在經濟成長放緩、AI取得大幅進展的時代，許多企業想要出售自家數據牟利，但不知道該如何變現這些珍貴的資產。本文提出三大問題，供領導人思考如何從數據創造價值，以取得長久的競爭優勢。

攝影／丹．福布斯（Dan Forbes）

試想一下，如果你負責分析千餘名音樂人的專輯、粉絲、社群媒體和周邊商品數據，那會是什麼情景？這正是納拉斯．伊謙巴迪（Naras Eechambadi）2021年加入環球音樂集團（Universal Music Group, UMG）時所面對的任務。UMG旗下網羅女神卡卡（Lady Gaga）、阿姆（Eminem）等當紅歌手、披頭四（The Beatles）等傳奇樂團，以及眾多潛力新秀。身為集團首任全球數據與分析長，他需要設法讓UMG眾多事業單位與合作伙伴都能取得UMG的資訊。因此，他與團隊彙整來自實體店面、電商網站、社群媒體、行銷活動、電子郵件及顧客關係管理（CRM）系統的數據，並以此為基礎，打造出一款報告與分析工具，名為「粉絲分析、行銷和電子商務」（Fan Analytics, Marketing, and E-commerce, FAME），協助UMG的合作伙伴（包括唱片公司和藝人）找出成長的機會。

FAME會針對每位粉絲的行為，提供細膩的數據和見解，也會針對個別粉絲自動提出後續行動的建議。不久之後，聽眾的參與度和行銷活動的轉換率明顯提升，帶動電商通路的營收成長超過30％。在FAME的助攻之下，UMG與新藝人及唱片公司簽約時，也取得領先競爭對手的優勢。伊謙巴迪的團隊將UMG散落各處、雜亂無章的數據，打包成一款整合良好、容易使用的工具，進而找出一個推動業務成長的方法，同時仍與公司的核心使命保持一致：連結藝人與粉絲。

將顧客數據（以及從中取得的見解）商業化，這種營利方式已經不是新鮮事。徵信機構（告知出借方某位借款人是否可能還款）已經存在超過一個世紀；超市出售顧客忠誠計畫蒐集的購物數據，也有數十年的歷史。在數位時代，企業會追蹤消費者的線上行為（如購買的產品、造訪的網站、留下的評論與留言等等），來深入了解消費者。如今，AI讓企業更容易分析這些資訊，並從中取得見解，也就進一步提升資訊的價值。在經濟成長放緩的時代，企業愈來愈想找出變現這些資產的方法。

部分企業已經取得成效。以亞馬遜（Amazon）為例，儘管零售業務仍然是它最大的營收來源，但公司運用自身對顧客興趣的深入了解，來推動廣告業務成長，而去年這項業務就為公司賺進560億美元。最近，沃爾瑪（Walmart）採用類似的模式推出線上廣告業務，目前這項業務每年為公司創造40億美元營收。在LinkedIn的160億美元營收中，有很大一部分直接來自於向招募人員販售使用者數據。萬事達卡（Mastercard）和Visa等金融服務公司，則成立完整的諮詢部門〔萬事達卡顧問（Mastercard Advisors）和Visa顧問服務（Visa Advisory Services）〕，將分析數百萬筆交易所獲得的見解銷售給其他企業。兩家公司都沒有正式揭露這些業務的確切收入，但萬事達卡透露，旗下加值服務部門的年營收正以雙位數的速度成長。一些企業將使用者數據直接出售給生成式AI企業，來訓練它們的大型語言模型（large language model, LLM）。例如，Reddit於2024年將使用者數據授權給OpenAI使用，儘管沒有揭露財務條款，但Reddit的股價受此消息激勵大漲12％。類似的案例促使更多企業開始思索，何種途徑最能從手上的數據獲利。

然而，我們的研究顯示，企業還是很難選出合適的途徑，也不知道從何著手。這不見得是企業的問題。用電子郵件將試算表寄給付費客戶確實簡單，但數據變現可沒有這麼容易。企業必須知道如何蒐集、整理與分析數據，還需要決定最佳用例，並了解如何為產品訂價。另外，太多企業打造的數據產品沒有緊密連結自身的核心業務，結果往往淪為低獲利、又分散企業的注意力。

有些企業很難變現數據，有些卻能取得成功，箇中原因究竟何在？為了找出答案，我們對30多家組織進行深入的個案研究，並訪談12位分別在零售、媒體、科技、製造和行銷領域，主導數據變現工作的高階主管。根據我們的研究發現，我們發展出一套數據變現的方法架構。我們會在本文說明這套架構，並針對企業如何踏上這趟旅程提供一些建議。這套架構要求企業提出3個策略問題。

本文觀念精粹

問題：許多企業很難有效地變現數據，原因在於它們缺乏明確的策略、必要的基礎設施，也不了解如何讓數據計畫與核心的業務保持一致。

解決方案：成功的組織遵循一套結構嚴謹的數據變現架構。它們與既有客戶及供應商合作，開發強大的用例；審慎選擇直接變現或間接變現；確保數據能力與組織足夠成熟；並維持嚴格的數據隱私標準。

三種做法：數據賣家可以打包出售以下3種資訊—原始數據（未經處理，需要買家自行萃取價值）；客製化見解與分析服務；適合上市的解決方案，也就是已經開發完整的工具或平台。

1. 數據的客戶是誰？他們的用例是什麼？

很多公司坐擁自認寶貴的專有數據。這些數據的潛在買家可能包括科技公司、數據仲介（data broker）、避險基金，以及鄰近產業的公司。但出售這些數據不只是跑一份報表那麼簡單。

我們在研究中常常觀察到，企業領導人踏上變現旅程的第一步，都是先建立技術基礎設施。他們常常在這方面花費數年的光陰，結果卻發現，自己不知道要開發什麼產品，也不知道有誰會買。

而最成功的組織，踏上變現旅程的第一步都是先聚焦於核心業務的用例，以及現有合作伙伴（尤其是供應商與客戶）的用例。原因何在？首先，現有合作伙伴比其他人更了解你數據的潛在價值，因為這些數據與他們的產業和關鍵目標高度相關。其次，他們與你的公司早已建立關係，雙方也就更容易攜手合作，找出數據的良好用例。而且你與他們既有的營運和銷售關係，也讓你更容易從數據創造更多營收，也更容易擷取數據並將數據分送給他們（只要啟動專案的話）。你的銷售團隊與關係經理，可以將新產品當成既有產品線的附加方案銷售給他們，迅速擴大這項新產品的規模。最後，為什麼最好與現有生態系統中的企業合作，原因也包含隱私。組織的專有數據通常受到嚴格的分享及託管協議約束，例如禁止出售給數據仲介或其他非附屬的第三方。

然而，即便企業理解這套邏輯，還是有可能被數據仲介的提議誘惑，這些仲介會將數據打包出售給避險基金或其他非策略合作伙伴。表面上，這似乎是迅速又簡便的交易：出售原始數據、然後拿到錢，價值止步於此。然而，這類交易處理起來可能相當棘手，因為要找出潛在客戶、並在過去毫無合作關係的多方之間議定價格，並不容易。而這些機會也可能為你的客戶與供應商帶來重大風險，例如數據外洩，進而危及他們的核心業務與策略優先事項。我們並不是說這類交易完全不合理，而是我們的研究指出，相較於和策略合作伙伴進行交易，它們通常風險更高，創造的價值也更少。

為保護自己和客戶，你必須從一開始就管理數據變現帶來的隱私、監管、商譽、數據安全等風險。例如，頂尖的交易公司、顧問公司及科技公司，在與客戶分享基準數據時，會非常謹慎地將這些數據聚合起來、匿名處理。但即便如此仍應檢視：數據在產品或服務中的使用方式，是否可能被合作伙伴誤解。對於任何數據型產品或服務，務必從一開始就與法務主管和風險管理主管密切合作，評估可能的問題並制定風險緩解計畫。

與此同時，可以依據潛在買家對優先用例的數據需求，逐步建立現代化的數據平台與全公司的數據資產。將雜亂無章、品質低劣或不完整的數據變現，只會得到反效果。然而，許多企業在建立穩固的數據與技術基礎方面，還有很長的路要走：雖然它們可能已經具備蒐集數據的技術，卻無法將數據移轉到中央儲存庫；無法整理數據或驗證其品質；或是缺乏簡便的方法分析數據、或將數據視覺化。

大多數企業並非毫無準備，它們已經開始將來自內部與外部的數據，匯入數據湖及數據倉儲，並設計一個模型，描繪所有數據如何整合為統一的數據資產，例如一份客戶或供應商的全方位概覽。企業可以運用Databricks、Domo和Snowflake等靈活的工具，快速打造數據產品供客戶測試。

2. 我們應該直接將數據變現，還是間接？

最簡單的方法是根據客戶或通路合作伙伴使用的數據或數據型產品，直接向他們收取費用。這種做法通常是採取訂閱模式，買家可以在規定期間內以固定價格使用數據。賣家要負擔一些打包數據與維護數據的成本，其餘則是利潤。英國零售商特易購（Tesco）便採取這種方式，蒐集大量銷售點數據，並透過名為Dunnhumby的數據分析部門，利用這些數據為消費性包裝產品（CPG）公司提供服務。Dunnhumby後來逐漸發展為獨立的事業體，向各家零售商與CPG公司銷售各種產品。

間接變現則有所不同。它將數據整合到現有的產品與服務，提供給合作伙伴與客戶使用，不收取額外費用。選擇這種做法的組織通常屬於高利潤的產業，差異化是重要關鍵。例如，頂尖的顧問公司將專有數據見解與顧問服務捆綁出售，以便在競爭中脫穎而出，贏得專案。

Sony Interactive Entertainment（SIE）利用間接變現方式，吸引創作者為它的PlayStation平台開發新產品。SIE建立數據平台，向創作者提供豐富的數據，讓他們了解玩家如何使用PlayStation，這些數據包括遊戲過程與遊戲開發的數據，以及行銷與廣告活動的數據。免費向創作者提供這些資訊，是有策略意義的，因為這能讓他們製作更出色的遊戲，並提升玩家的參與度；SIE的收益正是來自遊戲選擇與銷量的增加。SIE前分析工程總監約翰．塔夫特（John Taft）也指出：「當下一個定義產業的創新體驗——像是《要塞英雄》（Fortnite）——誕生時，往往會先出現在我們的生態系統中。」

雖然直接的數據變現可以直接改善損益表，但要提高數據的投資報酬率，間接的數據變現是卓有成效的方法。它可以協助企業擴大產品線，提高營運效率和客戶留存率。例如，在我們研究的一家技術供應商，留存率最高的客戶都在使用它的數據產品。我們訪談的一家訓練與發展公司，為了擴大它的服務，向客戶提供熱門技能的基準數據，與個人化的新訓練課程建議。它的分析顯示，這些資訊提高了客戶滿意度與留存率。還有一家製造商為了提升營運效率，向各家供應商提供數據計分卡，內容包含客戶服務水準與可用庫存量，進而減少供應鏈瓶頸、也提高利潤。

“雖然直接的數據變現可以直接改善損益表，但間接的數據變現可以協助企業擴大產品線，提高營運效率和客戶留存率。

3. 合適的產品類型是什麼？

一旦企業決定將數據出售或提供給誰，也決定要採取直接或間接的變現方法，下一步就是確定合適的產品類型。最常見的3種做法是：直接出售原始數據、出售見解服務，以及投入資源，設計並開發一項成熟的數據產品。

出售原始數據。對於賣家來說，這很簡單，但對買家來說，這需要投入大量工作，因為它們必須處理數據和探勘數據，才能從中萃取價值。如果你打算出售原始數據，卻不了解具體的下游用例，銷售過程可能相當耗時，因為你必須先與買家合作找出提供價值的機會。如果企業缺乏內部數據與分析能力來處理數據、探勘數據，或是企業的數據與現有通路伙伴缺乏策略契合，最適合的做法就是出售原始數據。在這種情況下，企業通常會將數據出售給數據仲介、科技公司或專業使用者，他們會進一步精煉資訊，以應用於其他場景。

出售數據見解服務。有些企業會分析自身數據，為客戶準備客製化的見解，讓客戶不必自行整理數據、探勘數據。許多公司會根據客戶的獨特需求客製化產品。這種方法的一大好處在於：它提供更高的安全性與隱私保護。原始數據通常包含可識別個人身分的資訊，以及專有資訊；出售見解則可以確保敏感的細節不致於無意間洩露出去。萬事達卡顧問在它向銀行與零售商提供的服務業務中，就採取這種做法：從自家的交易網絡提煉出經過聚合與匿名處理的豐富見解，再提供給客戶使用。如果你才剛踏上數據變現的旅程，可以考慮成立一支小型服務團隊，專門支援通路合作伙伴的數據和分析需求。如果你發現愈來愈多客戶都有一系列相同的需求，可以考慮開發一項產品來滿足這些需求，並擴大這項產品的規模。請密切傾聽客戶的回饋意見，並觀察競爭對手如何從數據萃取價值。

出售適合上市的解決方案。最成功的賣家會提供完整建置的產品。數據儀表板、工作流程、機器學習模型與儲存空間，會與見解一起打包出售。這些見解有助於使用者做出更明智的決策，或成為一項有價值的商業流程的基礎。解決方案可以整合到現有的數位產品，或是做為獨立的產品發售。

“最成功的賣家會提供完整建置的產品。數據儀表板、工作流程、機器學習模型與儲存空間，會與見解一起打包出售。

一般來說，數據愈接近成品，企業收取的費用就愈高。企業通常先在原始數據上提供服務，之後再進一步將熱門的用例做成產品。例如，人力資源管理公司ADP就銷售一款薪資比較產品，協助雇主了解不同職位與雇用類別的平均市場薪資。買家可以利用它來為現有與全新的職位設定有競爭力的薪酬，並符合適用的法律規定。雜貨代買代送公司Instacart開發出一款app，利用使用者數據讓企業可以更精準投放廣告。當消費者透過該服務購買食品雜貨時，Instacart Ads會根據他們先前的行為，顯示他們可能有意購買的產品促銷訊息。這款app在2024年估計為Instacart帶來9.58億美元的營收。

專注於汽車零售的行銷科技公司FordDirect，為了提升該車廠的經銷商網絡的銷售業績，特別打造一款間接變現、適合上市的解決方案。該公司的數據策略、分析和AI資深副總裁湯姆．湯瑪士（Tom Thomas）先匯整來自不同管道的原始數據，包括經銷商網站、CRM系統、後端的經銷商管理系統等，然後再將幾個外部數據來源整合到自家的顧客旅程平台。有了合適的數據與技術基礎，他與團隊就能將數據轉化為分析工具，協助經銷商盡可能改善廣告支出。這項工具有助於提升數位通路的購車量與服務預約量。經銷商還能利用這些數據，根據顧客感興趣的車輛、持有狀態以及購買傾向，將顧客分群。而這樣一來，經銷商就能產製精準的訊息。在FordDirect的協助下，經銷商的銷售量增加40％，每筆潛在客戶的成本也減少22％。

數據變現可以成為新的營收來源，若執行得當，它甚至還能對組織的策略方向產生重大的影響。但數據變現要成功，你需要了解數據的潛力、選擇合適的合作伙伴、挑選一種產品類型，並落實健全的安全措施。有愈來愈多企業選擇這項策略，原因就在於：它的回報可以非常豐厚。

文章來源：哈佛商業評論 12月號