如果要負責為上千名音樂人分析專輯銷量、粉絲數(shù)據(jù)、社交媒體及周邊商品的數(shù)據(jù)，你會怎么做？這正是納拉斯·伊查姆巴迪（Naras Eechambadi）在2021年加入環(huán)球音樂集團（UMG）時面對的挑戰(zhàn)。這個集團旗下藝人包括Lady Gaga、Eminem等當紅巨星，披頭士等傳奇樂隊，還有眾多新銳音樂人。作為公司第一位全球首席數(shù)據(jù)與分析官，他需要建立起一個能讓UMG的海量數(shù)據(jù)為其眾多業(yè)務部門和合作伙伴所用的機制。為此，他帶領團隊整合了來自實體門店、電商平臺、社交媒體、營銷活動、電子郵件，以及客戶關系管理系統(tǒng)（CRM）的數(shù)據(jù)，開發(fā)出一套名為“粉絲分析、營銷與電商系統(tǒng)”（FAME）的報表分析工具，幫助包括唱片公司和藝人在內的UMG合作伙伴識別增長機遇。

FAME系統(tǒng)不僅能提供關于每位樂迷行為的精細化數(shù)據(jù)與洞察，還能自動生成針對個體的后續(xù)行動建議。很快，營銷活動中的聽眾參與度和轉化率就得以顯著提升，推動電商渠道收入實現(xiàn)了超過30%的增長。而且在簽約新藝人與唱片公司時，F(xiàn)AME系統(tǒng)還為UMG帶來了顯著優(yōu)勢。通過將UMG分散雜亂的數(shù)據(jù)整合為一體化的易用工具，伊查姆巴迪團隊找到了一條在拓展業(yè)務同時，始終能與“連接藝人與粉絲”這一公司核心使命保持一致的變現(xiàn)之道。

通過將客戶數(shù)據(jù)（及從中獲取的洞察）商業(yè)化來盈利并非一個新概念。信用報告機構為貸款方評估借款人還款可能性的業(yè)務已存在了100多年，而超市銷售通過忠誠度計劃收集購物數(shù)據(jù)的行為，也已持續(xù)數(shù)十年了。在數(shù)字化時代，公司在通過追蹤消費者的線上行為（購買的商品、訪問的網站、發(fā)表的評論等），更深入地了解消費者。如今，AI讓分析與獲取洞察更加便捷，進一步提升了數(shù)據(jù)價值。在這個經濟增長放緩的時代，公司在越來越積極地探索將這一資產變現(xiàn)的途徑。

一些公司已經在這一領域取得了初步成效。盡管亞馬遜的零售業(yè)務仍是其最大收入來源，但公司憑借對客戶興趣的深度洞察成功拓展出了廣告業(yè)務，在上一年度創(chuàng)收560億美元。

沃爾瑪近期也采用類似模式推出了線上廣告業(yè)務，目前年收入已達到了40億美元。在領英160億美元的營收中，很大一部分直接來自向招聘方出售用戶數(shù)據(jù)。

萬事達卡和Visa等金融服務公司也設立了專門的咨詢部門——萬事達卡顧問公司和Visa咨詢服務公司會向客戶出售通過分析數(shù)百萬筆交易數(shù)據(jù)后所獲得的洞察。雖然兩家公司均未正式披露這項業(yè)務的具體收益，但萬事達卡暗示，增值服務部門的年收入正保持著兩位數(shù)速度的增長。

還有一些公司正在將用戶數(shù)據(jù)直接出售給生成式AI公司，用于大語言模型訓練。2024年，Reddit就將用戶數(shù)據(jù)授權給了OpenAI使用，公司雖未披露交易的財務條款，但Reddit的股價在消息公布后飆升了12%。類似案例促使更多公司開始思考如何從自身數(shù)據(jù)中獲利。

然而，我們的研究表明，許多公司仍然不知道如何選擇正確的變現(xiàn)路徑，也不知道該從何入手。這未必是公司的問題。數(shù)據(jù)變現(xiàn)并不是像將一份電子表格用郵件發(fā)送給付費客戶那樣簡單。公司必須掌握數(shù)據(jù)收集、整理與分析的能力，同時確定最佳的應用場景，并理解如何合理地為產品定價。有太多公司推出的數(shù)據(jù)產品與核心業(yè)務關聯(lián)度不足，這一做法往往會淪為只能創(chuàng)造低收益的分心之舉。

為了甄別不同公司在數(shù)據(jù)變現(xiàn)上遭遇困境或取得成功的原因，我們深入調研了30余家機構，并訪談了12位在零售、媒體、科技、制造，以及營銷領域正引領著數(shù)據(jù)變現(xiàn)進程的高管人員?；谘芯堪l(fā)現(xiàn)，我們構建了一個數(shù)據(jù)變現(xiàn)的實踐框架。在本文中，我們將解釋這個框架，并為公司如何開啟數(shù)據(jù)變現(xiàn)之旅提供建議。為此我們需要提出下面三個策略性問題。

數(shù)據(jù)的客戶是誰？對方的應用場景是什么？

許多公司坐擁自認為高價值的專有數(shù)據(jù)，潛在買家可能包括科技公司、數(shù)據(jù)經紀商，以及對沖基金及相關行業(yè)的公司。但銷售數(shù)據(jù)遠比生成一份報告要復雜得多。

在研究過程中，我們觀察到了許多類似例子，企業(yè)領導者在啟動數(shù)據(jù)變現(xiàn)時，首先會進行技術基礎設施建設。他們往往會耗費數(shù)年時間，最終卻發(fā)現(xiàn)既不清楚該開發(fā)哪些產品，也不知道誰會為其付款。

而最成功的企業(yè)會聚焦于自身核心業(yè)務及現(xiàn)有合作伙伴（尤其是供應商和客戶）的應用場景，來啟動數(shù)據(jù)變現(xiàn)。為什么呢？首先，現(xiàn)有的合作伙伴要比其他主體更理解公司數(shù)據(jù)的價值，因為這些數(shù)據(jù)與他們的行業(yè)特性及核心目標高度契合。其次，他們與公司既有的合作關系，讓雙方能更容易共同發(fā)掘出適合的應用場景。既有的運營與銷售關系也使數(shù)據(jù)能產生更多收入，在項目啟動后讓數(shù)據(jù)的采集和分發(fā)更加容易，銷售團隊和客戶經理可將新產品作為附加項進行銷售，并快速實現(xiàn)規(guī)?；Ｗ詈螅x擇與現(xiàn)有生態(tài)系統(tǒng)內企業(yè)合作的理由還有隱私保護。企業(yè)專有數(shù)據(jù)通常會受到嚴格的共享和托管協(xié)議的約束，比如禁止向數(shù)據(jù)經紀商或其他非關聯(lián)第三方出售數(shù)據(jù)等條款。

不過，理解這種邏輯的公司也可能會被數(shù)據(jù)經紀商的報價所誘惑，將數(shù)據(jù)打包并出售給對沖基金或其他非戰(zhàn)略合作伙伴。表面上看，這些交易似乎簡單好操作：出售原始數(shù)據(jù)，賺取利潤，價值到此為止。然而，此類交易往往難以駕馭。在缺乏合作歷史的情況下，識別潛在客戶并協(xié)調多方定價并不容易。這些交易還可能給客戶和供應商帶來重大風險，例如泄露危及其核心業(yè)務和戰(zhàn)略重點的數(shù)據(jù)。我們并非斷言這樣的交易毫無價值，但我們的研究表明，相較于與戰(zhàn)略合作伙伴的交易，這樣通常風險更高，且創(chuàng)造的價值更少。

為了保障自身及客戶權益，你需要從第一天起就開始管控數(shù)據(jù)變現(xiàn)所帶來的隱私、合規(guī)、商譽，以及數(shù)據(jù)安全等風險。例如，頭部的交易公司、咨詢機構和科技企業(yè)在向客戶共享基準數(shù)據(jù)時，都會極為謹慎地對數(shù)據(jù)進行聚合與匿名化處理。然而即便如此，你仍需核查產品或服務中數(shù)據(jù)的使用方式是否可能被合作伙伴曲解。涉及基于數(shù)據(jù)的產品或服務時，你必須從一開始就與公司的法務和風控管理人員緊密協(xié)作，評估潛在問題并制定緩解方案。

同時，根據(jù)潛在買家的重點應用場景對數(shù)據(jù)的需求，你可以逐步構建一個現(xiàn)代化的數(shù)據(jù)平臺及公司整體的數(shù)據(jù)資產體系。嘗試將組織混亂、質量低下或不完整的數(shù)據(jù)變現(xiàn)往往會適得其反。然而，許多公司在打造堅實的數(shù)據(jù)和技術底座方面還有很長的路要走：雖然他們可能已經具備了數(shù)據(jù)采集技術，卻無法將數(shù)據(jù)傳輸至中心庫統(tǒng)一保存，或者無法組織數(shù)據(jù)、驗證數(shù)據(jù)質量，又或者缺乏便捷的分析工具及數(shù)據(jù)可視化手段。

當然，大多數(shù)企業(yè)也并非毫無準備。它們已開始將內生與外源數(shù)據(jù)匯入數(shù)據(jù)湖與數(shù)據(jù)倉庫之中，并對如何將全部數(shù)據(jù)融入類似客戶360度視圖或供應商360度視圖一類的聚合性數(shù)據(jù)資產中進行建模。通過借助Databricks、Domo和Snowflake等靈活工具，企業(yè)能快速開發(fā)出數(shù)據(jù)產品來與客戶進行測試。

直接還是間接變現(xiàn)數(shù)據(jù)？

最簡單明了的方式是直接向客戶或渠道合作伙伴收取使用數(shù)據(jù)的費用，或就基于數(shù)據(jù)的產品或服務收費。這種模式通常會采用訂閱制，以固定價格賦予購買方規(guī)定期限內的數(shù)據(jù)訪問權限。賣家承擔數(shù)據(jù)的打包和維護成本，剩余收入即為利潤。英國零售巨頭樂購(Tesco)就采用過這個模式，在收集了大量終端銷售數(shù)據(jù)后，依托一個名為Dunnhumby 的數(shù)據(jù)分析部門，利用這些數(shù)據(jù)向消費品 (CPG) 公司提供服務。隨著時間的推移，Dunnhumby逐步發(fā)展成了一個獨立運營的業(yè)務，向零售商和消費品公司提供多元化的產品和服務。

間接變現(xiàn)模式則與之不同。它是指將數(shù)據(jù)整合至現(xiàn)有產品中，免費提供給合作伙伴及客戶。選擇此模式的企業(yè)通常處于高利潤率行業(yè)，差異化競爭至關重要。例如，頂尖的咨詢公司會將專有數(shù)據(jù)洞察與咨詢服務捆綁銷售，以在競爭中脫穎而出并贏得項目。

雖然直接數(shù)據(jù)變現(xiàn)能帶來直觀的利潤表收益，但間接數(shù)據(jù)變現(xiàn)卻是提升數(shù)據(jù)資產投資收益率的強效途徑。間接數(shù)據(jù)變現(xiàn)可以幫助公司拓展產品矩陣，提升運營效率與客戶留存率。例如，在我們調研的一家技術供應商中，使用其數(shù)據(jù)服務的用戶群體的客戶留存率就最高。我們交流過的一家培訓與拓展公司，會通過為客戶提供熱門技能的需求數(shù)據(jù)基準，以及據(jù)此得出的“應該考慮新的培訓項目”的個性化建議來拓展業(yè)務，其分析表明這些信息顯著提升了客戶滿意度和留存率。為了提高運營效率，一家制造業(yè)公司則向所有供應商提供了客戶服務水平和庫存可用性的數(shù)據(jù)評分卡，這一做法緩解了公司的供應鏈瓶頸，并提升了利潤率。

適合的產品與服務類型是什么？

公司在確定了數(shù)據(jù)銷售對象，以及要采用的直接或間接變現(xiàn)模式后，下一步就需要確定適合的產品與服務類型。三種最常見的方式包括：銷售原始數(shù)據(jù)、提供數(shù)據(jù)洞察，以及投資設計并開發(fā)完善的數(shù)據(jù)產品。

銷售原始數(shù)據(jù)。這種方式對賣方而言簡單易行，卻會給買方帶來大量工作：他們必須處理和挖掘數(shù)據(jù)才能從中獲取價值。如果不了解具體的下游應用場景，這種方式的銷售過程就可能會非常耗時，因為你首先要與買方協(xié)作來甄別價值機會。這種銷售方式最適合缺乏內部數(shù)據(jù)和數(shù)據(jù)處理及分析能力的公司，或者那些數(shù)據(jù)與現(xiàn)有渠道合作伙伴缺乏戰(zhàn)略契合度的公司。在這些情況下，他們通常會將數(shù)據(jù)售予數(shù)據(jù)經紀商、科技公司或專業(yè)用戶，由他們進一步精煉數(shù)據(jù)，來滿足其他應用的需求。

銷售基于數(shù)據(jù)的洞察服務。一些公司會通過分析自有數(shù)據(jù)，為客戶定制深度洞察，省去客戶自己進行數(shù)據(jù)結構化和挖掘的過程。許多公司都會根據(jù)客戶獨特的需求開發(fā)定制化產品。這種模式的顯著優(yōu)勢在于，能夠提供更強的安全與隱私保護。原始數(shù)據(jù)通常包含了個人身份信息和專有數(shù)據(jù)，而銷售洞察則能保證敏感細節(jié)不被意外泄露。萬事達卡咨詢公司在面向銀行和零售商的服務業(yè)務中就是這樣做的：向公司客戶提供源自其交易網絡且經過聚合化及匿名化的豐富洞察。如果你正處于數(shù)據(jù)變現(xiàn)進程的初期，那么可以考慮組建一個小型服務團隊，專注于支持渠道合作伙伴的數(shù)據(jù)和分析需求。如果市場需求似乎正圍繞一組共性需求逐漸顯現(xiàn)時，就應考慮開發(fā)相應的解決方案并逐步規(guī)模化。同時要密切關注客戶反饋，并觀察競爭對手從其數(shù)據(jù)中提取價值的方式。

銷售成熟的商業(yè)化解決方案。最成功的賣方會提供完整的一體化產品，將數(shù)據(jù)儀表盤、工作流程、機器學習模型和存儲系統(tǒng)與洞察一起打包銷售。這些洞察能幫助用戶做出更優(yōu)化的決策，或成為高價值業(yè)務流程的支柱。解決方案既可集成到現(xiàn)有的數(shù)字產品中，也可以成為獨立產品。

公司通常會對更接近成品形態(tài)的數(shù)據(jù)收取更高費用。通常來說，公司會先基于原始數(shù)據(jù)提供服務，再將熱門的應用場景產品化。例如ADP銷售的一個薪酬基準產品，可以幫助雇主了解不同崗位和就業(yè)類別的市場平均薪資水平。買方使用這一工具為現(xiàn)有及新增崗位設定了有競爭力的薪資，并確保了合法合規(guī)。

數(shù)據(jù)變現(xiàn)不僅能創(chuàng)造新的收入來源，執(zhí)行得當時，還能對企業(yè)的戰(zhàn)略方向產生深刻影響。實現(xiàn)有效數(shù)據(jù)變現(xiàn)的旅程涉及理解你的數(shù)據(jù)潛力、選擇合適的合作伙伴、確定產品和服務類型，以及實施強有力的安全措施。越來越多的公司之所以在積極推行這一策略，正是因為它可能會帶來豐厚回報。

蘇拉吉·斯里尼瓦桑（Suraj Srinivasan）羅賓·塞伯特（Robin Seibert）穆罕默德·阿瑟（Mohammed Aaser）| 文

蘇拉吉·斯里尼瓦桑是哈佛商學院菲利普·斯托姆伯格工商管理學教授（the Philip J. Stomberg professor）、數(shù)字價值實驗室（Digital Value Lab）主任，哈佛商業(yè)出版集團董事會成員。羅賓·塞伯特是麥肯錫公司客戶關系經理，曾任數(shù)字價值實驗室的訪問研究員。穆罕默德·阿瑟是數(shù)據(jù)分析公司 Domo 的首席戰(zhàn)略官。

張矩 | 譯校 孫燕 | 編輯

本文選自哈佛商業(yè)評論2025年10-11月刊。

聯(lián)系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org