4　數據導向的多維組合成本

一、數據資產的價值

2012年5月，全球最大的社交網絡公司Facebook在NASDAQ上市，上市前投行對其定價是每股38美元，總估值1040億美元，相當于波音公司、通用汽車和戴爾電腦三家市值之總和。Gartner公司副總裁DougLaney研究了Facebook在IPO（首次公開募股）前的數據，估算出從2009年—2011年其共收集了2.1萬億條有用信息，每條信息以其IPO估值衡量有5美分左右的價值，每位用戶有100美元左右的價值。也就是說能把Facebook評估到上千億美元，很大程度上依據的是其獲取的用戶數據。

在互聯網發展重點從消費級向企業級轉移的新階段，很多公司對未來的商業模式進行了全新思考和探索，對數據產業鏈中企業數據的價值進行了重新定位和評估，開始像GE一樣盡全力收集一切數據，包括眼前看上去沒有價值的垃圾數據，為的就是在一個新時代面前有所準備。

2015年4月貴陽大數據交易所正式運營，推動了政府數據公開和行業數據價值發現。觀念是隨利益變化的，可以想象，在有安全保障的前提下讓渡部分數據權利如能給企業帶來收益，企業就會逐步參與，數據產業鏈的良性循環就會逐步形成。多維組合成本項目，不僅因為支持政策制定從而具有管理上的間接價值，而且由于本身的海量數據從而具有數據上的直接價值。

多維組合成本的數據量很大，可以通過與傳統成本的對比進行大致估算。例如：

（1）醫藥生產企業。傳統成本計算以藥品為成本對象，大概100多種，即成本對象100個；多維組合成本以“生產批號+作業”為成本對象，按一個月30天，每種產品每天平均3個批次，平均工序有5道等來計算，每月成本對象就有30×100×3×5=45000個，相對于傳統成本數據增加了450倍左右。

（2）醫藥流通企業。傳統成本計算對藥品為成本對象，大概3000多種，即成本對象3000個；多維組合成本以“客戶+產品+作業”為成本對象，按100家客戶，3000種產品，平均作業有5項等來計算，成本對象就有100×3000×5=150萬個，相對于傳統成本增加了500倍左右。

（3）快遞服務公司。傳統成本計算按部門歸集成本費用，如果套用成本對象的概念，大概就是200個；多維組合成本以“客戶類型+貨物類型+路由+作業+部門”為成本對象，按5種客戶類型，20種貨物類型，100個路由，200個部門，平均作業有5項等來計算，成本對象就有5×20×100×200×5=1000萬個，相對于傳統成本增加了50000倍左右。

盡管這只是理論上的估算，在實務中很多維度的組合可能是無效的。例如不會向每位客戶銷售所有的產品，不會由每個部門提供所有的作業等，但即便如此，各類型企業應用多維組合成本后的數據量仍將有幾何級數的增長，業務處理系統GB級的數據量在相應的多維組合成本系統很容易就是TB級的。

多維組合成本的分攤標準數量很多且形態多樣，讓我們重視并采集以往被忽略掉的數據，如作業的工時，運輸的距離，廣告的次數等。

大量的多樣的數據，在工業化時代可能是個惱人的累贅，但在大數據時代卻是寶貴的財富。多維組合成本，開拓了新的數據源泉，形成了新的數據寶藏，提供了新的數據價值。

二、數據部門的作用

隨著社會轉型和產業升級，不同行業不同領域之間的邊界越來越模糊，內容越來越交融。以往，隨著信息化發展，有種說法“所有公司都是IT公司”。后來，隨著互聯網發展，有種說法“所有公司都是互聯網公司”?，F在，隨著互聯網的發展進入大數據時代，有種說法“所有公司都是數據公司”。盡管這些說法可能有商業噱頭或概念炒作的成分，但數據的重要性目前已形成共識，很多公司成立了數據部，設置了首席數據官，專門負責運營數據資產。

過去，信息化項目只是給公司增加投入的項目，信息化建設強調業務部門主導，IT部門配合，信息化部門只是后勤部門。它們是花錢的，產生的效益在別處。

現在，數據部門的出現，使技術不僅是應用的支撐，而且是應用的先導。在多維組合成本項目中，IT部門通過對業務數據的加工處理支持成本計算，數據部門通過對海量數據的分析挖掘指導成本管理和業務開展。