定是要慢慢来。拿海致 BDP 来说，在接触新行业时，一般会接触行业内最大、最有代表性的企业，以低廉的价格向其提供服务，与其对接。在这个过程中，海致 BDP 得以了解行业的需求，优化对这一行业的服务，并将其扩展开来。

也不一定完全靠人。虽然一般人理解上的人工智能还比较遥远，但是机器学习，甚至比较深度的机器学习的广泛应用不会太远。事实上很多互联网公司早已或多或少应用了机器学习。在大数据这一领域，让机器去接触、适应不同行业的数据，价值非常巨大。

客观来说，toB 服务还是有很大的细分空间的，细分的领域非常多，每个领域也都会有几家比较有特色。所以这个市场可能真的不是二八定律，而是 80% 的企业占据 80% 的市场。

为什么说现在到了企业服务的风口？

从时机和环境来分析。

时机方面，从两个角度考虑，一个是提供服务的基础，一个是需求服务的市场。2013 年开始，云计算开始流行，之后基础云服务快速兴起，应该 3~5 年内就会成为主流。经过一段时间的蛰伏，供给方有了提供云服务的能力。

需求这边，整个中国的经济发展都到了转型时期。曾经的靠低人力成本、低价格粗暴经营的企业，面对越来越多的竞争，已经力不从心了。这时候，企业就会开始寻求新的增长点，从控制成本过渡到提高效率。所以说，曾经没有数据分析需求的企业如今都会逐渐产生需求，曾经不注重互联网思维的企业如今都要开始注重。

环境方面则涉及所服务行业的规模。如前所述，数据量级达到一定程度，采集数据的来源、维度多到一定程度，行业本身有足够大的规模，做这个行业的服务才有意义。这个行业是否成熟，数据是否达到了一个临界点，使得分析数据后，它的效率可以有提升——这是行业能否展开数据分析的条件。

在中国，很多行业的发展都已经有了一定水平，同时也遭遇到了一些困境。如果困境难以用传统方式解决，行业本身又具备投入资源探索问题的能力，互联网化、数据化就是势在必行的。

关于海致 BDP：

海致 BDP 成立于 2013 年，今年 2 月完成 C 轮 3000 万美元融资，估值 2.5 亿美元，是中国目前估值最高的大数据公司。公司目前有企业客户 3000 家左右，典型客户有人人车、58 到家、瓜子二手车、百度外卖、春雨医生、知乎、中长石基、百合网、慧聪网、每日优鲜、雀巢、伊利、华联超市等。

公司官方微信号：haizhiBDP

本文转载自 TECH2IPO / 创见(http://tech2ipo.com)，@小田一成 (简书作者)撰写