生活在這個數字化時代，數據產生的速度、類型、數量的迭代是非常快的，怎么從數據中來汲取價值，我們要好好思考下。

現在一線城市比如北京、上海、廣州、深圳都在做CDO（首席數據官）的試點。可能以后都是叫CDO、CIO、或者CIDO。其實現在很多企業沒有CDO，由CIO承擔了CDO的職責。

怎么讓數據發揮他的價值呢？

今年發生了兩個比較重要的事：

1、南方電網發布了數據資產定價辦法，這是一個重要的里程碑。

2、上海大數據交易中心成立了，對怎么把數據貨幣化我國也邁出了探索步伐。這也為我們以后如何把數據進行定價和進行貨幣化形成了平臺和機制。

很多企業都在探索這些內容，怎么把企業里的數據變成資產。現在經常講數字化轉型，業務數據化，數據業務化，數據資產化，資產貨幣貨，我們怎么把數據怎么變成價值？怎么進行更好探索？首先要了解一下數據資產它有一些特征，跟我們以前資產不太一樣。

數據是新類型的資產

1、數據資產不受其他資產的影響

一個擁有和分析特定數據資產的組織并不會阻止另一個組織也擁有和分析同一數據資產。知識產權法和其他保護措施可能會試圖將這種情況降到最低，但原則上，數據是可以被無限復制和使用的。因此，組織需要特別注意保護他們的專有數據、見解和競爭優勢，防止數據泄露和泄露。

2、數據整合可以創造價值，數據的可訪問性很重要

數據的反競爭特性也為組織間的合作開辟了新的途徑，這將被證明是解決21世紀全球問題的關鍵。例如，在冠狀病毒期間，公共衛生和醫學界之間的國家和國際數據共享使協調一致的科學應對大流行成為可能。實踐中，組織會根據數據的敏感性和用途，找到不同的方式允許或限制對其數據資產的訪問。尤其現在很多企業做智能化的營銷，我們可以從人數據、商品數據、流程數據、人的行為數據結合以后產生更多的洞察，形成更好的資產，為我們提供更好的決策。

3、與傳統資產不同，數據資產的估值并不簡單

對一個組織極其寶貴的數據資產可能對另一個組織或所有其他組織毫無價值。對股票和機器等實物資產的投資可以恢復，至少可以部分恢復。但清算數據資產即使不是不可能，也是很棘手的。此外，即使數據資產明顯在創造價值，也很難計算這個價值。

分析數據是一個復雜的過程，需要資本投資、計算能力、人力，以及在知識和培訓方面的潛在投資，只需要注意其中的幾個變量。即使數據分析的最終結果很明顯(比如效率的顯著提高)，也很難將數據的貢獻從導致這一結果的整個過程中分離出來。

這些都給會計團隊帶來了麻煩，這意味著數據資產沒有得到應有的處理。我們業務的核心部分是數據評估，我們通過識別數據在為利益相關者創造價值的活動中所扮演的角色來進行評估。

4、使用數據可以創造更多價值和新資產

丹尼爾?穆迪的論文讓我們對數據價值的復雜性有了更深入的了解。數據價值隨著使用而增加——數據資產使用得越多，組織就越容易繼續使用它。組織可以利用這一點，記錄他們的數據是如何被使用的，并明確潛在用戶如何訪問它。這些關于數據的數據(元數據)為原始數據增加了價值，并且本身就是一項有價值的資產。也就是說從數據中發揮出更多的洞察或者一些模式，為我們現在的，比如說向數字化轉型，向業務轉型提供更好的基礎性支撐。

5、數據的質量和數量受收益遞減規律的影響

顯然，數據越準確，就越有價值。但是，在很多情況下，90%的精確度和100%的精確度一樣好，而且生產成本更低。這個收益遞減定律也適用于數據與其他數據的集成。通常，集成相對少量的數據會產生大部分價值。類似地，增加可用數據量并不一定會提高數據價值。在做決定的時候，組織應該知道太多的數據會導致信息過載。數據的質量、數量、受益遞減規律的影響，也就是說我們企業里并不是數據越多它的價值越大，也不是數據質量越高它的價值越大。它應該是一個平衡，在一個平衡的角度把數據的價值發揮到巨大的程度。

6、有些數據是容易損壞的

企業還應該知道，數據是易逝的，因為隨著時間的推移，很多數據會失去相關性。例如，不定期更新的客戶數據集會隨著客戶更改電話號碼和電子郵件地址以及搬家而失去其價值。重要的數據需要保持最新，否則它的價值很快就會消失。今天的溫度和我決定今天穿什么衣服，只有在今天有用，明天或者昨天的數據對我的支撐并沒有那么大，所以數據有一個時效性的特點。

數據場景化價值

因此在企業里頭，我們經常還要對時序數據進行應用。另外，如果我們把數據進行損壞了，數據也能發揮它的價值。數據它的幾個特點和傳統資產不太一樣。現在企業是通過挖掘不同的場景實現數據資產的價值，比如說研發，我們研發工序的一些優化，比如說對供應鏈的一些優化，比如說智能物流，制造中的一些工序，一些效率的提升等等。我們通過場景化來實現數據資產對我們企業的價值，也就是說雖然我們不能很明確定價，但是可以通過使用數據來發揮數據的價值。

數據資產實現價值路徑

現在很多大型集團都通過這些方式進行數據資產或者數據應用發揮價值。

一、目錄

這個我提醒大家一句，我們現在在做數據目錄梳理的時候太偏向于技術了，我們把數據目錄梳理出來，其實就是想把目錄開放給業務人員，讓他們在使用數據的時候能找到數據，能夠知道有哪些數據，他去把這些數據進行我們叫數據集市，或者我們叫數據的自助服務去來應用。因此我們講在做數據目錄梳理的時候，一定要把原數據搞好，把它業務的屬性，把它業務的解釋業務的描述梳理清楚，把數據目錄盡量的業務化，讓業務人員能把數據目錄看得清楚。

二、數據入湖

數據入湖的時候，我想可能有幾個重要的事情：

1、我們考慮數據架構的問題，對數據模型我們現在很多的企業搞數據中臺搞大數據平臺，搞這個數據湖，我們在做數據分析的時候，每個廠商在進行應用的時候又建了很多的數據模型，導致湖里的這些模型，可能對于模型的共享和模型的復雜度就增加了。所以在這里頭我們要特別強調對于模型復用度管理。

2、數據入湖的時候，我們剛才講到了數據湖是不是要存在所有的數據，所以說我們在數據治理的時候經常講數據生命周期管理，第一個就是剛才咱們講的數據的采集，采集的時候它有一個平衡，我們不要過度采集，沒有用的數據采集進來它也成為我們的負債，而不是資產。有些數據它是一個經常被使用的數據，我們經常叫熱數據，還有一些可能經常不被使用的數據，可能好久也不被應用的數據，我們會把這些數據進行分類，它可能叫冷數據。我們可能一些數據需要歸檔，不需要在線存儲，因為在線存儲對我們成本的壓力也非常大。所以說我們第二步就是在入湖的時候，就考慮到一些數據的架構。像數據的一些安全，就像我們要把數據進行分類分級，進行脫敏進行合規的應用。在入湖的時候，我們就在原子程度上就要考慮到這個問題。

三、指標

現在很多集團入湖以后要進行應用，和我們現在的一些場景進行結合，我們去梳理指標。目前很多的企業在梳理指標的時候會有一個問題形成了指標清單，這個指標清單有什么特點？它就是一個靜態清單，沒法把我們的清單這個指標和我們現在的決策能夠有效的聯動起來。我們現在在做項目的過程中有些企業他是這么思考的，他每一個部門的績效，它的指標都完成的非常好，但是我們企業總體的績效指標沒有提升，或者提升幅度不大。他從去來分析為什么會產生這種原因，就是指標之間沒有進行有效的關聯，指標之間沒有進行統口徑的統一，導致每個部門雖然都是用了一些指標，但是這些指標間的關聯并不清楚，因此現在很多時候我們去做指標的梳理，是把指標打通端到端的這種指標的這種應用模式。

也就是說我們銷售的指標銷售數量在增加的時候，我們生產指標怎么變化，我們供應鏈的指標怎么變化，我們財務指標怎么變化。也就是說我們去模擬是不是我們產量增加了，我們的效益一定會提升？這就需要指標之間進行動態的關聯，每個不同的部門對相同的事物分析不同的這種場景下來發揮它企業收益最大化。這是對于指標這一塊，也就是說我們形成體系化的指標，而且這些指標能夠進行動態的關聯，對不同的場景進行有效的支撐。

四、應用

有了指標以后我們就會進行應用，就像我們現在說的，包括低代碼平臺也好，包括數倉也好，我們把這些東西和我們的應用場景進行結合起來。通常以前做的一些場景，報表也好，圖形也好，這些對于很多的決策者或者領導者來說，數據太冰冷了。我們作為CIO，我們思考的場景是怎么把數據做的更有溫度，能夠讓數據真的能為我們業務部門去進行賦能，讓他有決策。比如說我們現在做滴滴打車，我們打車從一個地點到另一個地點，我們就可以隨時看我們從這點到那一個地點的時間，對我們打車它就有一個很好的決定，就像我們做儀表板一樣，做完以后確實業務帶來價值。這樣的話在應用程度上它就會好得多，也會促進我們對于信息部門對于業務的這種價值的體現。

數據治理

數據它是一個原材料，我們做的這些中臺也好平臺也好，對數據進行加工。加工以后又形成了不同的一盤的“菜”，這些東西最終可能還受、原材料這些數據質量的影響，我們加工這些東西能不能有效，他吃的好不好吃，我們就需要對數據進行治理。我們作為一個信息部門，可能要考慮數據的這些應用或者數據的戰略、企業戰略、業務戰略的一些關聯。我們考慮戰略的問題，我們考慮數據治理。就像我們要有組織去做這件事，要有數據治理體系的問題，我們要有模型管理，有質量管理，有安全管理，數據的全生命周期管理這些我們要考慮數據。從產生到它發揮價值到它結束的過程中，我們要有有效的手段把它管理起來。我們要通過數據治理，通過原數據管理。現在很多大型央企，或者一些集團都在進行數據治理的工作，就是因為發現如果不把基礎性的工作做好，對我們以后的應用會產生比較大的影響。有些時候我們看看別的企業怎么做的，我們怎么去學習。但是有一點，其實我們更應該把這個基礎的理論把它做好。就像我們去醫院看病一樣，我們不能說他得了感冒買一個感冒藥吃，我也跟他買一個一樣的感冒藥吃就能把感冒治好。

因此我們作為企業的信息化部門更像是一個診斷部門，我們給公司開這個藥方，一定是要基于自己的現狀取得制定和適合自己的策略，或者自己的方法去來管理。這個基礎就是我們要把這個基礎的這些知識能夠掌握在咱們信息部門，和業務的結合，和我們現狀的結合，來給我們做更好的一些方案，能推動公司的數字化轉型，或者說我們戰略的實現，這非常關鍵。從這一個角度去來理解，我們做一些數據的治理或者數據的管理工作，更多的要結合先進的一些實踐，結合企業的自己的自身的一些特點，再加上一些專業知識的支撐，才能更好的把數據的工作做得更好。

數據資產經濟價值的三個思考

1、從數據中收集到的關系和模式才是有價值的

我們經常就是說數據是戰略性的資源，數據是黃金等等，這些論述比較多。但是我們知道黃金和石油都是可以交易的，可以直接進行買賣。數據更多體現在為我們產生一些模式分析，一些洞察里面。如果我們單純去買數據，可能數據未來就是一個巨大的負債。像亞馬遜也好，阿里巴巴也好，其實他的數據價值更多體現在有消費者，有企業，有平臺，我們把這個打通以后，客戶需要什么我們進行商品比對，這些數據給我們買東西提供了一個更好的決策。對于企業來說，什么樣的客戶需要什么樣的產品，對于產品的需求，通過這些數據對它進行一些支撐，并不是亞馬遜和阿里巴巴把數據賣給了C端，賣給了B端，是這么一個模式。對于數據來說，數據資產價值，首先有價值的并不是數據本身，而是從數據收集到的關系和模式系最有價值的。作為企業的CIO或者CDO來說，我們更關注與從數據中獲得間接的貨幣化，而不是過多采集數據，或者收集這些多數據，把數據進行出售，而是把數據終的價值和這個模式提煉出來。

2、通過對關系和模式的量化對可能發生的事情做出預測

通過關系和模式的量化對可能發生的事情進行預測，預測的準確度，或者說預測的趨勢，能不能和我們業務進行結合，也是數據價值的一個體現。現在很多的企業我們都發現，雖然我們盡了很大的努力，很多的業務部門可能還不是依據我們數據去做決策的，這可能是一個數據文化的問題，也可能是數據和它的決策不一致的問題，而且我們現在經常做的一些數據，包括數據倉庫的一些項目，可能我們更多的是為了通過數據分析證明領導的決策是對的，而不是在他做決策的時候就告訴他應該朝方向去做決策，因此說以后我們可能更多的是把數據的決策或者數據給出的趨勢和業務部門做的一些決策進行比對。經過長時間比對，我們就會發現我們做的數據做的決策和領導做的決策是不是有一致性，來訓練這些模型和我們真實的一些場景，讓業務能夠有效的依賴于我們數據做出的決策，數據的價值就會在企業更好的發揮出來。

3、預測通過改進優化的戰略和運營用例驅動貨幣化機會

通過預測改進和優化戰略、運營，從而驅動貨幣化。我們現在通過決策，通過分析能不能到底產生價值？就像下面這個例子一樣，如果你能預測在足球比賽的時候，可能會有運動員會受傷，在比賽期間和之后像頭部受傷撕裂和骨折會增加多少？我們可能就會在這個過程中去來決策，這個可能就能預測我們離體育場最近的醫院要做額外的護士、醫生，用品，就可以提出這種相應的建議。就像咱們現在咱們做疫情的時候，衛生部門現在的防控措施要比武漢發生疫情的時候好的多，是因為我們有數據的支撐，有模型的預測，有精準的能定位到受到感染的人員，我們就會有效的把范圍縮小。以前我們定義一個中風險可能就定義成一個區，現在我們就會定義到一個小區，這就是數據給我們帶來的一個價值。我們通過這種方式，降低了疫情的范圍，我們活動的空間就會大了，對我們生產生活的影響就會小了。所以說數據的價值很多時候就體現在通過數據，為我們為我們社會，或者為我們企業做出的這些決策里頭，所以說我們更多的時候去來思考數據的價值的時候，可能并不是說數據自身直接賣多少錢的問題，數據自身到底值多少價格的問題，而是我們從數據中分析出來的這些洞察，這些模式，能夠為我們企業創造更多的效益。