大数据是企业服务市场中的新兴领域，短短几年时间，大数据概念从兴起到落地，开始在各行各业发挥作用，行业政策频出，技术飞速发展，受到资本追捧。
整个大数据行业可大致分为三层，底层基础平台，中间层通用技术，上层行业应用。接下来，爱分析将按照上述分类，逐步介绍各细分领域的行业现状、未来前景。今天是大数据系列的***篇——底层基础平台。
底层基础平台主要解决的是数据存储、计算的问题，是整个大数据生态的基石。采集到的数据，首先要能高效、快捷地存起来，才能进行数据分析和数据挖掘。
这一层非常重要，同时也是技术含量***的一层。以底层技术中明星Hadoop为例，用Hadoop的公司很多，能做Hadoop发行版的公司凤毛麟角。
底层基础平台主要解决的是数据存储、计算的问题，是整个大数据生态的基石。采集到的数据，首先要能高效、快捷地存起来，才能进行数据分析和数据挖掘。这一层非常重要，同时也是技术含量***的一层。以底层技术中明星Hadoop为例，用Hadoop的公司很多，能做Hadoop发行版的公司凤毛麟角。
Hadoop兴起的原因：便宜才是硬道理
进入新世纪的***个十年，各大企业都在大力投入IT设备，建设自己的机房，上线各套办公系统。第二个十年，经济下行，传统企业的盈利下降，对IT设备的投入已经不像上个十年那般狂热，大型企业采购IT设备的经费受到控制，开始核算成本，意图在满足需求的情况下，降低投入。
以Hadoop为代表的新底层技术能够兴起，抛开技术原因，最主要的原因是便宜、扩展性强。利用分布式架构，将一些性能一般的机器串联起来，达到与高性能单机同样的效果。随着公司发展，数据量增大，不需要更换全套设备，只需要再增加机器就可以达到目的，省时省力。
分布式架构的技术很多，为什么Hadoop***胜出?还是因为便宜，用的人多。以微软的Cosmos为例，这套系统本身优于Hadoop，主要是针对大型机房，设计理念很好，上万台机器的机房，拿出几十台做别的事情，来提升系统运营效率。但如果是几十台机器，仍然需要拿出很大一部分来做别的事情，机器使用效率就很低。
实际应用时，用上万台机器的公司少，用几十台机器的公司多，因此Hadoop的应用面更广。用的人多，自然帮助优化架构的人多，社区贡献的人多，技术发展快，渐渐成为主流。
国外Hadoop三驾马车，商业模式各有差异
提到Hadoop，必然要提到国外三家围绕Hadoop技术的公司：Cloudera、Hortonworks和MapR。三家公司都成立时间不长，Cloudera和MapR都是2009年成立，而Hortonworks是2011年从雅虎独立出来。三家公司都在资本市场上受到追捧。Hortonworks在2014年上市，IPO当天市值接近11亿美金;Cloudera获得英特尔7.4亿美金的投资，估值近50亿美金;MapR最近刚刚获得5000万美金融资，估值也超过10亿美金。
尽管三家公司都是提供Hadoop相关服务，但是商业模式区别不小。Cloudera和MapR都研发自己的Hadoop发行版，只不过MapR的技术完全闭源，不会对外开放，而Cloudera的产品分为免费版和企业版，只有企业版的核心组件不对外开放，其他技术均提供给社区。Hortonworks将自己的技术完全贡献给社区，不靠产品获利，靠派驻技术人员到客户现场提供服务盈利。
国内市场处于跑马圈地阶段，新兴大数据公司刚刚起步尽管近年大数据行业风起云涌，创业公司如雨后春笋般冒出，却少有专注底层基础平台的公司。当前，银行等大型企业纷纷喊出“去IOE”(IBM小型机、Oracle数据库、EMC存储设备)，尽管国产企业的产品尚不能满足大型企业核心系统的要求，但是必然会有大量新业务的IT系统采用国产品牌，旧有业务面临更新换代也会优先选择国内厂商。
数据库等底层设施不同于上层应用，更换成本较高，客户黏性很大，非万不得已不会进行替换，同时Hadoop这类新技术迭代速度快，需要后期维护。因此，各家公司都在大力开拓市场，跑马圈地。新兴公司服务客户的方式类似，前期以产品为内核，用项目制的形式帮助企业搭建系统，后期每年收取20%的维护费。各家企业都在降低初装费，意图占据市场，靠后期维护费用收回成本。
巨头环伺的市场，大数据初创公司突围不易在去IOE的趋势下，中国大型企业都在面临IT设备的更新换代，整个底层基础平台市场潜力巨大。新兴大数据公司利用其技术优势和初创公司的高效决策机制，迅速抢占一些市场份额，占据一席之地不成问题。这类公司主要服务金融、电信、交通、电力等领域的大型企业，这些领域原本是传统集成商的地盘，因此新兴大数据公司不可避免地将与集成商正面竞争。
笔者认为，未来几年在底层基础平台领域诞生一家估值10亿美金的独角兽公司是可以预见的，但是这些大数据公司中出现类似Oracle这样的巨头公司可能性不大，基于以下几点：
***， 产品同质化严重，市场竞争激烈底层基础平台不同于上层应用，客户需求类似，产品很难体现出差异化优势。各家公司主要比拼产品性能的优劣，这种技术上的差异，新兴公司最初会占据一定优势，随着开源技术的普及，华为等传统技术大牛公司会逐步赶上，技术的差距会逐步缩小。
第二， 技术迭代更新快，长期保持技术领先不易Hadoop诞生于2006年，Spark于2009年出现，2013年Hadoop已经发布2.0稳定版本，两种技术从诞生到成熟时间之短，令人震惊。在当今这个技术快速发展的时代，新兴大数据公司一方面要应对市场竞争，另一方面还要保持技术的领先地位，难度不小。
第三， 产品销售能力逊于传统巨头公司企业级市场，产品销售能力将成为影响公司发展的重要因素。以Oracle为例，早年与Oracle竞争的Sybase和Informix，其技术实力不逊于Oracle，Informix的技术甚至领先于Oracle。这两家公司***在竞争中出局，落得被收购的下场，主要是输在市场推广上，市场推广的失利直接影响到公司的技术革新，***导致衰落。
什么样的公司有机会突围成功那么，什么样的公司有机会突围成功，成为中国的Oracle，笔者认为具备以下几点的公司机会***。
***， 开源心态有助于保持技术领先地位以Hadoop为代表的开源技术正在改变世界，但开源和可持续盈利模式总是存在着一些矛盾。公司要不要保持开源的心态，开放自己的技术给更多人使用?对大数据公司而言，技术是核心竞争力之一，特别是对于这些做基础平台的公司，开放技术无疑是削弱自身竞争优势，降低产品的附加值，减少公司的毛利，短期来看，开放技术会对公司的营收造成不良影响。
但是，从公司长远发展来看，完全闭源会增大公司风险，其严重后果远远大于开放技术的影响。大数据公司最担心的是路线图出现偏差，自身技术与时代发展相左，丧失技术上的优势。一旦发生公司的技术发展方向背离整个行业发展方向，需要停止已研发的项目，掉头追赶行业脚步，这对创业公司来说是非常致命的。
第二， 商业拓展与技术研发同等重要企业服务市场是销售驱动型市场，而非技术驱动型，大数据这个细分领域同样如此。技术实力再强，产品功能再多样，也需要有客户买单才行。有些创业公司只重视研发上的投入，轻视市场推广，公司每年订单少，营收自然不高，团队规模上不去，融资困难，公司发展缓慢。单纯技术上的优势，在企业级市场并不是绝对影响因素。
很多公司在POC阶段都曾遇到过技术标***，却因为商业谈判阶段不理想而错失订单的事情。特别是现在市场处于跑马圈地阶段，抢占位置比什么都重要，更是需要大力进行商业拓展。一旦市场格局稳定下来，到时候再切入市场难度很大。
第三， 效仿Oracle，建立适合公司的小生态建立生态这一点并不是适合初创公司，是公司发展到一定程度后需要考虑的。扩大自己合作伙伴的队伍，与其他公司共同开发产品，让其他公司承担一定销售任务，有些时候要比单打独斗更适合企业级市场。Oracle这样的巨头公司，刚进入中国市场时也遇到不小的阻力。当时采取的做法是与中国本土公司合作，建立围绕Oracle的小生态，借助本土公司的力量敲开中国市场的大门。做底层基础平台的公司，作为连接硬件和应用的中间层，更需要与其他公司合作。平台上对接的应用越多，越有助于平台产品的推广，开辟新的市场。
