✎導讀
數據市場上逐漸形成三類玩家：第一類是數據源企業，包括數據生產和數據交易企業；第二類是工具，一些BI企業也可以劃分在這個維度裏；第三類是諮詢以及相關服務。“基本上99%能夠分在這三類裏面，”是崔曉波對當下大數據市場的認知。
近年來大數據和人工智能領域正發生深刻的進化，繼2016年橫空出世的阿爾法狗（AlphaGo）擊敗了圍棋世界冠軍李世石後，阿爾法元（AlphaGo Zero）又以100比0的戰績擊敗了阿爾法狗；另一重要事件是2018年3月科技獨角獸Palantir Technologies 獲得美國軍方8.76 億美元合同。
以上事件可以說“數據智能”已經發展到令人驚奇的階段，一方面阿爾法元（AlphaGo Zero）可能證明“智能”正在邁過“數據”的桎梏；另一方面大數據企業贏下大單，也從側面說明“數據智能”已經能夠對現實世界產生重要影響。
回顧2011年TalkingData創始人兼CEO崔曉波決心在大數據領域創業時，彼時對大數據的未來還只是判斷。“那時候最經典的一個討論，我們幾個創始人認爲智能手機就是以後數據最重要的一個點，不僅能夠把線上跟線下的數據打通，而且是歷史上第一次人隨身攜一個測量儀，忠實地記錄人物線上所有的行爲、線下所有的足跡，當時我們都覺得機會來了。”慶幸的是，崔曉波賭對了。
隨後大數據企業也如雨後春筍一般成立起來，在此後發展的過程中，大數據市場上逐漸形成三類玩家：第一類是數據源企業，包括數據生產和數據交易企業；第二類是工具，一些BI企業也可以劃分在這個維度裏；第三類是諮詢以及相關服務。“基本上99%能夠分在這三類裏面，”是崔曉波對當下大數據市場的認知。
經過7年發展，崔曉波希望TalkingData突破傳統的數據源公司、數據軟件公司、諮詢公司模式，以“數據智能服務商”爲定位，基於開放連接的理念構建整合數據產業鏈各方資源的平臺生態。如果簡單一句話解釋TalkingData新商業模式，就是TalkingData希望自己不是上文提到三種模式囊括的99%玩家。
成爲大數據領域1%的玩家，崔曉波在如何思考大數據的未來發展和構建TalkingData的明天？在崔曉波和億歐的交流過程中，他提到兩點認知轉變：
第一是未來數據合作的核心是連接，而不是擁有
在崔曉波看來，數據擁有並不能解決大數據實際應用中的效果問題。比如單純的數據交易不是需求決定的市場行爲，數據交易會造成數據量大但卻缺乏關鍵數據；另一方面是數據來源少，會造成數據偏差，比如對餐廳門店的第二天客流預測，如果有經營數據、財務數據、交通數據，惟獨缺少天氣數據，也會讓預測出來的結果不準確。因此擁有多少數據不重要，關鍵的是能連接多少數據。
但數據因爲涉及隱私保密、安全等緣由，所以數據的交易和流動都是十分謹慎的事情。爲此TalkingData推出SDMK數據智能市場和SmartDP數據智能平臺解決數據的流動和應用的問題。
SDMK數據智能市場接入各渠道數據源，打破各企業間的數據孤島，幫助企業連接更多的數據。SDMK數據智能市場一個非常核心的一個框架是OPAL（Open Algorithms），又名算法開放庫，“這個技術框架的核心是不流動數據，只流動算法。”據悉這個由MIT連接科學研究所發起的項目，TalkingData是唯一一家參與的中國企業，在美國有VISA、IBM、NEC等等也在參與。
同時TalkingData在上面提供數據服務、數據工具、數據模型（預置了300多個在領域裏面驗證的模型）以及數據應用去承載落地，並提供統一計費和計量的模塊。
SmartDP數據智能平臺是爲各方開放提供面向業務場景的數據智能應用與服務。“通過SDMK實現數據聚合還不夠，從數據的準備到自動化特徵工程、模型生產和管理探索、數據目錄的管理等還有很多過程。”SmartDP數據智能平臺正是爲企業快速上線大數據應用而開發的平臺。
SmartDP數據智能平臺還包括知識圖譜和機器學習等算法和模塊，TalkingData可以通過數據一鍵線性迴歸處理數據和模塊拖曳的方式，迅速在企業的模型商店裏面上架應用。
第二是大數據企業應該爲效果負責，成效合作是未來趨勢
這個轉變源於崔曉波去美國參觀全球大數據標的企業Palantir，崔曉波問Palatir的合夥人：“爲什麼你們的客戶願意付那麼多錢？”那個合夥人回答，一會我要去籤一個1億美金的單子，是一家石油採集企業希望利用大數據做地質災害和天氣預測的項目。他們花費半年時間做出的模型，能夠提前20分鐘發出災害預警，幫助油田在災害發生前提前關閉油井，降低的損失是巨大的。“Palatir不是賣軟件不管結果或者出點子的諮詢模式，而是真的爲效果服務，因此客戶願意付出成本。”
崔曉波提到國內企業也正在發生這種需求轉變，“大概2017年，大量的企業過來找我們說，現在有緊迫的轉型升級壓力，真的要把數據用起來了，但是他們最大的疑惑是大數據能不能產生實際效果。”
TalkingData的策略是把客戶分爲幾層：第一層是KA（關鍵客戶），這一部分是可以考慮成效合作，因爲投入的資源也很大，要確保成功率，要考量很多因素。第二類是叫PA，這類主要提供的是標準化產品、標準化服務。第三類是長尾的客戶，是用大量SaaS和DaaS的服務去覆蓋。
目前這種KA客戶在TalkingData內部有10多家，每家的客單價都是千萬元以上。“對KA客戶我們完全傾向於成效合作，如果結果好就多分錢，結果不好可以少要錢，甚至承擔損失，因爲我們覺得這就是未來。”
以TalkingData服務的客戶耐克爲例，耐克是線上和線下獲客比例更佔一半。耐克希望幫助他們提升線上的銷售成績。因此邀請TalkingData從數據系統的搭建、日常運營中怎麼分析數據，如何將數據應用到業務中，甚至到活動的策劃、流量的對接，做出一整套產品方案。“當時我們就提出來，TalkingData可以幫耐克增長線上銷售的比例，並按線上銷售收入的比例分成，他們也同意。這就是非常典型的成效合作。”
在構建好以SDMK數據智能市場和SmartDP數據智能平臺爲基礎的大數據平臺，以及確定未來的商業模式後，崔曉波提到TalkingData會進軍各個垂直領域，目前零售、營銷、金融和智慧城市是TalkingData重點聚焦的數據智能應用領域。同時TalkingData也發佈針對這四個領域的產品，包括聯手騰訊雲發佈的面向線下品牌商的數據智能產品——智選、移動大數據人口統計應用——“統計魔方”、品牌廣告價值分析平臺TalkingData Brand Growth以及TalkingData金融科技產品。
就像SaaS領域對標市值千億美金的Salesforce一樣，國內大數據領域也在尋找誰是對標百億美金估值的“Palatir”。目前超過獨角獸估值的TalkingData，儘管在某些方面學習Palatir，但是我們依舊能發現二者的不同。提出“人本數據”的TalkingData，認爲基於人的統計模型實際上會影響到上面所有的行業和商業，比如TalkingData的智慧城市也是基於人在城市的商業生活展開研究。可以說，TalkingData正在走出一條和而不同的路，未來值得關注。
注：本文源自億歐網