人人有数据，收集起来可以变现

大数据是当下绕不开的一个话题。一个人喜欢吃什么用什么，某个群体喜欢做什么买什么，大数据都能预测。

可见，现代社会，其实人人有数据，千万收集起来加以变现啊。 

然而，在这个似乎数据都比你自己更了解自己的时代，自己的思考就显得尤为重要。 

在非专业人看来，中国很多做大数据的，做广告DMP的公司，追求的是什么？追求的就是Data，追求的就是数量。

这是一个很大的误会，数据量不是最重要的，对数据的盘活，才能发挥价值。

您手头上的数据要如何变现？怎么才能更好的利用这些数据？这些数据到底代表着什么？这些数据的价值究竟在哪里？ 

你也许是大数据爱好者，对互联网广告和数据产品有浓厚的兴趣，希望从事商业产品方向的工作。 

你也许是媒体或个人站长，有大概日UV1000流量的垂直网站、Wap、H5、APP等。除了广告变现，还希望有其他数据变现方式，来提升变现能力。 

对于广告主而言，对精准营销是非常关注的，因此大数据变现方法很多时候除了广告变现外，其实还有一个额外收入，就是对收集的数据资产进行加工成用户标签后，售卖标签。

市场标签价格是1元左右/个，如果是APP移动产品，则购买者直接可应用（如精准营销），如果是PC的网页产品，购买者在应用时只需要进行Mapping就可应用。 

有些聪明的业内人，常常使用DMP工具，去各站点收集或交换数据，从而进行商业变现。 

可以对这些站点进行数据收集，如嵌入数据资产收集的JS代码、SDK或API接口的，从原始日志等其他数据源开始初步加工，应用于不同业务场景。 

按照数据归属，可以分为： 

第一方数据，广告主自有用户数据，包括网站/APP监测数据、CRM数据、电商交易数据等。 

第二方数据，广告商在广告投放过程中积累的业务数据，如DSP平台业务中积累的受众浏览广告、点击广告等相关数据。 

第三方数据，非直接合作方拥有的数据，如运营商数据等。 

按照DMP平台的归属，DMP相应分为第一方DMP、第二方DMP和第三方DMP： 

第一方DMP，指大型广告主自己搭建或者寻找外部技术提供商为自己搭建的内部DMP，用于分析和管理用户数据，为营销环节提供决策支撑和用户数据支撑，广泛应用于电商、游戏、旅游等行业。 

第二方DMP，指广告商搭建的DMP，帮助广告主更好的进行投放，提升效果的同时，加大投放量，间接提升广告主在需求方平台的投放额度。 

第三方DMP，指以数据交易为主要形式的DMP，为需求方提供数据交换、售卖等服务。通常需要对接入DSP后再运用到广告投放中，如果是PC端数据，还涉及DSP与DMP之间需要进行cookie mapping。 

注意：第一方数据≠第一方DMP，第二方数据≠第二方DMP，第三方数据≠第三方DMP。 

很多有技术能力的营销公司开始提出全面将营销SaaS化，将开放进行到底，有很多数据交易平台和营销组件商城出现。

而这些地方都是你数据资产变现和大数据应用的福地，一般一次加工后的标签，放到数据资产平台，可以反复（只需要查询标签ID进行曝光）被购买者使用。 

有按日使用，按查询次数使用，按标签个数等进行使用。 

这些垂直的数据资产，对使用者非常稀缺。

如果一天能收集到UV在1000左右的独立站点数据进行加工，日收入稳定在至少在1500元以上。

随着数据更新，标签可以反复被多人多次使用，增长是成倍数的。 

很多人一直以为数据交易只是纯数据的隐私信息。其实不然，不排除有那种现象，但那样做的风险很大。 

在数据资产交易过程中更多的是用户的行为数据经过处理加工后得到的。

更准确来说，是根据不同应用场景加工所需要的数据。 

理顺了应用场景之后，就可以开始建“数据基础平台”，这个是地基。

用于数据资产的收集，数据资产的管理，最后根据不同业务场景，对加工后的数据进行应用。

这里面可以细分有七层，我们从下往上看，第一层是产品研发，第二层是业务运营监控，第三层包括了客户洞察、体验优化与智能客服，再往上是精细化运营与营销、业务市场传播、业务经营分析，一直到最顶层的战略分析。 

应用场景金字塔的底座“数据基础平台”，这个应用场景非常重要，是把客户的数据形成一个客户画像存在公司级的数据库里面。

金字塔的第一层是“产品研发”，大数据应用在这里，一方面可以提升产品研发效率，另一方面是可以做热门的个性化产品研发，通过规模化的手段实现个性化的定制。

金字塔的第二层是“业务运营监控”，就是通过大数据去监控异常变动，比如通过大数据来及时监测KPI，快速生成可视化图片，一看就明白哪个点出了问题，就可以及时避免损失。 

而实际情况是，今天许多企业在数据基础平台这个地基的建设上，就遇到各种困难。 

第一个，业务部门不知道大数据有什么用，也不知道在业务的哪些场景里能用到大数据。 

第二个，企业内部数据孤岛非常严重，不同业务部门的数据库各自为政，跨部门使用数据非常困难。 

第三个，组织架构不合理，业务部门觉得数据部门高高在上，数据部门又不了解业务，发挥不了数据的价值。 

第四个，仅仅做数据的收集和统计，变成了KPI系统，每天看的是新增、留存、激活、渠道和数据，其他都不看了。 

其实，大数据整理好了，你的个人数据一个月能卖3万元。