1
国内数据竞赛市场，能做好的话，预测一两年就会有繁荣景象。
——DataFountain COO 陈娟
要说本月开发者圈子的头等大事，毫无疑问是 Kaggle 被谷歌云收购。作为全世界首屈一指的数据科学、机器学习开发者社区和竞赛平台，Kaggle 不仅开拓了一个全新市场（虽然该市场的当前商业价值有限），还为国内近几年冒出的数据竞赛平台树立了学习、模仿的榜样。
李飞飞宣布谷歌云收购 Kaggle
目前看来，这场收购可谓是皆大欢喜。
Kaggle 得到了谷歌云的计算资源、数据资源和业界关系支持，也对投资者有了交代。谷歌得到了对该社区的直接影响力，以及一个谷歌云的业务突破口。
但作为一个细分市场的霸主，Kaggle 却从未有过“霸主”的春风得意。自 2010 年成立至今，Kaggle 耕耘数据竞赛领域已有七年。这时间说长不长，说短不短，但足以打消风投和部分商业观察家“超级独角兽”的梦想。平台上的竞赛数目，并没有指数级地增长；其商业模式到底是不是众包，业内也存争议；但最重要的一点，直接指向了 Kaggle 的“七寸”：缺乏商业变现能力。
嫁给谷歌云，或许已经是最好的结局。
于是我们不禁要问：一家在所处行业成为全球第一、没有重量级竞争对手、并踩在大数据风口的创业公司，为何“被收购”却成为最佳选项？
（注：并不是说被谷歌收购不理想，而是许多人认为 Kaggle 原本可以做得更好。）
在雷锋网看来，这个问题折射出的现实情形，要比答案本身更有价值。相比 Kaggle 的自身经营状况，我们更关心数据竞赛这个市场——究竟是贫瘠的盐碱地，还是未经充分开垦的处女地？
太平洋的另一端，在中国，2014 年之后涌现出大大小小多家数据竞赛平台。目前比较有名的，有阿里云旗下的天池，中科院孵化出的 DataFountain，成都电子科大教授周涛创立的 DataCastle，以及上海 SODA 大赛的指定运营方科赛网。各家平台在将来的发展侧重点各有不同，但当下的核心业务都是线上数据竞赛。
大数据竞赛究竟有多大的市场空间，行业前景如何，就成了至关重要的问题。
为此，雷锋网采访了DataCastle CEO 张琳艳， DataFountain COO 陈娟，天池高级专家王一婷，以及“中国 Kaggle 第一人”、商汤科技研发总监张伟；从 Kaggle 商业化的努力，谈到国内数据竞赛的市场环境，以及最重要的：如何把这个市场做“活”?
我们先从 Kaggle 被收购折射出的困局谈起。
Kaggle 的商业化之路十分坎坷，这在业内广为人知。
自 2013 年起，Kaggle 就设立了能源咨询业务。当时恰逢美国页岩油、页岩气革命，Kaggle 希望用大数据帮助能源公司进行石油勘探。这本将是一笔利润颇丰的生意。可惜随后的全球原油价格暴跌，使得石油公司大幅减产；新的勘探、开采计划纷纷被推迟或取消，相关研究也被搁置。Kaggle 从能源行业入手，逐步建立跨行业数据咨询业务的计划就此搁浅。更何况，人们逐渐意识到，数据咨询业务的成长性实在有限，不适合风投参股的企业。
与此同时，Kaggle 在 2013 年推出了 “Kaggle Connect”咨询平台：将社区最精英的数据科学家介绍给有需求的公司，以解决不适合以竞赛形式封装的现实问题。
Kaggle 还推出了招聘服务，这倒用不着多说。重点是，直到今年被谷歌收购，Kaggle 在商业变现上始终没有找到一个好的突破口。
因此，对于 Kaggle 被收购，行业内认为理所当然者有之，惊喜者有之，惋惜者也有。
堪称“中国 Kaggle 第一人”的张伟，自 2012 年参与 Kaggle 平台上的比赛。当前排名世界第十，历史最高排名世界第六、中国第一。他认为，Kaggle 寻求商业支持、被谷歌收购是水到渠成的事情。
从他的角度看，Kaggle 一直在进行商业化的尝试，业务上也面临较大瓶颈，竞赛的数量到现在也不是很多。这其中的一大问题，是与工业界的关系不够紧密，不足以说服更多公司在 Kaggle 平台上开放数据、举办竞赛。借助谷歌对业界的影响力十分合情合理。这将有助于更进一步拓展平台用户，把市场做到此前难以企及的规模。另外，大量 Kaggle 参赛者使用亚马逊 AWS，如能免费提供谷歌云，确是一件好事。
持相似观点的还有阿里云天池。天池高级专家王一婷直截了当地表示：
“ Kaggle 在历经了六、七年的发展后始终没有找到一个很好的商业模式，主要靠卖比赛收取服务费赚钱。但平台上的比赛频率并不高，大部分奖金也很少，所以收益应该不高。虽然 Kaggle 号称沉淀了一批数据爱好者、开源数据集和算法模型，但没有计算能力，数据的价值就无法真正变现。他们一定是需要寻找突破口的，所以现在被谷歌云收购是最好的归宿。”
值得注意的是，关于谷歌之于 Kaggle 的价值，王一婷更强调计算资源。在她看来，无论在数据、AI 还是机器学习领域，企业的最核心竞争优势或者说行业门槛，都是大数据+云计算。换句话说，只有与谷歌云的基础设施结合，Kaggle 才算是完成了生态链的闭环。因此，Kaggle 加入谷歌是理所应当的战略布局（对谷歌亦然）。而在这一点上，结合了阿里云计算资源的天池，同样拥有巨大优势。
同样对 Kaggle 关注已久的 DataCastle CEO 张琳艳，则十分强调 Kaggle 的数据科学家社区 DNA。她向雷锋网表示：
“我的第一反应是惊讶。一直觉得 Kaggle 是不小心闯入商业圈子的数据科学圣殿，说是一股清流也不为过——感觉商业模式不赚钱，却也坚持做了这么多年而且越做越大，题目越来越丰富，必定有种坚持在里面。一直感觉他们离商业和资本很遥远，但是总体来说很高兴，因为这个消息给我们带来了很大的信心。”
张琳艳十分认同谷歌云计算资源对于 Kaggle 的价值，无论是针对数据安全，还是提供更大规模的数据集，并表示“这很有可能是 Google 对 Kaggle 吸引力最大的其中一点”。但她同时指出，计算环境对不同语言、框架的支持，带来了额外的公平性和技术问题需要考虑。
DataFountain COO 陈娟的观点，又与上述三位不同。她认为，加入谷歌固然带来诸多优势，但长期来看，Kaggle 将专注于仅仅作为一个竞赛平台，业务单一，因而有利有弊。另一方面，她反对将计算资源看做数据竞赛行业一项关键竞争力门槛的观点。接入第三方计算资源并非难以做到，真正开放的平台也应该面向所有云计算服务。
集合上述各位的表态与 Kaggle 的现实情况，一条现实情形变得十分清晰：只做竞赛和社区，在资本层面没有多少想象空间。国内的数据竞赛平台，除了背靠阿里云的天池（但阿里高层也希望天池做到收支平衡），均要另找出路。
路在何方？
上文提到，平台很难通过核心的竞赛业务赚钱。对此，张琳艳的解释十分透彻：
“竞赛是个小众、低频的行为，所以只是单纯的竞赛业务是很难大规模商业化的，而且竞赛对于出题单位的门槛也很高，更进一步的缩小了业务的可扩展和复制性。所以竞赛只是形式，通过竞赛沉淀下来的方案、人才等才是真正有价值的。那么变现渠道就不仅仅是竞赛佣金这一种形式，解决方案众包、人才众包、猎头招聘等都是它的变现渠道。”
虽然竞赛是立身根基，但衍生业务才是平台活下去的手段。出于此，国内几家主要竞赛平台，均强调自身与 Kaggle 定位的不同：并没打算像 Kaggle 那样专注做竞赛和社区，而要与其他服务对接、整合。
DataFountain 与 DataCastle 都打出了“培养下一代大数据人才”的口号。因而我们可以作出合理预期——培训、招聘业务将成为他们的重点。
而天池的定位则十分不同。天池最早是为阿里巴巴集团内部服务的团队，它的成立从一开始就考虑到满足阿里云的战略需要。天池的许多经典竞赛，其实是原先阿里内部的数据课题。天池打出的口号是：
“外脑+内脑”，利用“众智”模式向外输出大数据解决方案。
即把天池平台的个人开发者，与阿里云内部专家团队的智慧结合到一起，向企业客户提供最顶尖的数据、AI 咨询服务。而阿里 ET 人工智能系统，便是阿里云咨询业务的核心品牌。
可以看出，天池的定位十分重视 B 端。甚至可以说，在根本上是为有大数据解决方案需求的企业客户创造价值。而早在 2015 年，《连线》杂志就引用知情人士的发言，称竞赛的优胜方案有时不能给主办企业带来价值。这就牵扯出另外一个问题：
数据竞赛和产品级的解决方案之间，究竟相隔多远？
对此有一个圈内共识：Kaggle 的竞赛优胜方案，只有很少一部分能直接应用于企业产品。对此的通常解释是，比赛队伍为追求极限，使用了大量 ensemble。而这对于实际产品非常鸡肋，计算资源耗费过大。
Cloudera 的数据科学主管 Sean Owen 认为，比赛就是单纯的比赛，其应用意义有限：
“如果有任何公司认为，这些数据竞赛能产生即刻能用的机器学习模型，他们一定脑子有毛病。这些参赛团队把 Hadoop 输出的点流数据表（clickstream table）作为比赛输入，然后给出一连串在 Windows 上运行的 Python 或 R 语言代码——但他们压根儿不知道用这些代码做什么。而这也不是 Kaggle 的目标。数据竞赛，是公司寻找技能人才，并做点品牌营销的途径，仅此而已。”
这就牵扯到了数据竞赛的本质：到底是为竞赛主办方、企业客户创造价值，为他们提供有实际价值的解决方案？还是偏向为参赛者提供价值，提供最佳的展示技能和练手的机会？
当然，这两个方向并不矛盾，也不互相排斥。但在实际操作中，比赛的方式尤其是排名机制，往往要求在开发实用解决方案方面做出牺牲，两者之间很难达到一个完美兼顾的平衡。而竞赛平台，则可能不得不在比赛的竞赛属性 VS 产品属性之间做出选择。
主办竞赛的企业客户不足，是数据竞赛平台发展缓慢的一大原因，国内国外皆是如此。这也是为什么，张伟会看好与谷歌结合为 Kaggle 带来的业界客户关系。
张琳艳认为，B 端薄弱是受制于时下的市场发展阶段。无论是她、陈娟还是王一婷，均认为当下的大数据竞赛行业处在十分原始、不成熟的阶段。企业对于数据开放、组织竞赛心有疑虑。说白了，国内大多数企业并不懂得如何向“数据驱动型”组织转型。
张琳艳列举出三条市场不成熟的“症状”：
几乎每个上规模的企业都有大量数据，但是如何合规合法合理的使用，不清楚；
企业内部的数据团队实力参差不齐，对于平常的业务也许还可以，但是整理成一份赛题，无疑要求更高。
大家对竞赛的理解，还停留在类似学校考试的层面。其实现在竞赛平台上的竞赛，问题和数据都来源于真实场景，而非之前的学术科研层面的理想环境，也就是比大家印象中的所谓‘竞赛’更落地。
受限于这些客观因素，数据竞赛的 B 端客户少之又少、增长缓慢，新合作关系的拓展十分困难。各家竞赛平台每年新举办的竞赛数目，多则十几个、少则个位数。然而竞赛平台又没有实力和资源来改变市场大气候，导致拓展 B 端企业客户效率低下、十分困难。
当下的参赛者群体，国内国外有天壤之别。
DataFountain 透漏了一组数字：在 2016 年的 CCF 大赛，有 55% 的参赛者是在校学生。当问及这背后的原因，陈娟笑着说：“你看国内哪个做 IT 的，下班后还有时间搞竞赛？”
采访中，DataFountain 陈娟更倾向于从国内大数据行业发展的维度看待问题。据她观察，其平台的参赛者主要有三个群体：学生、公司团体和个人。其中，学生群体在大多数比赛中占据参赛者的绝大多数，而且在大多数时候表现非常不错，常占据排行榜的前几位。究其原因，陈娟认为，在校生有空闲有兴趣，肯花时间肯钻研，加之有明师指导，成绩好实不足为奇。
第二个群体，是公司组织员工参赛。而这背后往往有明确的参赛目标——达到某个名次，为企业技术实力宣传造势。业内确实有公司在知名比赛中拔得头筹，结果客户络绎不绝的例子。因此，这一参赛群体有经验有压力有动力，加之公司安排时间专门去做这件事，往往成绩也很不错。
第三个群体，是个人开发者。这一群体在国内不如 Kaggle 活跃，客观上也难以大幅增长。
按照这一分类，C 端用户唯一有增长潜力的群体是学生。而这未必是一个好消息。陈娟强调，C 端用户的成长，是繁荣大数据竞赛的必要条件，靠学生群体能否将之支撑起来？
目前，国内除天池以外，其余几家平台的用户基数不多，在数千名到万余左右徘徊。相比号称有 80 万注册用户的 Kaggle，只相当于它的零头。这里的问题显而易见——参赛用户不足，社区难以活跃，好的方案也难以产生。如何耕耘 C 端，实是各平台的当务之急。
但对此也有不同声音。张琳艳认为，国内竞赛刚刚起步，现在的用户未必具有代表性，尚待进一步观察。而王一婷的观点则更加乐观，她认为，随着国内市场逐渐成熟，国内参赛者群体会与国外逐渐趋同。在她看来，国内用户与 Kaggle 的最大区别在于分享习惯。Kaggle 有积累了多年的社区氛围，用户乐于在论坛进行技术讨论和分享。相比之下，国内用户的分享习惯尚未养成。如何把社区内部的沟通氛围营造起来，培养用户粘性，才是最大挑战。
首先需指出，各平台现阶段的商业模式仍在摸索，下一步的计划也更多是“思路”，而非“战略”。
天池和 DataFountain 应对上文这些挑战的方式，截然不同。
天池的计划总结起来，可概括为：“高精尖”，加速国际化，结合阿里 ET；
而 DataFountain 的思路可概括为：众包，深耕 C 端，建立开放的全生态。
天池的目标，无论是在数据、题目设置还是最终解决方案上，都希望达到业内顶尖水平。因此而集中精力做精品赛题，甚至是世界级难题，是谓“高精尖”思路。天池将联合英特儿、国内公立医院推出的肺癌诊断竞赛，便可作为代表。天池的重点，是向阿里云的企业客户输出技术。在竞赛的性质上，也偏重于实际解决方案，务求尽可能还原真实业务场景。
DataFountain 同样强调为 B 端企业客户创造价值的必要性。陈娟认为，这是数据竞赛平台行业的最大门槛。长期来看，拥有一支能高效与企业对接的数据专家队伍，能进行高水平的赛题设置，是平台的核心竞争力之一。但是，陈并不看好以数据竞赛形式解决世界级难题这样的“大单”，而认为真正的市场是“多而小”的数据任务：若把数据竞赛市场比喻为金字塔，塔尖所代表的业务量很小，绝大部分市场空间都在中底部。虽然当下的竞赛市场离真正的众包还有很远，但 DataFountain 更看重中小企业的数据服务需求，并希望最终能将之与参赛者进行充分对接。
在当下 B 端市场不成熟，工业界对数据竞赛认识不足的情况下，各平台颇有“等风来”的意味。引用王一婷的表述：
“我觉得数据竞赛市场真正打开需要的是时间，让更多的传统企业能拥抱 AI 的时间。”
陈娟则乐观得多：
国内数据竞赛市场，能做好的话，预测一两年就会有繁荣景象。
这背后的原因，在于政府。陈娟认为，我国各级政府单位近年来推动数据公开的力度越来越大，上海市政府便是范例（比如 SODA）。这带动的国企、公立医院等也开始进行相关尝试。开放公共数据是大势所趋，而在一两年内，就可能量变引发质变，并由此带动民营经济领域的数据开放。
届时，便是行业洗牌的时候。
两家平台的 C 端思路也完全不同。近年来，阿里云在国际市场上动作频频。去年与软银合作，在日本推出“SB Cloud”品牌，便是一个颇令人瞩目的例子。作为阿里云的子部门，天池是国内竞赛平台中迄今为止，唯一有国际化大动作的一家。王一婷表示：
“天池的国际化脚步才刚刚迈开，这是我们需要加快步伐的地方，所以今年我们成功申请了国际数据挖掘领域最顶级赛事 KDD-Cup 2017 的举办权，以此向全世界的数据爱好者张开双臂。”
在与雷锋网的采访中，王一婷多次提到，当下天池平台的用户基本都是海内外华人，她们有意改变这一点。
陈娟则认为，如能充分挖掘国内市场，单是把全国计算机专业的学生动员起来，就是十分可观的用户基础。在这方面，作为中国计算机学会 CCF 官方指定平台的 DataFountain，有着天然优势。陈表示，“深耕 C 端这件事必须有人去做”。如果国内没人做，数据竞赛市场很难真正做大。
最后，针对国内市场， DataCastle 张琳艳如此评论道：
“最经典的就是卖鞋的例子了，没有人穿鞋，到底是挑战还是机遇呢？”
相关文章：
TOP5%Kaggler：如何在 Kaggle 首战中进入前 10% | 干货
谷歌收购 Kaggle 为什么会震动三界（AI、机器学习、数据科学界）？
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
