點擊上方“i黑馬”，選擇“置頂公眾號”
黑馬智庫，創業必讀
更多創業內容請訪問www.iheima.com
作者 | 李夜
採訪 | 竇悅怡
今年上半年，一系列數據洩露、隱私的事件引發大眾關注。
其中，最引人關注的是臉書5000萬用戶數據“失竊”事件。它被媒體稱為臉書最大的用戶數據洩露事件。利起復又生。當被利益找上門時，數據洩露或將再次出現。
“數據洩露的根本原因是數字變成了資產，數據價值變大導致的。”紅點創投中國基金（以下簡稱“紅點中國“）合夥人張涵告訴i黑馬&B2B圈。張涵是眾多明星項目的推動者。這些項目包梆梆安全、雲杉科技、芯盾安全、XSKY星辰天合、青藤雲安全、LinkedSee、靈犀科技等。
“數據資產化，意味著所有的東西都線上化了。互聯網產生數據，這些數據構成了一個數據社會。在數據社會里，數據的價值越來越高。人們對數據有合法的、非法的需求。數據洩露是非法的，合法的則是用立法的方式去規範數據怎麼去用。”
遺憾的是目前並沒有規避數據洩露的方式。張涵說，“數據洩露跟安全技術和風控技術相關。目前，安全技術迭代更新的速度越來越快。每出一個新技術，市場都會把新技術應用起來。
但新技術難免會有漏洞或者不成熟的地方，這是弱點。那些靠盜竊數據斂財的人，發現了這些弱點，就會立即攻擊。數據便洩露了。你要麼完全不迭代技術，但技術的輪子一旦轉動起來，就停不下來。從這個角度來看，數據洩露不可避免。”
數據資產化是一個循序漸進的過程
前文提到了數據資產化。張涵認為，數據資產化，去掉“化”，就是企業的數據資產；添上“化”，數據資產便可以流通、交易。
但流通和交易，要建立在合法的前提下。張涵覺得數據資產化背後的數據交易市場，需要“花很長時間才能形成”。數據資產屬於不同的企業或者其它市場主體，不同的企業難以把所有的數據集中放到一個“安全的、合法的數據平臺”上。即便企業拿出了數據，也是非核心數據。“還得考慮這些非核心數據的應用場景，才能把數據連通起來，才會有人願意買。”
他還提到企業間的數據協作，也是一個循序漸進的過程。“首先是企業和企業在一些商業層面的合作起來之後，數據通用化之後，會形成一個統一市場。但企業間的合作牽涉到商業信任問題。目前，同業協同還處於早期階段，合作的方式只停留在淺層次，比如共享黑名單等。異業協同，也是如此，需要靠一些技術公司或核心企業做背書，才能夠在行業裡面推行開來。比如數瀾和萬科的合作，由於萬科的強背書，它才能夠打進入地產行業。
無論是數據交易市場還是企業間的數據協作，背後都是技術推動。張涵表示，在互聯網產生之前，沒有那麼多的數據產生。互聯網特別是移動互聯網產生之後，雲計算等技術滲透到很多傳統行業，“這才形成了一個採集大量數據的基礎。”
隨著技術的完善，從2018年年初開始，神策、永洪等大數據企業開始從產品向服務延伸。張涵認為這是一個正常現象。“客戶不一定能夠用好這些公司的產品，他們不知道如何建模或者怎麼跟自己的業務結合，這個時候，服務的需求就產生了。否則的話，產品根本賣不出去。”
張涵覺得這不是一件新鮮事，只是這些大數據企業原有業務的正常延續。“它們之前做的就是產品加服務，為客戶做了很多定製化的產品。定製化，本身就是為企業量身打造的一種服務。系統做好了，你是不是能用好？你能用好的話，就不用上服務了。否則，就上。”
在他看來，產品和服務相比，服務更高級。而最高級的服務是由機器來做的。“什麼叫SaaS呢？Software as a Service。由機器來做服務是最高級的。機器做不了的服務，由人來做。所以最高級的服務由機器來做。其次是產品，第三則是以人的服務為主，包括定製化的產品或服務。”
大數據落地還處於早期階段
目前，大數據和傳統行業的結合還處於早期階段。但結合是大數據行業發展的趨勢之一，就好像大數據企業業務的多元化，開始從產品向服務延伸。
行業不同，落地的速度和程度，也參差不齊。其中，互聯網行業的落地速度最快。基本上，一、二線互聯網公司都建有自己的大數據系統，有相應的分析方法，業務也提取於大數據系統。金融行業，尤其是銀行業，業務數據量、用戶量非常大，在大數據應用方面走得比較靠前。
大數據落地的難點在於通用型產品難以和具體行業的具體業務結合得特別緊密。“通用型產品，很難和業務結合得特別緊密。一旦和業務結合特別緊密，很多情況下，通用型產品就變成定製性產品。那樣的話，產品的落地速度就會大打折扣。”
張涵舉例稱，一個公司接下一個大項目。公司將絕大部分的人力，放到了這個重點項目上。項目期間，它無法接其它項目，只能向後排。“把一個產品賣給所有人同樣的東西，這需要一個過程。但隨著行業逐漸成熟，大家在數據應用方向上，可能趨同。在趨同的過程中，產品化的比例會逐步提高，定製化產品的比例逐漸提升。”
針對不同行業的落地情況，張涵在採訪中做了重點分析。比如政府大數據。政府擁有中國最大的數據源。政府數據的使用首先考慮的是安全性問題。“政府應該把數據給誰，數據怎麼合法地使用，什麼人能夠用，什麼人沒有資質使用？這些問題都需要通過立法手段來去說明和規範。”
工業大數據的落地，也是張涵目前的關注點之一。目前，中國的工業企業的數字化發展差別非常大。某些環節的數字化已經做得很不錯了，但另一些環節的數字化才剛剛起步。“將整個供、產、銷的生產過程數字化，整套鏈條太長了，用互聯網的方式管起來是非常困難的。”再加上很多工業設備由不同的廠商製造，核心設備甚至是進口的，“製造商不同，不同的設備之間各有標準，如何實現設備和設備之間的互聯互通，你需要花費大量的經歷去做接口。”
另外，張涵覺得整條供應鏈的互聯網化，是不是能夠真正地提高效率，還需要驗證。他建議一個環節一個環節的優化，最後形成一個大鏈條，“效果可能會更好一些。”比如用人工智能或機器辨別殘次品，可以提高生產效率。他覺得要先找到企業或者行業特別明顯的痛點，從痛點入手，“比如先啟動一些核心設備，把核心設備的智能化做起來，然後再談聯網之後如何優化工序，要一層一層地去搞。”
從整體來看，張涵認為工業大數據的機會還是很大的。“因為市場往前走，新型消費品和產品需求不斷湧現，新的生產線需要適應新需求，被迫革新。新建立的產線可以和大數據等技術結合，沒有菜單成本。它和20年前的生產線，它們的信息化水平有著天然的區別。”
和政府數據、工業數據不同， “大數據+零售”的落地難點是數字孤島。不同零售業態的管理系統複雜程度不一樣。以服裝行業為例，服裝行業的背後有九大系統。九大系統分別由不同的供應商製作。數據之間很難實現互通。“只要是跨系統間的協作，你想查庫存或者找一個數目，都是非常困難的。這需要一個數據中臺。”一如上文提到的，數據中臺將所有的數據彙總到一箇中間平臺上，所有的數據源在這個平臺上統一。如此，跨系統協作將變得很方便。
張涵還提到了新零售。新零售的本質是零售。他認為即便企業用機器解決一部分人工的成本，實現了部分自動化，仍不可忽視自動化帶來的負面問題。貨損率、誤時率可能提升。這套自動化系統也會導致運營成本的增加。“這是一個交換。最後還是得回來算總帳，算這個經濟模型。”
一個便利店需要10個員工運營，無人便利店2-3個人就夠了。但無人便利店的系統價格昂貴，可能會壞掉，可能會不準。張涵認為在無人便利店還不成熟的情況下，判斷它對與不對都為時尚早。
他也承認，從趨勢來講，這個方向是對的。因為數據成本在下降，帶寬成本在下降，計算能力成本在下降。與此同時，算法在提升。他總結道，“從具體的公司來看，很難說成或不成。從趨勢來看，這個方向應該是對的。具體問題要具體分析，但現在，整體階段偏早。”
在採訪的最後，張涵談到了他目前正在關注的一個大數據細分領域——AI+大數據。他認為AI跟大數據結合得比較緊。他想從應用場景的角度，找到一些大數據應用的機會。
“紅點中國之前投的做底層架構的公司，想從根上去解決原來不能做的問題。投資應用場景，可以和它們做一個有效的補充。我在之前的採訪中也提到，紅點中國的投資策略不是在一條賽道上去賭未來的獨角獸，而是要打造一個To B的生態圈。”
* 本文由i黑馬原創，作者李夜。讓創業不再孤獨，提升普通創業者的成功率，歡迎關注i黑馬。
i黑馬，讓創業者不再孤獨。
商務合作：15801105017（微信）
【馬腦】是創業黑馬平臺十年間商業案例精選合集，融合了數萬創業實踐群體的智慧。點擊小程序可訂閱【馬腦】：
閱讀更多 i黑馬 的文章
