数据——赋从方能法助论角力度介数绍数字据化价值转链型

1 引言

随着我国对发展数字经济重视的不断提升，国家相继出台了《网络强国战略实施纲要》《数字经济发展战略纲要》《“十四五”数字经济发展规划》《“十四五”大数据产业发展规划》《数字中国建设整体布局规划》等数字经济发展战略。在这一新时代背景下，数字经济已成为国家发展的重要战略方向，数字化成为推动经济增长、提升生产力、改善民生福祉的关键要素。数字化转型是企业和组织实现竞争优势、创新发展的必然选择。通过充分利用大数据、人工智能、物联网和云计算等前沿技术，企业可以实现生产流程的智能化、产品和服务的个性化定制、市场营销的精准化，从而提高效率、降低成本、增强创新能力，并与全球市场紧密连接。

近年来，学者们多围绕以运营为导向的企业，探讨其业务流程、业务模式的数字化转型实施路径[1]。然而，相较于其他行业，众多传统项目型企业（如施工企业、设计院、造价咨询企业等）数字化步伐较为落后[2]，普遍存在“信息分散”“数据隔离”“信息孤岛”、数字化难与实际生产结合以获得经济效益等问题。以数字化转型驱动生产方式，进一步激活数据价值和潜能，赋能传统项目型企业转型升级，是行业一直关注的焦点。但传统项目型企业需根据客户个性化需求提供非标准化、独特的产品，其资源安排以临时性项目任务为载体[3]，非项目驱动型企业的数字化转型路径难以借鉴。

目前，国内外很多研究都关注数据如何与生产要素互动，使企业的生产过程产生新的经济价值，但很少有人利用数据价值链理论来研究企业的转型和升级。数据价值链在数字化转型过程中发挥着重要作用，为企业提供一个系统化模型以充分挖掘数据的潜力。本文将聚焦于数字化领域，以数据价值链模型作为框架，探索数据全生命周期，为赋能数据资产提供有益的思路。

2 数据价值的重要性

在数字经济时代，数据已成为新的关键生产要素，为企业带来新的价值增值，是数据资产化的基石。《数据价值化与数据要素市场发展报告》中指出，数据价值化是指以数据资源化为起点，经历数据资产化、数据资本化阶段、实现数据价值化的经济过程，强调了数据价值化的重要性；中共中央、国务院印发的《关于构建数据基础制度更好发挥数据要素作用的意见》中，系统性布局了数据基础制度体系的“四梁八柱”，规划了数据要素发展的方向以充分实现数据要素价值。中国信息通信研究院在《数据要素白皮书》中指出流通赋能是数据要素价值飞跃的关键，鼓励各主体分场景、分层次进行细化的理论和实践探索，推动数据产权制度、数据估值定价体系、数据流通规则体系、数据流通技术体系的建立与完善[4]。

企业数字化转型是数据价值的重塑过程，旨在将流程、数据和技术整合到整个业务的信息及可操作层。结构化的数据能够作为帮助公司决策的基础、实现品牌化体验、推动流程优化、促进公司创新，增强客户管理，同时加强风险管理，帮助公司及时发现、持续改进。

3 数据价值链模型介绍及应用探索

3.1 文献综述

数据价值链起源于1985 年Porter 在《竞争优势》提出的价值链概念。Porter 将价值链定义为一个组织为向市场提供有价值的产品服务而进行的一系列活动。数据价值链扩展了这一概念，将重点放在生成、收集、处理、分析和利用数据创造价值的活动上[5]。

另一个知识价值链的概念是由Chyi Lee 和Yang 于2000 提出的。这个概念与数据价值链密切相关。他们强调了知识创造、获取、共享、利用、保护在推动组织绩效方面的重要性。知识价值链作为数据价值链的补充框架，强调了知识管理在利用数据价值中的作用[6]。

Miller 和Mork 于2013 年提出了大数据价值链。这一概念强调了将数据转化为决策的重要性。他们强调了数据价值链的各个阶段，包括数据采集、数据存储、数据处理、数据分析和决策（见图1）[7]。这一初始框架为理解数据价值链在利用大数据方面的意义奠定了基础。

另一方面，Lucas 等强调了转型信息技术（IT）的影响及其对塑造数据价值链的作用[8]。之后，Kriksciuniene、Lucas 和 Matt 3 位作者探讨了大数据价值链上的优化和监测过程。Kriksciuniene，Sakalauskas和Kriksciunas 强调了持续改进和监测数据价值链的必要性，以确保效率和效果[9]。Matt 等探讨了数字化转型战略，并强调了数据价值链在使组织有效利用数字技术方面的作用[10]。他们强调了数据价值链在成功推动数字化转型中的意义。

2020 年，Faroukhi 等对整个大数据价值链的大数据货币化进行了全面回顾。他们对Miller 和 Mork 的框架进行了扩展，他们认为大数据价值链涵盖从数据生成到知识创造的全生命周期，是逐步完成数据价值提取的可重复过程，讨论了大数据价值链对数据货币化的支撑作用；并强调了其他阶段如数据集成、数据质量、数据转换、数据可视化和数据货币化[11]。这种扩展的观点阐明了释放数据价值的复杂过程。同年，李晓华和王怡帆提出了影响数据价值链价值创造的因素，如数据的颗粒度、鲜活度、连接度、反馈度、响应度、加工度等[12]。

3.2 模型应用探索

数据价值链能够助力重塑数据价值的全生命周期过程，即从最初确定对数据的需求到使用数据到数据对未来产生影响和改变。鉴于产业实践要求和现阶段数据价值链实践的不足，这里基于经典模型的理论支撑和笔者实际的工作经验，探索研究更具体、便于企业落地和管理指导的数据价值链模型。该模型主要有4 个阶段，每个阶段可再细分为3 部分，共计12 个步骤（见图2）。在整个价值链过程中，生产者和数据相关者之间应该有持续的反馈[13]。

图2 数据价值链模型

3.2.1 第一阶段：收集

在这个阶段，公司需考虑数据认责，明确收集哪些数据，以及如何将这些数据投入使用。该阶段包括以下3 个步骤。

1）数据规划：组织明确需要哪些数据，然后设计一个收集数据的方法。例如，通过问卷调查、访谈、会议或计算机辅助方法完成的。在数据的整个生命周期中，数据的质量和可用性都会受到这里决定的影响。

2） 数 据 采集：数据由公司确立的方法采集。这一步考虑诸如数据使用的目标用户，计算数据样本量，以及确保数据的准确性、完整性，并遵循国家统计质量保证框架（2021）等标准是至关重要的。

3）数据处理：一旦收集到数据，就要对其进行处理，以保证数据的准确记录、适当分类，以结构化的方式安全储存。这一步为数据在未来获得价值奠定了坚实的基础。

3.2.2 第二阶段：传达

此阶段的重点是数据能够被有效地传达给目标用户。

1）数据分析：可视化分析、数据挖掘算法、预测性分析能力、语义引擎、数据质量和数据管理、数据存储。数据仓库是数据分析的6 个基本方面。其中，可视化分析是数据分析的最基本要求，它可以直观展示数据，让用户看到结果，以帮助挖掘背后的数据价值[14]。

2）数据发布：数据及任何相关的文件和元数据，需以一种容易获取的格式发布。这可以通过离线或在线的方式完成，以确保潜在的用户能够快速方便地获取数据。

3）数据传播：为了促进数据的使用，企业需要对如何分析、发布和传播数据做出战略规划。正确的发布方法，开放可访问的格式，遵守元数据标准，以及用于可视化和传播的数据汇编，这些策略都是创造数据影响力的关键。

3.2.3 第三阶段：吸收

此阶段的主要目标是企业能吸收消化这些数据，将用户与数据联系起来，鼓励用户将数据纳入他们的决策过程。

1）将数据连接到用户：通过媒体发布和在线传播、举办培训、研讨会等其他宣传活动，及不断优化平台以提升用户体验。

2）激励数据的融入：管理层的重视及推动、为数据部门提供额外的预算、给员工提供培训机会等，培养用户使用数据的能力和思维模式来提高数据的价值[15]。

3）值得一提的是，建立对数据质量的信任是鼓励用户使用数据的关键。为了提高数据可信度，在数据收集方法和质量控制方面尽可能标准化、结构化、安全化、可追溯化。

3.2.4 第四阶段：变革

在变革阶段，重点是利用数据来更好地了解手头的问题，做出充分知情的决定，并取得理想的结果。

1）数据的利用：用户将数据用于获得洞察力，更好地理解挑战，并做出明智的决定。为了从原始数据获取到利用这些数据，经常需要进行不同阶段的处理和分析，这有助于对数据产生更深入的理解。

2）结果的改进：数据被用来调整项目或改善现有环境[16]。决策者被激励着根据数据调整他们的决策，从而在各个领域产生积极的结果。

3）数据再利用：数据可以通过与其他相关的数据重整，然后自由调用来重新使用以获得价值。这使得价值链过程更加可持续和有效，加深数据和用户之间的关系。

4 结论与展望

4.1 结论

综上，数据价值链在推动数字化转型和使企业利用其数据资产的潜力方面发挥着关键作用：（1）数据是数字化转型的基础。公司需要尽早构建数据结构框架和数据全生命周期以推动企业洞察力，优化流程，并提供定制化的服务，来应对数字化转型带来的新挑战与新机遇。（2）利用数据和分析来做出明智决策是数字化转型的目的。数据价值链为将原始数据转化为可利用资源提供了必要的框架。通过遵循数据价值链的各个阶段，企业可以将数据转化为有意义的信息，以支撑战略决策并推动创新。（3）以用户为中心是数字化转型的关键驱动力。通过数据分析了解用户的行为和偏好，企业可以定制化生产服务和体验以实现数字产业化，产业数字化。数据价值链在数字经济时代提供了一种企业价值创造的新视角，数据价值链能够收集和分析客户数据，使企业能够提供贴合实际应用场景的产品以提高用户满意度，在数字化发展中获得行业竞争优势。

4.2 局限与展望

目前，国内外研究大多着力于如何将数据作为生产经营要素，以产生经济效益。较少有数据价值链的实践支撑来分析企业数字化升级过程中的作用，且由于勘察设计行业的特殊性，需持续关注研究。数据价值链的前景在于提供一个系统化框架模型，为企业数据赋能提供参考。在数据治理、数据质量、数据转换、数据安全和数据可视化方面正在进行的研究和开发将继续提高数据价值链的有效性和效率。此外，在数据价值链框架内整合知识管理可以放大其对企业绩效的影响。参照数据价值链模型和充分利用数据力量，可以帮助企业在飞速发展的数字环境中迎接挑战，获得新机遇，推动创新，并不断成长。