数据交易在线视频

我们再说一点有意思的东西

关于数据交易

讲讲数据交易

数据交易很有意思的一个问题

我个人也是对这个特别感兴趣

那么咱们国内

有两个这个数据交易的

这个交易所

一个是贵阳交易所

一个是长江交易所

我也关注了他们做的事情

我觉得很好就是说

让大家认识到数据的价值

并且想办法用商业化的方式

来运作数据

因为如果你不以商业化方式

来运作呢

其实很难这个数据用起来

可是我又看到

他们在交易机制上的一些设计

或者说他们对数据交易的理解

坦率的讲呢

就是跟我认为的一些

大家state of art状态呢

我觉得有一点距离

就是说数据交易应该是什么样的

它关键的问题和障碍都在哪儿

不是说现在广告市场

对数据交易的认识就完善了

差的很远

可以很肯定的说

有很多问题没解决

那么这些问题是什么呢

我把它总结成三个定律

这是我 也是我的看法

我跟一些业界的人交流过

特别像跟talking data

我跟他交流的比较多

其他的人好像没有太多兴趣

交流这些技术层面的东西

有的是我个人的认识

有的确实是市场上的问题

第一个定律呢

我认为行为的数据

只能交易不能交换或者共享

为什么这么说呢

这个听完我前面一部分的

那个讲座内容

我相信大家这个问题很好理解

因为数据变成钱太容易了

就是行为数据变成钱

这个在广告

至少在广告市场

它的通路是很顺畅的

所以你能够设想说

现在有人在呼吁说

百度是不是把数据拿出来

大家共享一下

那你还不如说问问李彦宏

能不能把那个帐户里的钱

直接打给一部分给你

是吧

这两个问题的本质是一样的

所以数据的共享

是不可能发生的

这是我个人的观点

但是你会看到数据共享

在有些层面是发生的

发生的情况呢我认为是两种

一种是发生在子公司和母公司之间

就是它本身是有

你比如说搜狗跟腾讯

是有数据共享的

这是我很清楚的知道

那是因为人家都是

这个子公司和母公司

接近控股的状态

它是有更高层次的利益交换

才会产生数据层次上的

共享和交换 是吧

另外政府的数据是个例外

政府的数据呢

因为没有直接的盈利的变现的需求

它是一个

它的数据希望拿出来

给大家来用 是吧

可是我仍然觉得

政府的数据

如果简单的拿出来共享

也不见得是个好的模式

还是要用商业化的手段

把它做成那种转移支付的办法

当然这里头问题很多 是吧

我没有时间展开说

总之我的第一个观点

就是数据是不能共享的

只有交易

交换也很难

交换因为

就是一定是作价的交换嘛

可以这么说

那作价交换本质上就是交易

大家可以有不同观点

关于第二个问题

数据交易该怎么做

这个数据交易该怎么做呢

问题就很多了

我看到过像这个

这个上海电信做的数据交易

也看到过像贵阳长江

做的数据交易

坦率的讲呢

我觉得他们的数据交易呢

有一个最大的问题

其实在我们的广告的数据交易里

已经碰到过这个问题

并且部分的解决了

是什么问题呢

低层次的要求

这个过程大家不管了

就是附着在广告交易过程中

做数据交易这个流程

我们先不去管它

首先这个数据交易呢

跟其他的交易不一样

我必须要实现部分的交易

才会有真正的市场

这是什么意思呢

比如说我知道全国

每一个人的男女

然后你打成一个包

拿出来卖

有没有人买呢

可能有人买

但买的人会非常少

因为比如说我就在华东的五省

投广告 那么我买其他省的

这个男女

买了对我都是成本了

你可能觉得平均一个人

平均下来很便宜

但是我平均下来就很贵了

是吧

这样就使得大量的需求方都会

你这个价格就无法接受

是吧

当然在广告里呢

其实这个数据交易

比这个还近了一步

不仅仅是部分交易

而且是按效果交易

就比如说你在exchange上

你买了data

买了这个男女的标签

买完了以后

我去bid这个广告位

我win impression我才交钱

我不win impression我是不交钱的

那么这实际上呢

也是我们讲的

把定价权或者是某些权利

向需求方转移的一个过程

不要小看这件事儿

我认为在将来的任何一个行业里

如果你能做到需求

定价权向需求方的转移

那么你这个行业就有机会做大了

否则它的成长速度就会很慢

那么这里的

这个具体的过程

我们不说了

但是基本上来说

按照部分的数据来交易

并且按照效果来交易

这个是我们在广告市场里

摸索数据交易

得到的一些

有很多教训

但是现在大家的共识是这样

也就是说不能说这数据

上海电信我是打过一些交道的

就是他们卖data的东西

他卖了一年

我觉得今年他也卖不下去了

为什么卖不下去

他的意思就是我这数据很值钱

我打一个包给你

然后很多人用了呢

就是我只能用一部分

那么整个对我来说就没用了

并且呢也许我今年呢

我这个系统还在开发呢

我这个 这个晃两晃

今年就过去了

这个数据我根本就没用

也交了一份钱

这些问题表面上看起来

上海电信占了便宜

但实际上它是吃了大亏

因为它没有把需求做起来

没有让真正的这个

neat market

一点一点的把它填起来

更谈不上将来用竞价的方式

去获得更高的收益

这是第二个问题

第三个问题最有意思

怎么给数据定价

这个问题呢坦率的讲呢

广告市场也没解决好

有解决的方案

但是解决的不好

解决的不好呢

就是我们有一个data exchange

叫BlueKai

这个BlueKai呢

四亿美金卖给了Oracle

它数据交易规模很大

可是它不怎么挣钱

他大概也就大几千万美金的营收

我们对这个事儿都很纳闷

说实话

但是后来仔细讨论

从今年开始我也是深入的

研究了这个事儿

我觉得那个数据的交易

好像跟那个流量交易是不一样的

它反而有点像那个

就是你比如说你

你知道一个人是男是女 是吧

那么这个信息

你是可以卖给很多人的

对吧

但是你卖给一个人

卖给两个人

卖给十个人

你会发现它不一样了

你卖给十个人以后

这个数据就贬值了

就是好比说这个意思吧

我们说这儿有一块地

是吧

这个地底下呢

有的这个瓷砖底下有金子

有的底下没金子

有个人就有一个藏宝图

知道这块瓷砖下有金子

这个藏宝图就是他的data

那么他把这个藏宝图给你

OK 你愿意拿很高的价钱来买

因为你把这个金子挖走了

是吧

你收益很高

但是呢如果你

咱们每屋

每个人都知道这个藏宝图

会发生什么情况

会发生一个很有意思的状态

就是大家都知道这块地下有金子

那么大家先来抢这块地

对吧

大家先把这个地价抬的很高

这个地价在广告交易里

是什么

就是那个impression那个价格

所以如果每个人都知道

这个impression后面是一个母亲

那么这十个DSP都知道

我就都出一个高价去bid这个流量

这样就是让那个流量的价格

就抬高了

它数据价值就向流量价值

发生了转移

这会有这个微妙的因素

但是我们没有从理论上

或者从数据上分析它的影响

我觉得这个影响是很大的

那么我个人的设想呢

将来数据交易

应该是一种就是限量的

因为它跟流量最大的不同

就是流量本身是限量的

一个impression就只能一个人投

不可能把三个广告摞那儿投

是吧

它永远只能投一个

可是数据可以卖给很多人

卖给很多人

你会发现卖的越多

越不值钱 是吧

这个 我觉得是有这个趋势

理论上影响有多大不知道

那么能不能把它量限下来

就是比如说这个人是母亲

我只在一定的时间段

我只卖给

只让总共产生三次impression

或者产生五次impression

这样的话呢

有可能能解决这个问题

并且这有一个巨大的好处

就是这样的话

有可能让数据交易

也变成一种竞价的方式

这个母亲的信息

我只给三个人用

那给哪三个人用呢

你们自己来竞价吧

最后竞价那个

排的比较高的那三个人

我给你用了

这一旦说这个数据交易

能够变成竞价的方式

并且是在这么细的力度上竞价

注意先是前提是

我们能够部分交易

整体交易竞价也没有意义

整体交易那个就本身需求

就很少

部分交易的基础上

如果能做竞价

我觉得这个市场

才能真正的把它的market

给打开

这些问题呢当然都是我

就是瞎想

也是跟业界朋友一些交流

总之告诉大家

数据交易本身

数据定价和交易本身

特别有意思的问题

而且有可能激发一个巨大的market

而且这些问题在工业界

都没有解决

所以大家将来呢

如果从事大数据呢

这是一个很有意思的点

大数据呢我最后再说一点

我尽量是跟大家说一些

有意思的东西

隐私问题

隐私问题我到哪儿都说

现在我每次这个报告

都说隐私问题

为什么

我发现没有人明白这件事儿

包括他们做数据交易的

就像上海电信或者说

这个交易所还好

因为他们卖的

就是行为数据

并不见得很多

这个隐私问题呢

你会跟这个运营商的人聊呢

他会提一个词

叫做脱敏是吧

有没有人听过脱敏这个词

脱敏是什么意思呢

就是我们这儿对应的第一条

这个PII

这个personal identifiable information

有些信息是你绝对不能用的

因为信息一旦被人知道了以后

它会可以直接reach到

那个用户

什么样的信息是这样的呢

比如说电话

说 我知道你号

我就打给你了 是吧

还有这个家庭住址email

包括身份证号姓名

这都叫做PII

就是可以定位一个人的信息

这种信息呢

在我们原则里

很早就有这个A29的这个原则

是不能使用的

那么很多这个做数据的人

理解的这个脱敏

就是把PII去掉

那么我今天要告诉大家的是

PII去掉解决问题吗

必须要做

但是不解决问题

为什么不解决问题呢

我们看下边那个例子

有时候你看到一张表

比如说你看到你们单位的工资表

是吧

工资表呢

假设这个会计把前面的

姓名 电话都给抹掉了

就剩那后面几栏

但是有他的这个岁数比如说

有他的这个部门

家庭住址

那么你想在公司这个范围内

你对你熟的人

你看这几栏

你一看就知道是谁

对吧

所以这种信息呢

就单拿一栏呢

都没办法定位一个人

但是一组放在一块呢

对于熟人来说

对于不熟的人是没用的

对熟人来说呢

它可以清楚的定位一个用户

这种现在叫Quasi-identifier

有半定位的这个域

那Quasi-identifier

他一旦看出来这一行是你的

你后面如果再有隐私信息

比如说有你的工资

那他当然他一下就了解了

这个人挣多少钱

是吧

那隐私就泄露了

这个的意思是告诉大家什么呢

我们真正care的隐私问题

是什么

希望大家能够

听完我这个讲座

能准确的了解

隐私的顾虑

在于熟人之间的隐私

不在于陌生人之间

我们最在乎的

并不是说有人把那个数据库

给黑了

然后把那东西

八毛钱一条就往外卖

是吧

这件事儿呢

在今天看来

不是我们最大的顾虑

我们最大的顾虑是

有一些对你有所背景调查的人

然后在一些环境里

能够把你的信息定位出来

从而去了解你更多的隐私信息

这个事情是我们真正的顾虑

所以脱敏能解决这个问题吗

脱敏是不能解决的

而且这个问题

是根本就无法避免的

为什么说无法避免呢

就是对互联网的用户来说

他的行为呢有个

比前面那个

就是会计那张表

还要麻烦的一个事儿

它那个行为是极为稀疏的

曾经有一个例子呢

前两年微博上传的一个例子

就是也是咱们清华的一位同学

是这个王珞丹的粉丝

他呢看那个王珞丹的微博

他是王珞丹的粉丝

很多王珞丹的背景信息

他都知道的

调研过

他看那个王珞丹发的微博

一条一条看

仔细的分析呢

就分析出这个王珞丹住哪儿

哪个小区

是哪栋楼几层

分析的很准确

那么这事儿难不难呢

如果你有一些背景信息的调查

再加上一些数据的支撑

其实一点儿都不难

有一个最生动的例子

就是NetFlix推荐比赛

这个比赛很有名

因为它奖金很高

是100万美元第一名

这个奖金呢

被我们当时雅虎一个同事给得了

开发lab的一个同事

他出了一个事儿

就是有一个人

想对这个比赛感兴趣

然后在那个数据库里看

也是特别凑巧呢

他看到一条记录

就按刚才咱们说的逻辑

他发现这条记录

是他一个同事的

因为那个就太清楚了

比前面讲那个

会计的表还清楚

是这个人什么

看过什么电影

同时给过多少分

你想你都有这种经历

你跟你的熟悉的人呢

你们会经常讨论说

什么电影好看

评价如何 是吧

但是没有 咱们这个屋子来说

或者说咱们整个清华大学来说

很难找到两个人

看电影的记录是一样的

不太可能有的

那么你熟的人你只要那一条

你如果有功夫

一条一条记录扫下来

你一定能把你那些朋友

都定位出来

这事儿没有困难的

这是成本高

但成本对于这种场景

就是说我是要不计代价的

去找到某一个人的隐私的数据

对这种场景的成本不是顾虑

当然这个case

他不是要特意找那个人

他是正好碰到那儿

这也是凑巧

正好碰到

他就把这个数据拿给他同事看了

那凑巧的是

它里边有一些什么隐私数据

就是这个同事还有一些影片

是没有跟他沟通过的

就是俩人聊天没聊过

那些片子全部是同性恋影片

当然这就说明呢

至少说这个同事

是不希望自己看同性恋影片

这件事儿

被其他人知道的

这是他的隐私范围内的事情

那不管他自己

对同性恋的态度如何

这是 咱们也不去做猜测

所以他很恼火

他就把这个NetFlix

给告上了法庭

那么NetFlix一看这个事儿呢

结论是什么

没法解决

就是我们现在数据交易

如果是很系列的data

面临的这个问题

是不好解决的

所以大家要把它上升到一些

比较模糊的tag去解决

当然这件事情不能解决呢

并不是说一定不能解决

也有数学家在研究这个

比较前沿的问题

所谓differential privacy

怎么从数学的

就是这件事儿从数学上

还没描述清楚呢

到底影响有多大

但是就是告诉大家这个例子

在互联网的稀疏的data面前

在熟人的这样一个前提条件下

隐私就在行为数据里

是很容易被破解的

那么它的真正的风险在哪儿呢

比如说咱们是电信

把它数据拿出来

原始的data

上海电信就是在卖裸data

他卖过一年

他的风险在哪儿呢

假设我有一个人

不计代价的

在这儿一条一条看

假设我跟上海的某一个

副市长有仇

我把他的data

我能不能找出来呢

我觉得是一定能找出来的

找出来这个副市长

有没有贪腐行为啊

也不见得发现不了

是吧

你可以想象这背后的这个

就是人家目的不是说

了解每一个上海市民

都要干什么

人家就是盯着一个人的

在这种情况下不计代价

所以这种情况下

这个隐私的风险是巨大的

说到这儿呢

并不是说我有什么好方法

这个问题大家是前沿的一些

这个专家在研究

总之是告诉大家呢

要有这个认识

隐私的真正的顾虑是熟人之间的

不是陌生人之间的

陌生人之间

人家去 也不能说是熟人吧

至少就是说他关心你的这种人

这个关心有可能是正面

有可能是负面的

这种人对你的隐私风险的

影响是最大的

在这种情况下呢

由于他可以不计成本

并且由于互联网的行为数据

本身是极为稀疏的

基本没有任何

两个人一样

所以他的风险是很大的

而这种风险呢在今天来看

是被低估的

因为没有出现哪个副市长

因为这事儿被抓起来

但是将来他一旦出事儿

他一定是有大事儿会产生

总之我的一个判断呢

隐私现在来看呢

是大数据头上的一个

达摩克里斯之剑

它跟安全问题一样

不出事儿没人重视

一出事儿以后

才能推着这个市场往前走

我讲的问题就这么多

前面一部分呢

因为咱们时间比较仓促

我大概告诉大家一个观点

就是你要想了解数据的变现

和数据的交易

那了解计算广告

是一个必不可或缺的环节

甚至说是最重要的环节

因为所有的数据使用的历史

和产品发展的历史

在广告行业里

它是走过一条完整的路径的

这里面有很多的教训

有很多的经验

如果你每一个行业

都从头走过的话

其实是没有必要的

那么后面一部分

就涉及到数据本身

当然也是从我的一些经验来

就是从广告行业来看

数据的交易本身是有基础的

数据的变现和交易

都是有市场基础的

并且有它的价值所在的

但是数据交易本身

有很多问题

有的是在广告市场里

已经得到了验证和解决的

有的是我们在广告市场发现问题

但没有解决的

还有一些就像隐私问题

我们现在呢

对它没有好的办法

但是这个问题

大家基本上认识清楚了

熟人隐私的问题

这个稀疏行为的问题

这些都很有意思

就是今天借这个机会吧

我希望就是说以计算广告

作为一个引子

从这一点大家可以去了解一下

整个行为数据的使用

加工交易的整个这个发展过程

将来这个

这一定是咱们大数据市场里

非常非常重要的一块