正文
事实上，新技术从萌芽到生根到最后的开花结果，
推动新技术发展的从来都不是“舆论”，而是市场的需求
，
而是这个新技术是不是真的有用，能改变原来的商业模式，带来新的锲机。任何人、任何组织和单位的纠错能力都不如市场的需求。也就是说，市场需求有着很强的纠错能力，那些天天鼓吹大数据或者利用大数据装十三的人，时间和市场会给他们一个狠狠的耳光，市场需求会对这个行业进行洗牌，所以不必恐慌。
我从2013年开始了解大数据，4年的时间里，我见过太多拿着一个大数据项目PPT四处融资碰壁的人，也见过各种把大数据吹上天的人，可是他们没过多久就偃旗息鼓了。原因很简单，任何的事情（包括吹牛、装）都是需要成本的，当投入和产出不成正比的时候，当然会选择放弃。
当然，也不用对大数据持悲观态度，这个行业里还是有很多脚踏实地认认真真干事的人，这几年中国诞生了大大小小不下500家大数据公司，有的公司还上市了，部分公司也扭亏为盈了，还有很多新创公司都拿到融资了。
资本的眼光是毒辣的，
如果你相信大数据，那么请一直矢志不移的坚持下去，无论你在这个行业里扮演的是什么角色。
除了大数据，O2O，P2P，共享经济和人工智能也遇到了如此的窘境。什么概念火热人们就一窝蜂的扑上去。这个时候你需要的是理智的看待每个市场。我记得去年看过一个名单，2016年中国O2O死亡名单里，有近100个项目。P2P就更多了，有上千家P2P公司死亡了。所以，术业有专攻，别人能做的事情、做得好的事情，并不见得人人都能做。
我的观点是，把大数据当作“万金油”或忽悠手段的公司或个人，最终会为自己的行为买单。
一方面是IT市场本身就有很强的纠错能力，另外一方面是大数据行业能够活下来的企业都有自己的技术核心竞争力或者是数据源，并且能够将数据能力应用好产生商业价值
。
所以，不要太担心大数据被炒糊了，做好自己的事情才是关键。
既然有那么多公司标榜自己是大数据公司或者大数据企业，那么真正的大数据公司是什么样的？如何辨识呢？
我花了一下午的时间，把美国风险投资人Matt Turck做的《BIG DATA lANDSCAPE 2017》进行了编译，在大数据产业图谱上，Matt Turck把大数据产业链分为infrastructure （基础设施）、Analytics （分析）、Applications Enterprise（企业级应用）、Applications-industry （工业、商业应用）、Cross infrastructure/analytics （基础设施与分析并行）、OPEN SOURCE （技术开源）、Data sources & API （数据源和数据API）、（Data Resources 数据资源）七个层级单元。每个单元又针对了大数据功能性做了细化，最后再细化到每一家公司和技术。
也就是说，
只有在BIG DATA lANDSCAPE 2017能找到适合自己位置的公司方可叫做大数据公司
，其他打擦边球层热点博眼球的不算。
对此，36大数据（dashuju36）认为，大数据公司应该拥有以下条件：
A、拥有大数据基础架构；
B、拥有大数据部门和大数据人才；
C、拥有可满足大规模海量分析的多元异构数据源；
D、大数据支持企业赢利点，或从大数据中获取经济回报；
E、利用大数据预测洞察力解决商业问题；
F、拥有大数据相关的技术知识产权或开源知识产权；
G、拥有大规模数据中心或相关硬件知识产权。
满足以上7个条件中的至少2项，均可以叫做大数据公司
。那么百度、腾讯和阿里巴巴算不算大数据公司呢？当然算了。BAT公司在大数据产业图谱中的位置对应美国的亚马逊、微软和IBM，位置为Cross infrastructure/analytics （基础设施与分析并行）。
如果有人和你说他们公司是大数据公司，那么你需要做的是先不做否定，可以从技术、人才、业务等细的方向展开追问。事实上，真正的大数据公司可能并不一定自称自己为大数据公司，他们更愿意把业务方向当作公司定义，比如说阿里巴巴，在大众的印象里，它更多的是电子商务公司。又比如说IBM，他们更愿意把自己当作软件、信息化产业的公司。
“Big data is like teenage sex,everyone talks about it,nobody really knows how to do it,everyone thinks everyone else is doing it,so everyone claims they are doing it.”
TED的创始人Dan Ariely这样调侃：大数据就像青少年谈性，每个人都在说，不知道谁做了，每个人认为另外人在做，所以每个人都声称自己在做……
其实，是不是大数据公司并不重要，关键是数据是不是能够指导业务，为自家公司带来新的盈利点和盈利方向。当一家公司不再以大数据、人工智能这些时髦词标榜自己的时候，或许就已经达到了“看山是山，看水是水；看山不是山，看水不是水；看山还是山，看水还是水。 ”的境界。
End
