調研 | 李喆 倪賢豪
撰寫 | 倪賢豪
2017年6月1日開始實施的《網絡安全法》對於數據寶來說可謂發展的轉折點。在此之前，數據寶步履維艱，甚至已開始做與數據服務不甚相關的業務以維持企業運轉。而在《網絡安全法》實施後，原來在市面上一度猖獗的拖庫、洗庫、撞庫的現象銷聲匿跡，堅持數據合法合規原則的數據寶迎來了發展的春天。
創建於2016年4月的數據寶是一家國有數據資產運營商。創始人湯寒林認為，企業涉足國有數據，只有明確自身定位方能獲得更好的發展。為此，數據寶主張不擁有數據，專注於為數據資源方和需求方提供更好的增值服務，並確保數據在雙方之間的數據價值流通合法合規。
發展至今，數據寶已與20多個部委、地方政府、國有企業建立了數據合作。基於此，數據寶以提供API接口的方式為消費金融、銀行、共享經濟、物流等行業的客戶進行數據服務。
接入國有數據，為行業客戶提供數據解決方案
為確保數據的合法合規，數據寶會協助數據資源方做好數據清洗和數據脫敏等工作。尤其是數據脫敏方面，因為涉及到用戶數據隱私等問題，數據寶通過在數據資源方的機房周邊設置堡壘機的形式來規避信息洩露等風險。原始數據可推到堡壘機，而堡壘機無權訪問原始系統，如此則確保了數據的脫敏。
從業務模式來看，數據寶為客戶提供的解決方案可分為基礎服務和增值服務兩類。
基礎服務，主要指數據從數據資源方到需求方，並不需要數據寶提供增值服務，而只需將其封裝後以API接口的形式提供即可。
相應地，增值服務則是指數據寶基於客戶的需求為其提供一系列增值服務。比如，共享經濟客戶所需的人臉識別功能，其中包括人像識別比對、身份驗證、駕駛證驗證、犯罪前科驗證等。數據寶不僅會提供相關驗證所需的數據API接口，還會將所涉及的相關功能以部分外包、部分自己研發的形式予以滿足。
目前，數據寶為各行業客戶提供的數據支持主要體現為驗證和評分兩大類。驗證的呈現形式為對客戶每一次查詢反饋諸如“是”或“否”等結果，而評分，則是對所查詢對象的行為按頻次等維度劃分為不同檔位，以所處檔位予以反饋。
比如，將乘客一年內乘坐高鐵次數劃分為A、B、C、D、E五檔，如所查詢對象乘坐高鐵次數在A檔，則以“A檔”為查詢結果反饋給客戶。具體到各行業的落地場景，前者有自然人身份驗證、違法行為驗證等，後者則包括消費能力評級、差旅週期評級等。
以整合外部技術滿足眾多行業的需求，以投資併購打造生態鏈
從目前而論，數據寶所服務的各行業的定製化需求，其技術團隊靠自身實力難以做到盡數滿足。這部分是由於團隊整體偏重營銷屬性，部分也是由於針對各垂直行業的技術人員配備較少的緣故。
對此，數據寶的解決之道是從當下和遠期兩個角度出發。
對於當前的業務發展，數據寶的做法是選擇將增值服務中的行業屬性部分交由外部技術團隊共同完成。
至於遠期的規劃，數據寶的選擇則是是加大對垂直行業的技術公司的投資併購力度，藉此打造上下游生態鏈，成為真正的生態型平臺。
近期，愛分析專訪了數據寶創始人兼CEO湯寒林，以下為部分內容分享。
接入國有數據，致力於成為國有數據資產運營商
愛分析：您之前創業經歷頗為豐富，這對創建數據寶有何助益？
湯寒林：數據寶的成立是我們過往十五年從業的積澱。從03年籌劃創建拓鵬，到後來的雲信留客等，我們的創業與數據息息相關。拓鵬起初做搜索引擎，然後轉向數據庫營銷。雲信留客則是幫助客戶做會員數據管理。這些經歷使我們對數據本身、數據行業的發展有了更深刻的認識，也為我們帶來技術、客源等方面的積累。
愛分析：數據寶的定位是什麼？
湯寒林：我們的定位是國有數據資產運營增值服務商，致力於做數據資產的增值服務。
起初的定位是數據交易。但後來我們認為並不是很準確。因為數據交易容易被理解為數據買賣。事實上數據寶並沒有一條自有數據。我們要求數據資源方不可以將數據出庫。既然數據不出庫，也就不存在數據買賣。
愛分析：目前對接的數據有哪些？和多少單位有數據合作？
湯寒林：主要對接的就是以部委、地方政府及國有企業為代表的國有數據。已經和20多個部委、地方政府、國有企業等有合作。
愛分析：對於數據脫敏，數據寶是怎麼做的？
湯寒林：我們會在數據資源方的機房周邊做一個堡壘機。原始數據可以推到堡壘機，但堡壘機並不能訪問原始數據。對數據加工建模則在堡壘機中完成，從堡壘機中輸出的結果也是脫敏脫密之後的價值，通常是評分和報告。
而在對客戶的反饋上，主要以驗證和評分兩種形式反饋。驗證包括自然人身份驗證等。評分則是以所查詢對象所處檔位作為反饋結果。比如將一年內乘坐高鐵次數分為A、B、C、D、E五檔，如所查詢對象在A檔，則將A檔作為結果予以反饋。
愛分析：數據寶能給客戶提供哪些產品或服務？
湯寒林：客戶提出需求後，我們會以API接口的形式為其提供對應的數據。如客戶需要，我們也會負責為其提供整體解決方案。比如為共享經濟廠商提供整套的刷臉識別解鎖方案。這屬於增值服務範疇。
愛分析：不同客戶的需求也是多樣的，如何解決其中的定製化內容？
湯寒林：我們很難做到對各垂直行業都有經驗積累。因此，對於部分定製化需求，我們會找在該行業內有多年從業經驗的技術團隊一起來做。後續我們也會選擇投資一些垂直領域的有行業經驗的技術公司來打造生態鏈。
愛分析：怎麼處理同一部委或公司的下轄單位間數據未打通帶來的數據服務難題？
湯寒林：我們提供了“一對多”的接口。比如，不同運營商的數據存儲方式也是不同的。聯通和電信採取集成制的方式，而移動則是分不同省市分別存儲。這就給企業帶來了不便。作為一家有手機三要素驗證需求的企業，為使驗證結果更為準確而同時與幾大運營商或其各省市分公司開展數據合作並不現實。這會帶來巨大的資源消耗。
數據寶核心價值便體現在此。我們可以與幾大運營商和其下轄分公司做數據合作。企業通過數據寶“一對多”的數據接口即可滿足手機三要素的驗證需求。
愛分析：關於驗證這一場景，可細分為哪幾類？具體包括哪些字段？
愛分析：戰略層面，數據寶曾有意B2B模式，打造“數據淘寶”，後這一戰略遭遇挫折，具體原因是什麼？
湯寒林：我們在對B2B模式加以探索後，發現其實走下去很艱難，或者說需要巨量資金投入才能走出來。因為一旦企業通過數據寶的平臺接觸後，就會有飛單的問題。比如兩家AR/VR企業，有模型交易的需求，但一旦彼此認識後，就會為了省錢而私下交易，而不是通過平臺付款交易。B2B模式的交易，除非是像淘寶一樣免費使用，不然都會有用戶繞過平臺私下交易的風險。
團隊偏重營銷配置，更多客戶來自消費金融行業
愛分析：目前客戶多來自哪些行業？
湯寒林：消費金融類客戶居多。此外還有諸如銀行、證券、保險、共享經濟、物流等行業的客戶。現在已經拿下了海爾、上海大眾、奇瑞汽車等標杆客戶。
愛分析：收費模式是怎樣的？
湯寒林：常見的收費模式有根據使用數據的次數或數據量、包年收費等。比如每完成一次驗證即行收費。但在具體定價上，由於有的數據並沒有明確的量化計費標準，我們便根據市面上達到同樣效果的替代服務的收費情況報價。
愛分析：單從收費上看，哪類數據收費較高？
湯寒林：市面上沒有大量需求的數據收費比較高。可能有需求的客戶就幾家，我們要為其提供服務就要專門建模、封裝，這會導致單次服務成本很高，價格也就高了。
愛分析：目前團隊規模有多大？分別都是怎麼組成的？
湯寒林：實際的在職員工人數在160人左右，還有300多人的實習生。我們和貴州輕工學院、貴州師範大學等達成了校企合作，幫助培訓大數據人才。具體操作上，我們會安排部門經理在一個月的培訓期裡，為學生們做課程培訓。當然我們也通過這種形式去挖掘優秀的人才。
愛分析：團隊結構如何？
湯寒林：產品研發人員在40多人，負責對接部委的渠道人員40人，銷售40人，後勤管理及客戶服務人員40人。
拒絕外資，注重數據安全，是進入國有數據領域的敲門磚
愛分析：您如何看待《網絡安全法》等法規的出臺對行業的影響？
湯寒林：這是一個很大的利好。在《網絡安全法》出臺前，數據黑產的公司不少，這導致從正規渠道做數據合作的廠商競爭力明顯不如前者。數據寶在《網絡安全法》出臺前也是步履維艱。可以說，《網絡安全法》的頒佈是很多正規廠商業務發展的春天，是整個行業發展的轉折點。
愛分析：除了國有數據，基於其他幾類數據提供服務的廠商也有不少，您認為前景如何？
湯寒林：我將市場上的數據分為三類：
第一，公開數據。這方面更多的是以網絡爬蟲的方式將數據爬取下來。但我們在過往的創業經歷中，發現這類數據有明顯的天花板，比如數據的合法合規問題、隱私保護問題等。而且，我們認為網絡爬蟲並不具備很高的門檻。
第二，企業內部數據。擁有這部分數據的企業並不會將其共享給專門做數據服務的企業。這也是很大的限制。
第三，國有數據。80%的數據都在政府手中，並且國有數據的獲取有一定的門檻，比如對外資的限制等。
綜上來看，我們認為作為創業公司而言，國有數據的天花板限制最少，其他兩類數據對後續業務的限制較多。
愛分析：作為一個國有數據運營商，您認為需具備哪些必要條件？
湯寒林：首先不能是外資背景。數據涉及國家安全，外資的進入是很敏感的。其次是要有國資背景，這樣在獲取數據源等方面更有優勢。最後，數據一定要保證合法合規性。
愛分析：部委等政府單位向企業開放數據合作，有哪些痛點需要企業優先考慮？
湯寒林：一個是數據安全性的問題。從技術安全到商業邏輯的安全如何解決，需要企業有明確的思路和方案。再一個是要有針對各類應用場景的解決方案。部委們開放數據的原因是什麼？我認為在於提升社會治理能力、推進產業升級和確保國有資產增值的考慮。這就要求企業需有針對各類應用場景的切實可行的方案。
愛分析：公司目前是否有新的融資計劃？對融資有什麼要求？
湯寒林：我們目前正在做新一輪融資。數據寶的定位是國有大數據資產運營增值服務商，大數據是涉及國家安全的戰略性資產，我們對投資方的要求是必須是國有背景的投資者。
閱讀更多 愛分析 的文章
