數(shù)據(jù)銀行：融合和盤活大數(shù)據(jù)資源

齊紅威

數(shù)據(jù)堂成立于2011年9月。2014年底，數(shù)據(jù)堂掛牌新三板，市值為25～28億元。目前公司擁有45000套數(shù)據(jù)，已達近2000TB的存儲規(guī)模，每一套數(shù)據(jù)可單獨完成一件事。

數(shù)據(jù)堂的商業(yè)模式—“數(shù)據(jù)銀行”能夠融合和盤活各類大數(shù)據(jù)資源，實現(xiàn)數(shù)據(jù)價值最大化，推動相關(guān)技術(shù)、應(yīng)用和產(chǎn)業(yè)的創(chuàng)新。

目前，大數(shù)據(jù)企業(yè)分為三個領(lǐng)域：數(shù)據(jù)源、數(shù)據(jù)技術(shù)和數(shù)據(jù)應(yīng)用。數(shù)據(jù)堂是做數(shù)據(jù)源的企業(yè)，通過“數(shù)據(jù)銀行”模式，將數(shù)據(jù)擁有方和數(shù)據(jù)需求方之間打通，讓數(shù)據(jù)流通起來。解決“有數(shù)據(jù)的企業(yè)不以數(shù)據(jù)盈利，想做數(shù)據(jù)的企業(yè)又沒有數(shù)據(jù)”的行業(yè)痛點。

要打通數(shù)據(jù)，就要獲取數(shù)據(jù)，并進行分析處理和產(chǎn)品化，再把標(biāo)準(zhǔn)化數(shù)據(jù)提供給客戶。這涉及到三個問題：第一、我們擁有哪些數(shù)據(jù)，這些數(shù)據(jù)是怎么獲取的？第二、如何進行數(shù)據(jù)處理？第三、數(shù)據(jù)是怎樣服務(wù)的，客戶如何享受和應(yīng)用這些數(shù)據(jù)？

第一、我們有哪些數(shù)據(jù)。從2011年開始至今，數(shù)據(jù)堂整合了5個領(lǐng)域的數(shù)據(jù)。首先是征信和金融領(lǐng)域。我們擁有一定規(guī)模的基礎(chǔ)數(shù)據(jù)，包括身份信息、出行信息、保險信息、金融社交數(shù)據(jù)和水電數(shù)據(jù)等；其次是IT智能化領(lǐng)域。我們在人工智能領(lǐng)域積累了有關(guān)語音、頭像和文本等的大部分?jǐn)?shù)據(jù)；再有，數(shù)據(jù)堂在精準(zhǔn)營銷、醫(yī)療健康和智能交通等領(lǐng)域也獲取了大量數(shù)據(jù)。解決數(shù)據(jù)源是做大數(shù)據(jù)唯一出路。在獲取數(shù)據(jù)方面，我們主要有四類來源：眾包數(shù)據(jù)、行業(yè)數(shù)據(jù)、政府?dāng)?shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)。

眾包大數(shù)據(jù)。數(shù)據(jù)堂以眾包模式為基礎(chǔ)，能大規(guī)模、快速地獲取線下數(shù)據(jù)。目前數(shù)據(jù)堂的眾包平臺“眾客堂”擁有50多萬名眾客，并有大量實名兼職人員負責(zé)采集線下數(shù)據(jù)。如典型案例“采購小票”是反映線下商業(yè)活動的媒介，眾客堂用戶可以直接掃描小票、拍照給我們，我們運用小票（圖像）OCR的核心技術(shù)，將小票上的價格、銷售關(guān)聯(lián)、時間和地域等數(shù)據(jù)，提供給政府CPI部門和供應(yīng)商。

行業(yè)大數(shù)據(jù)。數(shù)據(jù)堂擁有近300家數(shù)據(jù)提供伙伴。部分行業(yè)在做主營業(yè)務(wù)時會同時產(chǎn)生很多業(yè)務(wù)，這些業(yè)務(wù)對行業(yè)本身而言是附產(chǎn)品，但可以釋放巨大的價值。我們在2015年所融的資金基本上用于行業(yè)大數(shù)據(jù)，通過與行業(yè)客戶深度合作，共同挖掘數(shù)據(jù)的價值。如出租車實時的位置數(shù)據(jù)對出租行業(yè)是一個附產(chǎn)品，但對路況統(tǒng)計或市政規(guī)劃建設(shè)則有著巨大的價值。

政府大數(shù)據(jù)。從2014年底開始，政府?dāng)?shù)據(jù)逐漸開放。目前政府?dāng)?shù)據(jù)開放的力度和速度超乎想象，政府?dāng)?shù)據(jù)開放是大勢所趨，需跟進布局。我們通過和政府部門合作，獲取了高速公路、身份、出行數(shù)據(jù)。另外，政府部門包括工商、稅務(wù)、交管、民政和衛(wèi)計的數(shù)據(jù)，有著巨大的價值，但如何在安全可靠的前提下釋放數(shù)據(jù)的價值，這個問題需要共同探討。

互聯(lián)網(wǎng)數(shù)據(jù)。這個是線上數(shù)據(jù)，分為開放的數(shù)據(jù)和非開放的數(shù)據(jù)。開放的數(shù)據(jù)都能通過爬蟲在互聯(lián)網(wǎng)上抓取，這類數(shù)據(jù)只能用于宏觀或者中觀的分析，數(shù)據(jù)價值相對較低。如果用于深度分析，需要對數(shù)據(jù)進行深度清洗和抽取分析，代價較高、挑戰(zhàn)也很大。而非開放的數(shù)據(jù)極具價值，但比政府?dāng)?shù)據(jù)更難開放。

第二、獲取數(shù)據(jù)之后如何處理？可以將我們獲取的數(shù)據(jù)比作原油，需要進行處理才能使用。第一步，對數(shù)據(jù)進行清洗、脫敏。第二步，非結(jié)構(gòu)化到結(jié)構(gòu)化的處理。這是技術(shù)上最為關(guān)鍵而又最具挑戰(zhàn)的環(huán)節(jié)。

80%以上的線上數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，這是大數(shù)據(jù)和海量數(shù)據(jù)、大規(guī)模數(shù)據(jù)的本質(zhì)區(qū)別。這些非結(jié)構(gòu)化數(shù)據(jù)主要包括圖像、語音、視頻和文本等數(shù)據(jù)，在對之進行分析前，需要進行結(jié)構(gòu)化處理或深度處理。數(shù)據(jù)堂擁有人臉識別，小票識別，物體識別，語音、語義識別等非結(jié)構(gòu)化數(shù)據(jù)處理的關(guān)鍵技術(shù)。

將數(shù)據(jù)結(jié)構(gòu)化處理之后，要通過融合解決數(shù)據(jù)孤島問題，激發(fā)數(shù)據(jù)的關(guān)聯(lián)價值。例如，如果不將出行數(shù)據(jù)、在線交易數(shù)據(jù)和銀行數(shù)據(jù)等進行深度關(guān)聯(lián)和融合，就無法對用戶進行深度精準(zhǔn)畫像。

第三、在關(guān)聯(lián)之后，就可將數(shù)據(jù)標(biāo)準(zhǔn)化對外服務(wù)。在這方面，數(shù)據(jù)堂提供兩大自主核心技術(shù)：大規(guī)模分布處理和非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)。

在數(shù)據(jù)服務(wù)的過程，我們采用兩種模式：一種模式是將數(shù)據(jù)標(biāo)準(zhǔn)化之后，以API（應(yīng)用程序編程接口）或者SDK（軟件開發(fā)工具包）的形式，嵌入客戶的應(yīng)用邏輯。換言之，數(shù)據(jù)堂只做數(shù)據(jù)資源，不做數(shù)據(jù)應(yīng)用。打個比方，我們是面粉加工場，獲取的是五谷雜糧，生產(chǎn)的產(chǎn)品是面粉，而我們的用戶是做面包的。

我們每個數(shù)據(jù)可在不同行業(yè)深度應(yīng)用。如我們高速路數(shù)據(jù)的應(yīng)用案例，除西部幾個省外，我們擁有26個省的高速路的車輛記錄數(shù)據(jù)，包含上下車時間、車輛類型等。針對這個數(shù)據(jù)，我們有幾個典型應(yīng)用：

一是和互聯(lián)網(wǎng)金融客戶做貨車貸。對象主要是貨車司機。貨車司機的資金周轉(zhuǎn)極其頻繁，需要對其進行評貸。我們和互聯(lián)網(wǎng)金融客戶合作，評判貨車司機的行使?fàn)顩r和模式，包括去過哪些城市，滿載率、和違章率等。

二是和保險公司、車險公司合作開發(fā)新的保費。我們專門針對經(jīng)常跑高速的車輛開發(fā)了一個新的險種“高速險”，并利用高速路數(shù)據(jù)進行旅游營銷。

三是和港口合作。港口企業(yè)有兩個需求：全國的貨物在哪些省市運到他的港口；貨物又運到了哪些地方。結(jié)合我們的高速路數(shù)據(jù)，港口能精準(zhǔn)地知道貨物的去向，并知道旺季消費地點。

我們希望與大家深度合作，尤其是期待未來能在金融、精準(zhǔn)營銷、人工智能這些領(lǐng)域進行深度合作，共同發(fā)掘數(shù)據(jù)的價值。（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）