By GeekPlux in 经济模型 — Feb 27, 2022

数据商业经济 -#9

数据商业的几大基本特征

这是 GeekPlux Lab 第十期，每期都会同步发布在我博客的周刊页面。目前已经有 1630 个同学订阅了本周刊，也欢迎你邮箱订阅，可以第一时间收到更新推送。

感谢 @Jiayuan 连续两次的推荐，订阅量又稳中有升，欢迎各位新来的小伙伴。这周本来想来点轻松的话题的，结果临动笔前看到一篇数据商业相关的文章 The Economics of Data Businesses，写得行云流水不易一字，太值得分享一下（让我水一篇）了。而且我现在工作中其实也是数据相关的业务，所以这篇对我理解现有工作也有很大的帮助。本文大部分内容都来自于这篇文章，推荐阅读原文。

我们还是按照惯例，从定义开始。

什么是数据商业

简单来说，一家以数据为核心的公司就是数据公司。反过来说，没有数据，就不会有这家公司存在的公司，就是数据商业公司。比如 Google、彭博社（Bloomberg）、标普 500、阿里巴巴等。

数据商业的基本特征

一、与数据息息相关的商业模型

这个特征与定义严丝合缝，通常数据商业公司会围绕数据来开展业务，并且通过各种方式把数据当作它们最重要的资产。

大致有以下几种商业模型：

暴力收集型。比如 Google，简单无脑，用机器人把全世界所有网站的信息爬下来再索引。
整合协调型。把已经公开的数据（通常是免费的）重新整理，比如路透社。
协议转化型。比如现在很多的数据标注公司，把原始数据标注后售卖。这里面也有暴力型的味道，因为数据标注通常都是外包给人，手动进行。
引流推广型。典型的就是社交网站收集用户喜好，推荐商品。
核心输出型。比如纽交所，每笔交易数据都是它的可售卖资产。
热心免费型。很多公司免费对外提供自己的服务，但协议中一般会写明使用该服务会收集用户的一些数据。
复合循环型。还是 Google，收录的网站越多导致使用体验越好，然后也有更多用户愿意提交自己的网站给 Google 收录
互惠互利型。我给你想要的数据，你给我想要的数据，互相牵线合作。
消耗利用型。通常是把数据进行对比、排序等再利用。比如很多的比价网站。
生产创造型。不一定是真的数据，也有可能是产出一些假数据或模拟数据供使用。

一家数据商业公司，通常不会只有以上某一种模型，而是多种模型的组合。比如阿里巴巴，淘宝天猫等其实是对商品的索引，售卖的是商品数据，属于类型 1 和 9。而它又通过收集用户的购买行为，对用户可以给用户推荐更感兴趣的商品，对商户可以提升他们商店的曝光率，这属于类型 4 和 7。同时阿里旗下还有阿里妈妈，负责根据上述两种数据推广广告，收入也很多，属于类型 4 和 8。再还有阿里云，存储了以上所有的数据，提供了以上数据处理需要的所有算力，通过多次大型活动也锻炼了性能，稳固了口碑，所以属于 7 和 8。

二、独有的数据产生独有的价值

这个很好理解，通常一家成功的数据商业公司都是拥有别人没有的数据。如果你的数据没有唯一性，那么很容易被竞争对手赶超，毕竟数据才是门槛，拥有同样的数据相当于彼此竞争没有门槛。

如果你是数据的下游，那么通常会很被动，因为上游很可能慢慢残食掉你的业务。即使上游没有开发能力，也会用数据的唯一性压榨你的利润空间。如果你是数据的中游，那就更惨了，两头挤压。

三、准入门槛高

通常开始一个具有数据唯一性的数据商业公司是很慢的，尤其如果是没有现有数据依赖的业务，那就更慢。开发一个 APP 有 MVP（最小可执行）版本，但开发一个数据产品则没有，因为数据不具备规模性就没有意义。

想象一下如果你要创立一个数据商业公司，那么你需要慢慢开始收集数据，在收集数据到交付数据到过程中，你需要：

不断明确需求（通常因为客户千奇百怪的需求，或者自己拍脑袋的 idea 拐来拐去）
收集流程自动化、规模化
数据存储
数据存储流程规范化
数据质量保证和筛查
数据交付流程（通常会因为客户的多样性而必须具备高度自适应性）

搞定这些没个一两年估计不太行。文中写道“Nothing ventured, nothing gained”，不冒险一把可能就没有收获，我觉得做数据商业公司，确实要 dream big，要不然可能在还没正式运行起来的前期，就已经死掉。

四、随时间指数型增长

首先，收集（产生）数据的边际成本是逐渐下降的
随着数据规模的变大，会变得更好销售
数据覆盖面的变广，也会带来更多新客户
你可以细化部分数据到特定领域，这会显著缩减与目标客户的距离
随着数据广泛应用，同类型客户会被吸引。对于一家数据商业公司最好的结果就是成为业界标准
赚更多钱，定制化服务、提升客单价，可收费的点越来越多：一次性销售、增量数据、授权、API、SaaS 等各种各样
摊薄成本，可以想象你有话语权之后的变化
互惠，上文提到过的，与客户合作共赢，构建利益联盟，上下游均可
产出更多的副产品，可以是服务、APP

所以数据业务具有明显的长尾效应。不过具体尾巴多长，完全看你持续的运营。如果你的企业可以成长为巨无霸，那么你可以在市场上做成本最低的收购者，和收益最高的售卖者。

五、可替代性很小

一家成功的数据商业公司，很难失败，也很难消失。

你放弃一款 APP 可能很容易，只要他有一点让你不爽，或者其他竞品 APP 有一个 killer feature，你就会被吸引过去。而数据产品则不是，你可以想象一下，如果你一直使用一款数据源，那么迁移的成本是巨大的。

首先，复制一款数据都很难，刚才我们已经提到过，准入门槛很高
其次，超越也很难。即使同时满足数据质量更高、数据准确性更好、数据更新更快这三点，客户也只会是考虑一下，除非你的数据来自于与众不同的渠道或有全新的思路。但众所周知，特定的数据有特定的用途，特定的场景也才有更高的需求，通常一批数据，可做的事情差不多就是那些，得出的结论也许角度不同，但万变不离其宗，很难玩出花

所以一旦建立好数据商业的业务链条，一般很难替代。除非行业内部或数据产生了翻天覆地的变化，但我们刚才也论述过了，极高的准入门槛也导致已经成型的数据公司更容易转型。

不过一般的数据商业，都不会是一家独大，只可能是寡头垄断。比如 Visa 和 Mastercard，比如 Nasdaq 和 NYSE，比如 Google 和微软等等。

六、成功的数据商业极少

这点我觉得也是最重要的一点，雄心勃勃聊了这么久，赶紧泼一盆冷水。为什么成功的数据商业公司这么少：

有价值的数据本身就很少
准入门槛高，寡头垄断

如果非要说现在还有什么机会，那就是针对新兴领域的垂直类数据，还有一战的可能。不过我相信大公司的跟进一般都很快，只有在领域初期就建立壁垒加跟上节奏才是唯一出路。

与读者对话

周末玩艾尔登法环太上瘾，差点就不想写了，咬牙忍住了游戏的诱惑，还是花时间把该读的读完，该写的写完了。本来想以第三人称写，写着写着觉得还是第二人称读起来更带感。哎，艾尔登法环真好玩啊！最近 HK 的疫情愈发严重，再加上一直下雨，让人心情阴郁。周末天气终于放晴，也得空出门晒了晒太阳，身心舒畅。希望疫情早点过去，希望世界没有战争。

往期推荐：

声明：本文出自作者，不代表任何机构或公司，亦不构成投资建议。

你可以在这里找到我：微博 - Twitter @GeekPlux

也可以加入 Telegram 群组 聊天讨论。

这里是 GeekPlux 的 newsletter，欢迎订阅，如果觉得这篇文章对你有用，可以分享给好友或请我喝杯咖啡。👇