刘鹏老师今年10月份关于互联网变现和计算广告的分享1很有意思。这次分享的内容可以看做是他的《计算广告》那本书的summary，但也不完全是，有一些新内容。我认为这次分享的内容比书本身更精彩。下面简述一些刘老师的精彩观点。
交易数据一般是不能有任何错误的，所以存交易数据经常使用IOE（IBM、Oracle、EMC）这套系统；但是行为数据就不同了，丢失或记错点数据一般影响也不大。相对于交易数据，行为数据也多得多。刘老师认为目前说的“大数据”，指的是行为数据而不是传统的交易数据。
刘老师认为“大数据”问题也应该具有对抽样敏感的特点，也即解决问题的效果会随着数据的抽样而显著下降，如下图中的A曲线。所以个性化问题基本都是大数据问题。
另一个判断是不是大数据问题的方法是：如果数据出来的结果是给人看的，不能称为大数据的问题；大数据问题的结果一定是要给机器看的，这样才能形成一个闭环的决策过程。
“大数据简要说就是面向大规模的加工行为数据，并且把这个加工结果自动的反馈给机器做决策的应用。”
从利润环境看，互联网公司八成以上利润来自于广告，所以广告是一个先进的商业模式，不是无可奈何的事。
在将来任何一个行业，如果能做到定价权向需求方转移，这个行业就有机会做大。供给方定价模式不可能爆发式成长。按照部分数据交易、并且按照效果交易，这是在广告市场里摸索数据交易得到的共识。
数据的交易跟流量交易不同的特点，因为它可以不限量供应，流量天生就是限量供应。他的设想是，将来数据交易应该是一种限量的，流量本身是限量的，一个流量就是一个人投，不可能三个广告叠在一起投。但是数据可以卖给很多人，卖的越多越不值钱。不管是标签还是更细的数据，一定要结合在具体的数据应用上做交易才有可能快速的发展。
商业产品的市场就是复杂，而且越来越复杂，用户产品发展的规律是越来越简单，给懒人用；商业产品的规律则是越来越复杂，因为商业产品的目标很清楚，就是优化利润。只要利润提升1%，系统多复杂一倍都没有关系。
电信运营商对行为数据的掌控力在弱化。所以不是特别看好他们在行为数据方面长期的价值，但是地理位置和跨屏是他们天然的优势。
应该让媒体重新参与到广告的投放、决策过程中。
上面我只选了一些很有意思的观点，更多精彩内容见刘老师的分享吧1。
References
-
刘鹏，互联网变现与计算广告, 2015。 ↩ ↩2
