2015年国内掀起了一波大数据交易的狂潮，以国内各大的数据交易所成立为主（当然很早之前就有黑市交易），受到业内甚至是政府的关注和支持。2017年，《网络安全法》颁布，多家数据交易公司被查，国家又给这刚刚有发展势头的产业当头一棒。Adblockchain关注数据交易（下文开始称为数据共享）对广告营销行业带来的改变和机会，对数据共享产业做目前相关信息的整理。
为什么要做数据共享？
人们不做无利可图的事情，特别是上升到企业层面。数据共享带来的好处，科学网博客叶俊杰老师（查看博客，叶老师授权转载）的分析如下：
如果说国际贸易的本质是各个国家和地区的资源禀赋不同，因而贸易（交换、流通、交易）能带来社会生产力的提升。那么数据交易的本质是不是也是因为各个实体的数据产生、处理、应用能力的差异呢？抑或是因为各个实体自身的领域等差异导致的禀赋差异呢？支持这一想法的实例举不胜举，比如芝麻信用除了支付宝的支付信息，还需要学历、交通违规、银行信用等方面的外部数据，而对于芝麻信用团队来说，要自己去收集后面列出的这些信息，显然成本要比相关实体获取这类数据要高得多。比如滴滴打车的路线规划，他显然需要外部实时天气、道路信息的支持。这方面应该不用再强调了。下面想强调的是除了这个明显的本质因素之外，数据开放、共享及至交易之所以能够帮助提升数据的价值，还在于数据的另一个本质属性。
那就是相比于实物的交换与共享，数据的共享有更大的威力，数据可以无损复制，可以很简单的被其他企业或组织使用，而且这个成本非常低，理论上如果让数据有效流动起来，其产生的效益会趋向无穷大。互联网的成功就是因为他激发了网络效应，数据的流动也与之类似，数据如果只是自己使用，即使100%的发挥价值，它也只是一百，如果这个数据开放给别人用，即使数据只能发挥50%的价值（更何况现有的实践说明数据1+1是大于2的），那也是乘数效应。3Com公司的创始人提出的网络技术发展规律“梅特卡夫定律 (Metcalfe's Law)”表明：网络的价值等于网络节点数的平方，与联网的用户数的平方成正比，即网络的有用性（价值）随着用户数量的平方数增加而增加，即网络的价值V=K×N²（K为价值系数，N为用户数量）。数据的价值与网络的价值类似，也遵循这一规律，即数据的价值与数据的使用次数的平方成正比。
江颖，帷策智能、原力大数据创始人兼CEO认为（原文：技术不是大数据第一生产力，数据交易才能带来应用爆发）：
目前能够做大数据实践的，都是自身拥有大数据的部门或企业。最优质、最有价值的数据源往往掌握在政府、运营商、银行以及像BAT这样的大型互联网公司。高质量数据源拥有者总是缺乏开放的必要性和动力，甚至希望对数据进行垄断。但由于内部大数据应用的需求和场景往往较为单一，数据拥有者往往也没有很好的变现产品和手段。
再加上数据获取困难、缺少数据采集意识造成的数据缺失，以及信息安全、信息归属权等敏感性问题，大数据仍然非常小众，看起来很高深，对于绝大多数人来说很陌生的。
但是，高质量数据源偏偏是需要流动和使用，才能激发其巨大的价值潜能。在封闭环境下，数据的价值并没有完全地发挥出来。以运营商数据为例，运营商数据不仅可以用于解决其自身的生产运营、精确营销等问题，在商业选址、城市商圈规划、制定企业营销策略等很多领域都大有可为。
假设我们要为一家高级女装店铺进行选址，现有的选址方法只能够告诉你周边的人流量，却不知道你周围到到底有多少真正的潜在客户。当我们借助运营商数据，把客户画像、位置信息等数据能力输出到这个场景中，便能依据周边人群的特征、年龄、消费力等数据，作出精准决策。
但实际上现在的商业选址是很粗放的。问题在于数据的交易环节没被打通，数据能力无法输出，导致需要用数据的人没有数据，甚至也不知道数据能带来什么价值。只有实现数据拼接，才会带来数据价值的裂变式增长。
根据“世界是一个想象共同体”理论 ，数据开放共享是一个很大的趋势，是社会（企业）发展寻找新增长点的需要。智能城市、人工智能等产业的发展，都需要高质量数据的喂养。如果没有数据共享，高质量数据就难以规模化，人工智能等产业就很难落地应用。
数据共享的核心问题？
既然数据共享这么重要，甚至需求迫切。那为啥感觉还没有发展起来呢？从多方数据看，贵阳等大数据交易所并没有产生大规模业务，甚至不少数据共享公司在2017年中被政府调查。原因归纳如下：
法律问题，企业的数据到底是企业的还是企业的用户的？哪些数据可以共享？法律没有细致的规定，企业不敢冒着风险进行交易（敢做的上面讲到，突然被政府调查了）。
利益问题，企业的数据是其核心资产，就算法律上能够允许进行共享，除非有比其封闭数据产生可量化的价值，否则他们不一定会做。真正掌握很多数据的是大公司，像电信运营商、大银行和互联网巨头们，它们之间是很难合作。原因是容易在某个领域产生竞争。
标准问题，目前大部分数据都是专用性数据，企业收集自己的业务数据，并根据自己的业务场景进行清洗挖掘。如果进行数据共享，则需要满足数据需求方的需求（不同需求方的需求肯定是千奇百怪的），那清洗挖掘将与过去不一样。那标准是什么？还要考虑数据提供方的付出和收益成本差、数据需求方的付出和收益成本差。
技术问题，受法律和利益问题约束，需要在技术上做到 受众隐私保护 和 企业利益保护。受众隐私保护，指在符合法律规范下使用技术手段满足敏感信息不可被窃取。企业利益保护，指企业愿意共享数据，由于数据具有易复制性，会导致一次共享，数据价值急剧下降的问题，这也是企业不愿意开放数据的主要原因。
这4个问题，均存在不少问题。导致上游数据资源相对匮乏，进而影响到中间交易环节，数据交易中心形同虚设。
数据共享何去何从？
既然数据共享是趋势，也是新的增长点，核心问题也被定义出来了。做为一家企业，如何在数据共享应用爆发前，或者促进数据共享抢占先机？
达成共识
Adblockchain认为，达成共识是第一要点。达成共识的实际表现就是采取合作，现在有很多各自为战的公司，想要做数据共享业务，但又四处碰壁。坐下来形成组织，共同寻找办法推动法律问题。
单点击破
不要追求大而全的数据共享方案，从实际应用出发，单点击破。比如广告营销数据共享，可以按照兴趣爱好、行业属性等维度探讨数据共享方案；比如征信数据共享，可以按照银行、网络消费、社保等维度探讨数据共享方案。把不符合法律规范的数据严格去除掉，再分析能够通过数据共享产生什么价值。
产品打造
上面单点突破，相当于在确定应用场景，一旦应用场景确定可行，就需要产品人才，能够将在场景、需求、利益关系上做综合。推出产品方案，同时也就可以确定数据共享的标准。这要解决的是利益和标准问题
技术突破
技术是产品的基础，但受众隐私保护和企业利益保护不仅仅是产品问题，更是一个博弈过程。通过加密算法如，零知识证明、同态加密、安全多方计算来做到共享可行性；区块链进行记账证明、审查监督、利益分配；现有数据挖掘技术来进行有用数据清洗。探讨技术方案以支持产品应用的落地
这是一个复杂的过程，需要多种人才配合。举个例子，隐私问题要满足法律，那么就要做到受众知情，就需要设计C端产品供用户进行数据管理和授权（现在很多区块链应用就是这么干的，比如个人的identity）。满足了用户授权的数据，企业可以在共享系统中发布，这应该是个自动的过程。但是在实际过程中，可能又不能直接售卖单个用户的数据，因为数据需求方如果获得了某个用户的“母婴”人群标签，下次就不再购买了，甚至还会自己再把这条数据拿去售卖。对于数据提供方，肯定是不愿参与这种系统的。那就要在业务场景、产品设计、技术架构上寻找平衡点。当有许多场景都能够进行数据共享了，那时才会到制定跨场景的数据共享规范和应用时机。
大道理大家都懂，adblockchain在本文主要是梳理清楚数据共享的问题，并提出方向性建议，剩下的就是各个团队在实际中见招拆招了。期待行业能够尽快发展起来，这也将带来继O2O、互联网+后，另外一次应用甚至是创业创新的机会。看起来还要比O2O靠谱一些，比较数据共享带来的应该不是一家独大，而是基于人们个性化需求的众多小而美的产品。
网友评论