一旦得以有效利用，大数据就可以变革公司的赢利模式和传统交流方式。我们举一个典型的例子，通过得到竞争对手所没有的行业信息，欧洲一家汽车制造商重新定位了与它的一个零件供应商的关系。
这个公司的大数据分析家们通过颜色或者是否有玩家看到他的朋友正在使用这些产品，来研究虚拟产品的销量是否增加了。比方说，当数据显示FishVille的玩家购买透明鱼的数量是其他产品的6倍的时候，zynga就会通过多出售透明鱼而谋取更高利润。在Mafia ars中，数据则显示玩家更喜欢购买有金边的武器和纯白的宠物老虎。这些都不是一个游戏设计师在工作室里能发现的东西，但是数据就能把这些信息传递出来。zynga的首席分析师肯·鲁丁说道，“我们打着游戏公司的幌子，实际上在做的是分析公司的事。我们的运作都是以数据为基础的。”
上一章中，我们讨论了怎样通过创新用途，挖掘出数据新的价值，主要是指我们所说的潜在价值。如今，我们的重点转移到了使用数据的公司和它们如何融入大数据价值链中。我们将讨论这对公司、个人的事业和生活意味着什么。
这使得消费者拥有了比以前更大的权利。消费者可以自行决定把这些数据中的多少授权给哪些公司。当然，不是每个人都只在乎把他的数据卖个高价，很多人愿意免费提供这些数据来换取更好的服务，比如想得到亚马逊更准确的图书推荐。但是对于很大一部分对数据敏感的消费者来说，营销和出售他们的个人信息就像写博客、发tter信息和在维基百科检索一样自然。
一个英国物理学家设计了一个算法系统来预测保险索赔和发现二手车的质量问题，这个系统差点就获胜了；还有一个新加坡的精算师在一个预测人体对化合物的生理反应项目中取得了胜利；同时，在谷歌的机器翻译团队中，这些工程师们都不会说他们翻译出的语言；类似的还有，微软机器翻译部门的统计学家们在茶余饭后的谈资就是说每次一有语言学家离开他们团队，翻译的质量就会变好一点。
数据中间商，交通数据处理公司Inrix
总部位于西雅图的交通数据处理公司Inrix就是一个很好的例子。它汇集了来自美洲和欧洲近1亿辆汽车的实时交通数据。这些数据来自宝马、福特、丰田等私家车，还有一些商用车，比如出租车和货车。私家车主的移动电话也是数据的来源。这也解释了为什么它要建立一个免费的智能手机应用程序，因为一方面它可以为用户提供免费的交通信息，另一方面它自己就得到了同步的数据。Inrix通过把这些数据与历史交通数据进行比对，再考虑进天气和其他诸如当地时事等信息来预测交通状况。数据软件分析出的结果会被同步到汽车卫星导航系统中，政府部门和商用车队都会使用它。
Inrix是典型的独立运作的大数据中间商。它汇聚了来自很多汽车制造商的数据，这些数据能产生的价值要远远超过它们被单独利用时的价值。每个汽车制造商可能都会利用它们的车辆在行驶过程中产生的成千上万条数据来预测交通状况，这种预测不是很准确也并不全面。但是随着数据量的激增，预测结果会越来越准确。同样，这些汽车制造商并不一定掌握了分析数据的技能，它们的强项是造车，而不是分析泊松分布。所以它们都愿意第三方来做这个预测的事情。另外，虽然交通状况分析对驾驶员来说非常重要，但是这几乎不会影响到一个人是否会购车。所以，这些同行业的竞争者们并不介意通过行业外的中间商汇聚它们手里的数据。
在《点球成金》这部关于奥克兰运动家棒球队如何通过利用统计学和数学建模的方式分析数字，从而取得最终胜利的电影中，有一个有趣的场景，就是灰头发的老球探们坐在一旁评论球员。观众不得不因此感到畏缩，不仅因为它体现了人类做决定时完全不依靠数据的草率，而且因为我们都经历过这种依赖情感而不是科学进行判断的情况。
现今，我们正处在大数据时代的早期，思维和技能是最有价值的，但是最终，大部分的价值还是必须从数据本身中挖掘。因为在未来，我们可以利用数据做更多的事情，而数据拥有者们也会真正意识到他们所拥有的财富。因此，他们可能会把他们手中所拥有的数据抓得更紧，也会以更高的价格将其出售。继续用金矿来打比方：只有金子才是真正值钱的。
这个场景完全展示了人类判断的误区。一个似乎经过了理智讨论的事情其实是在没有什么实际标准的情况下做出的决定。签约一个几百万美元年薪的球员，也只是看感觉，没有什么客观标准的。是的，这只是电影中的场景，但是生活中这种情况也多得是。这个场景之所以具有讽刺意味，就是因为这是普遍存在的，从曼哈顿的会议室、美国总统办公室到街角咖啡馆，任何地方，这种空泛的推理都到处盛行。
正如我们所见，大数据的先锋们通常并不来自于他们做出了极大贡献的领域。他们是数据分析家、人工智能专家、数学家或者统计学家，但是他们把他们所掌握的技能运用到了各个领域。Kaggle的首席执行官安东尼·戈德布鲁姆（Anthony Goldbloom）说，在这个大数据项目竞赛平台上取得胜利的人通常不来自于他们做出成绩的领域。
大大小小的公司都能从大数据中获利，这个情况很有可能并不只是适用于使用数据的公司，也适用于掌握数据的公司。大数据拥有者想尽办法想增加它们的数据存储量，因为这样能以极小的成本带来更大的利润。首先，它们已经具备了存储和处理数据的基础。其次，数据库的融合能带来特有的价值。最后，数据使用者如果只需要从一人手中购得数据，那将更加省时省力。不过实际情况要远远复杂得多，可能还会有一群处在另一方的数据拥有者（个人）诞生。因为随着数据价值的显现，很多人会想以数据拥有者的身份大展身手，他们收集的数据往往是和自身相关的，比如他们的购物习惯、观影习惯，也许还有医疗数据等。
“很好！”负责人对回答很满意，然后会议继续。
谁在这个大数据价值链中获益最大呢？现在看来，应该是那些拥有大数据思维或者说创新性思维的人。就像我们所见的一样，自从信息时代以来，这些第一个吃螃蟹的人都发了大财。但是，这种先决优势并不能维持很长的时间。随着大数据时代的推进，别人也会吸收这种思维，然后那些先驱者的优势就会逐渐减弱。
有时，这些中间人不一定是商业性质的组织，也可能是非营利性的，比如，2011年由美国几个最大的医疗保险公司联合创立的卫生保健成本协会（ Institute）。它们的数据汇集了来自3300万人的50亿份保单，当然这都是匿名的。数据共享之后，这些公司可以看到在一个较小的独立数据库里看不到的信息。2008年9月，这个超大型数据库就有了第一个重大发现，那就是美国的医疗花费比通货膨胀率的增长速度快3倍之多。但是在各个细微方面的情况就各有不同了：其中急诊室治疗费用上涨了11%，而护理设施的价格实际上是下跌了的。显然，医疗保险公司是不可能把它的价格数据给除非营利性机构之外的任何组织的。这个组织的动机更明确，运行更透明化且更富有责任心。
对于中间商来说，公司之间不愿意进行数据共享的问题会让他们感到很头疼。比如Inrix就不再只收集关于地理位置的数据了。2012年，它就关于车辆的自动制动系统何时何地会生效进行了分析，因为有一家汽车制造商用它的遥感勘测系统实时地收集了这些数据。它们认为如果车辆的自动制动系统在某段路上老是启动的话，就说明这段路比较危险，应该考虑更换路径。所以Inrix不仅能够推荐最便捷的路径，而且可以推荐最安全的路径。但是这个制造商并不想和别人分享这些数据，也不愿分享它的全球定位系统收集到的数据。相反，它要求Inrix只能在它生产的车上安装这个系统。在制造商看来，公开这些数据似乎比汇聚众人的数据一起来提高系统的整体精确性更有价值。但即便如此Inrix也相信，到最后，所有的汽车制造商都会意识到数据共享的好处。Inrix有一种强烈的乐观精神：作为一个数据中间商，它的运行完全是依靠多种多样的数据来源。
虽然像亚马逊和谷歌一样的行业领头羊会一直保持领先地位，但是和工业时代不一样，它们的企业竞争力并不是体现在庞大的生产规模上。已经拥有的技术配备规模固然很重要，但那也不是它们的核心竞争力，毕竟如今已经能够快速而廉价地进行大量的数据存储和处理了。公司可以根据实际需要调整它们的计算机技术力量，这样就把固定投入变成了可变投入，同时也削弱了大公司的技术配备规模的优势。
专家的消亡与数据科学家的崛起
第一种是基于数据本身的公司。这些公司拥有大量数据或者至少可以收集到大量数据，却不一定有从数据中提取价值或者用数据催生创新思想的技能。最好的例子就是tter，它拥有海量数据这一点是毫无疑问的，但是它的数据都通过两个独立的公司授权给别人使用。
作为一项服务，Prismatic关注的是年青一代与媒体进行交流的新方法，信息的来源并不重要。同时，这也给那些自视过高的主流媒体提了一个醒：公众的力量要远远超过它们，而西装革履的记者们也需要与一群不修边幅的博主进行竞争。也许最令人无法想象的是，Prismatic居然是从新闻领域内部诞生出来的，虽然它确实收集了大量的数据。美国国家记者俱乐部（National Press Club）的常客从来没有想过要再利用网上的媒体资源，阿蒙克、纽约和印度班加罗尔的分析专家们也没有想过要用这种方法来使用数据。克罗斯顶着一头蓬松的头发，说话吞吞吐吐，可就是这样一个不起眼的外行人，想到了也做到了，他使用这些数据来告诉世界什么是比《纽约时报》更有用的信息来源。
如今，我们正在见证专家在各个领域影响力的减弱。在传媒界，如“赫芬顿邮报”（on Post）和高客网（Gawker）这些网站上传播的新闻通常取决于数据，而不再取决于编辑的新闻敏感度。数据比有经验的记者更能揭示出哪些是符合大众口味的新闻。Coursera，一家网上教育公司，深度地研究它收集的所有数据，比如学生重放过讲座视频的哪个片段，从而找出不明确或者很吸引人的地方，然后反馈给设计课程的团队。这在以前是做不到的，所以老师的教育方法一定会改变。就像我们在前文提到过的，当贝索斯发现算法推荐能促进销量增加的时候，他就不再使用公司的书籍评论员了。
所以，汽车制造商开始考虑到底应该怎么做：卖掉这个数据？它值多少钱呢？如果供货商推卸责任呢？如果是我自己在操作过程中出现了失误呢？而且它知道，一旦公布了信息，和自己用同样零件的竞争对手也会改进他们的车。更明智的选择应该是，这些数据只能让自己受益，自己的汽车能够有所改进。最终，汽车制造商想到了一个好主意。它通过改进软件而改进了这个零件，而且为这次改进申请了专利。然后，它把这项专利卖给了供货商，价格是很长一段时间内进行数据分析的成本的总额。
2010年UPS就把它的UPS Logistics tec tec从客户手中收集大量数据，同时为UPS和它的竞争者提供行业内广受认可的标杆性服务。Road的首席执行官兰·肯尼迪（Len Kennedy）解释说，“如果是UPS Logistics，那么UPS的竞争对手肯定不会交出它们的数据，因此，只有让它变成一个独立的公司，UPS的竞争对手才会愿意拿出它们的数据。”最终，每个公司都从中受益了，因为数据汇集之后，系统的精确性就更高了。
不过，大数据对中等规模的公司帮助并不大。波士顿咨询集团的资深技术和商业顾问菲利浦·埃文斯（Philip Evans）说，超大型的公司占据了规模优势，而小公司则具有灵活性。在传统行业中，中等规模的公司比大公司更有灵活性，比小公司更有规模。但是在大数据时代，一个公司没必要非要达到某种规模才能支付它的生产设备所需投入。大数据公司发现它们可以是一个灵活的小公司并且会很成功（或者会被大数据巨头并购）。
根据所提供价值的不同来源，分别出现了三种大数据公司。这三种来源是指：数据本身、技能与思维。
然而，这一切的发生不只是消费者意识和喜好的转变所能促成的。现在，无论是消费者授权他们的信息还是公司从个人手中购得信息都还过于昂贵和复杂。这很可能会催生出一些中间商，它们从众多消费者手中购得信息，然后卖给公司。如果成本够低，而消费者又足够信任这样的中间商，那么个人数据市场就很有可能诞生，这样个人就成功地成为了数据拥有者。美国麻省理工学院媒体实验室的个人数据分析专家桑迪·彭特兰与人一起创办的ID3公司已经在致力于让这种模式变为现实。
开了一会玩笑之后，一个一直没说话的球探说，“这个人有很大的气场。我的意思是，他还没上场呢，对手就已经提前感受到了他的气势。”
就像我们看到的，也有公司集合了大数据的多数特点。埃齐奥尼和克罗斯不仅比别人早一步有了这些决胜的思想，他们也有技术优势。teradata和埃森哲的员工不仅规规矩矩地打卡上班，还时不时会有些机灵的点子。这些原型都有助于我们认识不同公司所承担的角色。我们在上一章节中提到的手机公司掌握了海量的数据却不知道该如何使用，然而，它们可以把这些数据授权给有能力挖掘出数据价值的人。同样地，tter一早就决定把它所掌握的海量数据授权给了两家公司。如今的大数据先驱者们通常都有着交叉学科背景，他们会将这些知识与自己所掌握的数据技术相结合，应用于广泛的领域之中。新一代的天使投资人和企业家正在诞生，他们主要是来自谷歌已经离职的员工和所谓的“Paypal黑手党”。他们与少量的计算机科学家一起充当了当今许多数据科技公司的最大靠山。这种将企业和个人置于大数据价值链中的创新性想法促使我们重新审视公司的存在价值。比方说，Salesforce不再是一个单纯为企业提供应用软件的平台，它还能挖掘这些软件所收集到的数据并且释放出它们的巨大价值。
大数据也为小公司带来了机遇。用埃里克教授的话说就是，聪明而灵活的小公司能享受到非固有资产规模带来的好处。这也就是说，它们可能没有很多的固有资产但是存在感非常强，也可以低成本地传播它们的创新成果。重要的是，因为最好的大数据服务都是以创新思维为基础的，所以它们不一定需要大量的原始资本投入。数据可以授权但是不能被占有，数据分析能在云处理平台上快速而且低成本地进行，而授权费用则应从数据带来的利益中抽取一小部分。
那个人似乎很肯定地说，“女朋友丑说明没自信呀！”
竞争正如火如荼地进行。就像谷歌的检索系统需要用户数据才能完好运行，德国的汽车零件供应商需要反馈的数据来提高它的零件质量，所有的公司都能通过巧妙地挖掘数据价值而获得利益。数据能够优化生产和服务，甚至能催生新的行业。
苹果，挖出“潜伏”的数据价值
苹果公司进军移动手机行业就是一个很好的例子。在iPhone推出之前，移动运营商从用户手中收集了大量具有潜在价值的数据，但是没能深入挖掘其价值。相反，苹果公司在与运营商签订的合约中规定运营商要提供给它大部分的有用数据。通过来自多个运营商提供的大量数据，苹果公司所得到的关于用户体验的数据比任何一个运营商都要多。苹果公司的规模效益体现在了数据上，而不是固有资产上。
大数据时代中的公司正在体验着不同的商业模式。作为中间商的Inrix把它的工作重心放在了设计上，这与众多科技创业公司的商业模式不同。微软掌握着技术的核心专利，但是它却认为，一个独立的小公司可能更容易被接受，更有利于汇聚行业内各方的数据并从知识产权中获利最大。还有，微软用来分析病患再入住率的Amalga系统曾经就是华盛顿中心医院自己的内部急症室软件Azyxxi，这是医院在2006年卖给微软公司的，因为考虑到微软更有能力把这个软件做好和挖掘出这些数据的潜在价值。
微软以1.1亿美元的价格购买了大数据公司Farecast，而两年后谷歌则以7亿美元的价格购买了给Farecast提供数据的ItA Software公司。如今，我们正处在大数据时代的早期，思维和技术是最有价值的，但是最终大部分的价值还是必须从数据本身中挖掘。
当然，行业专家是不会真正消亡的，只是他们的主导地位会发生改变。未来，大数据人才会与他们一样身居高位，就像趾高气扬的因果关系必须与卑微的相关关系分享它的光芒一样。这改变了我们怎样看待知识的价值，因为我们往往倾向于把专业人才看得比全才更重要，也就是说深度就是财富。然而，专业技能就像精确性一样，只适用于“小数据”时代，当时人类掌握的数据永远不够多也不够准确，所以需要依赖直觉和经验指导。在那个时代，经验是先决的，因为只有通过这种无法从书本上和别人口中得到的、埋藏在潜意识里的知识的积累，我们才能做出更明智的决定。
虽然这种相关关系对于建立特定的因果关系并无帮助，但是这表明，如果病人出院之后的医学干预是以解决病人的心理问题为重心，可能会更有利于他们的身体健康。这样就可以提供更好的健康服务，降低再入院率和医疗成本。这个相关关系是机器从一大堆数据中筛选出来的，也是人类可能永远都发现不了的。微软不控制数据，这些数据只属于医院；微软没有出彩的想法，那并不是这里需要的东西，相反，微软只是提供了分析工具，也就是Amalga系统来帮助发现有价值的信息。
经过一年的时间，Decide.分析了近400万产品的超过250亿条价格信息。它发现了一些过去人们无法意识到的怪异现象，比如在新产品发布的时候，旧一代的产品可能会经历一个短暂的价格上浮。大部分人都习惯性地认为旧产品更便宜，所以会选择买旧产品，其实这取决于你什么时候购买，不然有可能你付出的金钱比购买新产品还要多。因为电子商务网站都开始使用自动定价系统，所以Decide.能够发现不正常、不合理的价格高峰，然后告知用户何时才是购买电子产品的最佳时机。
这种转变意义非凡。大部分人往往都通过经验、回忆以及猜测做决定，就像.an ）是多部数据分析著作的作者，他把这种情感称为“黄金般的直觉”。执行官们信任自己的直觉，所以由着它做决定。但是，随着管理决策越来越受预测性分析和大数据分析的影响和控制，依靠直觉做决定的情况将会被彻底改变。
就为Farecast提供预测机票价格所需要的数据，而它自身并不进行这种数据分析。为什么呢？因为商业定位不一样，毕竟出售机票已经很不容易了，所以ItA并不考虑这些数据的额外利用。因此，两家公司的核心竞争力也会不同。当然，还有就是ItA并没有这种创新想法，如果它能像Farecast一样利用数据，那么就需要向奥伦·埃齐奥尼先生购买专利使用权了。
当然，它在大数据价值链上所处的位置也决定了它不会这样去使用数据。“ItA会尽量避免用任何数据来暴露航空公司的利润问题。”ItA的创始人之一也是前CtO卡尔·德马肯（Carl de Mar）如是说。他还说，“ItA能够得到这些数据而且必须拥有这些数据，因为它们是ItA在提供服务时必须具备的。”但是，ItA有意与这些数据保持一定的距离，所以自己不使用而是授权别人使用。结果不难预见，ItA只从Farecast那里分得了小小的一杯羹。Farecast得到了数据大部分的间接价值，它把其中一部分价值以更便宜的机票的形式转移给了它的用户，而把这种价值带来的利润分给了它的股东以及员工。Farecast通过广告、佣金，当然最后通过出售公司本身获取利润。