作为大数据企业的员工，如何理解数据创造价值，如何实现数据创造价值，都是我们每个人要思考的问题。我们有一部分人熟悉业务场景，有一部分人精通数据处理技术，但目前还是没有很好的融合，希望大家通过这篇文章真正的融合到大数据转型中来！
这是一篇行业“清醒文”，作者多大数据变现有着清醒的认识，并结合自己的实践经验进行阐述。同时，这也是一篇“退烧文”，是给高举高打大数据概念的现象来了一剂退烧针。再者，这是一篇把大数据和商业进行结合的“理智文”，大数据处理技术固然重要，但更重要的是找到商业模式，形成数据闭环。文章把数据价值从“发现规律”到“产生聚变”，最后到形成“核变”的过程进行了梳理。到底是要走情怀路线还是商业路线，值得行业人员细细思考。如果您的公司在做大数据，相信你会找到共鸣。
近来看很多人都在谈大数据变现的事情，大家都分享了在各行各业，用大数据赚到钱的招数。相信随着大数据在各行各业的深入，还会有更多人分享出更多精彩的案例。
数据的价值与体现
数据是有价值的，如果在一年以前很多人会质疑这个观点，但我相信现在更多的人支持这个观点。数据都是有价值的，不同质量的数据，不同的价值，数据的价值是客观存在的。
数据不是凭空而来的，数据是一个场景，一个业务，一个应用产生而来。所以数据的价值是它产生的环境，过程的独特属性而赋予的。数据可以有很多属性，就我们所知，可以有金融属性，也可以是任何一个领域的独特属性。正是这些具有不同属性的数据，造成了数据价值，应用层面的差异化。
举个例子，什么是具有金融属性的数据，比方说你的每月收入，你的信用卡消费，你的网购消费，你的房贷、车贷等等，都形成了你的金融属性数据。金融属性的数据产生的过程离钱最近，也最有价值。它直接可以利用为征信，乃至金融风控。
同样，你每天上网看信息、社交，听歌，打游戏，搜索，看视频等等，都会产生很多行为、偏好和社交属性的数据。通过这些属性就可以勾勒出一个人的用户画像。
我们再来看数据的变现。数据的变现，就是把这些不同属性的数据再次应用到场景（当然更多地还是新场景，跨域关联可能产生更高的价值）中去，体现新价值的过程。变现，是一种能力，也是提升数据价值的基础。没有变现的能力，提升数据价值就是空谈。如何更好地提升数据价值那就更是天方夜谭了。为什么多数知名大数据公司对“变现”表现的不像他们对大数据技术本身那样游刃有余？因为这本身就是两种截然不同的能力！
掌握了高深的数据处理技术，与了解应用场景，解决客户的实际问题，并能够进一步将其提炼，包装成业务，是两个完全不同的能力。简而言之，在多数大数据公司里面，并不具备这个能力。没有理由证明有高深的数据处理技术，就一定可以做好变现。相反，我看到的大多都是反面教材！
变现能力，是将技术转化成生产力的能力。很多大数据公司忽略了这个能力，甚至是主观上忽略，看不起变现能力，过于夸大技术驱动市场。这也是目前大数据市场上，很普遍的现象。还有一种情况，是对数据本身知之甚少，介入行业时间短，自然难以变现。
上面两种情况，属于两个目前市场上最常见的两种情况。第一种多为在行业里多年，也确实有比较高深的数据处理技术，但主观上就轻视变现，认为掌握了顶尖的技术，就可以改变世界。我年轻的时候也想过，可惜没成。所以啊，这些公司不是没价值，大数据的发展依然少不了他们的推动，但恐怕就要朝基础科学的阵营里去走了。大数据确实还属于一个前沿科学，真的不是每个大数据技术都可以很好地被应用到市场中来。对于这部分公司，走情怀路线。
第二种情况，还是多历练历练再说吧。要想在一个行业中持续获利，还是先搞懂这个市场再说吧。熟能生巧。
市场上，有一个误区，“之所以在大数据领域赚不到钱，是因为没有掌握高深的数据处理技术”。有时大数据赚钱并不一定需要高深的技术。我们就是用了并不是很高深的处理技术，为很重要的客户提供了数据服务，解决了他们很关键很头疼的问题，创造了很大的价值，并且已经将其包装成具有普适性的，可以推广的业务了。
当然，也不是说数据处理能力不重要。没有足够的数据处理能力，不知道什么数据可以做什么用，即使机会摆在你面前，也是抓不住的。只有拥有了足够的数据处理能力以及丰富的行业经验，能准确地挖掘用户的实际需求，对各类数据有一个全面了解的公司，才可能“举重若轻”。既然可以用简单地办法实现用户的目的，又何必炫技呢？
很多人估计还不是真正清楚为什么要数据挖掘？数据挖掘是揭示人们可能忽视的或者检视人们依靠主观经验判断错误的事物。除了大家已经耳熟能详的啤酒喝尿不湿的关联关系，你能想象出为什么很多客户会同时买一个100元左右的包，再去买一个900多元的包吗？但事实如此。所以数据挖掘是数据价值的第一次提升。数据的世界很精彩！
如果在能够将打通的数据，应用到某种场景当中，产生新的数据，那就会是又一个巨大的飞跃！因为数据的价值是场景的价值决定的，它产生的价值越高，其本身的价值也就越高。
比方说我利用打通的数据解决了用户的一个顽疾，避免了它每笔100元的损失，那么他是否愿意为此支付10元每笔呢？如果是，那么我的数据价值就是10元。
我们再以一个实际的例子去串起来数据价值的改变过程。我们的起点是一些互联网数据的碎片，假设价值为1。经过了清洗、分类、筛选、打通，就成为了5；再经过与其他数据的拼接，就构成了用户画像，那么作为征信生产材料的一部分，被应用到征信场景中来，就可能再次翻倍，成为10。在数据的应用过程中，数据的属性在不断地增加、提炼，最终得以升值。
总之，数据的变现也好，提升数据的价值也好，可以有很多渠道，有很多场景。只要你用心，懂市场，这些都不难找到。大数据虽不是万能的，但没有数据是万万不能的。法无定法，不要过于纠结什么商业模型。大数据即便今天依然是一个新业务，在行业的应用过程中，要尊重市场的规律，以市场为导向，并不是喊喊口号而已。大数据是工具，是一门技术而已，不要将其神话。再好的技术，再好的工具也是为解决问题而来的。
文章源于网络大数据
文章版权归广州市西美信息科技有限公司（Kcomber Inc.)所有，欢迎各媒体及企业与我们联系并转发。如果需转载，请注明来源.
Kcomber Inc.
广州市西美信息科技有限公司（Kcomber Inc.）始创于2001年，总部位于广州，是国际领先的专业化知识管理及平台服务企业，一直致力于为客户提供企业发展综合解决方案，帮助企业做出正确的决策，以适应市场的变迁。目前企业旗下拥有CCM， KCOMDATA， TRANALYSIS，ＶaloTracer等六个子品牌.
