事實 v.s. 信仰 — 數據公司的四個象限

[ChaoLiou]

[name=Chaol Liu] derived from...

Truth verses Religion — four quadrants of data companies

summation.net

[name=@auren] [time=Mon, 25 Feb 2019 04:52:14 GMT]

---

數據公司會落在四個象限中: 事實 v.s. 信仰, 和純數據 v.s. 數據應用

• 如果你想創立一個家數據公司, 你必須做出一項重要的決定: 要創立哪種類型的公司? 數據公司共有四種類型, 而且四種都可能會成功... 但是大部分的數據公司都犯了天大的錯誤 - 同時想成為不只一種類型的數據公司.

首先, 先定義出 x y 軸

事實 v.s. 信仰

• 將數據用於論述事實的公司會觀察過去. 他們會告訴你發生過甚麼事情, 何時發生, 跟某人, 某產品有甚麼關聯. 這些公司存在主要的目的是擁有事實數據. 舉例,
  • credit bureau(徵信所): 像是 Experian(益博睿), Equifax(易速傳真) 和 Transunion(環聯)
  • middleware(中介角色): 像是 LiveRamp(安客誠), Segment, Improvado 和 mParticle
  • financial services data(金融服務數據): 像是絕大部分的 Bloomberg(彭博社)
  • 這些公司通常渴望數據工程師.
• 將數據用於締造信仰的公司會預測未來. 他們會告訴你, 因為這些數據將來會發生甚麼事. 這些公司存在主要的目的是精準預測出未來. 舉例,
  • credit scores(信用評分): 像是 FICO(信用績分)
  • fraud prevention(詐騙預防): 像是 ThreatMetrix
  • measurement(測量調查): 像是 Nielsen(尼爾森), Market Track
  • 這些公司通常渴望數據科學家(有時是機器學習工程師)
• 締造信仰的公司時常向論述事實的公司購買數據. 例如, FICO 所使用的數據就是從 credit agencies(信用機構) 買來作為信用評分最核心分數.

數據 v.s. 應用數據

• 一旦你擁有了具價值的數據所有權, 你就必須選擇你要成為純數據公司, 還是數據應用.
• 只賣數據的數據公司. 要知道你是不是一家數據公司最好的辦法是, 你有沒有 UI 或是只有一個侷限使用的 UI. 數據公司有時會直接賣數據給終端買家, 也時常賣給應用端(這也就是為何這個決定如此重要, 他們沒有成為應用端, 因為不想要面對一般消費者). 舉例,
  • financial services(金融服務): 像是 Yodlee, Vantiv
  • pure data co-op(純數據合作): 像是 Clearbit
  • location(地點): 像是 SafeGraph
  • wealth predictions(財富預測): 像是 Windfall Data
• 應用讓數據說話. 要真的從數據取出利益, 你必須要有應用. 這些公司都會有不錯的 UI 以及很多前端工程師. 舉例,
  • query-layers(查詢層面): 像是 SecondMeasure
  • refinded datas co-op(精製數據合作): 像是 Verisk, Abacus
  • integration layers(整合層面): 像是 Vantiv, Plaid
  • B2B product usage(B2B 產品運用): 像是 G2Crowd

這是一個有贏家有輸家, 且贏家獨佔報酬的市場

• 對於一家 "論述事實" 的公司想在他的領域稱霸, 必須比其他家公司更佳清楚. 這裡的"更佳"是指他的數據最真實, 而且市場也相信是最真實. 除了真實性以外, 數據廣度與價格對於能否稱霸也很重要.
• 對於一家 "締造信仰" 的公司, 最重要的要素是品牌. 當預測出未來, 理想是要相信會做出精準預測. 有些人可能陷入 Bayesian logic(貝葉斯邏輯)裡, 多數會相信 market perception(市場認知). 這也是為何有這麼多預測不準的分析公司, 因為品牌是可以用錢買的.

接二連三 > 同時並行

• 數據公司犯過最大的錯誤是同時攻占多個象限. 公司想要賺進第一個 1億, 應該要專注在其中一種類型上.