無論做什么都要找到自己明確的定位，作數(shù)據(jù)也是一樣。如果你正在開率創(chuàng)辦一家數(shù)據(jù)公司，那么你首先要確認(rèn)：要做一家什么樣的公司?從基本類型上來說講數(shù)據(jù)公司有四類，每一類都可以取得成功，但數(shù)據(jù)公司往往會(huì)犯一個(gè)錯(cuò)誤，那就是總是嘗試做更多的事情。 

來源：Auren Hoffman

預(yù)知(Religion)VS 事實(shí)(Truth)

事實(shí)型(Truth)公司，其實(shí)是在向后看。它們會(huì)告訴人們發(fā)生了什么，什么時(shí)候發(fā)生了什么，或者關(guān)于一個(gè)人，一個(gè)產(chǎn)品，或者一件事的過去信息。這些公司的主要目標(biāo)是獲得真實(shí)的數(shù)據(jù)，其中的代表比如好例子是信用機(jī)構(gòu)(如Experian、Equifax和Transunion)、中間件公司(如LiveRamp、Segment、Improvado和mParticle)和金融服務(wù)數(shù)據(jù)公司(如彭博的大部分業(yè)務(wù))。這些公司會(huì)非常依賴數(shù)據(jù)工程師。

但預(yù)知(Religion)型公司會(huì)預(yù)知未來。它們根據(jù)一組數(shù)據(jù)告訴你將會(huì)發(fā)生什么。這些公司的主要目標(biāo)是準(zhǔn)確預(yù)測未來。其中的代表類型是信用評(píng)分(如FICO)、欺詐預(yù)防(如ThreatMetrix)、度量(如Nielsen和Market Track)。這些公司通常具有的是長期數(shù)據(jù)科學(xué)家(有時(shí)是機(jī)器學(xué)習(xí)工程師)。

預(yù)知公司會(huì)從事實(shí)公司那里購買數(shù)據(jù)，例如FICO經(jīng)常使用來自信用機(jī)構(gòu)的數(shù)據(jù)作為其信用評(píng)分的核心成分。

數(shù)據(jù)(Data)VS應(yīng)用(Applicantion)

一旦你擁有了一組有價(jià)值的專有數(shù)據(jù)，那么你還必須選擇是成為純數(shù)據(jù)公司，還是在數(shù)據(jù)之上構(gòu)建應(yīng)用程序。

數(shù)據(jù)公司只是為了銷售數(shù)據(jù)。了解自身是否是數(shù)據(jù)公司的***方法是，看看自己是否沒有UI或UI方面非常有限。數(shù)據(jù)公司有時(shí)直接向最終買家銷售產(chǎn)品，但也經(jīng)常向應(yīng)用程序銷售產(chǎn)品(這就是為什么它們不能成為應(yīng)用程序的原因，因?yàn)樗鼈儾幌肱c客戶競爭。數(shù)據(jù)公司的代表有金融服務(wù)類的Yodlee與Vantiv、純數(shù)據(jù)合作的Clearbit、位置服務(wù)類的如SafeGraph、財(cái)富預(yù)測的 Windfall Data等。

應(yīng)用公司將使數(shù)據(jù)運(yùn)行起來。要真正從數(shù)據(jù)中獲益，企業(yè)需要一個(gè)應(yīng)用程序。而這些應(yīng)用公司會(huì)擁有良好的用戶界面和更多的前端工程師。代表是查詢層(query-layer, 如SecndMeasure)、精細(xì)化數(shù)據(jù)合作(如Verisk何Abacus)、集成層(如Vantiv、Plaid)、B2B產(chǎn)品應(yīng)用(如G2Crowd)等。

誰輸誰贏?

一家“事實(shí)”公司要想在該領(lǐng)域占據(jù)主導(dǎo)地位，就必須明顯優(yōu)于其他所有公司。“更好”意味著它的數(shù)據(jù)需要是最真實(shí)的，市場需要相信它是最真實(shí)的。除了真實(shí)，廣度和價(jià)格是非常重要的主導(dǎo)因素。

而對(duì)于“預(yù)知”公司來說，品牌是最重要的因素。在預(yù)測未來時(shí)，理想情況下，人們會(huì)應(yīng)公司的預(yù)析師正在做出的預(yù)測。雖然有些人可能會(huì)陷入貝葉斯邏輯( Bayesian logic)，但大多數(shù)人會(huì)相信市場的看法。這就是為什么有這么多糟糕的預(yù)測分析公司，因?yàn)槿藗兛梢杂缅X換到品牌。

對(duì)于數(shù)據(jù)公司來說，犯的***錯(cuò)誤是一次進(jìn)入多個(gè)象限中。在獲得1億美元收入前，還是應(yīng)該只專注于一種業(yè)務(wù)模式。