我认为，在如何看待数据变现这一问题上，零售商面临一个有趣的选择。而且，在某种程度上，这始终是一个存在的选择。即：如果我分享数据，我的业务就能通过不同方式实现增长，因为我的合作伙伴能够更积极地参与其中；如果我将数据货币化，则能从中获得短期收益。
但这样一来，我可能在某种程度上会限制这一过程中合作伙伴的类型和数量，因为届时只有那些有能力购买我出售的数据的合作伙伴才能参与进来。我认为，这种情境下一个值得关注的风险回报权衡在于：零售商必须确保自己已深思熟虑数据变现带来的利弊， 因为短期潜力巨大，而且将数据变现计入损益表（PNL）非常容易——尤其是在我所处的食品杂货零售领域，该行业的利润率非常微薄。将数据转化为净利润的诱惑极高。但如果我要实现数据变现，只有那些有能力付费的客户才能真正帮助我。
这类公司往往规模较大，且更倾向于维持现状而非拥抱变革。结果，我可能会发现自己过度依赖那些过度依赖现状的企业。因此，在进行数据变现时，我必须谨慎对待其中涉及的战略权衡。
零售商自身正提供更多数据，因此第三方数据提供商将不得不进行相当根本性的转型。这完全是另一回事。那些能够融入零售商业务模式，并能与零售商绩效多方面挂钩的第三方提供商。例如，如果我是像 RetailNext 这样的企业，我就能帮助零售商优化人力配置、优化客流、优化运营，而从媒体和销售的角度来看，这就是我向客户收取费用的依据。
这其中蕴含着巨大的商业影响。对于那些真正融入零售商核心业务并能切实推动这一进程的第三方供应商而言，这确实是一个非常有前景的机遇。此外，就零售商自身而言，我认为数据生态系统正日益回归到这样一种状态：在某种程度上，它将更多地惠及大型企业，而非小型企业。那些真正具备能力与实力来整合海量数据流、将成本不菲的机器学习应用于这些数据流，并将其转化为更精细分析的企业。
我认为在未来五年内，规模化企业将迎头赶上，而小型企业则会面临被淘汰的局面。试想 21 世纪商业史上的发展轨迹，通常都是小型初创企业将大型企业打得落花流水。而这个数据和机器学习生态系统，我认为是近期以来首个可能让大公司稍微扭转这一局面的因素。
