就在小米上市前夜，華爾街的一位華裔基金經(jīng)理點開了一封未讀郵件，郵件寫道：

想知道小米的銷售數(shù)據(jù)嗎？我們提供實時數(shù)據(jù)，按照品牌和產(chǎn)品分類。線上的數(shù)據(jù)是從天貓和京東獲取的；產(chǎn)品數(shù)據(jù)包括手機、掃地機器人等。而且，我們還提供小米和其他品牌廠商的對比。如果感興趣，請點擊回復。

神秘郵件瞬間激起了這位基金經(jīng)理的興趣。

畢竟，華爾街玩的就是一場信息游戲。在股票市場，誰能提前得知消息，誰就可以預先布局，從而產(chǎn)生 “阿爾法”（超額收益）。

正在疑惑這封郵件來自哪里，他的目光正好掃到了署名處：Sandalwood。

登錄 Sandalwood 官網(wǎng)，這家公司的主業(yè)看起來像是投資咨詢。而事實上，Sandalwood 是一家數(shù)據(jù)交易商。

“數(shù)據(jù)大盜”

今年以來，越來越多涉及中概股的投資者，開始聽說并談論起 “數(shù)據(jù)大盜” 這個神秘的存在。

狹義地說，所謂 “數(shù)據(jù)大盜”，是指那些通過特定互聯(lián)網(wǎng)網(wǎng)絡技術(shù)手段，從電商公司的平臺上獲取相關(guān)上市公司銷售數(shù)據(jù)，繼而將這些數(shù)據(jù) “清洗” 整理后，出售給機構(gòu)投資者的 “另類數(shù)據(jù)公司”。

在他們的工作流程中，主要分為這幾個步驟：收集數(shù)據(jù)，清洗數(shù)據(jù)，分析數(shù)據(jù)，銷售數(shù)據(jù)。

作為其中的典型代表之一，Sandalwood 系由一位名為 Tony 的華裔創(chuàng)立于 2015 年，自稱是亞洲最大的上市公司數(shù)據(jù)公司之一。

Sandalwood?的主要工作，除了主動爬取相關(guān)電商平臺的數(shù)據(jù)之外，還從多家原始數(shù)據(jù)公司買入原生數(shù)據(jù)或清洗好的數(shù)據(jù)，進行銷售。

不同于那些初級 “數(shù)據(jù)大盜”，Sandalwood 本身還是一個數(shù)據(jù)平臺，并號稱客戶可以通這個平臺訪問 7 個獨特的數(shù)據(jù)源。

Sandalwood 的客戶，一般是資本市場中的買方，也就是那些代表他人投資股票和債券的基金——他們是尋求超額回報最積極的參與者。

更詳細地說，Sandalwood 最看重的客戶，是美國對沖基金中的量化基金。他們多看重并使用數(shù)據(jù)來產(chǎn)生 “阿爾法”。

眾所周知，華爾街對于 “阿爾法” 的追求從來沒有停下過腳步。在過去的 150 年中，“阿爾法” 的來源平均每 10-20 年就要變化一次。

在 20 世紀 50 年代，最初的對沖基金發(fā)明了多頭 / 空頭股票策略。在 20 世紀 80 年代，數(shù)學和計算機比手持式計算器更具優(yōu)勢。在 21 世紀初，阿爾法是高頻交易。

這些策略或工具一度讓那些能夠首先使用它們的人比其他人更有優(yōu)勢。但隨著它們變得越來越普遍，它們的優(yōu)勢消失了，投資者不得不尋找新的策略工具。

目前看來，在如今的數(shù)字經(jīng)濟中，使用那些由海量數(shù)據(jù)掩蓋下的獨特的、金融市場以前不知道的信息內(nèi)容，是 “阿爾法” 的下一個來源。

客戶希望從數(shù)據(jù)中獲得優(yōu)勢，這便對 Sandalwood 所代表的另類數(shù)據(jù)公司們提出了更高的要求。他們需要數(shù)據(jù)比現(xiàn)在使用的更快或更準確，或者它必須提供以前無法獲得的獨特見解。

Sandalwood 們常見的數(shù)據(jù)采集手段，包括比如網(wǎng)絡爬蟲，信用卡跟蹤，電子郵件破解，地理位置軟件，衛(wèi)星，主流 APP 應用等——這些我們會在下文逐一揭示。

但是為了區(qū)別于對手，所有 “數(shù)據(jù)大盜” 都必須拼命去尋找更快更準確的數(shù)據(jù)來源。為此，其中的部分從業(yè)者選擇了直接和電商平臺進行交易，直接獲取第一手的產(chǎn)品銷售數(shù)據(jù)。

有利潤的地方就會有交易。對于數(shù)據(jù)交易商而言，還有什么從電商平臺獲取的直接數(shù)據(jù)更好呢；對于電商平臺而言，身坐在價值連城的海量電商數(shù)據(jù)之上，為什么不變現(xiàn)呢？

有了第一手的領(lǐng)先數(shù)據(jù)，數(shù)據(jù)交易商便可以輕而易舉地打敗其他對手，也幫助對沖基金贏得了 “阿爾法。

風險：內(nèi)幕交易與隱私保護

對于這樣的好用的信息，對沖基金往往一擲千金，數(shù)據(jù)公司幾十萬美金的年費似乎不在話下。

摩根大通估計，投資管理行業(yè)對大數(shù)據(jù)的支出在 20 億 – 30 億美元，而且這個數(shù)字的年增長率，在以每年兩位數(shù)的速度狂奔。

如此火爆的數(shù)字交易產(chǎn)業(yè)合法嗎？

之前，美國證券交易委員會（SEC）已成功起訴涉及數(shù)據(jù)公司的內(nèi)幕交易案件。該案件涉及兩名數(shù)據(jù)分析師通過分析信用卡交易獲取重大非公開信息。

由于他們未經(jīng)數(shù)據(jù)所有者同意而獲得訪問權(quán)，因內(nèi)幕交易而被起訴，并被迫支付超過 1800 萬美元的罰款。

SEC 曾指控美國第一資本投資國際集團（Capital One）雇傭的兩名數(shù)據(jù)分析師，在 2013 年 11 月至 2015 年 1 月期間，對至少 170 家上市公司有關(guān)的信用卡交易專有數(shù)據(jù)庫進行搜索。被告人 Bonan Huang 和 Nan Huang 使用這些數(shù)據(jù)，在上市公司財報發(fā)布前利用期權(quán)交易股票。

內(nèi)幕交易是指，知悉證券交易內(nèi)幕信息的知情人和非法獲取內(nèi)幕信息的人，利用內(nèi)幕信息自己買賣證券、建議他人買賣證券，或者泄露內(nèi)幕信息使他人利用該信息買賣證券，從中牟利或者避免損失的行為。

這其中涉及到幾個關(guān)鍵的概念，包括可以影響市場價值的重要信息（Materiality）、未公開（Dissemination）的以及信托責任（Fiduciary Duty）。

數(shù)據(jù)交易產(chǎn)業(yè)鏈中的內(nèi)幕交易風險在于，有相當體量的數(shù)據(jù)是能夠帶來優(yōu)勢的，也就是產(chǎn)生出影響市場價值的信息。

問題在于，由于數(shù)據(jù)集需要購買，一些機構(gòu)有渠道購買，但普通投資者則無法獲取該信息。

所以盡管理論上數(shù)據(jù)集是可以公開采集和購買的，但事實上并非如此。所以，在某些情況下，如果使用或出售某些數(shù)據(jù)，特別上市公司季報公布前的銷售數(shù)據(jù)，將涉嫌構(gòu)成內(nèi)幕交易。

在美國，對內(nèi)幕交易的定罪不僅要求證明信息是重要的和非公開的，還要證明違反了信托責任（Fiduciary Duty），也就是說信息是在未經(jīng)所有者同意的情況下獲得的。

由于許多電話和信用卡公司在其合同中包含允許其出售信息的條款，因此該條件很少得到滿足。但是隨著數(shù)據(jù)的不斷增多，同意不充分的可能性增加，從而增加了違反受托人義務的風險。

在歐洲，雖然不需要這一條來證明內(nèi)幕交易，但其他方面的標準更高。

除此之外，隱私則是一個更大的問題——難道你忘了當前仍令臉書（Facebook；NASDAQ:FB）焦頭爛額額那檔子事？

數(shù)據(jù)采集手段：從爬蟲到衛(wèi)星

為了能夠得到買家的青睞，數(shù)據(jù)公司的采集數(shù)據(jù)的手段可謂無所不用其極，其獲取渠道至少包括：網(wǎng)絡爬蟲，信用卡跟蹤，電子郵件破解，地理位置軟件，衛(wèi)星，主流 APP 應用……

1.爬蟲數(shù)據(jù)

網(wǎng)絡爬蟲是一種常用的收集數(shù)據(jù)的手段，許多的原始數(shù)據(jù)采集公司，都在公共網(wǎng)站、社交媒體、在線社區(qū)、郵件插件上搜索可能有價值的信息。

例如從應用程序和用戶評論的下載，到航空公司和酒店通過票務網(wǎng)站接收預訂的信息。而通過社交媒體網(wǎng)站，則可以獲取有關(guān)消費者觀點和趨勢的提示。

網(wǎng)絡爬蟲可以跟蹤很多東西，從雜貨到汽車銷售的價格趨勢。分析師可以通過抓取消費者網(wǎng)站上產(chǎn)品的評論，來評估新產(chǎn)品的推出和產(chǎn)品生命周期。

比如下圖所展示的一家叫做 Thinknum 的數(shù)據(jù)銷售公司，不僅提供多家在美上市公司的領(lǐng)先數(shù)據(jù)，還提供相關(guān)的投資分析服務：

包括特斯拉車的庫存數(shù)據(jù)，以及各社交網(wǎng)絡上和用戶的交互數(shù)據(jù)。

以及剛剛在香港上市的小米的社交網(wǎng)站的數(shù)據(jù)。當然，這是免費版的界面，相信付費版中提供的內(nèi)容會更加豐富。

而這家名為 Yipit Data 的數(shù)據(jù)分析公司，不但覆蓋多家已經(jīng)上市的中概股，就是連剛剛遞交招股說明書的拼多多的數(shù)據(jù)，它都有！

2.信用卡追蹤數(shù)據(jù)

這里面另一個重要的數(shù)據(jù)來源，便是對消費者信用卡的跟蹤。這些數(shù)據(jù)可以直接顯示消費者真實的身份信息，以及在哪些產(chǎn)品上花錢的信息。

雖然它只能描繪出局部的銷售趨勢，但結(jié)合其他數(shù)據(jù)集，它們可以為機構(gòu)投資者提供非常重要的判斷依據(jù)。

于是，信用卡公司便成為了一座金礦。信用卡交易數(shù)據(jù)是最有價值的細分市場之一，是消費類公司收入的頭等指標。

3.數(shù)據(jù)廢氣（exhaust data）

數(shù)據(jù)廢氣指公司記錄保存的副產(chǎn)品數(shù)據(jù)。許多科技公司都產(chǎn)生了數(shù)據(jù)廢氣，作為其核心活動的副產(chǎn)品，例如銀行記錄，超市掃描儀數(shù)據(jù)或供應鏈數(shù)據(jù)。

這些數(shù)據(jù)廢氣是由一些可存儲的選項產(chǎn)生的，操作和首選項，例如日志文件，插件，臨時文件，甚至是為數(shù)字化完成的每個流程或事務生成的信息。

其中最有價值的莫過于接口廢氣。這是指網(wǎng)站從前使用的數(shù)據(jù)接口，后來不用了也沒有刪除。一些數(shù)據(jù)公司便可以介入這些接口，獲取上市公司的數(shù)據(jù)。

4.地理定位信息

智能手機配備了位置服務，允許我們使用地圖或天氣功能，但也讓移動運營商隨時了解我們的位置。

這些數(shù)據(jù)對于希望了解我們正在訪問的商店、酒店或餐館，以及尋找消費趨勢線索的機構(gòu)投資者來說，非常的有價值。

5.傳感器及衛(wèi)星數(shù)據(jù)

無論是來自衛(wèi)星、智能手機、物聯(lián)網(wǎng)還是其他，傳感器產(chǎn)生的數(shù)據(jù)都是增長最快、價值越來越高的另類數(shù)據(jù)。傳感器產(chǎn)生的數(shù)據(jù)包括衛(wèi)星圖像數(shù)據(jù)，行人步行和汽車交通，船舶位置。

傳感器數(shù)據(jù)通常是非結(jié)構(gòu)化的，并且比個人或流程生成的數(shù)據(jù)流要大得多。衛(wèi)星成像可能是最常見的例子，但地理位置數(shù)據(jù)越來越重要，因為它用于跟蹤零售店的步行流量。

傳感器數(shù)據(jù)將變得越來越重要，因為物聯(lián)網(wǎng)正在變得更加普及，尤其是將微處理器和網(wǎng)絡技術(shù)，嵌入個人和商業(yè)電子設(shè)備。

林林總總贅述了這么多，想必你仍好奇開頭那位基金經(jīng)理，對于數(shù)據(jù)大盜與 “另類數(shù)據(jù)” 最終作何處理。根據(jù)他的陳述，就在當晚，他已將郵件打印了出來，并放入了第二天會議的文件夾中。