首家大数据培训挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

财务官、投资人、CIO看过来:给企业数据定价

于2017-04-01由小牛君创建

分享到:


数据定价

我们都知道,其实数据是有价值的。如果没有数据,企业恐怕都不能正常运转。但是,数据究竟价值几何呢?随着企业的首席执行官意识到数据是公司的一项资产,并将它作为收益的一个新的来源,首席执行官开始向首席信息官了解有关其企业数据的实际营收潜力。假如首席信息官[注]的回答模糊不清,非常片面的话,那么他本人在首席执行官眼里的价值可能也会大打折扣。

专利、商标和其他形式的知识产权在企业的金融分析报告中已被算作是企业的无形资产,但这些无形资产所占的比例还只是一个估值,因为这些数据信息还存在很多不确定因素。由于目前还没有标准的方法或者计算流程来估算数据的价值,因此企业得出的数据价值的报告也很片面。

Gartner研究信息经济的分析师Doug Laney说:“如果一个企业觉得其办公室的硬件设施比其信息资产更有重要、更有价值的话,这是一件令人感到沮丧的事。首席信息官们一般忙于处理企业应用和基础设施等问题,或是为业务部门提供一些新的资源,很少有人会想到去循环利用这些信息资源和数据。”

现在企业高管需要明确他们的工作。企业供应链总监要了解其工厂的价值,企业首席财务官需知晓其企业负债和现金资产情况,企业首席执行官要掌握其企业股票每日的收盘价格,而首席信息官则需要知道 “信息”的价值。

美国斯坦福大学讲师Andreas Weigend表示:“如果你做到了这些,那么你将成为一个真正的策略者。”Andreas Weigend同时也是Lufthansa(德国汉莎航空公司)、万事达信用卡公司(MasterCard)和United HealthCare公司的客户行为研究和数据价值顾问。Weigend强调,企业的首席信息官要有好奇心,对企业的信息资源要敏感。企业信息是一个有竞争力的资产,首席信息官不仅要开发企业的信息资源,同时也要确保其企业信息的安全。这是企业首席信息官应分内的工作,同时也可以为老板了解企业内部风险状况提供信息,还可以在老板想要奖励那些利用内部数据创造出新产品和服务的员工提供建议。

现在就让我们来看看怎样开始着手做这些事情。

数据是一种无形的资产

20世纪30年代,刚刚成立的美国证券交易委员会(Securities and Exchange Commission)要求上市公司定期作成本分析和利润所得报告,这些上市公司大部分的资产是一些机器、厂房、建筑和土地,这些资产评估也是非常简单、直截了当。如今,许多公司的重要资产相对来说比较抽象,其中包括专利、版权和公司品牌。

逐渐地,一个企业大部分有价值的资产都在其数据库中,同时企业利用秘密算法来精简或整合数据,为企业的发展带来新的观点和想法。像Acxiom、Equifax和Dun and Bradstreet等公司仅仅是买卖数据信息,而不是分析和利用,这对于企业的发展并不会带来太大帮助。但是如今,这些企业已经开始意识到这些数据信息的价值——不管什么样信息都能在市场发挥它的价值和作用。

过去,通常都是技术或数据主管为首席执行官提供历史数据,这样首席执行官就能从这些数据中洞悉市场趋势。然而Dun and Bradstreet公司的全球首席数据和分析官Paul Ballew却表示:“针对目前的形式,这么做似乎并不怎么好,我们应该利用企业的数据一起探讨开发企业新的业务。”

Gartner的Laney指出,各个行业的高管一般都会过高估计他们对于数据价值的衡量。Gartner最近的一项针对410名企业高管的调查显示,四分之一的受访者表示其企业计算的信息资产价值和其资产负载表上的一样准确。

三分之一的受访者表示他们会衡量每一种信息产生的收益,同时有近四分之一的受访者表示他们对其信息资产进行了分类和定义。但是Laney却指出:“这一调查结果与现实情况严重不符。”

通过对客户采访和持续调查,Laney估计有不到5%的企业会计算其企业的数据价值,衡量数据为企业带来的利益,或者存储其企业的数据信息。如果你想要企业的数据价值保持持续增长,那么你还需要了解它最初的价值,然后持续评估企业中最重要的数据,来查看这些数据是否准确、新鲜、独特、完整和相关,以重新计算企业的数据价值。

如果企业的首席信息官没有做这些事情的话,那么企业中的其他人也可以去做。也就是说,首席数据官(CDO)和其他高管也肩负着发展企业数据策略的责任。美国家庭保险公司(American Family Insurance)企业数据管理总监Aditya Kongara指出,几年前,企业的首席数据官(如果企业中有这么个职位)向IT主管[注]汇报工作,而现在他们还需向首席运营官、首席财务官或其他非IT主管汇报。

Kongara在数据管理领域有13年的从业经验,其中也包括他曾在Capital One and Discover Financial Services公司担任高管。在他工作的初期,他主要向IT主管汇报工作,而现在他向企业的首席风险官(CRO)汇报。

Kongara说:“我并不认为首席信息官能成为企业新业务和新收益的驱动者,IT部门就像是数据的管家——产生数据、存储数据,同时确保数据的安全。但是谁又是真正使用这些数据,并制定决策的人呢?答案应该是业务部门。”

绝对价值

一些数据专家指出,当人们评估出一部分数据的价值,但是却遭到其他人质疑或反对,这可能会打击到他们。在很多情况下,数据的确存在着某种内在的价值。企业往往会买卖人口统计资料、消费者心态统计资料、商店销售记录、健康报告和网上浏览记录,这些数据既有个人的,也有企业、组织的,比如,花75.95美元你能获得400万个邮箱地址。

同时,你还可以自己计算出你个人数据的价值。美国金融时报就提供了一个非常方便的在线计算器,可以计算个人数据价值。可能最初每个人的数据只值几美分,但是你可以提升你的价值,比如你现在打算生孩子,那么你的这个信息可能对一些商家有用,因而变得更值钱。

去年,一个非常具有创新精神的研究生在网上出售他自己的数据信息,其中包括他经常浏览的网站、GPS定位和一些其他的上网行为,售价是2美元到200美元不等。这个学生名叫Federico Zannier,通过出售自己的数据,Zannier最终收入了2733美元。

美国国富银行(Wells Fargo)负责数据管理的Bob Schmidt表示,企业数据中的一些独立的数据信息也同样富有价值。2011年,Schmidt和他的同事Jennifer Fisher为其计算数据价值的方法申请了专利,算法的关键在于能够非常有效地计算出数据的价值。

他们使用的一种方法是首先是查看员工或客户使用某一数据的频率,其他的变量还包含数据的准确性、及时性和安全性。

如果没有一个确定的准则来计算数据的价值,那么数据在财务报告中的价值就相当于没有,而财务报告是可以非常直观的体现企业目前所拥有的实际价值。这种做法是不对的,正如Schmidt在专利申请中所提到的:“免费数据”的心理将阻碍企业对高价值数据的投资,也会对企业发展产生不利影响。”

同时Schmidt还指出,国富银行计算数据价值的方式并不是唯一评判信息价值的方法,但是它可以提供一种或多种计算数据价值的方法以解决一些实际问题。今年二月,国富银行聘用了第一个首席数据官,该首席数据官向首席信息官[注]汇报工作。

企业或许并不急于向外界公开其数据信息的价值,数据信息是企业的能力和市场竞争力的来源,因此没有必要向竞争对手透漏。但是,准确定位数据的价值会给企业内部带来一些实际的影响。Forrester研究公司Ed Ferrara指出,企业可以在并购过程中更加准确地定位其价值,IT主管[注]也可以更好地把钱花在数据安全和隐私保护所需的技术和人才方面,以促进企业数据的安全。

。一般来说,首席信息官构建IT系统以支持企业每一个主要的功能部门,包括销售、市场、制造和研发部。然后首席信息官会衡量企业部署的每一个IT系统对企业的销售和收益所做的贡献。

还有一种假设的方式。假设企业的两个数据库出现故障,在这种情况下看企业是否能够达到既定的销售目标,由此可以判断哪种信息能够为企业带来利益。

为了证明安全开支的合理性,首席信息官和首席信息安全官也会评估特定威胁的概率。如果你能够评估出有关特定威胁概率的相关数据,那么你就可以决定企业需要支出多少成本以保护相关资产。

这一套方法虽然并不像一般的会计准则做的那么精准,但是它比目前许多首席信息官做的都要好。

美国新英格兰生物实验室(New England Biolabs)首席信息官Ken Grady正在进行对其公司的数据进行评估,以便弄清楚公司该为其信息资产投哪种类型的保险、投多少保金。但是,Grady说:“也并不是所有的数据信息值得企业投资成本去保护,例如每次例会时播放的幻灯片、培训研讨会上的视频资料和化学物质安全资料单(这些资料单随处可见,而且容易复制)。”在评估过程中,需要将这些普通的信息和那些有价值的信息分开,需要对这些数据非常地了解,同时能够评估哪种类型的数据具有经济价值,哪种数据没有经济价值。

环境也很重要

假如学生Zannier能够说服他的朋友也出售他们的个人信息,那么Zannier也许会赚到更多的钱。然后,购买数据信息的商人还可以购买这些数据——这些学生为什么会具有这样的冒险精神去出售自己的信息的相关研究数据。很多数据专家指出信息并没有绝对的价值,只有当它对于一些决策制定有用的时候它才具有价值,等到决策制定完成它也就没有什么太大价值了。

Hubbard Decision Research(一家专注应用信息经济的咨询公司)创始人Doug Hubbard说:“数据的价值还与一些可能出现的结果或影响有关。”这些影响可以是积极的,也可以是消极的。例如,电影版权,一旦获得许可保护,接下来的几年会为版权所有人创收。但是,如果一份没有受到足够重视、保护得不好的客户名单,一旦丢失,企业最终可能会面临罚款和法律纠纷。

Hubbard表示,企业的首席信息官不仅仅要去衡量信息的价值,还需考虑这些有价值的信息会给哪些决策带来影响,以及这些决策实施可能花费的成本和获得的收益如何。这就是对环境的分析,而不是数据的分析。

根据可能出现的结果来制定决策,这些可能出现的结果要比每个比特的数据重要。如果没有可能出现的结果来做参考,那么数据在决策的制定过程中也可能变得一文不值。Hubbard说:“数据在决策制定过程中的作用在于它可以减少一些不确定因素。”

数据不像是戒指或你收藏的名画,如果被偷了就真的没有了,数据如果被人窃取了,你仍然可以拥有对它的所有权,但是如果别人掌握着你的数据复本,那就会立刻降低或摧毁原版数据的价值。

Pillsbury Winthrop Shaw Pittman律师事务所的Reynold Siemens指出,保险公司制定网络安全政策以赔偿因数据破坏或丢失带来的损失,但是数据价值的本身仍然不是核心的问题。Reynold Siemens是这家事务所的律师,帮助他的客户向保险公司索取赔偿。

Siemens指出,在数据丢失的案件中,除了衡量数据的价值之外,同时还要计算解决这一事件所需的成本,如客户通知、防止数据再次遭到破坏所应用的技术、罚款和法院的判决等。有时候,首席信息官也需要考虑调查这一事件的成本问题,或者考虑重构这些数据(已被破坏的数据)的规模大小。

由于客户通知、技术、罚款等可以用美元来估算,关于安全政策的制定和保险金额的多少都可以通过分析这几方面来确定。但是,数据本身不能被投保,不过企业可以为数据重构或修复的成本购买保险。

去年,美国塔吉特百货(Target)丢失了1.1亿的客户数据信息,给塔吉特造成了巨额损失。在数据遭到破坏的前三个月里,塔吉特公司支出了6100万美元用于发行新的会员卡、检测公司系统、法律事物方面的费用和其他费用。塔吉特还计划支出1亿美元来升级智能芯片卡和信用卡系统,这个系统比销售网点系统能更好地保护客户的数据。

此次的数据丢失事件让塔吉特在重要的假日购物季丧失了市场机会,销量大减,该百货公司的首席财政官John Mulligan向华尔街的分析师透漏,他虽然没有计算这次事件给公司带来的整体影响,但是此次事件绝对可以算是一个典型的负面案例。

目前为止,塔吉特公司收到的保险赔偿金只有4400万美元。

新英格兰生物实验室首席信息官Grady说:“对于数据被破坏或泄露的结果其实很难预测,预测数据泄露的规模和范围可能会涉及一个非常大的范围,从不小心发错邮箱的小问题到类似于塔吉特公司数据泄露这样的大问题,这些未知的情况或结果给数据价值的衡量带来了困难。”

Siemens指出,有时候客户会询问他们是否可以购买保险以保护一些零散的数据或知识产权。一般情况下是不可以的,因为没有办法可以为这些数据或知识产权估价,而且即使有这一程序也极为复杂和深奥,一般保险公司也不愿意签下这样的保单。

数据是一种副产品

随着移动应用、传感器和数据分析等技术逐渐整合产生大量的数据,首席信息官们也有机会研究、讨论这些数据信息如何能够发展成新的产品和服务。

美国麻省理工学院信息系统研究中心的首席研究员Barbara Wixom指出,在这种讨论和研究下产生的新的商业项目与一个新的ERP系统定价完全不同。Wixom正在研究企业如何在数字经济中利用数据赚钱。

Wixom表示,出售数据或者出售基于数据的新产品与企业内容使用这些数据有很大不同。首席信息官[注]不仅要考虑给数据估值和定价,还要考虑包装、客户服务和销售策略,以及从投资到供应商心态等所有的事情都需考虑到。

Forrester的Ferrara指出,事实上数据的本质和那些可见的产品,如肥皂、汽车等是类似的产品,人们不应该把它们区别来看,数据就是在企业正常运转过程中产生的副产品。

Ferrara说:“这就好比一家副食公司加工牛肉、牛排出售,而这一过程中产生的副产品可以用来作为动物饲料一样。”

冰箱里安装的传感器上生成的数据可以帮助制造商改善冰箱的制造流程,还可以卖给维修公司,维修公司可以利用这些数据判断其目标客户的冰箱零件是否会出现故障或坏掉。由首席信息官和其他IT领导组成的数据“创新团队”可利用原始的数据信息,将其转化为一种产品为企业创收。

Hubbard指出,在这个“创新团队”里应该有数据科学家,甚至是首席数据官的加入,以提供及时、全面的数据来支持信息产品的快速发展。

美国家庭保险公司Kongara称数据是可以被生产的,并表示一些数据产品要比其他的产品更具有价值。Kongara工作的一部分就是支持利用不同的业务单元来为企业创造出新的收入来源。

同时,Kongara的数据管理团队还致力于一些持续性的问题,比如找出一种准确的方法来预测客户的永久性价值。保险公司、零售商和消费类产品公司也通过专有的算法整合多种不同的数据,以追求数据为企业带来利益的优势。利用数据促进企业业务发展的结果通常都是企业估计或预测的,这种预测有时准确,有时不准确。

数据的价格

无论是在自由市场,还是地下黑市上,许多不同类型的数据都已有了买卖的价格。

给数据信息定价并不是什么新鲜事,一个经典的案例就是来自股票和期货市场的股票数据。美国佛吉尼亚大学金融教授Robert I. Webb 说:“1905年,经最高法院裁决赋予金融交易所拥有和出售其专有数据的权利,这给金融交易所带来一个巨大的收入来源,这一收入占交易所收益的30%。”

无论通过合法的方式,还是在黑市上,各种各样的个人或企业的数据信息都在交易。下面是在网上快速检索得到的一些数据价格的清单:

  • 个人犯罪记录:13.95美元
  • 美国内科医生的数据库:239.99美元
  • DNA测试数据:99美元
  • 400万个最新电子邮件:75.95美元/周
  • 大型职业棒球赛数据反馈信息:1900美元/月
  • ·消费者邮件列表:2.5美分/记录

虽然上述的数据中的大多数售价并不贵,但是一旦这些数据损坏或丢失,那带来的损失比它的售价要高,据Ponemon研究所估算,每条数据损坏或丢失的平均损失为145美元,如果是上百万的数据量,那么损失不可估量。

目前,一个专门盗取数据的黑市迅速发展起来,被盗的数据中包括塔吉特百货丢失的消费者的信用卡号。据Brian Krebs(从事网络犯罪调查)发布的一篇博客中指出,从塔吉特百货盗取的银行卡号每条能卖到23.62美元到135美元不等。Krebs指出,这些数据的价格视情况的不同而定,这些情况包括开户银行、卡的种类(借记卡或信用卡)、银行卡到期时间和银行卡上的特殊标识(有些卡可以显示具有较高的信用额度,比如白金卡)。

相关阅读:大数据定价:将数据转化为利润的四个步骤

— Mitch Betts

viq:cnw

End.

描微信下面二维码,随时了解大数据最新动向,添加大数据培训,就上小牛学堂官方微信公共帐号dashuju36:

大数据培训,就上小牛学堂