從 Kaggle 困局，看國內數據競賽平台如何突圍

國內數據競賽市場，能做好的話，預測一兩年就會有繁榮景象。

——DataFountain COO 陳娟

要說本月開發者圈子的頭等大事，毫無疑問是 Kaggle 被谷歌雲收購。作為全世界首屈一指的數據科學、機器學習開發者社區和競賽平台，Kaggle 不僅開拓了一個全新市場（雖然該市場的當前商業價值有限），還為國內近幾年冒出的數據競賽平台樹立了學習、模仿的榜樣。

李飛飛宣布穀歌雲收購 Kaggle

目前看來，這場收購可謂是皆大歡喜。

Kaggle 得到了谷歌雲的計算資源、數據資源和業界關係支持，也對投資者有了交代。谷歌得到了對該社區的直接影響力，以及一個谷歌雲的業務突破口。

但作為一個細分市場的霸主，Kaggle 卻從未有過「霸主」的春風得意。自 2010 年成立至今，Kaggle 耕耘數據競賽領域已有七年。這時間說長不長，說短不短，但足以打消風投和部分商業觀察家「超級獨角獸」的夢想。平台上的競賽數目，並沒有指數級地增長；其商業模式到底是不是眾包，業內也存爭議；但最重要的一點，直接指向了 Kaggle 的「七寸」：缺乏商業變現能力。

嫁給谷歌雲，或許已經是最好的結局。

於是我們不禁要問：一家在所處行業成為全球第一、沒有重量級競爭對手、並踩在大數據風口的創業公司，為何「被收購」卻成為最佳選項？

（註：並不是說被谷歌收購不理想，而是許多人認為 Kaggle 原本可以做得更好。）

在雷鋒網看來，這個問題折射出的現實情形，要比答案本身更有價值。相比 Kaggle 的自身經營狀況，我們更關心數據競賽這個市場——究竟是貧瘠的鹽鹼地，還是未經充分開墾的處女地？

太平洋的另一端，在中國，2014 年之後湧現出大大小小多家數據競賽平台。目前比較有名的，有阿里雲旗下的天池，中科院孵化出的 DataFountain，成都電子科大教授周濤創立的 DataCastle，以及上海 SODA 大賽的指定運營方科賽網。各家平台在將來的發展側重點各有不同，但當下的核心業務都是線上數據競賽。

大數據競賽究竟有多大的市場空間，行業前景如何，就成了至關重要的問題。

為此，雷鋒網採訪了DataCastle CEO 張琳艷， DataFountain COO 陳娟，天池高級專家王一婷，以及「中國 Kaggle 第一人」、商湯科技研發總監張偉；從 Kaggle 商業化的努力，談到國內數據競賽的市場環境，以及最重要的：如何把這個市場做「活」?

我們先從 Kaggle 被收購折射出的困局談起。

Kaggle 的商業化之路十分坎坷，這在業內廣為人知。

自 2013 年起，Kaggle 就設立了能源諮詢業務。當時恰逢美國頁岩油、頁岩氣革命，Kaggle 希望用大數據幫助能源公司進行石油勘探。這本將是一筆利潤頗豐的生意。可惜隨後的全球原油價格暴跌，使得石油公司大幅減產；新的勘探、開採計劃紛紛被推遲或取消，相關研究也被擱置。Kaggle 從能源行業入手，逐步建立跨行業數據諮詢業務的計劃就此擱淺。更何況，人們逐漸意識到，數據諮詢業務的成長性實在有限，不適合風投參股的企業。

與此同時，Kaggle 在 2013 年推出了 「Kaggle Connect」諮詢平台：將社區最精英的數據科學家介紹給有需求的公司，以解決不適合以競賽形式封裝的現實問題。

Kaggle 還推出了招聘服務，這倒用不著多說。重點是，直到今年被谷歌收購，Kaggle 在商業變現上始終沒有找到一個好的突破口。

2. 如何看待 Kaggle 被收購

因此，對於 Kaggle 被收購，行業內認為理所當然者有之，驚喜者有之，惋惜者也有。

堪稱「中國 Kaggle 第一人」的張偉，自 2012 年參與 Kaggle 平台上的比賽。當前排名世界第十，歷史最高排名世界第六、中國第一。他認為，Kaggle 尋求商業支持、被谷歌收購是水到渠成的事情。

從他的角度看，Kaggle 一直在進行商業化的嘗試，業務上也面臨較大瓶頸，競賽的數量到現在也不是很多。這其中的一大問題，是與工業界的關係不夠緊密，不足以說服更多公司在 Kaggle 平台上開放數據、舉辦競賽。藉助谷歌對業界的影響力十分合情合理。這將有助於更進一步拓展平台用戶，把市場做到此前難以企及的規模。另外，大量 Kaggle 參賽者使用亞馬遜 AWS，如能免費提供谷歌雲，確是一件好事。

持相似觀點的還有阿里雲天池。天池高級專家王一婷直截了當地表示：

「 Kaggle 在歷經了六、七年的發展後始終沒有找到一個很好的商業模式，主要靠賣比賽收取服務費賺錢。但平台上的比賽頻率並不高，大部分獎金也很少，所以收益應該不高。雖然 Kaggle 號稱沉澱了一批數據愛好者、開源數據集和演算法模型，但沒有計算能力，數據的價值就無法真正變現。他們一定是需要尋找突破口的，所以現在被谷歌雲收購是最好的歸宿。」

值得注意的是，關於谷歌之於 Kaggle 的價值，王一婷更強調計算資源。在她看來，無論在數據、AI 還是機器學習領域，企業的最核心競爭優勢或者說行業門檻，都是大數據+雲計算。換句話說，只有與谷歌雲的基礎設施結合，Kaggle 才算是完成了生態鏈的閉環。因此，Kaggle 加入谷歌是理所應當的戰略布局（對谷歌亦然）。而在這一點上，結合了阿里雲計算資源的天池，同樣擁有巨大優勢。

同樣對 Kaggle 關注已久的 DataCastle CEO 張琳艷，則十分強調 Kaggle 的數據科學家社區 DNA。她向雷鋒網表示：

「我的第一反應是驚訝。一直覺得 Kaggle 是不小心闖入商業圈子的數據科學聖殿，說是一股清流也不為過——感覺商業模式不賺錢，卻也堅持做了這麼多年而且越做越大，題目越來越豐富，必定有種堅持在裡面。一直感覺他們離商業和資本很遙遠，但是總體來說很高興，因為這個消息給我們帶來了很大的信心。」

張琳艷十分認同谷歌雲計算資源對於 Kaggle 的價值，無論是針對數據安全，還是提供更大規模的數據集，並表示「這很有可能是 Google 對 Kaggle 吸引力最大的其中一點」。但她同時指出，計算環境對不同語言、框架的支持，帶來了額外的公平性和技術問題需要考慮。

DataFountain COO 陳娟的觀點，又與上述三位不同。她認為，加入谷歌固然帶來諸多優勢，但長期來看，Kaggle 將專註於僅僅作為一個競賽平台，業務單一，因而有利有弊。另一方面，她反對將計算資源看做數據競賽行業一項關鍵競爭力門檻的觀點。接入第三方計算資源並非難以做到，真正開放的平台也應該面向所有雲計算服務。

集合上述各位的表態與 Kaggle 的現實情況，一條現實情形變得十分清晰：只做競賽和社區，在資本層面沒有多少想像空間。國內的數據競賽平台，除了背靠阿里雲的天池（但阿里高層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，平台很難通過核心的競賽業務賺錢。對此，張琳艷的解釋十分透徹：

「競賽是個小眾、低頻的行為，所以只是單純的競賽業務是很難大規模商業化的，而且競賽對於出題單位的門檻也很高，更進一步的縮小了業務的可擴展和複製性。所以競賽只是形式，通過競賽沉澱下來的方案、人才等才是真正有價值的。那麼變現渠道就不僅僅是競賽傭金這一種形式，解決方案眾包、人才眾包、獵頭招聘等都是它的變現渠道。」

雖然競賽是立身根基，但衍生業務才是平台活下去的手段。出於此，國內幾家主要競賽平台，均強調自身與 Kaggle 定位的不同：並沒打算像 Kaggle 那樣專註做競賽和社區，而要與其他服務對接、整合。

DataFountain 與 DataCastle 都打出了「培養下一代大數據人才」的口號。因而我們可以作出合理預期——培訓、招聘業務將成為他們的重點。

而天池的定位則十分不同。天池最早是為阿里巴巴集團內部服務的團隊，它的成立從一開始就考慮到滿足阿里雲的戰略需要。天池的許多經典競賽，其實是原先阿里內部的數據課題。天池打出的口號是：

「外腦+內腦」，利用「眾智」模式向外輸出大數據解決方案。

即把天池平台的個人開發者，與阿里雲內部專家團隊的智慧結合到一起，向企業客戶提供最頂尖的數據、AI 諮詢服務。而阿里 ET 人工智慧系統，便是阿里雲諮詢業務的核心品牌。

可以看出，天池的定位十分重視 B 端。甚至可以說，在根本上是為有大數據解決方案需求的企業客戶創造價值。而早在 2015 年，《連線》雜誌就引用知情人士的發言，稱競賽的優勝方案有時不能給主辦企業帶來價值。這就牽扯出另外一個問題：

數據競賽和產品級的解決方案之間，究竟相隔多遠？

對此有一個圈內共識：Kaggle 的競賽優勝方案，只有很少一部分能直接應用於企業產品。對此的通常解釋是，比賽隊伍為追求極限，使用了大量 ensemble。而這對於實際產品非常雞肋，計算資源耗費過大。

Cloudera 的數據科學主管 Sean Owen認為，比賽就是單純的比賽，其應用意義有限：

「如果有任何公司認為，這些數據競賽能產生即刻能用的機器學習模型，他們一定腦子有毛病。這些參賽團隊把 Hadoop 輸出的點流數據表（clickstream table）作為比賽輸入，然後給出一連串在 Windows 上運行的 Python 或 R 語言代碼——但他們壓根兒不知道用這些代碼做什麼。而這也不是 Kaggle 的目標。數據競賽，是公司尋找技能人才，並做點品牌營銷的途徑，僅此而已。」

這就牽扯到了數據競賽的本質：到底是為競賽主辦方、企業客戶創造價值，為他們提供有實際價值的解決方案？還是偏向為參賽者提供價值，提供最佳的展示技能和練手的機會？

當然，這兩個方向並不矛盾，也不互相排斥。但在實際操作中，比賽的方式尤其是排名機制，往往要求在開發實用解決方案方面做出犧牲，兩者之間很難達到一個完美兼顧的平衡。而競賽平台，則可能不得不在比賽的競賽屬性 VS 產品屬性之間做出選擇。

主辦競賽的企業客戶不足，是數據競賽平台發展緩慢的一大原因，國內國外皆是如此。這也是為什麼，張偉會看好與谷歌結合為 Kaggle 帶來的業界客戶關係。

張琳艷認為，B 端薄弱是受制於時下的市場發展階段。無論是她、陳娟還是王一婷，均認為當下的大數據競賽行業處在十分原始、不成熟的階段。企業對於數據開放、組織競賽心有疑慮。說白了，國內大多數企業並不懂得如何向「數據驅動型」組織轉型。

張琳艷列舉出三條市場不成熟的「癥狀」：

1. 幾乎每個上規模的企業都有大量數據，但是如何合規合法合理的使用，不清楚；

2. 企業內部的數據團隊實力參差不齊，對於平常的業務也許還可以，但是整理成一份賽題，無疑要求更高。

3. 大家對競賽的理解，還停留在類似學校考試的層面。其實現在競賽平台上的競賽，問題和數據都來源於真實場景，而非之前的學術科研層面的理想環境，也就是比大家印象中的所謂『競賽』更落地。

受限於這些客觀因素，數據競賽的 B 端客戶少之又少、增長緩慢，新合作關係的拓展十分困難。各家競賽平台每年新舉辦的競賽數目，多則十幾個、少則個位數。然而競賽平台又沒有實力和資源來改變市場大氣候，導致拓展 B 端企業客戶效率低下、十分困難。

當下的參賽者群體，國內國外有天壤之別。

DataFountain 透漏了一組數字：在 2016 年的 CCF 大賽，有 55% 的參賽者是在校學生。當問及這背後的原因，陳娟笑著說：「你看國內哪個做 IT 的，下班後還有時間搞競賽？」

採訪中，DataFountain 陳娟更傾向於從國內大數據行業發展的維度看待問題。據她觀察，其平台的參賽者主要有三個群體：學生、公司團體和個人。其中，學生群體在大多數比賽中佔據參賽者的絕大多數，而且在大多數時候表現非常不錯，常佔據排行榜的前幾位。究其原因，朱明倫認為，在校生有空閑有興趣，肯花時間肯鑽研，加之有明師指導，成績好實不足為奇。

第二個群體，是公司組織員工參賽。而這背後往往有明確的參賽目標——達到某個名次，為企業技術實力宣傳造勢。業內確實有公司在知名比賽中拔得頭籌，結果客戶絡繹不絕的例子。因此，這一參賽群體有經驗有壓力有動力，加之公司安排時間專門去做這件事，往往成績也很不錯。

第三個群體，是個人開發者。這一群體在國內不如 Kaggle 活躍，客觀上也難以大幅增長。

按照這一分類，C 端用戶唯一有增長潛力的群體是學生。而這未必是一個好消息。陳娟強調，C 端用戶的成長，是繁榮大數據競賽的必要條件，靠學生群體能否將之支撐起來？

目前，國內除天池以外，其餘幾家平台的用戶基數不多，在數千名到萬餘左右徘徊。相比號稱有 80 萬註冊用戶的 Kaggle，只相當於它的零頭。這裡的問題顯而易見——參賽用戶不足，社區難以活躍，好的方案也難以產生。如何耕耘 C 端，實是各平台的當務之急。

但對此也有不同聲音。張琳艷認為，國內競賽剛剛起步，現在的用戶未必具有代表性，尚待進一步觀察。而王一婷的觀點則更加樂觀，她認為，隨著國內市場逐漸成熟，國內參賽者群體會與國外逐漸趨同。在她看來，國內用戶與 Kaggle 的最大區別在於分享習慣。Kaggle 有積累了多年的社區氛圍，用戶樂於在論壇進行技術討論和分享。相比之下，國內用戶的分享習慣尚未養成。如何把社區內部的溝通氛圍營造起來，培養用戶粘性，才是最大挑戰。

首先需指出，各平台現階段的商業模式仍在摸索，下一步的計劃也更多是「思路」，而非「戰略」。

天池和 DataFountain 應對上文這些挑戰的方式，截然不同。

天池的計劃總結起來，可概括為：「高精尖」，加速國際化，結合阿里 ET；

而 DataFountain 的思路可概括為：眾包，深耕 C 端，建立開放的全生態。

4.1 「高精尖」VS 眾包

天池的目標，無論是在數據、題目設置還是最終解決方案上，都希望達到業內頂尖水平。因此而集中精力做精品賽題，甚至是世界級難題，是謂「高精尖」思路。天池將聯合英特兒、國內公立醫院推出的肺癌診斷競賽，便可作為代表。天池的重點，是向阿里雲的企業客戶輸出技術。在競賽的性質上，也偏重於實際解決方案，務求儘可能還原真實業務場景。

DataFountain 同樣強調為 B 端企業客戶創造價值的必要性。陳娟認為，這是數據競賽平台行業的最大門檻。長期來看，擁有一支能高效與企業對接的數據專家隊伍，能進行高水平的賽題設置，是平台的核心競爭力之一。但是，陳並不看好以數據競賽形式解決世界級難題這樣的「大單」，而認為真正的市場是「多而小」的數據任務：若把數據競賽市場比喻為金字塔，塔尖所代表的業務量很小，絕大部分市場空間都在中底部。雖然當下的競賽市場離真正的眾包還有很遠，但 DataFountain 更看重中小企業的數據服務需求，並希望最終能將之與參賽者進行充分對接。

在當下 B 端市場不成熟，工業界對數據競賽認識不足的情況下，各平台頗有「等風來」的意味。引用王一婷的表述：

「我覺得數據競賽市場真正打開需要的是時間，讓更多的傳統企業能擁抱 AI 的時間。」

陳娟則樂觀得多：

國內數據競賽市場，能做好的話，預測一兩年就會有繁榮景象。

這背後的原因，在於政府。陳娟認為，我國各級政府單位近年來推動數據公開的力度越來越大，上海市政府便是範例（比如 SODA）。這帶動的國企、公立醫院等也開始進行相關嘗試。開放公共數據是大勢所趨，而在一兩年內，就可能量變引發質變，並由此帶動民營經濟領域的數據開放。

屆時，便是行業洗牌的時候。

兩家平台的 C 端思路也完全不同。近年來，阿里雲在國際市場上動作頻頻。去年與軟銀合作，在日本推出「SB Cloud」品牌，便是一個頗令人矚目的例子。作為阿里雲的子部門，天池是國內競賽平台中迄今為止，唯一有國際化大動作的一家。王一婷表示：

「天池的國際化腳步才剛剛邁開，這是我們需要加快步伐的地方，所以今年我們成功申請了國際數據挖掘領域最頂級賽事 KDD-Cup 2017 的舉辦權，以此向全世界的數據愛好者張開雙臂。」

在與雷鋒網的採訪中，王一婷多次提到，當下天池平台的用戶基本都是海內外華人，她們有意改變這一點。

陳娟則認為，如能充分挖掘國內市場，單是把全國計算機專業的學生動員起來，就是十分可觀的用戶基礎。在這方面，作為中國計算機學會 CCF 官方指定平台的 DataFountain，有著天然優勢。陳表示，「深耕 C 端這件事必須有人去做」。如果國內沒人做，數據競賽市場很難真正做大。

最後，針對國內市場， DataCastle 張琳艷如此評論道：

「最經典的就是賣鞋的例子了，沒有人穿鞋，到底是挑戰還是機遇呢？」