1. pi币怎么变现人民币
比特币可以兑换成人民币，我们对比特币要谨慎选择，除了场外交易，还有一些数字货币钱包支持人民币充值买卖，提现比特币的话，可以通过币币交易，兑换成该数字货币，转到钱包卖出。
操作环境：华为nove7手机版本号V5.1.0.5.0，pi币APP版本号v8.2.2上操作
拓展资料：
一·、pi币交易的特点：pi币未来的发展和其他公共区块链一样，可以允许内部、外部钱包持有和交易，而且Pi Network正在建立一个点对点市场，所有的会员将能够直接用pi币购买商品和服务。不仅仅无成本的免费项目，而且同时在全球100多个国家同时启动，APP内社区开通43种语言聊天室。在进展上一直在完善技术上的改进，而且场项目的社区热度很高；Pi的空投设计了根据用户数增长情况的减半模式，项目刚刚开启4个月，越到后面，越难领到更多的Pi。
二、pi币未来的发展和其他公共区块链一样，可以允许内部、外部钱包持有和交易，而且PiNetwork正在建立一个点对点市场，所有的会员将能够直接用pi币购买商品和服务。比特币最早是一种网络虚拟货币，跟腾讯公司的Q币类似，但是已经可以购买现实生活当中的物品。它的特点是分散化、匿名、只能在数字世界使用，不属于任何国家和金融机构，并且不受地域限制，可以在世界上的任何地方兑换它，也因此被部分不法分子当做洗钱工具。2013年，美国政府承认比特币的合法地位，使得比特币价格大涨。
三、而在中国，2013年11月19日，一个比特币就相当于6，989元人民币。要挖掘比特币可以下载专用的比特币运算工具，然后注册各种合作网站，把注册来的用户名和密码填入计算程序中，再点击运算就正式开始。完成Bitcoin客户端安装后，可以直接获得一个Bitcoin地址，当别人付钱的时候，只需要自己把地址贴给别人，就能通过同样的客户端进行付款。在安装好比特币客户端后，它将会分配一个私有密钥和一个公开密钥。需要备份你包含私有密钥的钱包数据，才能保证财产不丢失。如果不幸完全格式化硬盘，个人的比特币将会完全丢失。
2. 去中心化交易所怎么变现
在去中心化交易所进行交易时，不需要注册，只需要使用数字钱包连接去中心化交易所就可以进行加密货币的交易了，交易完成后，相应的加密货币会自动转入到用户的数字钱包中，用户的资产始终在自己的钱包中，就实现了变现。
拓展资料：
中心化交易所可以耐芹简单理解成私人机构或公司开设一个提供买卖加密货币的平台，用户注册会员完成后，经过身份认证程序（KYC）并审核通过才能进行挂单交易，除此之外，需要将加密货币资产转入平台，由平台暂时保管。最大特色是使用者接口和体验较佳，交易量与流通性大，挂单即时成功搓合机率较大。
去中心化交易所就是把用户的资金存在他的钱包中，交易所就只是给用户提供数字货币流动性，撮合交易由智能合约来完成，最后的结算、清算等都是在（或部分通过）链上网络上面完成的，这样做就可以确保交易的公开透明性。我们通常常见的去中心化交易所有ForkDelta、Bancor、IDEX、KNC、ZRX-0x协议、Loopring等。
去中心化交易所，按照订单交易流程和清算是否在链上进行，可分为纯链上的去中心化交易所（传统型）和“链上+链下”结合的去中心化交易所（改良型）。传统型的去中心化交易所，用户交易的全流程（资金托管、买卖订单委托、撤单、交易撮合、上链结算清算等）等，全部通过智能合约记录到区块链上。用户资郑亩梁金存在自己的钱包里，拥有控制权，提高了交易的透明度和信任程度，相对来说较为安全。但这种纯链上交易的方式，用户体验不是很好，而且交易速度、资产流动性非常慢，而且成本比较高。
中心交易所主要就是安全，让用户资产的控制权掌握在本身手中，但相应的，在效率与用户体验上有所欠缺。虽然中心化交易所曾经爆发过盗币、丢币等安全事件，可是由于喊运去中心化交易所的使用体验并不足够友好，所以仍然使用中心化交易所。并发 可是从长远来看，去中心化交易所是将来的趋势，特别是近两年来，去中心化交易所的技术已经取得了长足的进步，以太坊、EOS等主链上都冒出了愈来愈多的去中心化交易所，特别是EOS去中心化交易所，不管是交易体验仍是TPS上，都比以前的交易所要快得多。
3. 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。
4. 运营商大数据对外价值变现的十大趋势
作者 | 傅一平
来源 | 与数据同行
最近中国移动提出了DICT战略，显示其在政企市场进一步拓展的雄心，在这个背景下，重新探讨下运营商的大数据变现很有意义。虽然近半年“大数据圈”似乎有点风声鹤唳，但对于合法合规的进行大数据业务的企业来讲没有什么影响。
下面笔者就结合自身实践，给出未来2-3年运营商大数据价值变现的十个趋势判断，仅代表个人看法，希望于你有所启示。
1、行业服务边界不断拓展
依托于运营商潜力巨大的数据资源和政企市场渠道资源，经过多年的市场培育和拓展，当前运营商大数据业务从原来的金融、旅游等行业逐步拓展到政府、旅游、交通、教育、商业、招聘、医疗等各个各业。
运营商ICT业务在推进中，也孕育了不少大数据业务的商机，大数据业务则反过来促进了ICT业务的发展，因为大数据除了业务价值，还有一定的社会品牌效应，两者通过融合可以形成合力。
随着企业数字化转型的加快及产业互联网的崛起，作为未来社会基础设施的大数据，将与云计算、人工智能、物联网、区块链一起，在行业领域开疆扩土，其应用的边界几乎是无限的。
2、进入行业应用的深水区
大数据在行业领域拥有着巨大的潜力并不意味着运营商就能分得多少杯羹。虽然运营商大数据业务当前在金融、旅游等行业已经有所斩获，但这些行业低垂的果实基本要被摘光了。
以金融为例，4-5年前运营商切入的验真，失联触达等业务，当前仍然是运营商大数据变现的主力，但金融行业并未如运营商原先预料的那样，在贷前、贷中、贷后中给予运营商更多的机会，运营商很多变现业务模式的拓展基本是停滞的，起码不够快。
在大量的其他行业领域，运营商往往只能做到蜻蜓点水，而无法聚沙成塔，比如业务的复购率很低。
从定性的角度讲，运营商对于行业的理解还是比较浅的，其大量的行业应用游走在企业的核心生产流程之外，大数据似乎是奢侈品，而不是必需品，因此粘性是不够的。
以金融验真这个业务为例，其附加值并不高，且容易被替代，想想这几年对于金融行业的理解又增加了多少呢？这些都是需要反思的地方。
笔者曾经在智慧交通相关文章中提到：运营商的数据在很多领域其实是很有前途的，但必须深耕，要理解这个行业的业务，通晓这个行业的算法，不停的打磨产品，从而逼近核心。
可以这么说，运营商大数据将很快进入行业应用的深水区，为了顺应这个趋势，运营商需要建立专业化的组织去攻坚克难，挑战很大。
3、与互联网公司的竞争加剧
互联网应该没有把运营商当成主要的大数据竞争对手，但运营商进入这个领域会跟互联网公司形成事实上的竞争，无论是新零售，智慧交通等等，进入者都会感受到互联网巨头的压力。
比如运营商要为大型商超提供数据服务，但互联网公司早就捷足先登，新零售是互联网出的概念，当运营商还在进行自身渠道的艰难转型时，互联网公司线下商业的版图已经规划好了，当然也包括了大数据业务。你到商超谈，人家一开口就提XX通怎么样怎么样。
当然还不仅仅是这些。
无论是互联网公司在To G上自顶向下的推广策略，还有诸如城市大脑单一采购来源的霸气，都在说明巨型互联网公司在这些领域的影响力。
运营商要获得机会，得动用一切可用的资源，发挥自己数据的差异化价值，由点及面去寻找机会。实践证明，管道数据的价值是巨大的，但巨型互联网公司的数据也越来越好，这是不得不面对的现实。
4、从要素驱动向要素+能力驱动转型
运营商当前在大数据变现上的突破只能说摘取了低垂的果实，但这种通过简单数据加工形成的数据产品竞争力是不够的，也是不可持续的。
比如做智慧交通，如果位置精度和覆盖度不够，连速度都测不准，根本做不出高质量的数据产品。
应该来讲，运营商从来就没有现成的、高精度的、可以到用户级别的位置数据，粗精度的原始位置数据未来可能连支撑运营商自己的业务转型都不够，运营商需要充分挖掘现有位置数据的潜力，通过建模等方式把较为精准的位置模型做出来，才能有基本的大数据变现底蕴。
位置精度的提升虽然是一小步，但却是对外大数据变现的一大步。位置准了，运营商对于人们整个线下生活的理解就准了，无论是客流，路网，OD等等都不再话下。
现在运营商依靠数据资源这个要素能走出第一步是不错的，但光靠资源驱动已经不够了，能力必须过来接棒，没有能力加持的运营商大数据变现前景暗淡。
因此，运营商大数据变现未来不再是躺着挣钱，而是要从原始数据的驱动向数据+能力双驱动转型，这个能力包括人才、技术、数据、产品、运营等等，这是不容置疑的。但如果只是空喊着口号不敢探索尝试，则也许连能力提升的机会都没有。
5、持续强化大数据合作的生态
大数据变现从底向上涉及平台、数据、建模、产品、方案、渠道、咨询、运营、安全等一系列的内容，运营商无法一手包办，因此必须建立合作的生态。
从业务的角度看，缺乏渠道合作伙伴、缺乏行业解决方案对于运营商都是很现实的挑战，最大的痛苦莫过于不知道商机在哪里，不知道自己想做的这个数据或产品有没有前途。运营商不可能瞬间将现有的客户经理队伍转为数字化产品的销售队伍，毕竟知识结构的要求不一样。
虽然可以采取MVP的方式推进，但一方面试错的成本摆在那里，运营商也并没有资本为其背书，另一方面时间成本也大了点。现在很多运营商都有合作伙伴招募计划，这是很好的尝试，但符合要求的合作伙伴还是太少了。
从开放的角度看，中国移动的梦网曾经创造过辉煌，但开放这句口号不是随便喊喊的，你得建立一套标准，清晰的告诉别人你有什么能力，然后如何能方便的接入。
比如当我们在互联网大会展示城市实验室产品的时候，发现仍然有那么多的人惊讶于运营商竟然还能做这个，就说明我们在开放这条道上还有很长的路要走。
而当笔者第一次访问阿里云网站的时候，其较好的使用体验给我留下了深刻的印象，随后定期的营销推送起码说明是用心的，又比如笔者第一次使用腾讯云域名申请时，其后腾讯云客服的电话调研也是很及时的。
因此，能否跟更广泛的合作伙伴建立连接，能否建立起开放的平台，能否确保信息的安全，在很大程度上决定了运营商大数据变现的蛋糕能做多大。
6、通过集中化获得溢价能力的趋势将加强
由于历史原因运营商的大数据实际是分省存储和运营的，这跟互联网公司天然的集中统一的数据基因是完全不同的。虽然一些运营商在集中化上做了很多努力，但相对互联网公司，还是有一些差距。
各省本地化做一些产品虽然带来了灵活性，但造成了事实上的重复开发，这种模式在创新阶段其实没什么问题，但最大的问题是各个省能否有足够的资源去保证产品的持续优化，无论从数据的角度，还是从运营的角度看，我们都需要一定的集约化机制来确保高效低成本的运作。
但这还仅仅是一个方面。
另一方面，相较互联网，由于数据的割裂，运营商基于单个省的数据做出的产品溢价能力不高，往往只能服务于特定区域，在很多竞争中会处于劣势，比如当前运营商基于位置数据的应用很多，但为什么上网数据的变现却很少呢？
这个不仅仅是简单的https问题，更是因为客户对于上网数据的诉求基本是全国的，没有地域的概念，这让运营商失去了很多突破的机会。
因此，运营商的大数据在一个省创新后迅速全网复制是一直要坚持的策略，而基于集中化的数据进行创新是提升产品竞争力的一个关键。
7、运营商DICT战略将使得大数据获得更大支持
随着数字经济的发展和行业数字化的进步，传统产业转型升级的需求强劲，运营商和云服务提供商，均在强化云、网、端、边协同，推出“云+网+DICT”智能化解决方案，帮助企业实现更深层次的数字化转型。
运营商的政企2B市场是当前关注的焦点，而云+DICT（DT+CT+ICT+IDC）又是其中的关键，这意味着未来各种资源会逐步会向DICT倾斜，大数据需要抓住这个机会，通过DICT的融合来促进大数据业务的规模化发展，所谓“借势”。
另外，当前三大运营商已经宣布了5G商用，中国移动也发布了了“5G+”计划，其中包括“5G+AICDE”计划，“5G+AICDE”是将5G作为接入方式，与人工智能（AI）、物联网（IoT）、云计算（Cloud Computing）、大数据（Big Data）、边缘计算（Edge Computing）等新兴信息技术深度融合，准备打造以5G为中心的泛智能基础设施。
5G时代人和物、物和物之间的连接产生的数据类型将会更多，5G更密集的基站布点意味着更高的定位精度，5G业务形式更加多样意味着管道中的数据内容会爆发性增加，运营商对于客户行为的刻画能力将进一步加强，每项垂直5G行业应用都将会与大数据有着千丝万缕的关系，这些对于运营大数据的发展是利好。
8、日益趋紧的数据安全要求对于运营商既是挑战也是机遇
运营商虽然拥有海量的数据，但很多省公司并未实质性的开展大数据业务，很多是基于安全的考量。即使是正在开展大数据变现业务的运营商省份，合规合法经营也是其开展大数据业务的底线，运营商对于大数据的业务创新是相对保守的。
事实上，运营商当前能开展的各项大数据新业务，都需要经过内部极其严格的法律、安全多道审核，加上行业、集团、省出台的各种安全管理规范的约束，还有定期的安全检查，都让运营商大数据业务从一出生就经历着内部一轮轮的安全洗礼。
2019年持续发酵的各种信息安全事件让大数据圈似乎如履薄冰，但其打击的还是各种违法经营和黑市交易。事实上，经过新一轮的洗盘，运营商也许会面临较以往更好的商业环境，数据可能会变得更为稀缺，毕竟以前黑市的数据交易会导致良币驱逐劣币的现象，当然这也只是一种猜测。
可以肯定的是，未来国家对于信息安全管控的趋紧会使得大数据业务的创新变得更具挑战性，但合规合法的进行大数据价值挖掘，助力中国经济高质量发展始终是主流，运营商虽然会面临安全上的挑战，但也有更多的机会。
9、运营商大数据对于TO C业务的探索不会停止
互联网公司TO C业务前期是靠钱烧出来的，毕竟消费者是趋利的，拥有高体验的产品和一定基础的用户后，互联网公司才有了珍贵的海量数据，这个时候大数据才有用武之地，反过来赋能业务发展，这是互联网公司应用大数据的本质。
运营商天然就有大数据，但大数据变现的实践还是告诉我们，运营商的数据维度还是不够丰富，比如缺乏消费数据，而巨型的互联网公司通过应用的丰富不断积累着更多维度的数据。
事实上，当前运营商的数据维度拓展基本是停滞不前的，如果不加以改善，在不久的将来，运营商的数据优势会逐步变小，最终会影响到产品的竞争力。
现在运营商建立了很多专业公司，比如中国移动的咪咕，有人会质疑这些公司能否赚钱，姑且不从战略的角度思考这个问题，即使站在大数据的角度看，这些公司的拓展能够让运营商拥有更丰富的数据，这就很有价值。最近中移金科成立了，支付数据对于DT有多重要不用解释吧，因此意义是很深远的。
其实做大数据产品的，哪个没有点TO C的梦想？希望运营商能基于自己的资源优势，结合大数据的差异化特点，能够打造出真正的既卖座又叫好的TO C产品。
10、运营商对于低价值密度的大数据处理能力要求会大幅提升
运营商的DPI数据具有典型的大数据特征，有潜力但价值密度低，但这个数据是运营商除位置数据以外最珍贵的数据，很多人说这个数据在运营商变现中实际没啥应用场景，或者言必称https，那是比较业余的说法。
随着5G时代的到来，对于DPI数据的有效开采挖掘对于运营商大数据变现是核心的基础工作之一。
首先，DPI这个技术原生是为网络优化服务的，比如很多字段对于数据变现没有价值，能否考虑更高性价比的处理手段？这个就需要运营商针对性的进行研究，比如从客户洞察、精准营销和价值变现的角度去高效低成本的采集管道中的数据。
其次，5G海量、低延时、非结构数据的特点，将进一步促进数据存储、处理和分析技术的进步，即使是当前的4G，从采集到应用的时延也是比较高的，很难达到场景式营销的要求，而且保留的周期也非常有限。
最后，5G大数据的价值密度将进一 步降低，对AI的能力要求将更高，即使是针对当前的4G数据，运营商的NLP等能力储备也是不够的，因此要尽快补足短板。
当然，以上十个趋势只是笔者的个人判断，受限于自己的能力和视野，以上谈的肯定有很多不到位的地方，权当笔者抛砖引玉，如果能引发一点思考，那就更好了。
5. 大数据市场有多大 怎么利用大数据赚钱
大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如网络、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。
6. 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、