四个月前，《网络安全法》以及最新刑事司法解释正式施行，信息安全尤其是个人隐私保护问题被上升到了一个新高度，当时写了《分水岭：6月1号起，大数据进入下半场！》。 

几个月过去了，据媒体报道，有数十家做大数据的公司因涉嫌数据信息安全被约谈或者协助调查，很多数据查询访问接口关停，有人惊呼"大数据行业进入冰封时代"。 

但更多的大数据从业人士认为，那些倒卖数据的企业是挂羊头卖狗肉，对大数据的名声和产业空间伤害非常大，对整顿拍手称快，认为唯有如此，才能让大数据产业走得更远。 

喧闹过后，要冷静思考。 

不做倒卖数据出售隐私信息，生意应该如何做呢？ 

这不是简单的问题，而是大数据产业的战略选择。 

首先要想明白的，是去"赚大钱"，还是"挣小钱"。 

第二要弄清楚的，是去做"使能"，还是说"我能"。 

【大数据平台的本职，是为数据分析提供基础支撑能力】

"使能"是个舶来语。很多年前，写中国移动业务支撑工作会材料时，本想把Enable翻译成一个信达雅的中文名词，但马上就要开会了，实在来不及，就硬着头皮直译成为"使能者"。 

没想到，这个词和"BOSS系统"一样，越来越火。 

无论是大数据平台本身，还是基于平台提供的数据集市/沙盒、工具，都可以看成数据分析的基础设施，是大数据的"使能者"。 

提供数据是大数据平台必不可少的功能。各种各样的数据信息散落在各个IT系统中，有的甚至源于客户的终端里，将这些数据归集在一起并非易事，不要说存储和处理数据所需要的成本，就是将不同系统的不同类型数据转换为统一的格式，就需要花费大量的时间和开发成本。 

而另一方面，数据采集工作是非常有意义的。处理这些数据的成本非常高，如果每一家企业都去做这项基础工作，实在是代价太大，很多中小企业会因此玩不起。 

由此来看，建立跨企业跨应用的综合数据平台，为不同的应用提供数据支撑和服务，是众望所归。 

类似的逻辑，由大数据平台提供数据分析挖掘工具以及报表展现工具，也是降低应用开发门槛的有效办法——多用户多租户的方式可以摊薄成本，同样的工具，用得越多，价值越大。 

如果没有这些平台类企业存在，那么围绕大数据的应用开发成本和运营成本就要高很多，再多巧妇也难为无米之炊。 

【大数据的价值，要与企业的核心业务相关】

一大堆数据放在那儿没有价值，但从数据里提炼出来的信息有价值。说数据分析是点石成金，一点儿都不过分。 

最基本的价值，就是为企业的经营管理者提供所需要的常规数据和基本信息，及时了解业务发展情况，而展现的形式就是各种维度的报表。 

这种报表大部分是事先定义好的。但在实践中，除了常规的财务报表和业务报表之外，绝大多数预定义的报表并没人看，甚至很多报表连其设计者都没兴趣看；而让大家感兴趣的，往往是临时想出来的多维数据比对和突发性统计报表。 

一位老领导和我说过一件发生在上个世纪的往事：某国总理访问中国，通知由邮电部领导陪同，于是邮电部领导希望了解下该国近几年与中国的长途通话业务量，以及其临近国家与中国通话的一些数据。为此，当时长途电话局用全部计算机资源跑了好几天，终于得出了领导所需要的数据；然而，来访的外宾此时已经离开中国。 

这就是数据分析经常遇到的尴尬场景：平时花很多钱，持续运营，辛辛苦苦得到的数据和报表没人用、没人看；而真有了统计分析的需求，统计分析人员却又搞不定。连个报表都拿不出来，数据的价值如何体现？ 

为了避免这样的尴尬，从事数据分析的同事们先发制人，主动进行数据分析，不限于简单地汇总统计，还能进行交叉比对，甚至技术含量更高的数据挖掘也逐渐热了起来。 

渐渐的，大家越来越认同一个道理：只有将应用分析和业务相结合，体现出大数据分析的商业价值，才能持续获得各方的支持，以及企业的持续投入。于是，如何围绕企业的核心业务体现数据分析的价值，成为大数据产业的核心。 

【"使能"还是"我能"？】

建设基础设施是体力活，默默无闻却又非常花钱；而点石成金术能迅速直接地体现价值，更容易获得认同感。大数据企业会经常有意无意地迷失在"数据"和"应用"的棋局中。 

那么，能不能鱼与熊掌兼得，大数据平台和应用相互促进共同成长呢？ 

这是一个美好的愿望，从专业角度看，无论是成本的约束和人才队伍的建设，都导致大数据企业只能选择其中一个作为发展方向。而从企业发展的角度看，同时做两件都很难搞的事情，成功概率更低，还是聚焦在一个方向上靠谱些。 

从技术角度看，大数据平台等基础设施主要关注的是IT（包括数据的获取、清洗、转换等）和数据本身。比如要读懂数据源以及数据的定义，对业务的理解稍微差一些问题也不大。 

而在应用方面，必须要和具体的业务相结合，即使用了再先进高明的算法模型，只要是和业务脱节了，就非常容易闹笑话。 

从大数据产业的价值看，必须有人扮演大数据基础设施构建者的角色，如果没有底层的数据积累沉淀，再多再好的创意想法都不过是空中楼阁，甚至是"假数据，真分析"。 

因此，在大数据起步阶段，往往会围绕数据开展工作，多以底层平台建设、通用工具组件为核心技术。 

然而，当时间越来越长，如果没有应用来体现大数据的价值，又如何获得持续的投资和支持？这时候，技术就转向了分析模型、算法以及AI等应用。 

此前，大数据产业链最直接赚钱的方法就是卖数据，把收集到的个人数据信息快速变现鼓励了数据的原始积累，其他都是"慢钱"。 

在国家政策打击数据倒卖行为之后，数据和应用渐渐浮出水面。 

当然，到底是做个提供基础设施的"使能者"（Enabler），还是自己上手开发应用，不同的企业基础不同，尤其是拥有的资源优势不一样，最终会选择不同的路径。 

【智能化，也存在"使能"和"我能"的分歧】

相对于传统的静态报表，智能化是更加高阶的大数据应用。 

虽然对智能化有很多炫酷的场景设计，但应用最多的，还是根据事先设定的程式，当某种场景出现时，就会触发这一系列动作的进行。原理上看，就是个"If……Then……"的运算逻辑，但与具体业务结合之后，就会产生各式各样的商业价值。 

以前这种商业场景也存在，只不过触发条件过于简单化，比如去购物时出示会员卡，扫描会员卡时会给柜员显示顾客的姓名，上次购买了什么商品，有什么偏好，提示柜员采取什么方式进行营销。 

而今，科技可以实现更加复杂的过程和逻辑，在改善客户体验的同时，提高了销售的成功率。 

把大象关进冰箱需要三步，这种触发式智能化也是由三部分组成的。其一是模型的建立；其二是触发；其三是行动。 

其中，第一步是数据分析以离线方式来完成的，然而第二和第三步就有了争议。 

"我能"派的观点认为，"智能化应用"应该是端到端的，从设计到执行都由一套独立系统来完成，这样的方式最直接最有效率。常规的生产系统要做的事情太多，以独立小分队的方式推进智能化创新更合理。 

"使能"派则比较保守，认为大数据应该是为智能化提供支撑，而触发和执行过程应与现有生产体系融为一体，否则就容易出现数据不一致，反而降低了整体效率和客户满意度，智能化的创新必须要在整体规划之下完成。 

是作为支撑别人的使能者，还是赤膊上阵以端到端的方式实现价值，之所以说这是战略选择，是因为决策者必须明白，自己要放弃的是什么。