6月初，菜鸟与顺丰互相指责对方关闭数据接口，这场关于数据的大战引发了各界关注。快递行业的巨头为何如此重视对数据的争夺？大数据市场有多大？大数据怎么赚钱？针对这些问题，经济日报·中国经济网记者采访了业内专家和企业。

大数据市场有多大

“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。

“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大；二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。

目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。

从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。

“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元；大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元；大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。

“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。

做数据“搬运工”

目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如百度、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域；另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。

不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。

“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。

在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API（应用程序编程接口），开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。

在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。

聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。

数据的“消化”和“利用”

如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。

数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。

阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。

计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统；通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。

大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品；旅行社可以定向推送旅游行程信息和报价；新闻资讯APP则可以推送用户感兴趣的信息。

在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。（摘自《经济日报》 2017年7月6日 6版 ）
翟立宏说，PPP项目资产证券化可将缺乏流动性但又能产生可预见稳定现金流的PPP项目资产转换为在金融市场上出售和流通的证券，从而引导更多社会资本和市场资金进入PPP领域，降低信托公司发展PPP类业务的风险和融资成本，也能提高融资效率。此外，信托公司在存量PPP项目上，也可通过资产证券化等方式盘活资产。参与PPP项目资产证券化对于促进信托公司转型发展具有积极的示范效应。

“PPP项目资产证券化也对信托公司在基础资产筛选、交易结构设计、主管机构沟通、机构资金对接等方面的能力带来挑战，客观上要求信托公司提升转型创新所需专业能力。”沈苗妙说。

据了解，在PPP项目资产证券化业务领域，信托公司一方面可作为发行载体管理机构，承担事务管理职能；另一方面也可在交易中发挥主导作用，比如对基础资产尽职调查，参与产品结构设计及产品定价等。沈苗妙说，信托公司能否发挥主导作用，取决于信托公司的专业水平、业务经验和机构资金对接等多方面能力。

应对挑战谋求发展

“PPP项目资产证券化最主要的风险是现金流预测风险，尤其是使用者付费项目。”沈苗妙说，一方面，由于PPP项目运作期限长，未来项目收费的实际现金流与预测相比可能有较大差异；另一方面，项目所在地方政府更改城市规划布局也可能直接改变公共服务设施的使用量和价格，影响长期现金流预测。因此，需要通过优先/次级安排、信用触发机制、可行性缺口补贴、外部信用增级等方式做好风险缓释措施。

翟立宏认为，PPP项目资产证券化也可能面临信息披露风险、投资者适当性风险等。PPP项目由于周期长，涉及信息披露的环节和要素多，信息披露中可能存在暗箱操作的空间，会对产品定价和收益保障产生影响。而且，中小投资者相对缺乏风险识别和承受能力，目前大部分该类型投资者并不适合参与PPP项目资产证券化产品的认购。

信托公司参与PPP项目资产证券化才刚起步，对于信托公司而言既是转型发展的机遇，也同样面临挑战。翟立宏表示，PPP项目资产证券化业务较为复杂，且PPP项目各个阶段情况不同，存在不同风险，需要提前全方位布局，这将考验信托公司全面风险管理能力。同时，如何平衡好PPP项目资产证券化产品的期限、风险和收益，满足投资者偏好也是难点。

对于促进信托公司有序健康发展PPP项目资产证券化业务，翟立宏认为，信托业和信托公司都需加强对PPP项目的评估和管理，强化对资产证券化业务的整体布局。信托公司还需基于市场设计PPP项目资产证券化业务的整体方案，关注包括现金流、内外部增信、资产服务、破产隔离等环节。因为PPP项目资产证券化业务属于新型业务，信托公司也需加强相应人才队伍建设，通过内部培养和外部引进相结合的方式，培养专业团队。

“PPP项目资产证券化的发展有赖于各类机构对PPP项目资产证券化市场的培育，以及提高资产支持证券二级市场流动性和投资者认购的积极性。”沈苗妙说，对于信托公司来说，需要延伸PPP业务产业链，提升PPP项目资产证券化业务的专业能力，从而协同开展PPP业务与PPP项目资产证券化。（摘自《经济日报》 2017年8月14日8版）