王靖元：未来5-10年ToB智能大数据分析产品赚钱机会在哪里？

前言：

2年前，对不理解我IT跨界安全的人，我是这么回答的：IT与安全，在数据分析领域是彼此缠绕、密不可分的！所以，对于大数据智能分析产品市场的调研与分析，我也是从这两个维度去着手的，此文几个要点：

1，做哪个领域大数据智能分析更赚钱？为什么会赚钱？

2，中国企业级AIOps的尴尬，安全分析市场的机会

3，赚钱并不容易，ToB企业级痛苦与煎熬？（传统ToB与BAT的ToB的区别）

更多请访问：http://blog.sina.com.cn/oneanalytics

“经过实测表明，成熟算法与合理产品化设计，短时间内就能完成大部分企业用户场景下的数据分析，包括：IT、安全、业务、物联网等，利用人工智能和机器学习技术，在问题发生之前预测应用行为，实现基础监控管理运营自动化，在不需要人为投入的情况下自动执行分析任务。”

未来3-5年将是机器学习在各行各业生长成熟阶段，未来5-10年则是人工智能应用普及崛起阶段，那么我们的ToB这些企业级圈子人的机会在哪呢？

**可以沿着4大场景维度来思考：

做哪个领域大数据智能分析更赚钱？—— 市场分析

依照本人多年经历、观察、反思，从宏观IT和安全2大方向，可以有几个热点：ITOA、AIOps、UEBA、NGSOC，市场数据如下：

2020年，全球IT分析市场总额近125亿美金，包括：ITOA 70亿美金，增速38.7%；AIOps54亿美金，增速5%；全球安全产品支出达1300亿美金，增速7.8%，安全分析占超51%，细分 UEBA市场6.18亿美金，增速47.1%。

下图是微观细分数据

单位：亿美元         数据来源：J.PMorgan、Gartner、华兴调研，IDC

** 全球IOT安全市场也有25亿美金，据CEDA报告，中国IOT产业达18300亿元，市场想象空间巨大。

很明显未来安全分析市场空间与市场增速均大于IT，安全会是未来一块竞争主战场，谁先入场谁的机会会更大些，而我真正看好的是人类的未来IOT，数据再次几何级爆炸，各种情景化智能分析将是顶层生态唯一标配。

如今，海外主流AIOps、UEBA等产品厂商日趋成熟，市场培育度过初期，正逐步稳定发展，国内也逐步出现一些可圈可点的优秀产品，我自己也在这个方向上不懈余力。

名词解释

AIOps：Gartner提出的全称Algorithmic IT operations platforms，基于算法的 IT 运维平台，可实时进行分析和故障排除以解决现代混合式环境的复杂性

UEBA：全称User Entities Behavior Analysis，用户实体行为分析，将企业内部所有数据进行关联，从而对用户实体的行为进行分析

SIEM：全称Security Information and EventManagemetn 安全信息及事件管理，统一的视图呈现收集自各个来源的数据并进行关联处理。

NG-SOC：全称 Next Generation Security OperationCenter，下一代安全运营中心，安全状态以及威胁环境的感知，并对它们未来的状态进行预测

稍后为大家分享，国际国内主流竞品相关数据与信息，便于更深的理解认识。

​

为什么会赚钱？——客户方面分析建设大趋势

Gartner预测，到2022年，有40％的大型企业将使用机器学习作为其故障排除工作的一部分。

Gartner的数据，2017年全球信息安全的支出将达到900亿美元，相比2016年增加7.6%，到2020年将突破1130亿美元。2014年以前国际上90%的安全预算花在防御市场，10%花在其他环节（且数据显示 过去企业将安全预算的90%投入在防御方面），到2020年，60%的企业信息安全预算将会分配在快速检测和响应、预测的方法上。

Gartner已预言，安全的边界会越来越模糊，大数据与人工智能将成为解决安全问题的关键所在。

 中国企业级AIOps的尴尬——关于中国市场

“中国市场成熟程度与欧美发达国家相比，至少有三五年的差距”：

国内分析市场空缺：越发复杂IT环境趋势（双模IT=云+legacysystem），IT监控分析、安全监控分析、关联业务分析等变得越发复杂艰难，大多国内企业级产品以炒作概念或原始人工方案，缺乏真正复杂事件自动关联分析，新型大数据智能分析产品公司更少。这和国外AIOps、UEBA等务实的产品文化大环境相比相差不小。

中国如今是AI人才大国，为什么依旧如此？我认为，因为没有优秀的ToB产品人才，一个可以真正为产品掌舵的人。

安全分析市场的机会——关于中国安全分析市场

近几年，市场真得起来了。以前大量的工作是要做安全认知的教育，讲述为什么要做安全分析，要做管理、治理。因为三、四年前，用户普遍认为安全就是买设备，用设备解决问题。但从前两年开始，整个安全行业的都在讲数据、服务、检测分析，用户的认知度也开始慢慢转过来。比如金融、电商等行业，明显感觉甲方高层，普遍开始认为“买盒子”是不行的，数据分析能力才是重要的。

关于数据分析市场特点

数据分析这个领域，数据积累和业务模型占绝对地位，一旦进入用户开始应用，复购率非常高。

赚钱并不容易，ToB企业级痛苦与煎熬？——ToB机会与市场

ToC机会逐渐枯竭，ToB的机会大肆崛起。在ToB领域，第二名是有机会的。

在ToB时代，你所服务的企业规模的大小不同，你的打法和思路也会大相径庭。 

ToB领域企业崛起时间轴一般是3-5年。更专注与产品化的服务，强调效果，慢就是稳，稳就是快。只有一开始一家一家公司服务过来，再后来一批一批服务过来。长年累月的下苦功夫，才能形成口碑，是一个讲究深度的生意，讲究信任的生意，而信任是需要时间的，企业决定PoC需要时间，产生效率提升需要时间，扩大使用范围需要时间。 

ToB品牌的建设过程就是一个不断给客户创造价值和获取信任的过程！

传统ToB与BAT的ToB的区别

传统ToB与BAT的ToB还是有区别的，BAT是从ToC向终端商做ToB渗透，而传统ToB直接面对企业，将来有可能向企业的客户做ToC渗透。两者路径不同，出发点不同，文化、态度、氛围、打法都不同，也许在未来10-20年能够融合。

ToB企业级来自网上一组数据，为了衣食父母，大家加油吧！

1、100家央企、500家地方国企、1-2万家大型企业

2、30-40万家中型中大型企业

3、500万家中小企业

OneAnalytics - 为智能大数据分析生态而生

各大厂商因历史遗留，无法大力投入，灵活迭代演进；且大部分厂商对自有场景擅长，但全景分析业务需求经验与理解还是不足，人工智能落地难以高效解决用户痛点​。

OneAnalytics专注于大数据与全景复杂事件数据的人工智能分析落地，顺应未来IT安全监控分析的必然趋势，搭建分析生态层，与各个厂商共同为用户提供智能分析服务。

基于各厂商的数据“燃料”，利用AI产业日趋成熟基础设施服务，结合对业务与算法理解，通过规范化产品来提供服务，避开定制化高成本的束缚。

过程注定是步履维艰、不被理解、不被认同，但在5-10年的未来收获一定是巨大的，对企业级领域的改变是颠覆的，中国ToB产品在世界领域的崛起指日可待的。​

也许，那时国人不再“捂着”做，通过企业行业数据有限共享，助力各场景分析模型持续训练演进，实现企业级分析机器智慧的共享成长，那是一件多么美好的事！

关于笔者：15年企业级背景，世界500强经历，8年创业经验（互联网、2B），前OneAPM产品总监，丰富行业客户经验，热衷于人工智能实际落地，负责某集团负责安全大数据监控分析智能平台建设与运营，已0-1，亿级数据处理，10+算法模型，3专利；基于国际前沿产品算法设计，核心是通过专家引擎与机器学习算法融合，将企业监控运营化繁为简，降本增效。

自诩IT圈中最懂安全，安全圈中最懂产品，产品中最懂算法，热衷于IT安全企业级监控运营领域+智能化“商业”产品。希望认识更多对企业级人工智能产品有兴趣的同学朋友，共同交流学习进步。

邮件：realwhs@163.com     QQ：2256457505   Blog:http://blog.sina.com.cn/oneanalytics

本篇文章使用有道云笔记编辑点击体验