2021年是国家“十四五”规划的开局之年，“数字化”浪潮是数字化转型的起点，“数字化”强调数据就是资产，“数字化”推崇数据能够产生巨大的价值。因此，“数字化”是企业基于深入的数据分析，建立数循环框架，周而复始，实现自身提质增效的基础。数据时代的到来，企业的经营效率实现了大幅度提升，时间成本实现了大幅度降低，例如：零售行业通过销售数据的分析精准的捕获消费者的买卖偏好；制造企业通过分析生产流水线数据对生产情况及时做出调整以提高生产效率；金融行业通过客户的交易数据规范客户行为，保障银行资金的安全。数据逐渐成为与人才、技术和资本同样重要的第四大核心竞争力，“数字化”的过程是数据资产循环使用的过程，是不断给企业创造价值的过程。

数据化、应用智能化、效益数据化、功能数字化等需求都使得数据成为推动企业发展的关键因素，但数据推动企业价值提升是一个长期的过程。2013年艾瑞某家电行业的客户通过自研建立了完善的端到端信息化系统，发挥数字化转型过程中数据治理的价值，实现企业提质增效；2018年该企业将自身体系输出打造了工业互联网平台；2020年末企业加速推进生态构建、组织架构调整和战略升级助力数据平台打造。总结来说2013年至今，该企业初步实现了从数据抓取到分析再到赋能形成新的数据产业数字化运转的闭环，覆盖了消费者从购买到售后、生产车间从计划生产到物流运输的全流程管理。

一、企业为什么要重视数据价值？

（一）企业运营支持和管理决策的需要

数据充斥在运营支持和管理决策的各个环节，所以成功的运营有赖于数据的有力支持。在运营的各个环节，都需要以数据为基础。当我们有了足够的数据之后，我们可以不再依赖主观判断，而让数据成为企业里的裁判。理想情况下，如果能够追踪一切数据，那么企业所有的决策都可以理所当然地基于数据，从整体战略到目标设定再到驱动商务运营的方法，最后采用一定的评估方法来衡量数据运营的效果。数据资产的出现与发展，主要目的是实现数据的增值和变现，这对传统企业提出了将业务与数据进行结合，实现企业经营决策与持续发展的变革要求，核心也就是“业务管理数字化“。“业务管理数字化”的基础需要打通数据，制定统一的数据标准，提升数据的质量，发挥数据的价值。

（二）企业业务转型和创新的需要

由于面临的市场压力与挑战，越来越多的企业通过数据所产生价值来牵引和实施战略转型、思维转型及业务转型，从而寻求全新的商业模式，数据价值的实现是企业价值实现和创新转型的基础。数据是数字化转型过程中关键的基础性要素，数据实现价值的过程是打通企业内部不同层级、不同系统之间的数据壁垒，全面提升数据质量，实现对企业内部业务创新的支撑。基于此，实现数据潜在价值向实际业务价值的转化。据Gartner数据统计，截至2020年，80%的企业将会致力于提升其数据能力，从而提升企业的组织变革和业务创新能力。某零售龙头企业业务不断创新的过程也即数据价值化的过程，该企业前端门店通过存货精准跟踪+消费者信息有效抓取+向总部及时反馈数据保持高效库存周转+总部可及时针对数据做出反应，实现数字价值最大化；中端供应链通过搭建与供应商之间关于前端门店多维度数据信息的共享机制，将前端数据转化为物流相关控制，并且引进“Isotrack[1]”，实现节能创新。

（三）产业链对外赋能的需要

数据的价值除了作为数据资产服务自身内部业务的发展之外，更多的是赋能上下游产业链。通过跨领域、跨界的数据整合，构建基于大数据的生态链，成为大数据产业链中的一环，从而有可能创建新的业务模式和商业模式。上下游产业链使用数据资产可以通过形成数据产品、数据服务等在外部市场销售。生产数据的企业除了可以利用数据提升自身的业绩，同时这些数据对其他企业也会具有相应的价值。例如：4S店在了解了客户的购车习惯之后，不仅可以进行针对性的进行客户维护和营销活动，还能在合法合规的前提下，把相关数据提供给保险公司作为其分析客户购买车险的行为，寻找目标客户的重要信息。

二、企业数据资产如何来实现价值？

（一）数据战略

艾瑞数字化战略咨询团队基于企业业务战略制定的数据战略来自于对业务战略中固有的数据需求的理解，它反映了企业所应具备的支撑业务的数据使用和处理的高阶能力的要求，并据此制定清晰的数据化能力体系框架。业务的不断发展和信息化的不断深入，需要建设的业务系统越来越多。因此，构建专业的数据治理组织，设置合适的岗位权责，建立相应的管理流程和制度，让数据标准贯彻到每个业务环节是当务之急。在数据源头加强企业数据的管理，让常态化管理成为日常业务，从根本上彻底解决企业数据质量的各种问题，让数据真正转化为数据资产，实现数据驱动流程优化、数据驱动业务创新、数据驱动管理决策。

1、企业战略驱动：十四五时期，企业面临着发展战略的变化与调整，数据资产推动业务变革，提升管理和经营效率，实现价值。

2、政策和监管驱动：政策和监管的要求，政策从数据治理架构、质量控制、数据价值实现、监督管理等方面规范了金融机构等的数据管理活动。

3、使用规范驱动：数据资产是重要的资产，企业需要安全地保管自身及客户的信息，良好的数据治理环境可以规范数据的管理和使用。

4、风险评估驱动：运用大数据、数据挖掘、机器学习、反欺诈、区块链等技术来对风险进行综合评估，这些有赖于数据能够良好地运用于数据模型。

数据战略从公司战略出发，以数据资产盘点与分析、投入资源/产出预测为主要工作步骤；以支撑公司各细分策略的视角，制定数据资源规划、应用规划、资产规划等为重点内容；以数据资产的安全、有效管理为实现目标；最后通过降低企业运营成本、提升经营效率、拓展业务模式来创造价值。例如：某保险公司围绕数据中台，建设数据管理体系与数据价值应用，提升数字化风控能力，实现覆盖客户全流程的数据管理。利用“规则+经验”和数字化赋能运营和风控等业务全链条，利用数据分析甄别诈骗骗保行为。数据管理的真正的价值点在于数据，而体现数据价值离不开数据战略。最初企业数据规范缺失、组织架构尚不清晰，数据战略意识缺失，需要有人来时刻关注数据运营的质量。因此企业需要尽早建立完善的数据战略，赋予数据更好的管理理念和运营模式。

（二）数据收集

1、为何收集数据？

首先，要想清楚为何收集数据，也就是希望从数据中获得哪些信息？可能是为了了解用户的行为习惯；也可能是想要了解用户的态度与期望；也可能想要了解用户的感受等。

2、何时收集数据？

首先，确定收集数据的时间间隔，其次确定收集数据的类型等。

3、如何收集数据？

通过自述报告或观察可以收集数据，自述报告的数据包含询问用户的问题及用户的一些回答，观察用户行为能够获取观察数据。另外，通过第三方平台或者一定的技术手段也可以收集相应的数据。

4、收集什么数据？收集多少数据？

收集数据的内容和体量需要依赖于所要收集数据的目标及为了实现最终目标所做出的决策。

数据收集是使用数据的基础，从源头上理顺数据收集的渠道、时间、方法、类型和体量等才能真正的使用数据，发挥数据的价值。

（三）数据治理

数据治理是整个数据战略的底层支撑，数据战略指导建立完整的数据管理体系，实现以数据治理为基础的从数据架构到数据质量等的全面管理。数据和信息质量决定了信息能否发挥价值，实现应用。另一方面，数据和信息需要被标准化，规范化，并且被作为服务从而变得易于使用。数据标准定义统一的数据口径与规范，数据架构可以确定、开发合理的信息模型以支持业务操作和分析。数据治理用来管理优先级、计划、业务流程、应用和数据，使得数据组织与相关职责更规范，并提供数据政策和制度的保障。数据治理的目标是为了保证“正确的信息，以正确的形式，在正确的时候，交付给正确的人”，有助于增强企业灵活性，最小化决策成本和风险。

通过数据治理来实现数据价值的案例很多，例如：某医疗企业IT系统以业务为主导、比较传统，随着信息系统的不断增多，复杂度也越来越高，信息孤岛现象频现，数据的利用效率比较低。企业为了改善问题进行了数据管理的转变，通过建立主数据库和统一的数据中心构建以患者为中心的主索引，为患者提供从注册到治疗等一系列全流程的智能匹配和标准规范，为企业构建数据仓库，整合分散存储的数据，提高数据利用率。最后患者拥有自己完整的电子健康和医疗档案，并可以通过索引在各个医疗机构调取自己相关的信息，实现跨区域、跨机构终生的医疗信息共享，对医疗机构可以实现患者统一高效的管理，确保了信息交换的准确性和一致性。

（四）数据应用

企业内部使用自身运营产生的数据服务自身的经营决策和业务发展。数据价值的实现最终取决于数据的应用场景，单一的数据应用于单一的场景，数据的多维结合使得数据应用发挥单一数据直接相加的价值。例如：移动、联通及电信运营商定期分析成熟客户的套餐、消费及使用异常等情况，适时地采取客情维系策略，通过制定相应的个性化优惠政策吸引老客户的需求，延长收益。互联网电商平台通过大量的平台交易数据精细分析，制定长期的营销策略。

数据应用的另一个体现是数据资产化向生产资料化转变，通过规范的数据管理，将企业内部的数据实现统一标准整合应用，实现数据的资产化，促进降本增效、实现业务驱动。数据生产资料化的本质是将企业所拥有的数据资产活化，数据资产有别于其他传统意义的资产，其重要的特征就是在于其生产出来的瞬间价值最高，并随时间的推移逐渐减值，只存不用的思路是不能够支撑企业进行数字化转型过程中，快速变化的业务需求的。例如：客户购买了一件商品，是否能够通过交叉销售，推荐购买其他产品；或者客户在服务场景中，是否能够快速准确的定为客户问题，都充分说明数据实时场景是数据价值最高的地方。而将数据生产资料化后，所带来的好处是，不仅在当前场景下，可以充分发挥数据价值，还可以通过在生态内外部进行打通，从而进一步发挥数据价值。例如：阿里集团将其生态内的数据进行生产资料化以后，可以更快速的在生态内以数据打通各个业务，形成对多业务的支持及扩展。这就是基于数据生产资料化所带来的价值，同时这也是数据被称为生产要素的重要原因。

从认识到数据的价值到真正实现数据的价值，需要企业持续投入积累沉淀，以产品运营的思路运营数据产品，聚焦行业应用和典型场景打造数据产品。数据资产化只是在企业内部形成共同的“数据语言”，在运营过程中还需要实时对数据进行收集汇总分析，以产品运营的理念运营数据资产，梳理挖掘行业/应用的典型场景，使数据管理由成本单元转变为利润单元，形成新的商业模式和收入来源。通过不断的数据更新和积累、持续的数据运维，帮助企业提高数据业务的质量和市场竞争力，获得持续的市场收益，从而实现数据产品化和数据价值最大化。企业同步拥有和强化数据生产资料的存量价值，以及对其分析、挖掘的能力，进而极大提升核心竞争力。

三、数据使用过程中应该注意什么？

数据使用的安全性。数字化时代，数据的安全使用是数据发挥价值的前提，无论是欧盟还是国内对保护数据的安全都给予了足够的重视。2016年欧盟议会与理事会通过了《欧盟一般数据保护条例》（GDPR），确保在欧盟内部实行统一的数据保护标准，对个人数据保护法律进行规范，严格规定了控制和处理个人数据的组织应承担的义务。2020年《中华人民共和国数据安全法（草案）》全文在中国人大网公开征求意见，提出国家将对数据实行分级分类保护、开展数据活动必须履行数据安全保护义务承担社会责任。因此，在数字化转型发展过程中，企业对数据的使用是具有边界的，必须严格按照数据资产的产权进行数据的维护和使用，确保数据使用的安全。

数据使用的合规性。数据合规性是负责任且可持续地使用业务产生的数据，如果数据合规性方面的问题得不到正确的解决，那么很多数据通常也会成为问题。另外，如果数据中包含一些个人信息，那么数据利用合规的第一个前提就是要尊重国家关于个人信息保护的所有法律规范，不能因为强调数据拥有者的权益，就忽视了个人信息保护的合规。数据资产发挥价值既包含数据存储、管理、应用的相关软硬件平台的建设和维护，也需要配套相应的管理制度、流程、人员，每一个环节都必须在符合规定的前提下运转，保证数据管理正常进行，真正发挥出数据管理在企业数字化转型过程中的基础性作用。

数据使用的时效性。数据的使用和发挥价值是有一定的时间限制的，如果超出了相应的时间，数据价值将不存在或数据价值减少。例如：每年去医院就诊人次是一个非常惊人的数字，但相应的医院所能承载的就医人数是非常有限的，如果某地突发大规模的流感，可能就会让当地的医院承受巨大的压力，造成患者无法及时入院就诊。卫生防疫部门可以通过大数据的方法及时跟踪流感等高发疾病的发病情况，但是这些数据必须在很短的时间内得到处理，并实时得出某些医疗数据才能够很好的发挥作用。这从侧面说明了数据具备较强时效性，数据的使用受时间的限制。

数据资产在企业数字化转型的过程中，无论对于企业的日常经营还是业务创新都具备战略性的指导意义。因此，在数据时代，每个企业都必须构建一整套适配企业发展的包括数据组织，数据架构，数据治理和数据能力在内的数据战略，建立以数据为基础的决策文化，定期收集有价值的数据，方能在竞争中抢得先机。

[1]“Isotrack”是某零售龙头企业采用的一项节能新技术，通过安装在运输车里的小型电脑对车辆的行车路线进行实时优化。