什么的功能是数据的变现形式

1. 如何才能让大数据变现

讨论一个问题。我们都知道数据是当下所有企业的战略资产，而每个企业中都积累，并不断在产生大量的数据，但为何依然很多企业并不认为数据为其带来了价值，原因可能有很多，但都可以归结到没有用好数据，或者数据不是好数据。

1、 什么样的数据才能产生价值?

阿里巴巴曾鸣认为，所有商业都在快速智能化，而数据是智能商业时代最重要的资产，但只有活数据才能创造价值。第一，数据是活的，也就是说数据是在线的，可以随时被使用;第二，数据必须是被活用的，也就是说数据在不断地被处理，产生智能商业决策，同时又产生更多的数据，形成数据回流。只有在线才能真正让数据成为活数据，进而以数据驱动企业运营。

SCRM的定位是面向行业领导者的用户生态数字化运营平台，行业领导者意味着其客户群体为行业第一层级的企业，用户生态数字化运营平台则有两层含义，一是企业全渠道连接用户、持续互动的连接器，二是连接数据，实现数据变现的平台。

2、SCRM是让消费者交互变纵为横

一是对于SCRM的理解。

一直以来，SCRM有诸多解读，对其中“S”所代表的social同样说法不少。车传利认为，SCRM的重点有两层，第一是以结合社交工具、社交手段，而更为重要的是“企业和品牌不能再远离用户，与用户做朋友”。后一层含义被很多厂商、很多产品所忽略，但事实却是当下消费者的消费习惯会不断变化，但企业要直接与用户产生关系的趋势不变的。

对消费者的需求，作为工具的SCRM产品如何帮助企业触达从企业端来看，过去很难连接消费者，了解不到客户的需求，在层层渠道、经销商中需求传递缺失。这种过去的企业与消费者的关系，可以形象的归结为纵向传递，消费者-渠道商-渠道商-……-企业。即便在现在，大量的第三方线上平台出现并聚集消费者，然而用户的真实需求也多被这些三方平台所截流，企业依然触达不到。

SCRM的一个重点特点便是能够打破中间环节，这也为变纵为横提供了可能，让企业能够打破与消费者之间的层层架构，实现企业与渠道商、门店以及最终消费者的直接连接，从而把握真实客户需求，真正做到客户运营。

3、在线让数据活起来

在数据收集方面，企业面临两大问题，一是线上被第三方平台所截流，线下被渠道截流，很难收集到真正的数据;二是，即便收集到，很多数据不是实时的，消费者可能已经过了相应的周期，数据就变成了废数据。

而数据变现最基础的便是依托互动数据识别用户特性，并基于数据进行进一步互动，下一层次的消费挖掘，比如大量消费者留下的客服数据，这是可以深度挖掘的数据，一方面反应产品存在的问题，一方面亦能发掘新需求。

因此，企业要真正挖掘数据财富的前提，便是能真正获取到数据、能获取到真正数据。发源地的产品通过两方面建立这条通路，一是全渠道连接，二是将线下多端上线，让数据可连接，实现数据变现。

全渠道连接整合企业经营相关的所有与消费者交互的渠道。主要包括门店、线下活动等线下渠道，官网、微信微博、APP等自营媒体平台，天猫、京东等电商平台，经销商、服务商等合作伙伴以及广告等6类渠道，实现全渠道连接客户接触点。整合渠道后，依托平台与消费者持续互动，不断汇集实时的消费者数据，进而通过数据挖掘，实现数据应用。

同时，连接数据的重点在于让线下的链条在线化，包括线下渠道、线下商品、员工以及消费者的上线。

客户在线，以消费者几乎必备的微信作为入口，通过线上活动、支付等手段连接门店、连接消费者，将相关消费信息记录下来，回传到系统;

员工在线，门店的店员在线，将与消费者的互动实现线上记录，实现精细化运营;

产品在线，让每一个员工都知道每一个货品的销售情况，判断消费者喜好及货品市场接受度;

渠道在线，实现卖货情况、销售情况等实时掌握，判断门店经营情况。

4、做定制化的SaaS

与很多SaaS服务商不同，发源地服务直接定位在一体化解决方案，而不是产品+服务。或者说SaaS多是主通用产品，结合行业方案或者定制方案，而发源地则是直接瞄准定制方案。

发源地的服务过程主要分为四步：业务流程梳理与战略咨询、发源地SCRM SaaS解决方案、定制化解决方案实施、运营与维护支持。这与SaaS的服务方式普遍不同。

其原因一是因为发源地主要服务集团型、连锁品牌，如vivo、联合利华等，这类大型企业存在太多差异化需求，取决于客户群体的行业特性，发源地定下这种服务理念。

二是发源地认为，一套完整的方案，不是一个通用产品+简单服务便能完成，如果不涉及咨询层面，不与客户一同梳理出企业的流程、脉络，只是客户要一个服务便加一个服务，带给客户的只能是迁就的方案，而不是顺畅、一体化的方案。

当然，并不是说发源地提供的就是纯粹的定制服务，而是依托支持灵活业务拓展的PaaS开放平台，通过功能模块化、可插拔的方式实现。

2. 运营商大数据变现需要新思维

运营商大数据变现需要新思维
电信行业近年来受OTT、管道化、资费调整等因素的影响，受到的冲击很大，传统业务利润下滑趋势明显。未来要寻求新的增长点，一定是从数据资产的角度出发。运营商守着数据的金矿，如何从里面挖掘出一桶桶货真价实的黄金，这是未来发展的重要方向。
从能力角度分析，电信行业属于整体IT实力比较强的行业，也最早开始挖掘、发现数据的价值。经过15到20年的发展，特别是以经营分析为核心的数据平台的发展，运营商内部的能力建设已经趋于成熟，数据质量、数据治理、数据标准，这些关乎资产自身质量的工作，基本上已经做得比较成熟。运营商有资本沉下心来考虑，到底利用数据来做什么。
目前运营商有三种数据可以形成变现。第一种是业务交易数据、流程性数据、交互式数据。从变现形式来看，第一个层面，就是能力平台，比如位置平台、信用平台，这些都是运营商基于自己的数据做的一些能力组件。像银行在用位置平台的时候，可以用来选址，可以看用户的流动；交通部门可以看到用户乘坐汽车、地铁的情况。这都是能力平台的变现。
第二种是分析能力的变现，比如行业的分析报告，运营商基于自身的数据可以形成银行业、房地产业、零售业的报告等。另外，运营商还可以做出一些针对性的报告，比如某银行的市场竞争分析报告等。
第三种是合作运营。运营商一直想做的其实是运营的变现，运营商利用海量的数据，为第三方用户提供定制化运营的服务，收入按一定比例进行分成。这种是相当于合作运营的方式。
大数据要有专门的部门去运营，必须打破信息孤岛、各自为政的组织架构，这在电信行业逐渐达成共识。以中国移动为例，中国移动已经考虑在省级公司建立大数据中心，大数据中心是省级公司的二级部门，集团也有类似的考量。这样的组织一旦确立，这个部门的职责，主要是做大数据的分析和运营。它的平台一级由原来的IT部门，比如业务支撑系统来承建，上层数据价值的释放、挖掘，以及对外怎样去变现，全部交由大数据中心这个新的部门来做。其KPI考核已经不再是用户新增数、用户保有量、用户收入ARPU等。其背负的KPI就是数据到底变成了多少钱。这样的KPI考核，就会推动这个部门每天都去考虑这些数据怎么变现，这将大大推动运营商大数据向其他行业的拓展。
大数据运营需要行之有效的商务模式，而目前无论是运营商，还是与之合作的企业、政府相关部门，都在进行尝试。姜欣表示，数据变现究竟是以包月的形式进行结算、以计件的形式进行结算，还是以联合运营的方式进行结算，目前运营商和第三方行业都在摸索的过程中，需要经过时间的沉淀，才能形成合适的方式。可能是一种，也可能是几种方式的组合。但不管是面向大客户、政府还是个人，这三方面如果都有市场，都得到了认可，也形成了固定的商业模式，那么未来运营商在数据资产变现上一定能够达到更好的效果。

3. 数据的本质是什么

数据的本质是商业。

数据本身是一种语言，把业务、系统用数据这种语言表现出来，可视化出来，并应用起来。数据这个语言，即是过程也是结果，是业务和系统行为的过程和结果，所以数据本身不会撒谎，数据本身也不产生价值。这就好比语言本身不产生价值，但语言一旦用来交流、传承，便产生了价值。

数据的价值在于应用，通过数据应用解决商业问题，在市场化的行为中，数据建设也往往需要商业驱动。

所以，数据的本质是商业。大数据、数据中台、数字化转型，为的都是解决商业问题。离开商业谈数据，是空中楼阁，是自嗨。

数据的应用分成两种，一是数据化运营，二是运营数据。

1.数据化运营。

这类数据应用的价值是帮助业务决策和优化。目前大多分数据应用发生在数据化运营领域。数据化运营又分非产品类应用、产品类应用两种。

1）非产品类应用

通过对数据的分析、解读，发现业务的问题、机会。这是BI、业务、PD、风控、算法的职责。

无论社交、电商、金融、供应链、新零售，还是什么业务领域，都会有不少BI，他们做着数据监控、分析，和业务进行一轮轮的沟通，再输出分析建议供业务和管理层决策。

从本质上来说，数据分析也是一种数据产品，和其他数据产品最大的差异是分析报告不是持续的，不是标准化的，展现形式以PPT或excel为主。但数据分析和数据产品的目的和本质一样，通过服务需求方，解决需求方的问题。

渔歌的一个朋友，独角兽公司的CEO，他本人精通商业，但对数据似懂非懂，他对数据分析团队的定位是帮助业务团队提高运营效率，要求一个分析师可以代替50个一线运营小二。

2）产品类应用，通过产品赋能业务、客户，又分对内、对外。

对内：指给公司内部人员使用的数据产品。

比如营销系统，自动根据采购者的生命周期、产品偏好发营销推送。营销推送的内容，需要根据客户行为差异化，比如重产品搜索和重商家店铺的购物者不是一类人，这是一种数据应用，目标是提高营销精准度。

再比如报表平台：装满各种数据报表，供业务、产品同学找到他们需要的数据。

又如商家管理系统：知道商家在平台的表现，哪些是高潜，哪些有流失风险，及相应的原因等等。

以上对内的数据产品都服务于内部同事，帮助内部人员更快更便捷的定位问题、智能＆高效运营。

对外：指提供给外部客户使用的数据产品。

比如淘宝曾经的数据魔方可以帮助商家通过行业数据选品，量子可以帮助商家不断优化商品，做好店铺管理决策。当然现在已经没有量子和魔方已经没有了，变成生意参谋。

再比如微信公众号后台的统计功能，包含用户分析、内容分析、菜单分析等等，这些功能是为了帮助公众号号主做数据化运营、决策。

这类对外的数据产品，在帮助客户做数据化运营的同时，还可以协同业务、服务、销售。假设未来微信越来越鼓励公众号号主原创内容的大背景下，提供关于原创和转载内容的数据分析功能的可能性就会变大。

数据化运营的产品，无论对内、对外，都是为了提高运营效率，科学化＆智能化决策。

2.运营数据

指通过运营数据的方式来实现盈利，数据就是这家公司的主营或者重要业务。

比如fico、芝麻、鹏元、同盾。不管他们的业务形态是怎么样的，他们专注从各个渠道获取数据，再对数据进行加工，而后输出应用，从中获取客户价值、公司价值。

前段时间，闹的人声鼎沸的数据事件，多家数据公司有波及，这波公司干的就是运营数据的事。

各个领域都在探索大数据的商业应用与变现，真正实现变现的不多。金融是数据应用最多、最深入的领域之一，因为有数据化风控。

4. 如何理解“大数据” 数据质变的3个方面

如何理解“大数据”：数据质变的3个方面

大数据(Big Data)，字面意思是“海量数据”，简单讲就是所涉及的数据量规模巨大到无法通过目前的主流技术和工具来处理，这里的“处理”涵盖了很多层含义：提取、存储、管理、分析、传输、预测等。

可是，这仅仅是对“大数据”的粗浅理解。

最早提出“大数据”概念的学科是“天文学”和“基因学”，这两个学科从诞生之日起就依赖于“基于海量数据的分析”方法。

大数据可以说是“计算机”和“互联网”结合的产物，计算机实现了数据的“数字化”;互联网实现了数据的“网络化”;两者结合才赋予了“大数据”生命力!

随着互联网如同空气、水、电一样无处不在地渗透入我们的工作和生活，加上移动互联网、物联网、可穿戴联网设备的普及，新的“数据”正在以指数级别的加速度产生。据说目前世界上90%的“数据”是互联网出现以后迅速产生的。

不过，抛开数据的海量化生产和存储这种表面现象，我们更加要关注的是由数据量变带来的质变，这种“质变”表现在以下3个方面：

1)数据思维

大数据时代带给我们的是一种全新的“思维方式”，思维方式的改变在下一代成为社会生产中流砥柱的时候就会带来产业的颠覆性变革!

- 分析全面的数据而非随机抽样;

- 重视数据的复杂性，弱化精确性

- 关注数据的相关性，而非因果关系。

历来的商业变革都是由“思维方式的转变”开始的，旧的经济体制和传统的商业理念面临新的商业思维逻辑的时候，如果大脑不能与时俱进，吸收并转变为顺应潮流的新思维，通过新思维重新组织企业组织的战略、结构、文化和各种策略，那么貌似强大的体魄反而变成了企业前进的累赘。

这种新思维颠覆巨头的案例最先发生在信息技术的传统领域，然后渗透到传统的商业领域：黑莓(Blackberry)、摩托罗拉、诺基亚、柯达、雅虎。。。案例比比皆是!

当然，这些企业的没落并不是因为没有“数据思维”，但他们都是被“新互联网思维”淘汰的昔日巨人。“数据思维”是最新的思想，其影响力还没有发展到导致巨头轰然倒塌。但是，如果不给予足够的重视，下一波没落王国的名单中，可能就会有你!

2)数据资产

大数据时代，我们需要更加全面的数据来提高分析(预测)的准确度，因此我们就需要更多廉价、便捷、自动的数据生产工具。除了我们在互联网虚拟世界使用浏览器、软件有意或者无意留下的各种“个人信息数据”之外，我们正在用手机、智能手表、智能手环、智能项链等各种可穿戴数码产品生产数据;我们家里的路由器、电视机、空调、冰箱、饮水机、吸尘器、智能玩具等也开始越来越智能并且具备了联网功能。

这些家用电器在更好地服务我们的同时，也在生产大量的数据;甚至我们出去逛街，商户的路由器，运营商的WLAN和3G，无处不在的摄像头电子眼，百货大楼的自助屏幕，银行的ATM，加油站以及遍布各个便利店的刷卡机都在收集和生产数据。

在互联网领域，我们喜欢说“入口”这个词，“入口”对应的直接意义是“流量”，而流量在互联网领域就意味着“金钱”，这种流量变现可能是广告，可能是游戏，也可能是电商。

在大数据时代，“入口”这个词还有更深刻的意义，那就是“数据生产的源头”，用户通过某个APP或者硬件产品满足某种需求的同事，也会留下一系列相关的“数据”，这些数据的合理使用可以让拥有这部分数据的企业获得更大的商业利益!

所以，在“大数据”时代，意识到“数据也是资产”的公司都已经开始在各个“数据生产的源头”进行布局，可能是一个解决刚兴需求的WEB网站，也可能是一个单纯的工具APP，还可能是一个可穿戴的数码产品!

3)数据变现

有了“数据资产”，就要通过“分析”来挖掘“资产”的价值，然后“变现”为用户价值、股东价值甚至社会价值。

大数据分析的核心目的就是“预测”，在海量数据的基础上，通过“机器学习”相关的各种技术和数学建模来预测事情发生的可能性并采取相应措施。预测股价、预测机票价格、预测流感等等。

“预测事情发生的可能性”继续往下延伸，就可以通过适当的“干预”，来引导事情向着期望的方向发展。比如亚马逊和所有的电商一样，都会基于对用户的喜好及消费能力分析来推荐“商品”，引导用户提高消费金额;Google等互联网巨头也会通过各种技术手段来试图向不同的用户展现不同的广告，并称之为“精准营销”，由此来提高点击率(公司收入);网游公司也会在运营工程中通过玩家行为数据的分析来及时调整游戏关卡及计费点等设计。

以上是小编为大家分享的关于如何理解“大数据” 数据质变的3个方面的相关内容，更多信息可以关注环球青藤分享更多干货

5. 张涵诚：关于数据变现的十种商业模式

进入2016、数据，已经成为每一个行业和各种业务职能领域重要的生产因素和变革力量。数据的积累、合作、整理、挖掘、利用是现代企业所必需的基本素养，没有它，你的企业将无力面对大数据时代的竞争。我们对于海量数据的挖掘和运用，也预示着新一波生产效率增长和消费者个性化需求的到来。今年我们看到，很多做大数据的公司已经从实际的项目中找到了做大数据的价值变现的路径，探索出了正确的大数据变现之路。
但依然有很多的问题困扰着企业的决策者和创业者，笔者结合我们最新的研究实践总结了如下十种商业模式和同行分享。
数据+物体=智能
（未来人工智能是数据变现的最好方式，当前2B的智能买单意愿更强，个人还比较难）

从国内外的互联巨头的投资动向不难看出，传统的盈利的大数据公司开始涉足硬件市场，利用其固有的软件技术整合硬件厂商快速的占据市场的有利位置。硬件是连接线上与线下的重要组成手段。所以笔者以为智能硬件这才是大数据正在的用武之地，才是大数据最终的价值所在！
毫无疑问，数据支持到搜索，购物和社交，这是变现的绝佳方式。
GFBAT（Google, Facebook, Bai, Alibaba, Tencent，总市值几万亿）的数据变现最早的企业
网络加工数据变成有价值的可供搜索的信息，进而产生广告价值，阿里巴巴让商品信息成为购物的入口，供人买卖，生产交易价值。腾讯，建立人和人的关系，产生广告价值，成为社交入口。非常肯定的说这是数据1.0。

数据征信评价机构（通过数据加快贷款、通过数据降低风险）

BAT巨头纷纷进入大数据征信市场，也正是看中了这千亿级的蓝海市场。据平安证券估计：中国征信行业未来市场规模将达千亿元，其中企业征信市场规模有百亿元，个人征信市场规模有千亿元。有着国企背景的中诚征信则更加progressive，给出了未来市场过万亿的预期。
美国征信市场由传统征信机构、商业信息服务机构、创新型的金融科技企业三种力量组成。
传统征信机构以全球最大的个人征信机构Experian、全球第二大征信机构Equifax、征信数据挖掘公司FICO为代表，基于掌握的消费者和支付数 据提供征信服务。
商业信息服务机构Dun & Bradstreet以庞大的全球商业数据库-全世界最大的企业信用数据库知名，基于其全球化的发展战略，主推风险管理服务（贡献营收62.7%）和销售及市场拓展（37.3%），利用征信业务的规模经济获取高毛利率。
创新金融企业Zestfinance则以技术输出为主要手段，利用传统的信贷记录等数据、大量交易信息、法律记录、租赁信息、网购信息等数据（第三方、网络、调研），使用机器学习的大数据分析模型进行信用评估，取得不错的实效，将信贷的成本降低了25%。
数据征信评价机构
2016年度，国内企业征信领域企业数据库涵盖数据量前5名依次为：1.益博睿2.邓白氏3.信用视界4.鹏元征信5.棱镜征信。依托大数据整合手段，可以预见在未来十几年内，中国必将出现几家对市场经济健康运行发挥巨大作用的规模化企业征信机构。
基因大数据指导生命科学

目前华大基因净利润在1亿元左右，不过深圳不少基金经理认为，作为基因测序的龙头，华大基因上市估值可能一步到位，其市值或直接到1000亿左右。华大基因的招股说明书显示，2015年上半年归属于母公司的净利润为7565万元，2014年度，2013年度的净利润分别为2456万元、13588万元。
生命经济的发展才是未来：面向人类最根本需求的经济形态和创新会是最大趋势。实现从后工业时代到生命经济时代的转变，需要大众转变观点、政策扶持以及科研机构的多方推动。未来，以国家基因库作为支点，围绕生命科学发展的产业，会走入从科学研究到产业化的发展之路，最终实现为人类服务的目标。
在未来社会发展上，影响人类社会经济和生命质量上有三个重大的问题。一是出生缺陷，二是代谢性疾病和心脑血管，三是肿瘤。这三个疾病导致人类医疗费用的支出70%到80%，而这三个疾病的防控唯一的办法就是用现代科技和大数据的支撑才能够解决这样的问题。
我们依靠基因科学技术，产生的大数据来引领着未来的大发展，来支撑着小康社会建设，以一个前所未有的高科技来作为支撑和引领我们一定能在某些领域走在世界前沿。
通过大数据分析为投资提供服务在各行各业并不少见，在传统股票领域，常见的数据分析指标有RSI相对强弱指标，KDJ随机指标，MACD指数平滑异同平均线等。这些指标常被用于分析股票走势，以提供给用户做投资参考。
共享经济最大程度释放数据信息价值。专业领域的数据共享者

这类代表性企业包括，滴滴，UBER，Airbnb、小猪，总市值在几千亿规模，未来会有更大的企业加入

我认为共享经济实际上是大数据2.0。这个在今年的数博会，克强总理的发言原文：“ 【只有共享经济数据才能无限放大】此外，总理认为我们还要发展共享经济，因为只有共享，数据才能无限放大，这不仅仅是做加法、乘法，而且共享经济作为新业态假以时日，将为中国经济注入强大力量。同时共享经济也是分享经济，让每个人都有平等创业的机会，每一行都能出状元。在“双创”方面，未来这些企业中将会诞生小巨人。此外，共享经济让人人都能受益。中国的“宽带中国”建设就是要拉近城乡、东西部的数字鸿沟，而提速降费也是拉近数字鸿沟的方式和手段。
为什么这类企业是数据变现排名第二的公司呢，因为这类企业的数据因为共享被无限的放大。第一个是所有权的价值信息到使用权的价值信息，所有权的价值信息可能在网上就一次，CPS，但如果共享就不断的把同一辆车可以坐无限多次。第二个是对于自身的价值到信息对于其他的行业价值，现在是企业间的共享，共享经济来了以后会形成整个行业里面，产业里面的数据共享，也就是企业跟企业之间的数据怎么交换，怎么共享，所以这样在企业之间数据的交换价值也会被无限的放大。比如滴滴一辆车每天都帮滴滴产生收益。第三个是单一的数据价值到多元的数据价值，这就变成了数据*数据的价值。比如说我是银行的数据价值，但银行的数据价值活性很差，银行数据维度比较差，社交数据就比较鲜活，所以单一的数据价值对于银行来讲是有作用的，但是银行和社交的数据加起来，它的数据的流通性及我们叫跨界融合数据的价值数据也会被无限的放大。再比如滴滴的数据可以用来做保险。
专业的数据加工者数据研究 报告（数据支持到咨询研究类型的企业，如汤森路透、万德、尼尔森、艾瑞、易观）

这类企业深入加工数据，针对一些对数据决策依赖比较深入的企业提供服务。金融、电商、新经济领域。
汤森路透得总裁吉姆·史密斯说：大数据对汤森路透非常重要。从某些方面来说，我们已经长期在管理大型复杂的数据了。我们面对的挑战与其他大型科技公司不一样，过去近25年里，我们一直在管理和整合我们所服务的不同行业领域的各类数据。我们投入了大量的资金来整合众多的数据，集成数据库，让客户可以简单地掌握和搜索所需要的数据资料，而不必再花时间了解来源或复杂性。
万德数据服务（Datafeed）这样描述自己：中国市场的精准金融数据服务供应商，为量化投资与各类金融业务系统提供准确、及时、完整的落地数据，内容涵盖：股票、债券、基金、衍生品、指数、宏观行业等各类金融市场数据，助您运筹帷幄，决胜千里
为客户提供标准的结构化数据，支持模块化订阅，同时满足客户个性定制需求，实现合作伙伴式的落地数据服务。
艾瑞用户行为产品是由艾瑞咨询自主研发，基于中国PC终端和移动智能终端的用户行为研究产品。通过深入分析多维度PC及移动网民的行为特征，及竞争对手的数据情况，为互联网、移动互联网、广告公司、广告主及电信等行业客户，将PC及移动互联网需求量化呈现，是真实反映中国互联网及移动互联网市场发展状况的数据产品。
这类企业深度的研究报告+个性化的数据定制+行业领域的专家智慧积累成就了这个行业的客户也成就了自己。
大数据咨询分析加工服务（埃森哲：数据人工加工、数据堂）
当企业第一方数据价值被掏空，企业需要发展外部数据弥补自身数据的不足，需要采集第三方数据开拓新的业务，发展新的客户的时候，企业就提出了数据采购需求，但一般来说这些数据需要爬或者定向采购，当数据源不能满足企业需求的时候就需要数据加工和分析服务。2015年，美国对信息服务的总需求预计超过6,000亿美元。
利用数据分析获得的认识正逐渐成为企业的一大竞争优势。企业利用数据分析结果实施、优化决策。任何拥有大型客户数据库的企业都可能发展成为这一场信息新博弈中的重要势力。过去，数据市场仅仅局限于传统的市场调查与数据服务公司。
专业的数据数据营销者：精准营销DSP+短信、email、私信（暴力广告，获得线索，客单价较高的产品，如地产）

DSP行业产业链上的角色包括广告主、广告代理商、DSP、广告交易平台、DMP、SSP、广告网络、广告联盟、媒体以及受众。
广告主或代理商通过DSP进行投放，DSP帮助广告主或代理商通过搜索引擎、广告网络以及广告联盟进行投放，同时DSP可以接入多个广告交易平台或可以接入多个SSP来获取媒体受众资源，而广告主则通过DSP对广告交易平台中的流量进行基于受众的购买。
2012年是中国DSP发展的元年，经过过去3年多的酝酿，去年出现了大量的DSP服务商和技术提供商。并且在一些巨头的广告交易平台的推出影响下，DSP所能够投放的广告的量迅速增长。2013年更多的广告平台出现、更多的媒体接入这些平台，同时提升了广告供给量、刺激了广告主的兴趣，市场获得非常高速的增长。在市场上RTB的购买方式是主流。另外，移动端的DSP初露端倪，未来极具成长空间。
能够为广告主、代理公司提供全面服务的服务商，有艾维邑动、爱点击、璧合网络、传漾、好耶、互动通、晶赞科技、聚胜万合、派择、派瑞威行、品友互动、随视传媒、泰一指尚、新数网络、亿玛、亿赞普、易传媒、悠易互通等。
这不可能是独角兽，但第一方数据的加工利用绝对是最好的数据变现方式（每个企业都可以发掘自身企业数据的价值指导企业优化）

大数据在全球范围内的市场规模同样巨大，根据IDC 发布最新研究结果，预测到2018 年全球大数据技术和服务市场的2018 年的复合年增长率将达到26.4%，规模达到415 亿美元，是整个IT 市场增幅的6倍。从行业结构来看，大数据应用主要集中在金融、通信、销售和政府领域，在医疗和旅游行业也有应用，但占比相对较低。
短信、email、私信（暴力广告，获得线索，客单价较高的产品，如地产）
数据开放平台（如新浪数据开放平台、网络数据开放平台、腾讯数据开放平台等）

BAT开放平台的特点
一、腾讯的开放是产品层面的开放，核心资源不可能开放
二、网络的开放是技术层面的开放，过度开放，对网络来说是风险
三、阿里的开放是产业链的开放，但生态的封闭
十、大数据交易所，未来一切公司都是数据公司，一切都将数据化，那么每个公司都会有
一个数据合作部门，他们用来使内部数据和外部数据流通，产生价值

因此我本人非常看好这类公司，我认为数据的3.0我认为是数据交易，数据商品化是大数据产业生态走向文明的方式。现在数据都在线下交换，企业和企业之间，或者个人与个人之间进行交换，但这里面没有商品，数据商品出来之后是大数据的3.0，但是这个时间还需要10年左右。不过这样的部门，如在网络很早就有，主要来合作自己不能爬到的数据的价值。这看起来交易所要满足这些人集中交易数据的需求。实现公开的合法的数据买卖。目前这样的交易有如下几个形式
1）数据以在线云的方式提供API接口对外输出；
2）数据定向采购，线下交易；
这种模式永远存在，而且大家基于朋友的信任和很多利益的私密性，愿意私下进行数据交易，不愿意拿到台面上；
3）数据加工处理后在进行交易。
专门有数据加工的企业出现，
3、因此也成为了主要的数据变现方式
数据是生产资料，如同原油，在原油加工厂柴油、汽油、润滑油、化工品、化学品、精细化工品、

6. 什么数据可以成为数据资产数据资产化如何实现

何为资产？

我们来看一下资产的概念： “资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。”

在资产的释义中，我们可以看出“拥有或者控制”和“带来经济利益”是资产最核心的内涵。由资产的概念引申到数据资产，我们可以得到，数据资产是由企业拥有或控制，能够为企业带来经济利益的数据资源。

石油在未得到利用之前，只是一种黑色的液体。数据得不到利用也只是一堆毫无价值的信息，那么什么样的数据资源可以转换为数据资产呢？

可“变现”的数据资源

可明确作为“资产”的数据资源，表现为以下两种形式：可帮助现有产品实现收益的增长；数据本身可产生价值。

数据为业务赋能

数据助力现金流，即数据本身不产生价值，但通过数据作用于现有产品 ，使其在创造收益、降低成本上有更好的表现。企业通过这种数据“内消”的方式，将生产经营中产生的数据进行收集、整理、分析，用于服务自身经营决策、业务流程，从而提高产品收益。

数据本身产生价值

通过利用数据优化业务的方式，是数据间接产生收益的方式，这种情况下，数据能够产生的价值是难以评估的。在合法合规的前提下，让数据以各种形式进行交易，这是数据产生价值的直接方式。

数据“变现”的过程就是数据资产化

能够直接产生价值的数据，数据变现的过程就是数据交易的过程，此过程的成本在于数据收集、处理、存储的成本，属于比较容易的数据变现；而利用数据为业务赋能拥有更复杂、专业的资产化流程。我们通过一个案例来解析数据资产化的过程：

某金融机构在投融资交易的过程中，一直苦恼于没有固定的标准来界定企业的可投资性，难以找到符合其投资标准的融资企业和项目，导致出现“有钱找不到投资项目,有投资项目的企业融不到钱”的现象。这时候此机构急需解决信息不完整、不对称、不透明、缺乏客观分析与评价的问题，所以找到探码，希望通过大数据来解决这个事情。

我们了解了该机构的诉求后，得出了数据资产化解决方案：通过机器学习、人工智能等方式对企业大数据进行分析，以得到解决办法。具体步骤为：

• 通过社会数据、网络采集、机构数据、企业填报等数据源采集到企业数据，主要包括工商信息、股权信息、行政处罚、销售年报、司法信息、知识产权、法律诉讼、税务信息等。

• 利用大数据技术等进行数据清洗、数据合并、数据挖掘、数据标准、安全脱敏、多维关联等数据治理操作，提高数据质量。

• 利用机器学习技术学习专家打分，模拟专家对企业价值评价的决策过程，先建立评价模型，自动高效的对企业数据进行多维度、全方位解析，最终生成企业评价报告。

随着数据资源越来越丰富，数据资产化将成为企业提高核心竞争力、抢占市场先机的关键。我们也将以扎实的技术，打破数据之间信息孤岛状态，应用云计算、大数据和人工智能技术帮助企业实现数据资产化运营。

7. 数据中台主要实现哪些功能

数简备芦据中台主要实现的功能如下：

1、数据采集整合：创建企业数据中台第一步，打破企业内部各个业务系统的数据隔阂，形成统一的数据中心，为后续数据价值的挖掘提供基础。主要通过数据采集和数据交换实现。

2、数据提纯加工：主要是对数据统一标准、补充属性，然后根据维度汇总成数据表、最后汇总出所需要的报表，满足企业对数据的需求。

3、数据服务可视化：对数据进行计算逻辑的封装，生成API服务，上层数据应用可以对接数据服务API，让数据快速应用到业务场景中。数据服务API对接的3种常见数据应用包括数据大屏、数据报表、智能应用。

4、数据价值变现：通过打通企业数据，提供以前单个部门或者单个业务部门无法提供的滚拆数据服务能力，为赋能前端应用、数据价值变现提供基础。

数据中台是什么？

数据中台是指通过数据技术，收集、计算、存储、加工大量数据，同时统一标准和口径。统一数据后，数据中心将形成标准数据，然后存储，形成大数据生产层，为客户提供高效服务。这些服务与企业的业务问题密切相拦带关，是企业独有的，可重复使用。它是企业业务和数据的沉淀。它不仅可以降低重复建设和合作成本，而且具有差异化的竞争优势。