📋 预判摘要
🔍 五步递进筛查
| 步骤 | 状态 | 说明 |
|---|---|---|
| Step 1 需求 | ⚠️ | "有了更好"非刚需，券商/政府付费意愿弱 |
| Step 2 解决方案 | ⚠️ | 数据脱敏后价值衰减 |
| Step 3 商业模式 | ⚠️ | 第3年仅盈亏平衡 |
| Step 4 增长 | ⚠️ | 客户培育期长 |
| Step 5 壁垒 | ⚠️ | 数据产品壁垒弱 |
🏰 行业预判六模块
M1 拆解行业
产业链：数据源层（交易所、工厂/贸易商、云筑网交易数据）→ 加工层（上海钢联900+品类、生意社BPI指数、水泥网/钢之家）→ 交易层（数据终端订阅、API接口、数据交易所挂牌）→ 终端用户
利润分配（100元）：数据采集与脱敏 30-40% | 指数编制与模型 70-80% | 产品化与分发 50-60% | 客户培育 20-30%
关键控制节点：用户心智型 — Mysteel已建立行业品牌（铁矿石指数被全球四大矿山采用，30%全球贸易以其为结算依据），品牌壁垒极强。
可优化：建筑行业景气指数、供应商信用指数完全空白。现有数据产品以"大宗商品价格"为核心，缺少建筑行业特色的信用+景气维度。
M2 洞察变化
| 维度 | 变化 | 量级 |
|---|---|---|
| 政策法规 | 17部门"数据要素×"三年行动计划，数据交易规模倍增 | 大 |
| 政策法规 | 财政部数据资产入表规定2024年实施 | 中 |
| 供给侧 | 全国39家数据交易所，38925个数据产品 | 中 |
| 供给侧 | 陕建首单建筑数据ABS（2025年7月） | 中 |
| 需求侧 | 建筑业GDP占中国GDP约7%，但缺统一景气指数 | 中 |
M3 预判稳态B
中建发展位置：建筑行业信用指数+景气指数的定义者 — 价格指数市场Mysteel已占据，但供应商信用指数和行业景气指数完全空白。
M4 Timing
周期：早期探索期 — 数据要素市场刚起步（2024年数据资产入表元年），客户付费习惯尚未建立。
太早风险：中高 — 客户付费习惯未建立，培育期长
太晚风险：低 — 市场尚处早期，窗口3-5年
M5 天花板大小
| 方法 | 估算 |
|---|---|
| 直接数据 | 数据要素市场1662亿(2024)，年增20%+，2030年7000亿+（全行业） |
| 类比 | 上海钢联8亿/年（大宗商品）→ 建筑行业2-3亿 |
结论：5-15亿元可触达市场（长期），但需要较长培育期。
M6 集中度
现状：寡头（Mysteel主导价格数据） — 30万+付费用户，IOSCO认证，全球影响力。
趋势：A型（分散→分散的可能性大） — 数据产品品类多，不同品类可能形成不同头部。
策略：差异化深耕 — 避开Mysteel的价格指数优势，做信用指数+景气指数等空白品类。
🔍 五步法逐层分析
Step 1 需求
目标用户：券商/期货公司（研究定价）、建筑企业（市场对标）、政府（行业监测）、数据交易所
| 场景 | 痛点 | 刚性 |
|---|---|---|
| 券商行业研究 | 建筑业占GDP 7%但缺统一景气指数 | 中等 |
| 建筑企业市场对标 | 供应商信用缺乏行业统一评估标准 | 中等 |
| 政府价格监测 | 建材价格透明度不足 | 中等 |
| 数据交易所 | 建筑类数据产品几乎空白 | 中等 |
Step 2 解决方案
核心卖点："Mysteel告诉你建材多少钱，我们告诉你建筑行业健不健康、供应商靠不靠谱。"
| 做 ✅ | 不做 ❌ |
|---|---|
| 供应商信用指数（基于10万亿交易数据） | 大宗商品价格指数（与Mysteel正面竞争） |
| 建筑行业景气指数 | 国际指数认证（IOSCO等） |
| 履约风险指数 | 衍生品/期货定价 |
| 数据交易所挂牌+API | C端个人数据产品 |
Step 3 商业模式
单客户（数据订阅）
| 收入来源 | 第3年估算 |
|---|---|
| 券商/期货终端订阅 10-30万 × 20家 | 400万 |
| 数据API调用 50家中小客户 | 200万 |
| 政府/协会定制 5个 × 50万 | 250万 |
| 数据交易所挂牌分成 | 100万 |
| 第3年合计 | 950万（盈亏平衡） |
Step 4 增长
增长引擎：付费式 — 数据产品需要主动营销和客户培育
| 优先级 | 渠道 | CAC |
|---|---|---|
| 1 | 数据交易所挂牌（交易所帮推广） | 20万 |
| 2 | 券商研究所合作（联合发布研报） | 10万 |
| 3 | 政府价格监测合作（发改委价格监测中心） | 30万 |
| 4 | 行业协会（中国建筑业协会） | 15万 |
Step 5 壁垒
| 壁垒类型 | 具体内容 | 强度 |
|---|---|---|
| 数据资产 | 10万亿交易数据（需脱敏，脱敏后价值可能下降） | 中 |
| 规模效应 | 数据越多指数越准 | 中 |
| 无形资产 | 央企身份+数据交易所合作 | 弱 |
💥 20张硬伤卡牌诊断
| # | 硬伤问题 | 评分 | 结论 |
|---|---|---|---|
| 1-3 | 目标用户/痛点/频率 | 0 2 1 #2锦上添花 #3低频 | |
| 4-6 | 用户验证/本质区别/卖点 | 2 0 0 #4付费意愿未验证 | |
| 7-9 | 功能堆砌/MVP/单元模型 | 0 0 0 均未命中 | |
| 10-12 | CAC-LTV/毛利/基准对比 | 0 0 0 均未命中 | |
| 13-15 | 获客渠道/人肉/增长引擎 | 0 0 0 均未命中 | |
| 16-18 | 护城河/壁垒/六大壁垒 | 1 1 0 #16脱敏壁垒减弱 #17能力需引进 | |
| 19 | 团队缺少必备能力 | 3 | 中等（需引进数据产品化+指数编制人才） |
| 20 | 低估运营复杂度 | 3 | 中等（数据脱敏合规+客户培育周期长） |
🧪 关键假设清单
📈 敏感性分析
| 变量 | 基准 | 乐观 | 悲观 |
|---|---|---|---|
| 券商客户数 | 20家 | 40家 | 10家 |
| 年均客单价 | 20万 | 30万 | 10万 |
| 数据脱敏后价值 | 高 | 极高 | 中等 |
最敏感：数据脱敏后价值 — 如果价值衰减严重，整个商业模式不成立。
备选路径
▶️ 建议下一步行动
- 取1000条交易记录，按3种脱敏方案处理
- 对比分析价值衰减程度
- 验证脱敏后数据是否仍可编制有意义的信用指数/景气指数
成本：2周 + 第三方审计费5-10万
🔗 与 SC-01/SC-03 的关系
SC-05 是 SC-01（风控）和 SC-03（金融）的数据资产增值层：