近两三年，笔者有幸能够站在时代的浪尖参与大数据产业赋能的探索与实践。由于服务客户是某电信运营商，归根结底，其核心能力主要包含两块：洞察和触达。其中触达是各行业强需求，所以变现难度低、起效快。相比之下，洞察服务变现之路却很艰辛。

一、大数据变现产业途径

大数据产业如何变现？很重要的一步是我们要了解大数据产业链。理解了大数据产业链，企业才能知道在整个产业链当中我在哪里？我的客户在哪里？我离我的客户有几步？如何才能缩短我和客户的距离？从供需的角度来看，整个大数据产业链分为有数据的人、有技术的人和用数据的人三部分，大数据变现就是要把“数据和洞察挖掘能力转换成服务”，为使用者带来增值。

总体来看，大数据产业链包括数据采集和整合、数据存储和运算、数据分析和挖掘以及数据应用和消费四个部分。其中，笔者侧重于数据分析和挖掘以及数据应用和消费部分，主要通过产品的方式进行外部行业赋能，注意这里面的产品包含应用、平台、接口、报告等。

二、变现开始的哄抢期

随着移动互联网的发展，除基本通信外，越来越多的社交、金融、零售、交通、办公等应用依托于手机和通信网络完成，通信运营商掌握大量的个人数据和群体数据。伴随着整个国家发展战略的规划，电信运营商积极响应国家号召，发挥自身优势应对挑战，推动大数据应用服务社会。

根据国务院发布的《促进大数据发展行动纲要》，大数据应用有五大方向，包括社会治理、经济运行、民生服务、创新驱动、产业发展。根据行业特点，电信运营商在十大行业16项大数据应用可行性较高。

所以，笔者所在的项目基于运营商的数据相继搭建了商业辅助选址、综合体运营辅助等应用，产品推出之后，引起了运营商集团高度重视，同时其中的商业辅助选址产品还曾代表集团在2018年数博会做展示。另外各地产咨询公司、综合体、大型连锁店等企业也纷纷展开合作，运营商数据成为各个企业数字化决策的补充点。

三、变现期间的疲劳期

商务沟通有一个很大的忌讳点，就是空对空去谈，最好有一个摆出来的东西，双方依据这个进行沟通交流。同样的，变现离不开与外部客户进行商务沟通，由于合作双方均对于对方的业务理解不是特别到位，如何碰撞出合作的火花？

这就需要电信运营商摆出可视的产品，针对电信运营商能力进行展现，同时辅以相应的行业理解，进而争取深入合作的机会。理想中的状态是双方不断地完善既有的产品，但是现实中的情况远非如此。

笔者总结分为如下几种类型：

1. 对方是咨询公司，由于背靠品牌以及深入的行业理解，咨询公司报告所提供的数据较为丰富，运营商数据仅为其中的一块，所以咨询公司一般合作都是基于运营商现有的数据输出相应的指标统计值，后续咨询公司如何使用无法知晓。同时涉及商业知识，一般咨询公司关于所需指标的业务背景和目的不会告知，造成现有人员只能进行数据准备，做一个取数机器人。
2. 对方是综合体运营人员，由于面向的较多都是底层的或是单个综合体的负责人员，工作的方向是任务为导向，所以需求很多来自于上层或集团统一要求进行汇报的时候，他们对于产品兴趣不大，合作后提供的仅仅就是一个洞察报告。
3. 对方是综合体高层，由于目前市场上综合体运营辅助产品层出不穷，特别是伴随着新零售理念的提出，综合体高层接触的同类型产品较多，本身作为电信运营商对于综合体业务理解深度不足，另外商场高层也希望能够和行业资深人士合作，就会造成高层对于现有产品以及合作欲望大大降低。
4. 对方是产品服务公司，很多行业理解较深的人员都会生产产品去服务综合体，但是往往他们最缺的是数据，为了增加自身产品的竞争力，会想尽办法去汇集数据，所以合作的方式仅仅是API接口。

另外，还有一些情况，如有些合作公司会针对产品提出各种改进意见，但是预算较少，最终导致产品改进迟迟进行不了。

四、变现期间的转折期

依靠现有的资源和行业认知，深入进行大数据洞察服务是远远不够的。但是变现之路依旧需要进行，如何转变这种局势呢？

首先，回归最本质的产品链，如上述所说大数据产业链包括数据采集和整合、数据存储和运算、数据分析和挖掘以及数据应用和消费四个部分，电信运营商应该是数据采集整合和存储运算的一环，所以优先要考虑的是数据能力如何快速的进行输出。

综合考虑如何快速输出数据能力的方式，笔者认为分为如下几种：

1. 快速生成统计结果。很多时候我们在撰写相关数据报告的时候，过程时间主要消耗在业务人员与取数人员的沟通以及跑数的等待中，如果能够让业务人员甚至外部客户手工进行相应指标的获取，并且出数时间飞快，那么相应的报告支撑成本就会大大降低，目前笔者项目中已经完成了具备该功能的工具开发。
2. 快速组装API。不论是支撑外部应用还是内部应用，如果相应数据需求能够通过API提供，那么开发效率将会大大提升，笔者项目中的赋能平台就是这个定位。3、快速生成DashBoard。数据服务很多时候需要可视化产品进行展示，抽象起来之前做的商业辅助选址以及商圈运营产品均为DashBoard，所以如果能够有相应工具，通过图表组件进行拼装生成DashBoard，访问相应生成地址即可访问，那么关于行业洞察将会灵活许多，目前笔者正在规划设计此工具平台。

但是，如果需要能够满足以上的目标，还需要注意如下事项：

1. 数据一致性。不论各种应用所使用的数据均为一份，这样才能保证产品内部之间的关联和一致；
2. 能力标准性。只有综合抽象分析洞察需求，才能通过能力的组装满足相应行业场景洞察需求；
3. 日志完善性。通过日志能够很好地分析相应服务的调用情况，从而侧面了解服务的应用频次和重要性；
4. 运营留心性。虽然目前通过简单的数据能力输出能够快速应对相应行业场景洞察诉求，但是我们的目标不仅仅就是满足需求，而是通过输送的数据认知我们的数据到底能干嘛，如何行业赋能，这样才能够更好地辅助各行业进行相应数字化决策。

结语

大数据变现之路真的是任重而道远，如何产生持续性价值更是难上加难，没有既定的方案，只有一步一个脚印的思考和实践。以上就是笔者关于目前项目大数据洞察服务变现道路历程的思考总结，部分内容可能由于自身认知和表述不完善，还请各位沟通交流。

作者：于振国

本文由 @于振国 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议