数据猿专访丨TalkingData CEO崔晓波：现在就做数据交易平台还为时过早

▲ TalkingData CEO崔晓波

2016年1月20日，数据猿作为独家全程直播与专访媒体，受邀参加“全球大数据峰会 Global Big Data Conference 简称为 GBDC”本届大会由世界O2O组织、全球大数据联盟GBDC、全球移动游戏联盟GMGC、光合资本主办，中国互联网协会O2O工作组、中国汽车流通协会支持。

GBDC全球大数据峰会在北京国家会议中心举办，本届大会规模逾3000人。大会从大数据改变政务管理方式、引领全球企业营销、智能交通综合服务、互联网整合营销运营、前沿科技等方面同现场嘉宾进行深入交流。通过行业大数据白皮书的分享和精彩的案例剖析，指导广大企业借助大数据发现广泛商业价值，切实有效地运用大数据的力量，帮助各行各业升级转型。 大会涉及大数据与智能政务、 汽车产业、 金融产业 、零售产业和房产行业等领域。 GBDC全球大数据峰会是迄今为止亚太地区举办的最具规模和影响力的行业盛会。

以下是数据猿记者现场专访“TalkingData CEO崔晓波”的内容实录：

数据猿记者：各位观众以及现场的媒体朋友们大家好，这是GBDC全球大数据峰会的采访中心，今天我们很荣幸邀请到了TalkingData CEO崔晓波先生，有请崔总跟我们的朋友打声招呼。

崔晓波：各位朋友大家好！

数据猿记者：在移动大数据领域，TalkingData一直做的比较好，肯定有很丰富的经验可以分享给大家？

崔晓波：其实，大数据不会单独存在，肯定附着在场景和产品本身才会更有价值。TalkingData赶在了比较好的时候，我们本身是一家年轻的公司，到目前只有4年的时间，但这4年基本赶上了移动互联网的高速成长，最开始给很多移动开发者、应用开发者提供数据工具，比如最早的滴滴、唯品会、聚美都使用我们的工具，现在他们长大了，成为独角兽，这个过程我们积累了大量的数据资源，也丰富完善了自己的产品。

第二点，在前两年，传统互联网巨头也开始使用我们的产品，包括网易、搜狐、360都是我们的客户，我们只是赶上了这个时代，赶上发展浪潮罢了。

数据猿记者：崔总谦虚了，现在是移动互联网比较火的时候，当然也是未来的发展大势，但其实，目前整个PC端体量还是很大，我们有在PC端不想做一些事情吗？

崔晓波：目前为止还是比较专注于移动侧，PC端产品不太多。

数据猿记者：如果说用“放弃”这个词的话您认为合适吗？放弃整个PC端，会不会觉得有点可惜？

崔晓波：这一点我们最纠结的是三年前，PC端那时候比较大，两年前出过报告，移动端上的人时长已经超过PC，三年前移动设备的出货量已经超过PC，对我们创业公司来说，我们更希望是跟着趋势走，我们想还是专注于做移动端，创业公司资源专注度都是有限的。

从今年开始，我们也慢慢开始出一些兼容PC的产品。以前做移动APP统计，大量银行客户用Wap端的统计，还有H5，这其实是混合技术，既可以用在移动设备微信上做追踪，也可以用在PC端监测浏览器，放弃也对，可能是战略性的放弃。

数据猿记者：移动端的大数据体量有多大，五年之内中国市场可以做到多大？

崔晓波：我觉得这需要从三个维度来衡量。

第一，终端数，刚才我们在主会场数据报告上已经展示的比较清晰了，增速已经开始，说明什么呢？移动设备包括移动互联网的人口红利其实已经吃得差不多了，所以这是从设备总量上来看。

第二，数据维度上专业做数据的角度来看，分三个维度，跟设备本身相关，比如说能够表示这是一台什么设备、价位、所使用芯片类型、运营商的网络等等，这一块我们也是发布了一些产品，跟AC尼尔森在两个月前发布一个产品监测设备数据。

第二个维度，大量使用行为，我在使用哪些APP，哪些是活跃包括在里面有很重要的转化率，这部分数据还是在迅猛增长，我觉得在未来几年，每年按照两倍增长，我们现在数据来看是一个两倍速度递增，从数据量上看。

第三个维度，我们叫情景数据，表示这个人所处场景，移动设备里面本身有很多传感器，包括位置，不管基于GPS的位置，还是室内的位置，表示你经常去的商店，一些各种各样的设施，所以这是一种信息。另外一种对你的位置加上时间再加上POI反映你的生活习惯，你处在同样位置里面，你的动作也是不一样的。举个例子，上班途中和你下班途中表示两个意思，这是一种情景数据。这部分数据是以几何基数爆发，这种量变会引起质变，大量引起情景数据产生。

数据猿记者：其实往大了说，移动设备不只是手机还有很多别的设备，比如手环，TalkingData还会尝试哪些移动设备？

崔晓波：目前我们已经覆盖了26亿独立的移动智能设备，里面包括手机、平板、智能电视和手环，关心我们的朋友应该会在去年年底看到我们有一个报告，Apple Watch，我们对智能设备有产品，做数据追踪和监测。未来我们觉得肯定是我们重点研究方向，但目前为止，还没有形成一个规模性的市场，从我们角度看。智能电视是例外，智能电视去年增长非常快，而智能电视它的商业模式可能比我们预想成熟还要快，因为它的广告体量已经非常大了。

数据猿记者：在大数据领域，TalkingData经常会被很多同行模仿。您可以给大家透露一下TalkingData未来的发展重点么？会在哪些领域有比较大的投入？

崔晓波：我们是这么看的，首先我们认为整个大数据在中国各个行业的应用是处于一个非常早期的阶段。如果我们把数据整个看成是一个生意的话，整个链条有三个角色存在。

第一，真正应用使用数据的客户；

第二，数据供给方，我拥有大量数据，比如说银联、运营商、其它的厂商，所以中间会有平台厂商；

第三方面，目前我们看，绝大部分行业还处于一个寻找数据应用场景，不管是在金融领域比如征信、精算模型、零售快销里面投资决策、精准营销等等，总体在试点试错的过程，并没有很成熟，所以我们觉得未来两到三年之内还是这样的过程。

从TalkingData角度来看，我们投更多的资源还是在于如何帮助传统行业客户利用大数据去做转型，包括优化自己的业务流程，包括增强自己移动互联网侧数据采集以及整个数据管理能力，这依然是我们未来几年内的重点。

数据猿记者：很多传统客户自己手上也有数据，但常会遇到不知道手上的数据怎么用，也不知道如何把这些数据分享出去的问题。从我们TalkingData的经验跟观察来看，行业中的人是怎么来解决这个问题？

崔晓波：数据运用方面我们做的项目比较多。第一把数据分成两种，第一种叫第一方数据，第一方数据就是客户自己数据；第二类是第三方数据，别人能够补充或者帮它完善的一部分数据。但我觉得不管从国内还是国外大数据应用案例里面其实都证明这一点。第一方的数据更有价值，客户自己的数据会更有价值，真正反映它的业务情况，它的消费者怎么使用它的服务，所以这部分数据是更需要首先去管理起来的。

所以像TalkingData，我们会有三个团队在客户端工作，第一个团队就是我们的数据咨询团队，我们进到行业客户或者企业，我们发现很多行业对大数据对DT数据科技的应用是没有规划的，那时候有一个团队制定他两到三年之内数据计划是什么？未来做哪些系统管理自己的数据，系统关系是什么。

第二部分是梳理业务流程，确定它的数据指标和标准，比如它的一些关键性的指标是怎么定义，比如说七日留存率、绑卡率、不良资产率，这要做一个标准和规范，在数据驱动组织内部会产生混淆，标准化工作是一块，这是第一个团队，这个团队被很多金融企业叫数据麦肯锡，帮它做规划。

第二，工程部分，我们叫领域工程师，规划好了，但是数据怎么实施我们有一个团队进去帮它实施应用TalkingData的数据产品。比如说DMP，数据管理平台，去管理它第一方的数据，帮它做用户分群、人群洞察以及人群追踪活动等等。

第三个团队是数据科学家团队，他们更擅长数学、算法、模型方面。比如我要用算法找潜在客户，我要建立比较精确的风控模型，这都是领域科学家，数学团队跟他们在一块工作。我们大部分核心客户里面有三个团队有机整合在一起工作，所以这是目前我们帮助客户去实施第一方数据范畴。

第三方数据客户也经常会提，我的数据可能是不够的，我希望去从其它数据源采买数据。目前，在线下有很多，是私有的数据交换网络，目前我觉得还不是很成熟，原因没有解决数据价值认定和定价的问题，所以这是我们看到的情况。

数据猿记者：现在整个大数据行业的发展还处于早期阶段，这个时候就开始谈数据交易问题，在您看来是不是为时过早，尤其现在很多的交易所还在对外宣称我们单笔数据交易就能达到几千万级，您看呢？

崔晓波：首先我觉得是这样，我们可以从其它领域的发展规律看一看，特别是整个互联网商业模式的存在，需要两个基本变量。第一个我们叫流量，所有互联网企业都会说我经营流量，我有足够的用户上来，我如何把它变现。另外一部分是你手里有愿意买单的用户，无论买搜索关键字还是买别的东西，有一批客户给他付费，这是互联网商业模型最核心的两环。

所以你看传统的在互联网走通的数据模型，不管是电商、游戏、广告都占到一环，或者我拥有流量或者我有客户，既拥有流量又有客户是闭环。如果数据是商品的话是类似的。

第一，有愿意给数据买单的客户这是在逐渐形成中；

第二，你有足够大的数据体量。

这两个我们觉得有可能过渡成一个模型，孤立的话就比较难，缺乏客户又缺乏数据流量，你只想借力打力在目前互联网没有做成的平台，还得靠一段，最终形成模型规律。

另外有现实困难，我们有合作伙伴就是数据交易所，绝大部分在美国运营也不是特别成功，究其原因最核心有两个问题，数据定价模型还是有问题。在美国首屈一指的大数据平台流量非常大，每天有大量数据流量会经过，它其实不怎么赚钱，也被巨头收购了。我们跟他的CEO聊过很长时间，我认为他们采用的是一种固定定价模型，比如说我使用这个数据，一千次我给你多少钱，可能我的数据维度是非常多有几万个数据标签在里面，但这种模型一定会造成数据贬值，这是一种通货膨胀。所以后来大家都认为，你中间数据交易平台能成立，得有一种动态定价机制，用竞价方式更合适一点。

你上来，在没有明确数据的应用之前，你会有很低的价格竞价，证明数据有价值，价格会飙升，这是唯一一个让数据平台盈利的方式，这是我们的一些看法。我觉得现在是有一些想做交易的平台，要么他们过于简单，他们的交易模型过于简单，再一个违背商业规律，你会发现所有交易所不赚钱，它不可能赚很多钱，要靠其它增值服务其它东西赚钱，你指望你做一个交易平台能够收到交易佣金在大数据领域早期还是非常难的，可能需要经过很长时间的试错才能找到比较稳定的商业模型。

数据猿记者：您刚刚提到用动态定价的方式实现数据交易会有比较好的效果，现在很多企业也在探讨动态定价的问题，怎样根据用户不同的需求去给他们定价，比如说同一份数据卖给A是一千万美元卖给B就是两千万美元，数据是同样的。这个方式也类似于广告领域的DSP？

崔晓波：对，有点类似，广告领域因为它是广告位或者广告展示机会是一种稀缺资源。如果被一个客户拿到，你拿到别人也能拿到，这跟数据是有区别的，你如何保证数据唯一，这是数据竞价的基础，这需要行业努力，保证数据不是被滥用，它还得是一种稀缺资源。从我们自己的角度来看是愿意把数据分类，数据不能简单说一份卖几份，我们可以把数据分成比如说用户属性数据或者是静态数据，描述你这个人是什么样的人，是男是女多大年纪，职业等等这些。另外叫数据，我们研究表明，profile数据是没有价值，数据提供商很尴尬，越卖越少找不到重复使用场景，我们认为这类数据挺难售卖的，我们认为数据竞价平台是免费的，是数据提供方本身拥有独特服务，情景数据是竞价。举个例子，我们俩处于国家会议中心的会议现场，这就是一种情景，或者我在一个餐厅里吃饭这是一种情景，这是可以竞价，它符合竞价标准和原则，我们的一些基础想法在里面。

数据猿记者：您认为这样的情况什么时候可以实现，在中国，比如说在五年或者几年之内是可以实现的？

崔晓波：秩序还是这样，首先在需求方找到数据应用场景，他明确这个数据会给他的业务带来提升，部分证明数据有价值的情况底下就会倒推，金融客户里面产生采买第三方数据。比如银行，需要理财应用、信用卡应用数据是要的，增加竞争能力、精准推销理财渠道。目前还是处于低层次的交换，两边对双方当日的活跃用户做一个匹配，可能你一千万两千万活跃匹配200万，就这200万的人群进行数据交换，无法真正做一个等价交换，只是说OK，很粗的就这些人交换。目前成熟之内是两到三年，行业应用数据场景落地，证明有价值，有边际效应采用第三方数据，我估计需要三年的时间。原因是什么？很简单，中国在很多领域跟美国的差距就是两到三年，现在美国其实从去年开始，我们叫第二方数据交换，出现了大量的信用卡公司跟电商、旅游网站大量交换数据，美国也是去年开始，中国可能会滞后两到三年。

数据猿记者：这个速度已经很快了，我们TalkingData有想法说未来也介入交易市场吗？

崔晓波：我们觉得介入交易的这个市场可能性是有，但可能性不是特别大，原因是什么呢？因为在这个市场里面每个角色都是挺有自己定位，利益是互相矛盾的。你如果做交易市场，本质上你是个裁判，如果你去帮助所谓需求方去做东西，你代表是它的利益，因为它需求方跟供给方是一个博弈关系。所以如果是要进入这个市场，意味着你要放弃其它利益，从这个定位上是这样看的。但是有一种可能，我们也有可能进入这个领域，原因是什么？就和我们进入这边道理是一样，长期领域不往前走，那时我们先跳进来推进一把，如果整个领域成熟或者进入红海领域我们会退掉，进入另外一个领域，愿意跟这个领域所谓的合作伙伴去合作。今年有很多，有竞争关系的平台跟我们购买数据源，是一个共赢关系。

数据猿记者：我们TalkingData的盈利模式是什么？

崔晓波：目前为止，首先我们已经是一个盈利公司，传统企业体量还是挺大，金融领域是几十万亿市场，后来进入地产领域也是7万亿到8万亿市场，后来我们才进入零售、快销，这些领域赚钱挺容易。我们提供产品服务有几类，有点像IBM、甲骨文的产品，在这之上有大量的服务产生，像咨询服务，再往上跨域，大数据会告诉很多行业，自己注意不到的东西，比如说去年DODA做营销，今年帮航旅的营销，这是数据增值部分，大概这三类。

数据猿记者：今天谢谢崔总接受我们数据猿的采访，谢谢。

崔晓波：谢谢！ 

来源：数据猿（www.datayuan.cn）