前两天和一个创业的朋友吃饭，他公司做的是数据服务平台，帮企业把各种零散的数据整合起来，再分析出有价值的东西。聊着聊着，他叹了口气说，这行看着光鲜，实际上内卷得很厉害。客户嘴上说“我们要数字化转型”，真到掏钱的时候，又开始纠结“这数据平台到底能帮我们多赚多少钱”。他的话让我想起前阵子去深圳调研时，一个制造业老板对我说：“你们这些做数据的公司，整天跟我讲大数据、AI，我就想问一句，这东西能让我车间良品率从95%提升到96%吗？”说白了，数据服务平台现在面临的最大问题，不是技术不够硬，而是离客户的实际需求太远。
数据服务平台这个行业，这几年火得有点过头。资本追捧，政策鼓励，好像谁不搞数据谁就落伍了。但细看就会发现，市面上大部分公司做的都是同一件事：搭个底层平台，接上几个数据源，再配上几个可视化图表。就像当年做App一样，大家疯狂堆功能，结果用户根本用不过来。我认识一个做数据中台的销售，他说他们公司的产品有上百个功能模块，但客户真正用起来的不到十个。这就像买了个瑞士军刀，结果每天只用它开啤酒瓶。问题出在哪儿？出在大多数数据服务平台公司都在“造轮子”，而不是“解问题”。他们把精力花在技术架构上，却忽视了客户最真实的痛点：数据太乱、分析太慢、决策太难。
更麻烦的是，很多数据服务平台公司陷入了“技术自嗨”的怪圈。去年我参加一个行业峰会，台上几个创始人轮番讲他们的技术架构有多牛，什么实时流计算、图数据库、联邦学习，台下听众听得云里雾里。中场休息时，我旁边坐了个零售连锁的CTO，他小声跟我说：“这些技术名词我一个都听不懂，我就想知道，怎么让门店的库存周转率降下来。”这句话点醒了很多人。数据服务不是技术竞赛，而是价值交付。你算法再先进，客户用不上，那就是一堆代码。比如某个做汽车后市场的公司，他们花了半年时间开发了一个复杂的预测模型，结果客户反馈说：“我只需要知道哪些配件下周会断货就够了，你搞这么复杂，我反而不知道怎么用。”
从市场端来看，数据服务平台公司的客户群体也在发生微妙的变化。以前主要是互联网公司，他们懂数据、舍得花钱，但现在已经饱和。真正有潜力的市场是那些传统行业——制造业、零售业、医疗、农业。这些行业的数据量巨大，但基础薄弱、意识薄弱。我一个做农业数据的朋友，他们帮一个养猪场做数据服务，遇到的第一个问题不是技术，而是猪舍里的传感器经常被猪拱坏。听起来像段子，却是实实在的痛点。数据服务平台要下沉到这些行业，就不能端着“科技公司”的架子，得学会跟猪打交道、跟机床打交道、跟超市货架打交道。这意味着，产品设计、服务模式、收费方式都得重新思考。
收费模式本身也是个老大难问题。现在很多数据服务平台公司仍然按项目制收费，一个项目几十万到上百万，客户付了钱就算完事。但数据是动态的、持续变化的。你帮客户搭好了平台，客户自己不会运营，数据越用越乱，平台成了摆设。我见过最典型的案例是一家做服装零售的数据公司，给客户做了个智能补货系统，结果客户嫌维护成本高，用了两个月就停用了。后来他们改了收费模式，改成按效果付费——你多赚的钱，我分一部分。客户反而觉得靠谱，因为风险和收益绑在了一起。这种“风险共担”的模式正在成为行业新趋势，但执行起来很难，因为必须先证明自己真的能帮客户赚钱。
从技术栈的角度看，数据服务平台也在经历一场“祛魅”。前几年大家一窝蜂上大数据、上AI，现在发现很多场景根本用不着那么复杂的东西。比如一个做物流数据平台的朋友告诉我，他们最受欢迎的模块不是智能调度算法，而是一个简单的“异常预警”功能——当某个快递点的包裹积压超过阈值时，系统自动提醒站长。这个功能用Excel都能做，但客户觉得很有价值。这说明一个道理：数据服务平台的价值不在于技术有多前沿，而在于能否解决具体问题。很多公司过度追求技术复杂度，反而把简单的事情搞得复杂，客户不买单，自己成本也高得吓人。
当然，这个行业也不是没有机会。我注意到一个趋势：垂直化、行业化的数据服务平台正在崛起。比如专门做医疗数据的、专门做金融风控的、专门做供应链管理的。这些公司虽然体量不大，但活得很好，因为他们懂行业、懂客户。有个做冷链物流数据平台的朋友，他们的产品只针对生鲜配送这个细分领域，但做到了极致——能预测每个城市每天需要多少车、每辆车能装多少箱、每个中转站要配多少冷藏箱。客户黏性极高，因为换个平台，业务就要停摆。这种“窄而深”的策略其实比“宽而浅”的通用平台更有生命力。毕竟，数据服务的本质是信任，而信任来自于你对客户业务的理解有多深。
说句实话，先当好“客户业务里的救火队员”再说。
