数据商业经济 -#9

这是 GeekPlux Lab 第十期,每期都会同步发布在我博客周刊页面。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:

  1. 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。
  2. 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。
  3. 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。
  4. 引流推广型。典型的就是社交网站收集用户喜好,推荐商品。
  5. 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。
  6. 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。
  7. 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
  8. 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。
  9. 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。
  10. 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:

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

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。

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:

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。

最近看了什么

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 GeekPluxnewsletter,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。👇

点此订阅CC BY-NC 4.0 © GeekPluxRSS