数据资产入表话题持续火热，带动了一批企业专注于数据资产服务行业。当然这其中浑水摸鱼者众，真正具有专业能力的公司凤毛麟角，大多数都是外壳数据公司，实际上大量交付能力是外包的。
要讲清楚数据资产管理，我们需要理清三个问题：数据要素、数据资产、数据价值。
数据要素，是从宏观经济学角度来论述数据意义的，既然谈论的是要素，那么与一般商品是完全不同的。通过类比思维我们就知道，除了数据要素，还有资本要素、土地要素。所谓要素，就是能够对宏观经济产生较大影响的生产要素，土地是一般商品吗？显然它并不是一般商品，也不是稀缺物，它是一种政治社会产物，由管控权和金融混合衍生而来的，核心问题在于定价权在谁手里。资本更不用说了，完全就是国家信用背书而来，放水发债都是依据政策选择的结果。
那么数据要素又有什么独特之处呢？
重点在于数据资源的定价问题，也就是数据资产评估手段和方法。随着数据资产入表的探索实践，数据资源从原来的企业成本，经过一系列的数据治理工作，变成了企业的资产。数据资产入表，增大了企业总资产，自然会降低企业负债率，进而可以获得更好的融资条件。同时，在进行股权融资时，由于整个资产的扩大，也会进一步降低新融资的股权出让比例。此外，在企业上市的财报表现上，也会使得整个经营状况显得非常健康，在二级市场上更容易获得投资人的青睐。
数据资产的来源
数据资产，是企业经过对其掌握的数据进行梳理，挖掘数据之间的关联关系，寻找彼此影响的主要因素，包括通过寻找数据规律进行预测等价值挖掘，而形成的数据产品。
首先，数据来源有两类：内部和外部。一类是企业内部的经营数据，包括品牌营销数据、客户数据、员工数据、产品数据、研发数据、财务数据、运营数据等；另一类是企业外部获取的数据，包括宏观市场数据、人群偏好数据、媒体数据、行业数据、经济数据、政策法规数据等。
数据类型上来讲，主要有三种类型：结构化数据、非结构化数据、半结构化数据。根据目前技术发展趋势，包括行业统计，非结构化数据增长迅猛，大约占据了数据总量的80%左右。
一般的结构化数据，通过常见的Excel数据分析就可以解决。而大规模的非结构化数据，必须借助AI来进行价值挖掘和分析，特别是一些视觉算法CV、语音算法ASR、自然语言处理NLP、文本挖掘、推荐系统等AI技术。
对上述数据资源进行技术治理后，才能够形成具有价值的数据产品，才能够对企业内部形成决策指导，提供相应的数据价值。
数据价值都有哪些？
很大大型咨询公司对数据价值都有相应的分析报告，但是基本上都停留在极浅的认识层面，比如降本增效、提升客户体验、增加营收、帮助创新等。我们从三个维度来介绍数据价值：
降本增效：数据为企业提供了决策支持的基础，通过数据驱动的决策模式，企业能够在内部策略决策中更加科学和准确。这不仅优化了内部流程效率，降低了运营成本，还为企业提供了更迅速、灵活的决策能力，从而实现降本增效的目标。
商业模式：数据在商业模式创新中发挥关键作用，如瑞幸咖啡和滴滴出行所展现的数字系统驱动的商业模式。通过充分利用数据，企业能够更好地理解市场需求、顾客行为，创造个性化服务，并灵活应对市场变化，从而引领新型商业模式的发展，实现竞争优势。
资产结构：通过系统化的数据治理，企业能够将内部数据资源转化为有价值的数据产品，形成数据资产。这不仅能够通过数据交易赚取收益，还使得企业的数据资产能够被纳入资产负债表，为企业融资和上市提供了坚实的支持。数据资产的评估和管理使企业能够更好地利用数据积累财富，增强竞争力。
除了以上之外，最主要的一个价值是对企业内部所有活动价值的度量。在上一个工业化时代，资本带动了整个经济的繁荣发展。在数字化时代，数据将会成为推动经济繁荣的新力量，从过去的依赖主观经验做决策，成为通过数据来进行决策，这完全是一场认知革命。
资本只能对价值进行主观粗糙的度量，而数据可以对一切活动进行度量。一个高度成熟的数字化企业，应该具有一套成熟的数字技术系统，来支撑其进行决策。再结合上AI的技术支持，未来将诞生无数的根据市场环境变化，来调整自身内部产品研发能力的新物种，他们才是真正具备生命力的新型企业形态。
更多详情，搜公众号：Data200
本文原创，转载请扫上方二维码联系作者。