dont-acquire-for-data

## Source Metadata Original cangjie-skill frontmatter from the distillation run: ```yaml id: f24 title: "不为数据而收购 — 数据投资的价值验证原则" book: "AI for Everyone" author: "Andrew Ng（吴恩达）" source: p03 tags: [data-strategy, m&a, value-validation, investment] related_skills: - slug: data-flywheel, relation: contrasts-with - slug: triple-due-diligence, relation: composes-with ``` ## R — Reading（原文引用） > "收购一家公司获取其数据，但数年后数据仍无法变现...数据本身不等于价值。数据价值取决于能否转化为AI系统的输入输出映射。" > — p03 ## I — Interpretation（用自己的话重新阐述） "数据就是新石油"这个比喻有一个危险的含义：只要拥有数据就一定有价值。Andrew Ng用失败案例警告我们—— **失败案例**：某大型医药企业收购了多家医药公司，获得了大量医药数据。但数年后，这些数据仍然静静地躺在数据库里，无法变现。原因是： 1. 没有明确的AI用例（不知道用数据做什么） 2. 没有AI团队参与收购评估 3. 数据格式和质量与AI需求不匹配 **正确做法**：在收购或投资数据之前，先回答三个问题： 1. **谁**会用这些数据？（哪个AI团队） 2. **做什么**用？（具体的A→B映射是什么） 3. **怎么变现**？（降低成本、增加收入、还是新业务） 如果这三个问题没有明确答案，"数据很有价值"可能只是一种幻觉。 ## A1 — Past Application（过去应用案例） - **失败案例：某医药企业收购**：收购了多家医药公司获取数据，但数年后数据仍无法变现。因为没有明确的AI用例，数据只是"看起来有价值"。 - **成功案例：战略数据获取**：Amazon推出不盈利的Echo设备，目的是获取用户语音交互数据。这里有明确的用例（改进语音识别），有明确的团队（Alexa团队），有明确的变现路径（更好的语音体验→更多用户→更多电商转化）。 ## A2 — Future Trigger（未来触发条件） **触发场景：** - 公司考虑收购另一家公司，理由是"他们的数据很有价值" - 有人提议"先买数据，以后总能找到用途" - 评估数据投资/收购的ROI - 数据团队说"给我更多数据，我就能做出更好的模型" **语言信号：** - "收购他们的数据" - "数据就是资产" - "先把数据买下来再说" - "数据以后肯定有用" - "数据量大了自然有价值" **区分要点：** - 是**主动获取数据**（推出产品收集用户行为）还是**被动购买数据**（收购/购买数据集）？本skill主要警告被动购买的风险。 - 是否有**明确的AI用例**？有用例→可以投资；没有用例→谨慎。 ## E — Execution（执行步骤） 1. **要求明确用例**：在批准任何数据收购/投资前，要求提出者回答"谁用、做什么用、怎么变现"三个问题。 2. **让AI团队参与评估**：任何以"获取数据"为目的的收购，必须有AI技术团队参与评估——他们能判断数据是否真的能转化为AI系统的输入输出。 3. **验证A→B映射**：明确数据将用于什么A→B映射。如果无法明确定义A和B，数据价值存疑。 4. **评估数据质量**：数据格式是否可用？标注质量如何？是否有法律和隐私风险？ 5. **计算真实成本**：收购价格 + 数据清洗/整合成本 + 存储成本 + 维护成本。很多数据收购的真实成本远超收购价格。 6. **设定验证里程碑**：如果决定收购，设定明确的时间节点（如6个月内必须有可用的AI用例），到期未达成则止损。 **完成标准**：对数据收购/投资提案，完成"谁用、做什么用、怎么变现"的三问评估，并有明确的AI团队验证意见。 ## B — Boundary（使用边界） **不适用场景：** - 数据是收购的附带价值（主要目的是产品/用户/团队） - 已有明确AI用例的数据采购 - 合规/监管要求的数据收集 **失败模式：** - "数据以后肯定有用"——这是最常见的幻觉 - 只看数据量，不看数据质量和可用性 - 没有AI团队参与评估，纯业务团队拍板 - 收购后数据整合成本远超预期 **作者盲点：** - Andrew Ng强调"数据不等于价值"，但有些数据投资是**期权价值**——现在没有用例，但未来可能出现。完全否定这类投资可能错失机会。关键是区分"有明确用例"和"纯粹投机"。 - 数据收购的价值有时是**防御性的**——防止竞争对手获得这些数据。这种战略价值难以用A→B映射衡量。 ## 相关 skills - **[data-flywheel](/books/ai-for-everyone/data-flywheel/)** — *contrasts-with*：数据飞轮强调通过产品自然获取用户数据（有机增长），而本skill警告不要通过收购获取数据（无机增长）。两种策略路径形成对比——前者有明确的产品-数据循环，后者容易陷入"数据沼泽"。 - **[triple-due-diligence](/books/ai-for-everyone/triple-due-diligence/)** — *composes-with*：在三重尽职调查的商业尽调中，如果项目涉及数据收购，需要用本skill的三问框架验证数据投资的合理性。