行业动态
01数据资产价值化路径
最近两年我国出台很多与数据要素相关的文件，比较重要的有“数据二十条”，还有去年年中财政部发《企业数据资源相关会计处理暂行规定》，这个规定相当于把数据资产作为一个真正的资产入到我们企业的资产负债表里面。
去年年底国家数据局发布了“数据要素x”三年行动计划的一个指导文件。之后今年年初，很多地方政府像深圳、上海等也出台了类似这种的一些区域性文件、条例，其核心目的就是把数据打造成企业核心竞争力。
我们对数据要素市场规模的预测还是比较大的，直接交易可能达到2000亿以上，这方面的投资规模包括云计算、底层基础设施等估算会有2万亿。最近关注很多数据交易所，真正交易的量级也在不断增加，成指数增长。基于这样一个交易规模，未来在数据价值方面会有很多应用场景，包括数据产品的流通，包括我们会做一些融资、授信等场景的输出。
在数据产品化之前，首先给大家分享数据价值化的一个链路，企业内部在信息化阶段会产生很多数据，像ERP系统或者CRM系统等数据在我们企业内部的沉淀，基于这个数据，我们称之为数据资源。从数据资源到数据资产，以及到我们讲的数据产品，到最后数据流通和资本化的过程是一个完整的数据链路，也是业内比较成熟的从产品到变现的一个过程。
今天我们更多聚焦数据产品这样一个场景，之前提到数据资产入表是目前数据资产运营成果比较重要的表现形式，入表只是一种结果，在入表之前我们还有很多要做的工作。举例说明，像数据的识别、治理、建模和发布，如果我们有中台、数据湖，那么我们可以直接复制使用这方面的能力，这就是我们数据资产化的过程。那么从资产化到产品化就涉及到我们今天分享的一个重点，就是从数据产品规划到开发到估值再到上市，上市就是指发布到数据交易所或者数据交易平台上，例如深数所、上数所、贵阳大数据交易所等，这些平台把我们的数据以产品的形式对外发布，产生流动和交易，这就是数据产品化的过程。再接下来就是数据资产运营，后续我们还会做一些创新场景的输出，以及产品的推广，包括ROI分析，持续对数据使用效果做评价，真正把我们的数据产品用起来。
这里还要明确一下数据资产和数据产品概念上的区别，我们认为企业数据在经过治理之后，对我们的业务起到服务和支撑，这些数据确实产生一些实际的价值，例如可以指导决策，那么我们认为这部分数据就是数据资产。数据产品大多是数据资产层面的提炼，产品的概念更多是一些具体的决策场景，例如库存预测、销售预测，包括工艺优化等，这些数据产品的输出，相关的解决方案或者工具或是一些平台，都是我们的数据产品。例如我们做一个定价模型，这个模型不光企业内部可以使用，还可以卖给我的客户来使用，我们认为这就是一个产品。我们想阐述的观点是先有资产，再有产品，然后基于产品做价值变现，数据的增值。
我们把数据产品分为几种形态，针对不同数据交易平台的不同分类总结提炼，比较常见的数据产品就是基础数据产品，是目前交易最多的一类场景，以数据包或者数据API的形式，也是一种相对比较简单的方式。这些数据是经过治理脱敏合规之后的数据，所以是可以交易和流通的，这些数据对企业分析决策有很大帮助。另外一部分是模型产品，可以理解把数据做为模型对外提供，征信模型、偏好模型等，还有风险类、子设备类、诊断类、销售预测类等，类似一个SaaS服务。金融行业或者零售行业比较多的是知识产品，例如对外输出分析报告或者提供一些数据信息服务，这也是一种常见的方式。另外一部分更多的是看板产品，这类场景更多服务我们企业内部，如针对经营管理的数据，去提供内部经营决策分析，满足内部经营分析会的汇报。还有一部分应用产品，我们把数据加工成一个程序或者一个工具，例如数据采集或开发的标准组件，然后对外提供这种能力给到其他企业客户。
02数据产品开发流程
数据如何变成可交易的数据产品？数据产品化主要分为四个过程，第一个是数据资产识别和梳理，第二个是数据治理和加工管理，第三个是数据产品设计和开发，第四个是数据产品运营。
其中数据开发流程涉及到四方，数据提供方就是对数据直接应用的企业。数据运营方更多是我们这样一个角色，被授权去做数据的运营，基于甲方数据根据行业和其他对于数据的需求去做加工和处理，最终输出数据产品。另一方是数据交易场，我们把数据产品发布到数据交易平台，产生实际效益，来带实际的业务收入。最后数据需求方，梳理产品我们都是以数据需求方的意向为牵引来设计的，确保设计的产品满足数据需求方，为他们带来真正的价值。
数据资产梳理有一套相对规范的标准流程，从盘点数据包括实体、数据项、指标、模型，也会对数据做一些编写，涉及到业务方法、业务系统，像OA、ERP、CRM等这些业务系统都要梳理盘点，最终输出对外发布的资产清单。在发布数据资产前还会有详细的评审和梳理机制，经评审确认后，我们对外发布的才是真正的数据资产。
梳理完数据资产就到了开发和处理环节，目前常用的方法是基于DataOps数据研发流程，把整个数据从采集到设计开发，依照治理到对外数据发布全流程管控，最终数据产生的结果或者模型可以直接服务于数据消费者，实现数据处理全链路管控。我们既可以看到数据来源，通过什么逻辑加工成数据产品，又可以看到数据来源于哪个系统以及谁在使用等，这些信息在平台有统一的展现。研发完成之后，最终就是我们的数据产品。这些不单是方法论，更多得要靠实践，靠得是我们对于行业的理解。
从产品规划到孵化到合规审查，合规我们也会借助一些三方机构，产品上市是去交易所发布我们的产品，跟数据交易所合作，交易推广是让更多用户知晓我们的数据能力，后续还有产品维护，因为产品模型也是持续迭代的，尤其预测类、推荐类、客户征信类产品，基本都是T+1的一个更新周期，持续对产品丰富度做系统的升级和维护。持续的数据产品运营，离不开数据质量提升机制和数据安全合规机制，数据质量长效机制确保我们提供给用户的数据质量是一直准确、有价值的，安全合规是我们的后防线，确保敏感数据和机密数据安全无泄漏。
在业务运营侧我们分为三个部分，一方面需要对数据产品创新能力不断孵化，同时我们会下线一些ROI较低的产品，对通用产品和定制化产品进行支持，另一方面是我们对外的数据推广和运营，例如一些生态合作，包括行业的协会等，在企业内部建立相关的数据文化，让大家认识到数据是可以来带交易和收入的。还有一部分是持续数据使用评价，来指导我们不断做数据产品创新，其中就包括了它的访问量、准确性和规范性，用这些指标来衡量数据使用效果，进而有针对性的做一些升级和迭代优化。
03数据产品演进趋势
目前很多数据交易平台的数据还是偏原始数据，或者是初步加工和治理后的中间数据，我们希望未来对外提供的数据更精细化一些，确保这部分数据可以专门去解决某类问题，例如做供应链，数据产品可以直接优化我的物流。
目前在大模型的加持下，未来数据产品也会引入AI能力，这个也是创新演进的一个趋势。最后是广泛化和深入化，未来数据产品应用场景会越来越丰富。
原创数字化服务平台 转载自公众号爱分析ifenxi