大数据时代下的商业变现（二）：从“原材料”到“粗加工”

扫描分享

本文共字，预计阅读时间。

在上一篇中，笔者介绍了大数据浪潮的到来，并简述了大数据变现的价值链。从价值链来看，不同环节中，数据有各式的数据产品产生，那么数据在每个环节中，如何作为一个商品呈现，价值如何发挥，数据安全如何保障，值得更深入的探讨。此篇中，笔者将从数据的前两个环节，即数据的产生、收集环节，阐述在这个过程中，数据如何变现及数据安全问题。

数据产生采集后的变现模式：从“原材料”到“粗加工”

大数据的“原材料”有很多种。比较常见的，有社交数据，通过微信，博客等产生的文本、图像、声音等；交易数据，如电商平台中的物流信息，电子商务数据等，还有移动智能手机中记录的个人信息资料，地理变更信息等。除此之外，还有舆情数据，政府公共数据等等。

总的来说，大数据的数据来源，随着纪录、存储、采集的技术能力的提高，丰富化程度非常之高，这也体现了大数据4v中“variety”这一特征。在产生和采集到大数据后，打破不同类型数据的孤立性，实现数据的互通，再提炼和形成更有价值的数据，大数据在这个环节中，实现了数据从“原材料”的变现到“粗加工”后的变现。

根据加工深度的不同，数据在产生、采集整理环节的所形成的数据产品基本分为两种商品形态，API接口的调用和数据文件集。

具体而言，在数据产生环节，数据产品的主要商业模式是向客户提供原始数据的直接租售，这一模式的核心价值主张是自身拥有强大的数据资源，如Twitter，通过自身的社交平台，向外以API接口的方式实现原始数据的变现。

在数据的采集环节，数据产品的主要商业模式是向客户提供代表某种主题相关的数据文件集，通过把原始数据进行一定程度的提炼和整合，形成带有一定价值的信息。这一模式核心价值主张是数据的采集能力，这其中也分为两种，一种是能够提供及时性信息的数据产品，如2010年在深圳中小板上市的四维图新公司，拥有覆盖全国的高质量导航电子地图数据库及其更新体系，核心产品是精准及时的导航数据；另一种是数据采集覆盖范围广，且对时效性要求相对较低的数据产品，业内较为知名的有八爪鱼采集器，其旗下有名为数据多多的数据交易中心，提供智能行车、人脸识别等数据产品的交易服务。

基于此，在数据的产生、收集环节的市场参与者也分为两类，一是依托自身数据或强大的数据服务能力的数据提供商，另一类是各式数据交易平台，提供数据产品的撮合交易服务。依托自身数据提供租售的企业，除上文提到的Twitter外，国内较为出名的如TalkingData这类大数据公司，有较强的数据采集能力，提供各类数据服务。

目前，市场上有各类数据交易平台，来自政府、企业、产业联盟等等不同背景的角色都参与其中。以下为部分交易所的类型，可以看出，不同交易所依托背景不同，对交易数据的要求，数据产品品类也有所差异。大体而言，数据产品类目大多包括金融数据、专利数据、政府数据、交通数据、企业数据等等。

下面，笔者选取了几个较为典型的案例，具体说明数据在产生及收集后如何实现变现，及变现价值如何。

案例1 Twitter：通过API接口实现数据的直接变现

Twitter的API接口是各类公司自动获取所需数据的一种方式，广告商们可以通过接入Twitter的API来基于Twitter上的趋势和话题活动的位置来推广发出的Twitter营销信息。Twitter的其他合作伙伴还包括媒体类、商业分析类、企业对话类。媒体合作伙伴有NBA等、可以实现将Twitter内容整合到媒体网站中。商业分析和企业对话是指用户可以在twitter上与企业进行直接沟通，企业也可以从Twitter中获取用户反馈，用以提高自身服务，这类合作伙伴包括希尔顿酒店、T-mobile、Microsoft Lumia等。

以希尔顿为例，希尔顿全球酒店拥有12个品牌，其中包括91个国家的4,100多家酒店和超过68万间客房。由于遍布全球的客户非常多，希尔顿面临着提供一致的客户体验的挑战。基于Twitter的API接口，希尔顿的客户服务中心的社交团队全天候监控所有Twitter的提及希尔顿的内容，并且在发送推文的30分钟内与客人互动。同时，希尔顿还在Twitter上建立了希尔顿帮助（@hiltonhelp）和希尔顿建议（@HiltonSuggests）两个账号，前者为客户提供酒店相关的帮助，后者是为旅行者提供可靠的当地出行的建议。通过直接获取Twitter上的用户数据，希尔顿为客户提供了快捷方便的服务，有效地提高了客户体验。

Twitter API收费分为三种模式，标准服务，升级服务和企业服务。标准服务可以调用Twitter用户twitter文内容，转发及点赞；升级服务可以调用用户时间线，内容字数等更加具体的内容；企业服务为定制服务，具体需求可联系Twitter。标准服务及升级服务提供的产品如下。

标准服务

升级服务

收费模式来说，标准服务为免费服务，企业服务价格依需求而定，升级服务需要付费，付费标准如下。

案例2 贵阳大数据交易所：数据交易平台

贵阳大数据交易所在贵州省、贵阳市政府的支持下，于2014年12月31日注册成立，2015年4月14日正式挂牌运营，是我国第一家大数据交易所。2015年，国务院总理李克强曾亲自批示贵阳大数据交易所：希望“利用‘大数据×’，形成‘互联网+’的战略支撑。”

交易所总部位于贵阳，已在北京、上海设立运营中心，并在徐州、石河子、汕头、德阳、丽江、张家口、开封、枣庄、山西、宝鸡、新乡等11个省或市设立交易服务分中心。根据其公开资料，交易所拥有自主开发的电子交易系统，面向全球提供7×24小时永不休市的专业服务，提供完善的数据确权、数据定价、数据指数、数据交易、结算、交付、安全保障、数据资产管理等综合配套服务。

其官网显示，截至2017年10月，交易所交易额累积突破1.2亿元，交易框架协议近3亿元，发展会员超1500家，接入225家优质数据源，可交易数据产品近4000个，可交易的数据总量超150 PB。

贵阳大数据交易所采取会员制，故其交易产品具体价格不得而知。参考市场上其它交易所来说，数据交易平台的数据产品价格差异非常大，主要与产品品类，时效性，抓取难度相关。以某平台上电商数据为例，2016年电商行业新闻标价6361.69元，而2014年电商行业新闻标价仅为6.52元。不同行业的数据价格也不同，金融大数据的价格普遍较高，如2015年金融行业新闻标价为43203.02元，而环境大数据，如2015年全国森林火灾分布情况数据仅为15元。

综上所述，数据在产生、收集环节呈现的数据产品主要为数据文件或API接口形式，数据的加工程度较低，变现以数据文件的租售或API调用的方式为主，总体而言价值密度不高，具体价格与数据质量、品类、时效性等密切相关。

大数据采集到数据文件交易数据安全如何保障？

据相关专家介绍，大数据的数据安全风险存在于采集、传输、存储、应用等整个生命周期中。采集，涉及如何保证采集途径可靠性和信息的真实性；传输，涉及如何保证数据不被窃取；存储和共享使用不同来源的数据，需要解决安全共享与交换问题，进一步要解决数据的所有权、运营权、使用权确权与应用监管问题等等问题；应用，涉及如何为敏感大数据脱敏并为大数据应用提供统一的安全服务接口。

具体到数据的采集环节，数据所面临的安全风险主要有两个。一是采集的隐私性，如采集没有经过用户授权直接采集用户在客户端的用户行为，可能泄露用户隐私；二是采集的准确性，如可能有第三方伪造数据，从而降低数据质量。这两种数据安全的问题，可以通过加强相关信息安全管理和提供可信的计算环境的方式来解决。比如采集的隐私性问题，通过认证、加密、资源访问控制等方式解决；准确性问题，可通过清洗，筛掉异常数据，提高数据的可信度。

除此以外，在数据采集后，数据文件作为数据产品进行买卖时，个人隐私泄露问题也是数据安全面临的挑战，解决这一问题，相关政策法规的建立和完善是主要途径。在我国将公民信息保护纳入刑法范围之前，公民个人信息经常被明码标价公开出售。

然而，虽然有了一定的法规条文，但实际情况仍不容乐观。部分交易平台规定交易的数据必须经过清洗，但交易的数据文件很难做到完全的被监控。并且，数据清洗只是对不符合格式要求的数据进行清洗，主要有不完整的数据、错误的数据、重复的数据三大类，数据本身内容的难以做到全面的监督。

相较于国内，国外对于数据安全政策则更为全面。在法规政策方面，除了各国的成文法规外，APEC（亚洲太平洋经济合作组织）

和 OECD（经济合作与发展组织）都有类似的数据保护和隐私原则，包括收集限制、目的明确规范、使用限制、问责制等。其中，收集限制是OECD 和 APEC 框架中的第一条原则，这条原则的要求是：仅收集特定目的所需的最小量的数据，并仅按所需的最短时间段进行保留。此外该原则还倡议通过数据匿名化和数据聚合的方式来隐藏个人信息。下为部分国家相关法律条文及APEC和 OECD的数据隐私保护原则。