如何實現數據資產化中數據核心價值

　　近期，中共中央國務院發布了《關于構建更加完善的要素市場化配置體制機制的意見》后，首次將數據列為五大生產要素之一，并指出數據要素將發揮對其他要素效率的倍增作用。作為推動經濟高質量發展的新動能，國家正鼓勵加快培育數據要素市場。

　　數據價值的重要性被越發凸顯，由此，數據資產化迎來了新一輪的發展。但，數據資產化發展到了怎樣的階段、有著怎樣的特點?數據資產化工具的機會在哪里?企業如何發揮數據資產化價值?

　　在辰星網科公司CTO張青鋒看來，數據資產化的本質是發揮數據的價值，聚焦國內，隨著《個人信息保護法》的頒布與完善，數據面臨的合規管控將面臨相對收緊，企業目前能做的，應當是打破內部已存在數據壁壘，讓數據在企業內部進一步資產化，為數據要素的價值得以充分發揮創造條件。而在國外發達地區，數據作為企業資產的一種類型已成為廣泛共識。在歐美體系中，數據作為企業或個人資產的一種類型被認為是與生俱來的，而且有較完善的立法體系支撐。

　　上圖為辰星網科CTO 張青鋒

　　那么，為什么國內數據資產化在近些年來才火起來?

　　主要原因是，在國內的產業發展不同階段中，數據價值的重要性程度展現有所不同，因此，可將國內數據資產化的發展史歸納為四個階段。在這些發展階段中，數據在不斷發揮更大價值，從而推動了數據資產化的技術發展以及數據資產化工具的出現。

　　起步階段-發揮企業組織內部輔助角色

　　在上世紀九十年代中期以前，企業已經出現了數據意識，并受到組織內的法律保護。對企業來講，企業通過利用數據制作報表、運營等方面的工作，從而發揮了數據的一定價值。

　　這一時期有很多經典商業模式增速事件，如：在逛超市之前消費者明明已經制定了購物的計劃，甚至已經詳細到將自己想要買的東西統統列入到清單中，但當逛完超市后會不由自主的購買許多計劃外的商品。

　　這一階段數據的價值主要體現為企業與組織內部的輔助性功能。

　　從技術維度上來講，這一時期的數據資產化工具及工具方法論，主要幫助企業解決兩個問題：一是數據記賬;二是分析預測。如九十年代中期以前Oracle，Teradata等產品體系，可以將這個階段的數據資產工具看作是數據庫工具，主要用于存儲和查詢。

　　階段發展-數據輔助功能增強

　　進入九十年代末期，國內互聯網行業進入爆發式發展，帶來了大量的數據量增長。數據量激增，促使數據的搜索推薦、分析功能需求大增。數據對于企業及組織的價值增強，開始從輔助因素向核心因素轉變。

　　這一時期，出現了一套新技術體系——NoSQL。

　　NoSQL，結構簡單、分布式、易擴展、高效且便捷的新型非關系數據庫。

　　NoSQL的出現要解決的問題是，當數據量劇增時，舊數據庫已不再能支撐數據之上的應用場景新增變化。比如Cassandra， MongoDB等。從技術維度上來講，這種新變化帶來的問題并不很復雜，除了數據量增大外，數據的操作使用仍然簡單。如在2012-2013年時出現的大量移動閱讀需求：高并發情況下，要快速檢索到一個小說，然后讓用戶一頁一頁地翻閱。在這其中，后臺核心的支撐是Cassandra，Redis類工具。

　　而技術人員在做的是，將數據技術體系層層地重構最終完成全棧的重構——這場浩大的工程，掀起了數據技術發展中的史詩級浪潮。

　　隨著NoSQL的快速發展，需要在海量數據上構建更為復雜的場景，即大規模的機器學習，代表工具是Hadoop。Hadoop的高速運算和存儲能力，幫助企業與組織在海量數據中完成迭代性較強的分析。Hadoop通過不斷地對原來的關系模型進行排序更新，在此之中，也形成了算法最核心的數據架構PageRank，從而實現了搜索引擎在海量的、動態的非結構化數據里，更為有效、及時的排序。

　　至此，可以看到，數據在轉換成要素之前，數據資產化管理工具所發揮的是存儲性功能，以及更復雜些的是海量數據化分析能力。

　　在數據管理維度上，公認的DAMA(國際數據管理協會)標準治理體系出現，以及雨后春筍般的數據管理工具類廠商(后來多經大企業收購)。這一時期的數據管理工具，主要是幫助企業實現數據管理規劃、質量、集合、標準以及落地。

　　變革階段-數據向要素轉變

　　數據開始變成真正的核心要素/核心資產的重要因素是：數據的價值，與數據的市場價值更加接近。這個特征，最早和最佳成效出現在互聯網金融體系的建立與運營過程中。

　　如：2008年淘寶宣布，淘寶是一家數據公司，不是電商公司，不久后，淘寶的數據資產支撐的巨大的、高速發展的互聯網金融體系出現了。這標志著數據真正進入產業、進入市場，變成企業真正的核心要素或核心資產。

　　當數據發揮輔助決策價值、落地后，需要有一個周期的時間才能得出數據的整個價值迭代規律。而這一時期，數據資產化的發展，促生和推動了巨大的業務創新和全面數字化轉型效應，成為市場的新驅動力量，進而數據的價值和變現的價值愈發接近。由此體現的是，企業擁有數據就獲得了價值。

　　從技術維度上來看，前兩階段中，數據管理與數據治理技術工具主要是一些低層的架構體系，而到了第三階段，技術的首要任務是Follow數據法治標準。

　　但從使用維度上來看，整個行業或整個數據資產使用度上都是相對落后的。這種落后體現在兩個方面：最重要的因素是數據法案還沒有完全落地下來，即如何實現數據更加有效流通沒有得到解決;其次，技術并不完善，同時市場需求度不夠，技術的落地就變得更困難。

　　總的來看，這一階段數據從輔助角色正式轉變為核心要素被產業、市場、社會所認可。數據要素的認知建立起來后，企業所考慮的是，怎樣管理好數據要素。

　　融合階段-數據要素應用

　　數據資產化發展至今，數據的價值應用已經取得了很好的成果。從預測到直接參與生產，在各個行業中都能夠看到大量的數據應用案例出現。

　　越來越多的企業及組織在布局數據要素，并至少已在組織內部使用起來。與傳統行業相比，在數據管理、共享、應用方面，政府、金融行業、新能源汽車智造業走在了前列，疫情之下的健康碼體系，就是一個很好的場景;一些起步較晚但相對較開放的行業，也涌現出機會與延展性。

　　數據資產化涵蓋了整個生命周期，包括，數據資產收集、分析、評估、管理、應用，以及淘汰廢棄。由此凸顯了一個問題：數據的含義要比前三階段中復雜更多，可謂，數據即‘現金’，那么數據怎樣才能流動起來?

　　只有在法律的充分約束與規范之下，數據才能真正作為一種資產，開始在市場中流通。只有當數據的市場使用環境場景、合規性固定下來之后，數據要素供需應用場景才能真正爆發，從而推動數據的交易。

　　不難看到行業賽道之外，數據交易的剛需大量存在。例如基于信用的生意小貸、金融等，這些公司需要更多維度的數據來壯大自身的評估模型，但數據的獲取，在目前來講是十分困難的。

　　因此，如何建立一個更好的數據交易體系支撐，是第四階段發展的重要目標。

　　2020年以來，數據要素如何生成、如何實現生命周期管理、如何在組織內部發揮前所未有的價值，越來越成為企業和組織關注的熱點。所有人都知道，數據就在那里，但怎么去發揮它的價值?

　　當前，大數據平臺儲存需求已基本滿足，數據要素全生命周期管理成為主要需求點。百分之七八十的企業在做的是數據管理和應用，但數據的市場化供給這扇門還遠未打開，不過嘗試和探索并未停止，如貴陽大數據交易所等。

　　我們的做法是幫助企業數據進行指標體系化運作，為整個企業做精細化運營，進而輸送一種新的業務體系：企業的主營收在哪?企業營收高但為什么凈利潤低?在指標體系化運作中，就不難發現，雖然營收較好，但可能像電費等部分耗費的成本竟遠遠超過其它營收，于是，據此，我們幫助企業制定新的運作方式。

　　在此過程中，作為數據資產化基礎設施的數據中臺也在發揮著作用。數據中臺的建設，除了對組織的決策鏈條和體系進行數字化，還需要對組織的經驗、know-how進行系統化、體系化建設，進而將組織的數字化體系與Know-how體系進行結合，搭建起協同機制。

　　組織的決策鏈條體系、經驗、know-how，是數據中臺建設的核心。辰星網科幫助企業及組織打造的是，數據體系結合知識體系的數據中臺，可基于數據進行智能決策的數據中臺。