DataEye的数据商业化反思

文 | 汪祥斌

快春节了写点东西。DataEye创业已经3年了我们一直在数据的路上一路走来，3年我们一直在寻找的是数据最后的商业化出路在哪里?DataEye自身的定位一直是做数据服务，我们希望能把数据转化为实实在在的商业价值，这条路上我们一直在努力。

我个人一直认为数据变现和数据技术变现是两回事情。数据变现是通过挖掘与分析找到数据背后的商业价值和模式去实现变现。数据技术变现其实是输出数据相关的技术产品帮助客户去实现变现从而实现自己的价值。目前这个阶段国内大部分的大数据公司其实是通过技术变现帮助客户去实现价值输出。包括我们之前做了很多统计分析类的产品，广告追踪类的产品其实都是利用自身的技术产品手段去帮助客户实现一些价值转换。

这个模式很清晰但我觉的此类的变现本质上来说不叫数据变现，我个人觉的我们之前做的事情更多叫企业服务，不叫数据服务，更不叫大数据服务。大数据服务被滥用了，用的稀烂导致现在投资者见到这三个字都有点想呕吐的感觉。我自己就被呕吐过，真事。劝君慎用这个大杀器!

国内很多数据公司做的事情其实是在做工具当然我们前三年也在做这个事情(平台工具的争论就别争了，这里没有投资者不会影响你的估值)，工具的模式就只有一个那就是卖，所以大部分工具类的公司都是在卖服务产品。这种模式从商业模式来说很成熟没有什么要讨论的点，但这种模式背后的逻辑就值得讨论，你如果非要加个大数据加个数据服务我就想知道数据到底体现在哪里?

你给客户究竟是怎么样的数据服务，数据价值在哪里，商业价值点在哪里，价格怎么定，怎么衡量。2年前我记得经纬的朋友跟我讨论了很长时间的商业模式究竟是工具还是数据服务，说实话那时候我没有理解清晰，但我隐约想做的依旧是数据的价值模式，不是工具模式。

到今天很多数据公司超越了工具的界限因为他沉淀了大量的数据开始转换为平台思维希望通过数据去尝试变现，但目前来说变现效率特别高的我没有见过几家(当然有我就不明说了，但大家都清楚你的数据源来自哪里)，大家还在摸索。因为这个阶段数据的变现效率与数据资产质量成高度正相关，注意我这里说的是数据资产质量而没有说规模，因为在国内规模太容易造了，质量无法造因为你的合作伙伴会以收益与效果来直接拷问。

我听了太多你家覆盖终端有20亿，他家有40亿，昨天刚听说了一个80亿的，应该不出我意料春节之后绝对过百亿，两年之后直接飙千亿的。其实运营商笑了，我他妈的一年入网才几台设备。其实我想说一点大数据真不是大而在有用。在平台以及转化数据商业价值阶段，规模真不是重要因素质量绝对制约你最终的变现效率，而且是很难逾越的一个坎，不相信可以回头想想。当然如果是通过估值去获利的可以继续爆炸规模，这种商业模式不在本文讨论。

2016年我们与国内最大的DSP流量平台深入挖掘数据潜在价值的过程当中充分印证了我们对于数据资产质量的假设。大量的低价值的数据根本无法转化商业价值出来甚至我认为是无用成本，这家DSP平台也跟我们抱怨了之前一些数据合作伙伴无法长期合作的最终原因–数据质量太差无法持续规模化变现。通俗的说，用了和没用差别不大，成本还老高。这里有两个关键字眼持续以及规模化。

昨天看了一位技术大牛的文章大数据接下去是算法和模型，但我从一个3年数据从业者的经历喷一下，想的远了，在中国现有阶段还远没有到呢，大道理讲多了挺烦的。接下去的阶段我觉的是如何快速提升数据质量的阶段，以及实现基础价值转化阶段。这两个阶段过不去再牛逼的算法你挖给我看看。

我们创业选择了游戏这个行业现在来看是一个巨大的挑战。因为游戏商业模式高度清晰资金流转速度非常快速，开发者体量不大因此他们对效果与性价比有远超乎其他行业的诉求。再说个俗一点的比方，在游戏行业想通过大数据忽悠点钱你绝对是超高难度的挑战，我相信做过的都知道(有一些已经不在了)。我们之前合作过的一个流量平台当时对我说了一句话，数据已经优化到这个地步了为什么游戏公司还不买单?我只回了一句话，因为投一分钱今天就得产出两分钱。话糙理不糙我讲的是大实话。

解决质量问题之后数据商业化就是模式的设计了，我们自己在行业的经历来看数据商业模式的设计必须揉合到业务当中，千万别真以为你是做大数据的，我觉的大数据这个行业未来十年有可能会彻底消失的，因为一切公司皆是大数据公司，而你懂的只是几个工具和数字而已。

End.

转载请注明来自36大数据（36dsj.com)：36大数据 » DataEye的数据商业化反思