最近和朋友聊，一些科普和误区纠正：

1，场内的交易所数据的话语权越来越回到交易所，而不是数据商。以前基础设施成本高，交易所依赖数据商。现在IT基础设施成熟了，交易所开始把触手直接神向交易参与者，绕开了数据商这个数据二道贩子。数据商在这部分的价值更多在于提供多来源数据的整合服务等优势，搬砖优势已无。

2，OTC市场，比如外汇、非交易所债券，由于是“社群交易”，这里的客户粘性来源于报价和交易数据的丰富度、可靠度。谁报价和成交多，成交便利度高，我就用谁。这和哪里人多就去哪摆摊卖菜没有本质区别，所以把菜场做大做强就是王道。

3，除了交易，对于投研，这部分需求很杂，大小数据品牌有机会各显神通，但由于市场效率原因，一定会有单一寡头或双寡头垄断绝大部分市场，然后有各种小品牌占据细分市场（即便短期内没有形成细分市场，长期一定会形成）。客户粘性的建立成本非常高，但一旦建立则形成深护城河。

4，虽然用非结构化数据寻找阿尔法的做法听上去很酷，最终还是得处理成结构化才可以最终应用到投资决策过程，不管是阿尔法因子还是交易信号。比如新闻、社媒数据。这个处理过程的成本会随着数据复杂程度的上升而急剧上升，所以善用白盒的第三方数据会事半功倍。

5，不管是交易、投研还是风控，数据应用化，应用数据化将是大势所趋。原始和浅层数据的堆积已经完全无法满足用户的迅速决策需要。

6，对于交易流程管理，听上去已经偏离了数据业务，但这是以前的想法，因为以前做好数据就足够了，但今后数据和流程的整合将是大势所趋，企业级、总部级的数据应用，一定会越来越和流程嵌套。原因很简单：你不懂交易数据就做不出交易流程管理，而不懂流程也做不出“多考虑一步”的优质数据（即数据商越来越不能孤芳自赏），这在今天基础设施越来越成熟的大背景下犹为如此。

7，如何理解“历史数据越来越不值钱，生产历史数据的能力降越来越值钱”？市场越来越瞬息万变，一堆不再更新历史数据，其应用价值将迅速贬值，但正是因为如此，客户对于每天新生产出来的细颗粒度、高丰富度的历史数据将越来越依赖，因为投资者越来越耽误不起哪怕一天的市场新动向。这也引出我一直以来的论断：数据越来越不是数据企业的核心资产，生产数据的能力才是。

对于第六点，很有意思，历史上出现过反复。曾经数据商是考虑流程的，因为这是很自然的一步。但是那时基础设施不完善，流程产品搭建成本高，投入产出比不高，所以有些数据商开始把流程产品砍掉，只做数据产品。十年后，基础设施很成熟完善了，用户对流程的需求越来越强烈，数据商必须考虑流程了，不然你的数据很难嵌入客户的工作流。举个例子，为什么外汇、债券交易领域，路透和彭博能双寡头各领风骚（注：路透的Tradeweb开始在债券的电子化交易领跑彭博），而投研领域却面临各种小品牌的激烈厮杀？本质上还是因为这外汇债券两个市场没有场内交易所（国内沪深交易所债另说），你建个足够大的“交易社群”就已经足够成功了，这和建赌场建菜场的道理是一样的，这就是从第一步就嵌入了客户的工作流，一旦护城河形成，用户几乎是不可能迁移的。但投研就不同了。研究需求五花八门，少林武当崆峒峨眉各成一派，各种需求杂而广，几乎人人都有机会搞一份“独而精”的投研数据，在嵌入工作流这件事上，大小品牌都能插一脚，所以垄断并不明显。虽然万得在二级投研领域目前是垄断的，由此推广到一般性经济金融数据库应用，但长期它受的威胁是很大的，目前一级市场数据的投中清科已经把市场切割，CEIC切走了宏观数据，同花顺也开始切割二级投研数据领域，它的压力其实是很大的，这和海外市场中dealogic切割并购数据，epfr切割资金流数据，Haver切割宏观数据，IHS，Euromonitor切割行业数据，Markit切割PMI数据是一个道理。

所以万得这几年注重债券交易市场，搞iWind，和QB分天下，这是嵌入交易流程、建护城河的好入口。不管将来QB是卖掉还是坚持自己做，债市交易像今天万得QB双寡头这样的局面将持续下去，这和彭博路透在债市交易的双寡头是一个道理。