当我们说起企业ERP市场时，很容易脱口而出SAP、Oracle、用友等市场上的几个主要玩家。聊起云计算时，也能说出AWS、阿里、Azure等主要品牌。但当聊起大数据和人工智能这个市场时，我估计没几个人能够说得清这个市场到底有多少玩家。

有一个叫 Matt Turck的风险投资人，做了一个表格，统计了市场上与大数据和人工智能相关的公司和产品，每年更新一版本，目前最新的是第三版，下面这个图就是他统计的汇总，详细大图可以通过他的博客链接。

https://mattturck.com/

http://46eybw2v1nh52oe80d3bi91u-wpengine.netdna-ssl.com/wp-content/uploads/2021/12/2021-MAD-Landscape-v3.pdf

mark这个表单每年都进行了更新，不断有新的公司进入，也不断有新的公司消失。2021年的表单里面，我看到了很多熟悉的中国公司，如依图、旷世、商汤等公司都榜上有名。

这让我想起了生物学中的生态圈概念，大数据这个市场很显然不是草原、沙漠，而是亚马逊丛林，这里有全世界最多的物种，在这个生态圈中，生物种类多到数不胜数。

要完全搞懂这张表单里面的每一个产品有什么用几乎是不可能的，但如果随机从中间抽一个品牌，你能否快速了解到这个产品的一些概要信息呢？如：

1. 产品是做什么？
2. 解决了什么问题？
3. 哪些地方会需要这个产品？
4. ……

回答这个问题之前，需要需要先跳出这张表，从一个更抽象的维度来看整个大数据这个市场。先搞清楚

1. 为什么会出现大数据这个市场？
2. 大数据它解决的根本问题是什么？

从经济学的角度看，一切的IT工具本质都是为了提高生产效率而生。生产效率最终是为利润服务的，提高利润有两个途径，一个是节约成本，二是扩大市场。也就是开源节流。

大数据和人工智能这种生产工具到底是开源还是节流，其实并不重要，这两者之间其实没有明显的界限。经济学第一定律：成本下降，需求量就会增加。节约成本的同时，市场需求也在扩大。大数据和人工智能在开源和节流两个维度都可以发挥巨大作用。

上游-应用

与行业高度关联，可以理解为大数据和人工智能技术 + 具体行业的结合。解决的是某个行业中的具体问题，这些问题或需求通过常规的手段没法解决，或者解决起来成本很高。

如制造业的良品率提升、教育行业的个性化教育定制等。

站在应用这个层级往下看，大数据和人工智能技术能发挥作用，离不开对行业需求和痛点的理解。这些行业的需求和痛点往往不是那么明显的，只有对这个行业了解的足够深才能看得懂。因此这个行业也就出现了很多的对具体行业非常熟悉的集成商来做这个技术+行业的整合。

最典型的制造业例子三一重工，这是一家做大型工程机械的企业。为了高效地解决工程机械售后服务维修难的问题而开发的ECC平台，为机械行业售后服务提供了一个很好的样板。后来干脆把这一部分能力直接单独输出成立了一家公司叫树根互联。

行业应用整合提供商

这里面会看到很多熟悉的品牌，他们原本就属于这个行业的龙头企业。当然也有些新的公司甚至就完全基于大数据和人工智能技术从零开始构建的。

制造业：用于提高产品的良品率提升、减少人工成本、智能制造等都是大数据应用的具体体现。像施耐德、西门子自己本身就是制造业巨头。

广告行业：精准营销。广告行业有句名言“我知道我的广告费有一半浪费了，但不知道哪一半”。借助大数据的人群定位分析，这种情况已经得到大量改善了。我们每天微信、抖音中能够看到的广告就是一种最直接的感受，能够看到什么样的广告都是因人而异的。这在没有大数据以前是不可能实现的。

教育行业：1v1的量身定制课程内容。

最高效的教育方式2000多年前的孔老夫子早就总结出来了- 因材施教。但因材施教这种教育方式为什么没能普及，因为没法成规模，对老师的成本要求太高。借助大数据和人工智能就找到了实现的可能。这个行业的代表者有教成年人英语的流利说，有做中小学教育的猿辅导等公司。

打开这些APP，先根据你的自身情况做个评估，然后系统再生成根据你的基础量身定制一个学习路径。这就让因材施教成为了可能。

金融保险行业：风险控制等。风险的把控是金融行业的命脉，风险把控太严就没法开展业务，而风险把控过松企业可能面临巨大的损失。支付宝的借呗花呗就是个很好的利用大数据进行风险控制的例子，借助大数据和人工智能对个人的信用评级，普通人也可以贷到款了。

企业职能需求供应商

主要是销售、市场、合规、安全、流程自动化等部门需求。这一类的需求通用性相对较高。也因此市面上就有非常多的第三方公司来提供相应的服务。

像营销部门用的邮件营销，就有SendGrid，Active Campaign这样的产品，在大数据和人工智能技术的加持下，可以做到个性化的智能邮件推送等功能。

客服服务中的Zendesk智能在线客服， 企业办公中的RPA机器人等都是这一类整合服务商的代表公司。

中游 数据处理

上游企业更多偏应用，而中游和下游就是具体的技术实现了。

如果把数据比作金矿，那么数据处理技术就好比炼金术。炼金术的好坏直接关系到能否从金矿中析出金子。数据处理这个环节是整个大数据应用的核心环节，从这个Matt整理的表里也可以看到，这里几乎聚集了全世界最聪明的大脑，Google、IBM、微软、Oracle、Amazon等。

如果再细分起来，又可以分为数据处理平台，数据科学平台，人工智能平台等，这里面非常复杂。但不管它的结构多么复杂，本质上和炼金术没什么区别，炼金术是将一堆掺和各种杂质的金沙经过清洗、过滤、处理、提纯等步骤，最后变成有价值的金条，而数据处理的过程则是将一堆的原始数据经过清洗、加工、过滤等步骤，最终提炼出对企业有价值的信息的过程。

下游 数据收集和存储

炼金术要发挥作用得先有金沙这种原材料。而大数据，顾名思义，得先有大量数据才能从中挖掘出价值。

海量数据的收集、存储和管理及使用就变成了一大挑战，因为已有的IT工具和技术都只是用于处理小数据，应付不了大数据的体量。 这就像大型食堂里面用的各种餐具跟家庭厨房用具就完全不是一个概念，这两者面对的业务体量完全不在一个等级。也因此在大数据时代，数据的收集、储存、管理和使用等工具基本都得重新设计一遍。

上面这个表中，所有的公司和品牌都是干的数据收集和存储的活。由于数据这种原材料比较特殊，保管、使用起来并不容易。也因此这里面又有无数的工具。 后续再细讲。

下次再有人跟你聊起大数据和人工智能，除了说“哇，牛X”，你就可以进一步问：

你是做大数据的收集、存储、加工、应用中的哪个方面？

对面的人一定会对面侃侃相谈，心里在嘀咕，看来这人不好忽悠。

紧接着你就可以进一步提问：

你们公司产品主要解决的是什么哪些问题？ 有哪些同行竞争对手？ 比起他们来有什么优势？

开个玩笑，以上我也不知道。公号： lianggeIT