基于数据的商业模式:定义与价值创造方式

数据本身不会自动创造价值。本指南解释数据在何时构成商业模式的核心,如何转化为产品或决策,以及哪些条件使其利用具备正当性与可持续性。

作者 Daniel Sardá · 发表于:

阅读约需 9 分钟1,783 字词

本页内容 · 12 节

一家商店可以查阅其销售数据,以决定采购多少库存。相比之下,一个平台可能依赖使用数据来推荐内容、吸引广告商并维持其收入。两者都使用信息,但数据在其中并不发挥相同的经济功能。

这种差异有助于理解什么是基于数据的商业模式。仅仅拥有数据库、生成统计数据或使用人工智能是不够的。数据必须是价值主张的关键资源:如果没有数据,产品、服务或收入机制将失去其效用中至关重要的一部分。

这也不必然意味着出售个人数据。企业可以通过订阅、许可、佣金、广告、更优的决策或个性化服务来获取价值。核心问题在于另一处:数据如何转化为某种让人愿意为之付费或参与其中的东西?

核心观点: 使用数据来管理企业,并不会自动使数据成为其商业模式的核心。

基于数据的商业模式不等同于数据驱动型企业

数据驱动型组织力求基于证据作出决策。它可以分析成本、衡量结果或预测需求,然而其销售的产品即使没有这些分析也几乎一样存在。在这种情况下,数据改善了业务。

而在基于数据的模式中,信息对于创造或交付价值主张而言是不可或缺的。预测性维护服务需要机器运行记录来预判可能发生的故障。按订阅提供的行业报告依赖于收集、整理和解读信息。推荐系统如果无法将用户偏好与可选方案联系起来,就会失去其主要功用。

两者之间的界限并不总是清晰的。一家企业可能起初使用数据来提高效率,最终发展出独立的基于信息的服务。因此,应当评估的是数据所发挥的经济功能,而不是该组织用来呈现自身的标签。

数据如何转化为价值

孤立的数据很少能成为成品。为了获得效用,数据需要语境、质量、处理过程和具体应用。这一过程可以概括为四个相互关联的环节:

  1. 获取。 数据可以来自自身运营、传感器、交易、用户提供的内容、公开来源或与第三方的协议。
  2. 处理。 对数据进行清洗、组织、整合或分析。在此过程中,技术能力与对具体问题的理解同样重要。
  3. 价值创造。 处理结果有助于作出更合理的决策、减少不确定性、个性化提供服务、协调多方参与者或生成实用信息。
  4. 价值获取。 组织通过付费、订阅、许可、佣金、广告或其他形式获得收入或经济优势。

创造价值与获取价值是两回事。一款免费应用程序可能对用户有用,并通过向广告商收费来获得资金。数字交易市场可以收取佣金,因为它促成了同时让买卖双方获利的对接。生产商可以不销售信息,但通过预先研判其设备的维护需求来节省成本。

这种区分也揭示了潜在的冲突。提供信息的人、接受服务的人以及付费的人可能是不同的人。商业设计必须阐明各方能够获得什么,以及各自的激励机制是什么。

组织此类模式的四种途径

不存在能够涵盖所有情形的单一分类体系。下面的梳理有助于识别常见机制,而同一家企业可以同时结合其中的几种。

数据作为核心投入要素

组织使用数据来产出某种在没有数据的情况下无法以同等水平提供的成果。预测性维护就是一个很好的例子:测量数据转化为警报,有助于避免设备停机中断。客户付费购买的是更知情的决策,而不是数据记录的副本。

转化为产品的数据分析

在这一途径中,数据处理的结果被直接提供出来:一份报告、一项预测、一个指标或一个查询工具。收入可以来自订阅费、许可费或按使用量付费。其价值取决于可靠性、及时性和解读水平,而不仅仅取决于所积累的信息量。

参与者之间的中介连接

某些模式将产生、需要或能够利用特定数据的主体连接起来。企业可以促进数据访问、统一格式、验证数据质量,或降低寻找交易对手的成本。企业可以就协调服务收取佣金或服务费。

居间撮合并不意味着所有信息都必须公开。存在不同程度的访问权限和不同的合同条件。在许多情况下,数字互操作性可以在不取消必要控制措施的前提下促进交换。

个性化与自动化决策

数据使得对可选方案进行排序、推荐内容、调整价格或定制用户体验成为可能。收入可以来自用户、第三方或拥有多类参与群体的市场。这些决策对个人的影响越大,检验数据质量以及纠正错误的可能性就越重要。

核心观点: 将数据变现并不等同于出售数据。很多时候,收费的对象是一项分析、一项决策、一种协调或一项个性化服务。

谁提供、谁决定以及谁承担风险

要理解一个具体的商业模式,有必要超越可见的产品本身进行审视。至少有四种角色可能分配在不同的主体之间:

  • 生成或提供数据的主体;
  • 收集数据并控制其访问权限的主体;
  • 处理数据并得出结论的主体;
  • 获得利益或为此付费的主体。

这一结构有助于发现原本容易被忽视的交换关系。用户可能无需支付金钱即可获得某种工具,但会提供信息和注意力。企业可以购买分析成果,而无需访问原始数据。中介机构即使没有创建该信息,也可以控制访问规则。

这也有助于避免将“数据所有权”当作一种普遍且简单的权利来讨论。访问、复制、迁移、许可、更正或排除第三方,属于不同的权能。其范围取决于信息的类型、合同约定以及适用的法律框架。特别是对元数据的处理,即使不包含通信内容,也可能揭示敏感的行为模式。

潜在益处与现实局限

如果设计得当,这些模式可以减少不确定性、发现需求、协调资源,并创造以往无法实现的产品。数据的复用还使得同一个信息基础能够用于不同的应用,而不会因使用而耗尽。

但更多的数据并不保证更好的结果。不完整的记录、选择性偏差、有缺陷的度量或脱离具体语境的分析,可能会在表面精确的掩盖下导致更糟糕的决策。在没有明确目的的情况下积累信息,还会增加保管成本以及数据泄露所带来的后果。

区分个人数据、汇总数据和匿名数据尤为重要。汇总信息可以降低风险,但并不会自动使其匿名化:通过结合不同的数据集,仍然有可能识别出特定个人。这使得在模式设计之初,就必须考虑安全性、目的性以及个人数据留存。

在欧盟,《通用数据保护条例》不仅规定了目的限制、数据最小化、安全性和问责等原则,还要求处理个人数据必须具有合法依据。同意只是可能的合法依据之一。在适用同意时,同意必须是自由作出、具体、知情且明确的;仅仅勾选一个晦涩难懂的复选框,并不能真正解决当事人自主选择的问题。

此外还存在竞争层面的问题。在某些平台市场中,更多参与者会产生更多数据;这些数据会改进服务,而服务的改进又会吸引新的参与者。这种循环可能对用户有利,但如果相关信息无法复制,或者更换服务提供商的成本高昂,也可能提高市场准入门槛。市场集中本身并不构成滥用行为的证明,但它确实构成了询问是否存在替代方案以及实际准入条件的合理理由。

核心观点: 形式上的同意不能代替真实的理解,而数据汇总本身也无法保证匿名化。

如何评估基于数据的模式

在将一个项目评价为创新,或将其视作榨取性模式而予以否定之前,有必要提出一些具体问题:

  • 核心地位: 数据是支撑了价值主张,还是仅仅改善了一项次要业务?
  • 来源: 数据如何获得?提供数据的主体具有哪些合理的预期?
  • 转化: 什么样的知识、语境或能力将这些数据转化为实用的解决方案?
  • 交换: 每个参与方获得了什么?谁在为此付费?
  • 控制: 谁能够访问、更正、迁移、保留数据或排除第三方?
  • 风险: 谁来承担错误、偏差、泄露或非预期用途所带来的成本?
  • 竞争: 其他主体是否能够提供替代方案,抑或数据闭环封锁了市场?

这些问题并不预设所有的数据变现都是非正当的,也不预设存在唯一的监管应对方案。自愿交换与创新可以带来显著的益处。然而,只有在条件易于理解、存在有效控制并且具备合理的替代方案时,选择才具有实际意义。

数据不能取代判断

基于数据的商业模式将相关信息转化为他人认为有用的决策、产品或协调机制时,便创造了价值。它的可持续性并不取决于尽可能多地积累数据,而取决于协调各方激励:明确说明获取了什么、为参与者提供价值、保护参与者免受可预见的风险,并为竞争保留空间。

决定性的检验标准不在于一个组织拥有多少数据,而在于它用这些数据做什么、为谁做以及依据什么规则去做。这种视角有助于将运营层面的改善与真正的基于数据的商业模式区分开来,同时也能够将具有价值的创新与单纯的信息提取区分开来。

参考文献与推荐阅读

关于作者

Daniel Sardá 是 SEO 专家兼 Libertatis Venezuela 编辑。他从独立、非党派的视角撰写有关自由主义、政治经济学、制度、宣传和个人自由的文章。

查看完整资料