數字化轉型的基礎，是承認數據的價值屬性。一切數字化實踐活動，都是建立在認為數據具有價值屬性這個重要的前提假設之上的。

本文我們討論一下，如何理性看待數據的價值，以及如何有效地利用和發揮數據的價值，賦能各行各業的數字化轉型實踐。

觀點1：數據有價值，不等于數據能帶來價值

價值屬性是數據的天然屬性，這一點是毋庸置疑的，但是有價值和能夠挖掘出價值，利用好價值，又是兩回事。

這一點就好比，自然界中的石頭里含有翡翠和黃金，翡翠和黃金都是價值不菲的，但是從原石中提煉寶礦，又是十分費力的事情，不是誰都做得到的，如果太難，去挖掘這些價值也就不劃算。

這就是為什么，盡管人類歷史的發展過程中，早就有記錄數據的習慣，但是數字化的產業實踐，也只是近十幾年才逐漸“鋪展”開來。

其背后主要的驅動力，就是在于數據分析技術普及了，更多的數據分析技術可以使用，并且使用這些技術的軟硬件工具越來越多，使得數據價值開發的成本越來越低。

因此，如果數據中的價值不能被開采，那么數據就無法帶來價值，此時，數據的價值就只是潛在的價值，不是真正意義上的價值。

很多企業在數字化轉型時，都積累了大量的數據資源，但是這些數據資源并不能當作數據資產，因為沒有被用起來，即沒有價值性。

在挖掘數據的價值時，要進行相應的“成本-收益”分析。當挖掘數據所帶來的收益大于成本時，就可以得到數據的價值，反之，如果挖掘數據帶來的收益微薄，而投入的成本巨大，那么數據中的價值就不會在生產實踐中被“汲取”。

此時，即便數據本身是有價值的，但也是無意義的，因為價值不會被“看見”。

觀點2：數據的價值不具有“排他性”

在數字經濟時代，數據是一種非常重要的生產要素，數據與其他生產要素的一個非常重要的區別在于，數據不具有排他性。

數據的價值不會因為某個人或者組織使用了，其他個人或組織就不能再加以利用。也正是基于這樣的原因，數據的共享和交易活動更加值得鼓勵，也更加容易產生。

從“經濟學”的角度來看，數據構建的初始成本也許很大，但是復制數據的邊際成本幾乎為零。

當構建出有價值的數據資源時，可以通過傳播行為，大規模地復制數據的“價值”，這種特質也是整個數字經濟生態快速發展的重要原因之一。

值得注意的是，數據不具有排他性是“相對的”。

畢竟，最先使用數據資源的一方，可能會因為提前發現數據背后的業務洞察，從中獲得一定的商業競爭性壁壘。

觀點3：數據的價值與使用場景相關

數據是客觀的，但是從數據中獲取的價值是主觀的。

同樣的數據，不同分析者由于認知水平不同，業務知識背景不同，觀察數據的視角不同，以及分析和使用數據的目的不同，從數據中挖掘、解讀出的信息價值也不一樣。

數據的價值必須依賴于一定的業務框架視角，是相對的而不是絕對的。也正是基于此，數字化實踐必須以業務驅動才能落地。

因為只有數據資源最終所服務的業務方，才能給出真正準確的“數據價值”投影維度。

在數據中臺的建設中，就充分地體現了數據價值場景化落地的戰略思路。

通過在數據中臺上對企業的數據能力進行“服務化”封裝，可降低業務人員對數據的使用門檻，提高業務人員對數據進行“場景實驗”的嘗試數量規模，從而更大概率地尋找到使數據價值充分釋放的“完美”場景。

觀點4：數據的價值具有時間效應

有些數據的價值是時間敏感的，尤其是數據背后的信息旨在服務于用戶“即時”的判斷和決策。

例如，分析一個用戶的購買偏好，通常參考過去一個月的消費記錄，而三年前的消費記錄，往往沒有太大的參考價值。

也正是基于此，很多數據分析應用中，需要滿足“當下分析”的需求，在大數據技術的普及下，流數據分析已經成為十分關鍵的數據分析框架。

建立在流數據分析上的實時量測、實時監控、實時預警，已經成為典型的“時間敏感型”數字化業務應用模式。

觀點5：數據的價值具有“非線性”疊加屬性

何謂非線性，數據之間的融合不是簡單的線性加成關系。簡單來說，就是“1+1”不一定等于2，可能大于2，也可能小于2。

當1+1>2時，體現了不同數據維度在融合的時候，形成了更多“跨主題”的綜合業務場景，可以支撐更廣泛的數據關聯分析、數據計算推理等數字化應用實例；

當1+1<2時，一種典型情況是，不同渠道來源的數據在融合時會帶來不一致性，當這種不一致性很大時，會帶來對數據查詢和選擇的困惑，導致數據資源的可用性被“削弱”。

觀點6：數據可以有“負”價值

數據的價值不一定是“正向”的，也可能是“負向”的。從數據中提取的信息可能具有誤導性，也可能是虛假或惡意的。

不管是有意或無意的因素，當數據的整體質量不高時，通過數據分析得到的結論往往會給業務帶來負面的影響。

比如，用戶可能基于數據做出錯誤的決策，或將關鍵事件的發生歸結為錯誤的原因，從而導致管理失能。

為了避免數據對企業帶來“負”價值，持續的數據治理是非常關鍵的管理舉措。在這其中，包括兩個十分重要的環節：一是識別有害數據，二是對有害數據進行剔除或整改。

觀點7：數據越分享，越有價值

數據的分享會帶來更多價值，單個業務方對數據進行分析的能力和相關認知是局限的，因此，對于數據價值的開發水平也是十分有限的。

對于同樣的數據，如果可以開放共享給更多企業內外的主體進行價值的挖掘，那么就可以充分地利用數據資源，在不同領域創造更大范圍的價值。

數據分享，除了基于拓寬數據的使用場景來提升數據價值，還可以通過與不同領域的外部數據進行融合，創造出更豐富的數據模型。

在極端的情況下，有些數據雖然自身難以挖掘出有意義的業務結論，但是在融合的過程中可能為其他領域的業務，帶來“意想不到”的交叉信息賦能。