1.4 中國數據要素的發展與布局

1.4.1 從傳統生產要素到數據生產要素

1.傳統生產要素的五大特點

傳統生產要素以具有物理性質的實體資源為主，比如礦石、農作物、石油等，具有如下五大特點。

●稀缺性。許多實體資源都是不可再生、稀缺的。企業和個人要想獲得這些生產要素是很困難的。

●壁壘性。實體資源的生產加工對生產設備和生產工藝要求很高，技術和流程具有很高的壁壘，因此非本行業的企業和個人難以掌握，比如沒有現代化的大型設備是無法采礦的。在實體經濟時代，企業間以搶占優質資源為核心布局，行業壁壘清晰，跨行業競爭困難。

●地域性。實體資源具有很強的地域局限性，受地理位置和自然條件的影響很大，并且地域是天然形成的，不可復制和移動的。

●封閉性。實體資源的流動性很差，大多數不具備流動性，一旦某些企業率先掌握該資源，其他企業獲取就非常困難。掌握資源的企業容易形成封閉性優勢，成為壟斷型企業。

●固定性。實體資源通常都有邊界，如一塊礦石、一口油井、一棵樹，因此我們能清晰地界定這些資源的擁有者。在實體經濟時代，每一個生產要素都是固定資產。

2.數據生產要素的六大特點

數字經濟是以數據為生產要素、打造以數據產品為核心的經濟模式。數據生產要素有以下六大特點。

●泛生性。數據是企業和個人隨時隨地產生的一種資源，是人類各項生產和生活活動的數字化描述形式。數據天生具有泛生性，擁有很強的二次生產和傳播屬性，不像實體資源不可再生。我們平常看到的短視頻，很多都是對原始內容數據進行傳播和二次加工形成的，也就是泛生的。很多時候，數據與數據之間存在關聯性，不像實體資源一樣邊界清晰。

●開放性。數據資源天生具有很強的開放性，互聯網上每時每刻都在產生海量的數據。對于這些數據，擁有網絡和計算終端的組織或者個體都可以很容易地訪問。

●易獲取。單一的數據通常不具備業務價值，必須與其他數據融合集成。因此，相對于實體資源的稀缺性和壁壘性，數據資源是非常開放和容易獲取的。

●流動性。數據資源具有極強的流動性，一條信息可以在1s內跨越地球最遠的距離進行傳遞，一個短視頻可以同時分發給上億觀眾。與需要通過陸運、海運或者空運才能移動的實體資源相比，數據資源具有極強的流動性。

●普惠性。數據資源的泛生性、開放性和流動性決定了它擁有比實體資源更強的普惠性。數據資源的生產加工比實體資源要容易很多，只要有手機就可以對文字、圖片、視頻進行加工，生成新的短視頻；只要有電腦就可以編程處理多樣化的數據，并不需要購買工藝復雜、價格昂貴的工業設備。數據能夠為廣大的中小型企業和個體提供更實在的幫助，比如將手工抄表變成自動化抄表，通過Excel進行計算和統計以提升分析效率等。

●虛擬性。與實體資源的固定性不同，數據資源具有虛擬性。對于同一個數據，不同用戶看到的業務屬性和價值是不同的；對數據進行加工組合，產生的產品形態也是千變萬化的。

1.4.2 數據要素賦能業務的4個階段

回顧國內企業數字化歷程，我們用20年的時間走完了西方國家80年的道路，從大型機走向了云計算、大數據的數字化時代，這期間經歷了4個階段，如圖1-6所示。

1.第一階段：數據產生

在我們今天的語境中，數據是伴隨著軟件的出現而產生的。最早的企業管理軟件是單機版的，那時IT部門被稱為“網絡部”或“計算機部”，通常隸屬于財務部。當時，某些計算量大的崗位很奢侈地配置一臺計算機，安裝單機應用軟件，且只有具有特殊權限的工作人員才能訪問。

這種軟件會幫助業務人員處理人工所不能完成的工作，比如財務記賬、庫存管理等。這時，軟件使用過程中的很多數據不會被記錄和保存，只有少量業務結果數據會被計入紙質檔案或保存在昂貴的硬盤中。

在這個階段，數據是軟件應用過程中的副產品，大量其他數據仍在紙質表單和檔案中，沒有被電子化和存儲。

2.第二階段：查詢統計

隨著網絡的誕生，企業應用從單機軟件走向網絡應用，進入我們常說的信息化建設初期。典型的情況是，各種應用系統在各個部門和業務條線中林立，包括財務、人力資源、生產、制造、設備管理、運維管理等，每個部門和業務條線都有自己的業務系統來支撐日常運營。

隨著互聯網的出現，企業的技術架構也逐漸從客戶端—服務器架構轉向客戶端—服務器—數據庫架構。與此同時，隨著存儲技術的發展，數據存儲成本也越來越低。以DB2和Oracle為代表的關系型數據庫，為大量數據的結構化存儲和查詢提供了核心能力。

在這個階段，大量業務數據、流程過程數據和處理結果數據獨立于應用被保存在關系型數據庫中?；旧希恳粋€應用軟件都包含一個查詢統計模塊，對這些數據進行查詢統計。

在這個階段，數據的價值逐漸顯現出來，許多固定格式的報表被業務人員使用。然而此時，企業仍然以部門或業務條線數據為單位進行分析，跨系統的集成數據分析并不多。這個階段的數據是基于業務架構、應用架構和技術架構建模后產生的，數據的核心是準確和安全。由于這一階段企業的運營數據相對標準且靜態，且集成分析的復雜度并不高，所以數據的準確性是可以保證的。

3.第三階段：數字化洞察

第三階段是跨度最長的一個時期，也是數字化轉型的起始階段。

隨著ERP（企業資源計劃系統）的出現，人財物的全面集成產生了大量經營數據，數據組合加工分析、不同的維度口徑隨之涌現。企業管理者也從追求規模化的粗放式發展逐漸走向精細化運營，希望打通業務壁壘、部門壁壘、數據孤島，獲取全面集成的數據。這一階段有兩個里程碑。

第一個里程碑是商務智能（Business Intelligence，BI）系統和數據倉庫的出現。

在第二階段的信息化建設過程中，大量關系型數據庫存儲了不同業務應用生成的數據。BI系統基于數據倉庫，將各個不同業務系統的數據分層匯總，通過統一的數據分析挖掘，形成報表、看板、管理駕駛艙等形式的數據洞察，并提供給管理者，幫助他們做出更精準的決策。

在這個過程中，數據質量逐漸受到關注，因為人們發現不同報表的計算口徑不一致、維度不一致，根本原因是一些數據源頭不正確，所以主數據管理應運而生。這時的主數據管理主要關注相對靜態的公共數據，如用戶基本信息、會計科目、企業組織結構等。

第二個里程碑是大數據的出現。

移動互聯網和物聯網的出現擴大了企業的運營范圍。企業可以直接觸達客戶并獲取用戶的行為數據，從生產設備中采集設備的狀態信息和運行信息等，這加速了數據量的爆發，因此大數據的概念也快速升溫。行業里所講的大數據，主要是指3V（Volume，數據量大；Velocity，數據傳輸速度快；Variety，數據形態多變）。大數據的出現，加速了企業數據價值的挖掘，也催生了很多新技術，如實時計算、內存計算、內存數據庫、批流一體等。

在第三個階段中，核心價值是對業務數字化產生的數據進行挖掘，形成業務洞察，輔助制定更全面、精準的業務和管理決策。

國內大量的企業正處在這個階段，這個階段有兩個典型挑戰。

第一個挑戰是數據海量增長，沒有任何企業能夠全量采集和存儲與業務相關的所有數據。因此，如何選擇有針對性、能夠創造業務價值的數據進行存儲、加工、分析和利用，成為每個企業必須跨越的鴻溝。好的應用場景能夠讓數據快速發揮價值，不準確的應用場景則往往帶來無效的投入成本和對數字化轉型失去信心的迷茫。

第二個挑戰是數據質量問題，所以數據治理成了很多企業非常關注的關鍵問題。如何讓數據治理直接帶來業務價值，并且持續落地，成為這一階段需要摸索和探討的話題。

對于這個階段，筆者稱其為“數據覺醒階段”。越來越多的企業意識到了數據的價值，對數據的投資也越來越大，但往往由于場景不準確，出現了許多成效不大的投資。

4.第四階段：智能化決策

隨著人工智能技術的快速發展，特別是2023年大模型技術的浪潮，數據的應用正在邁向智能化階段。企業不再滿足于報表、看板這些輔助分析決策手段，更希望能基于數據做出智能化決策，逐漸替代人工決策，直接驅動業務流程和自動化設備的行為。

智能化決策和數字化洞察的最大差異在于最大限度降低決策的不確定性，從全量數據中找到全局最優解，并直接用模型和算法驅動業務，因此也可以稱為“數據驅動”。

1.4.3 數據要素價值流通共享的4個挑戰

發達國家的數據主要被互聯網巨頭和產業大鱷壟斷，推行數據模式創新阻力重重。早在十年前，許多國家已經提出國家數據戰略，但尚未有具體的國家級行動舉措落地，各國都在摸索中。

究其原因，數據要素價值流通共享面臨4個主要挑戰，如圖1-7所示。

1.挑戰一：屬性獨特

數據不同于實物主體，具有獨特的屬性，比如非標準化、高度依賴使用場景、取之不盡用之不竭、規模收益遞增等。這給數據要素價值流通共享的眾多環節帶來了傳統生產要素從未面對的問題，使數據資源的確權、價值評估、交易定價及全鏈路合規保障面臨極其復雜的挑戰。

數據要素的屬性特點給其價值流通共享帶來了以下幾方面挑戰。

●數據安全和隱私保護方面：數據要素的共享性和產權屬性使數據的流通共享更加復雜。在數據流通共享過程中，數據安全和隱私需要保護，防止被泄露和濫用。例如，在醫療領域，患者的個人信息和醫療記錄需要嚴格保護，以防數據被泄露和濫用。

●數據質量和可信度方面：數據要素的共享性和生產力使得數據的質量和可信度成為重要問題。在數據要素價值流通共享過程中，數據的準確性、完整性和可信度需要保障，以免數據被誤導和決策失誤。例如，在金融領域，數據的質量和可信度對于投資決策和風險管理至關重要。

●數據治理和監管方面：數據要素的共享性和產權屬性使數據治理和監管更加困難。在數據要素價值流通共享過程中，建立有效的數據治理機制，以確保數據的合法使用。例如，在政務領域，制定數據共享和開放的法律法規和政策，以促進數據流通共享和價值創造。

●數據標準化和互操作性方面：數據要素的共享性使數據標準化和互操作性成為重要問題。在數據要素價值流通共享過程中，確保數據標準化和互操作性，以免數據孤島和系統重復建設。例如，在工業領域，建立統一的數據標準和接口，以促進不同系統之間的數據共享和協同工作。

●數據確權方面：數據要素的共享性和產權屬性使數據的確權更加復雜。在數據要素價值流通共享過程中，確定數據的所有權和使用權，以免數據侵權和濫用。例如，在醫療領域，患者的個人信息和醫療記錄需要明確歸屬，以保護患者的隱私和權益。

●數據價值評估方面：數據要素的共享性使數據的價值評估更加困難。在數據要素價值流通共享過程中，建立有效的數據價值評估機制，以確定數據的價值和交易價格。例如，在金融領域，對金融數據進行價值評估，以確定金融數據的交易價格和使用價值。

●數據定價方面：數據要素的共享性和產權屬性使數據定價更加復雜。在數據要素價值流通共享過程中，確定數據定價機制，以確保數據公平交易和價值創造。例如，在廣告領域，對廣告數據定價，以確定廣告數據的交易價格和使用價值。

●數據合規保障方面：數據要素的共享性和產權屬性使數據合規保障更加困難。在數據要素價值流通共享過程中，確保數據合規使用，以免數據侵權和濫用。例如，在政務領域，制定數據共享和開放的法律法規和政策，以促進數據流通共享和價值創造。

2.挑戰二：孤島重重

所有人都意識到了數據的重要性，因此在沒有公平、公正、統一、安全的機制保障下，所有的數據持有者、相關方對于數據的共享和流通都非常謹慎，甚至不愿意共享，數據孤島現象非常普遍。數據孤島給數據要素的流通和交易帶來了以下挑戰。

●數據難以共享。不同部門或組織的數據存儲在不同系統中，這些系統之間缺乏有效連接和溝通，導致數據難以共享。例如，醫療機構之間的數據無法互通，使得患者的醫療記錄無法在不同醫療機構之間共享，這給醫療服務的協同和連續性帶來了挑戰。

●數據質量問題。由于數據孤島的存在，不同系統之間的數據格式、標準和定義可能不同，從而影響數據的質量。例如，在金融領域，不同銀行之間的數據格式和定義可能存在差異，給金融數據的整合和分析帶來挑戰。

●數據重復采集和處理。由于數據孤島的存在，不同部門或組織可能需要重復采集和處理相同的數據，這不僅浪費了資源，還可能產生數據不一致問題。例如，企業不同部門可能需要重復采集和處理基本信息，這不僅浪費了資源，還可能導致信息的不一致。

●數據安全和隱私問題。數據孤島可能導致數據安全和隱私問題。由于不同系統之間的數據缺乏有效的連接和溝通，數據更容易被竊取或篡改。例如，在電子商務領域，不同電商平臺之間的數據可能存在安全漏洞，這可能導致用戶的個人信息被竊取或篡改。

3.挑戰三：動力不足

當前，數據主要用于企業內部的生產經營管理，屬于數字化轉型范疇，輔助提升業務價值，距離成為企業直接收入、資產等經營指標還有差距，且這一目標達成相對復雜，不確定性較高。這是許多企業在數字化轉型推進中的重要阻力。

（1）數據價值認知不一致，不夠重視

●數據價值難以量化。不同企業和組織對數據的價值認知存在差異，有些企業無法清晰量化數據帶來的直接經濟效益，因此對數據的重視程度不夠。

●數據驅動的商業模式不成熟。一些傳統行業對數據的潛在價值缺乏深刻理解，尚未建立以數據為核心的業務模型，因此對數據的收集、分析和共享動力不足。

●缺乏成功案例。缺少數據共享帶來顯著收益的實例，導致許多企業對數據共享的實際效果持懷疑態度，不愿投入資源進行數據共享和流通。

（2）缺少基礎機制保障

●權利歸屬不清。在數據共享過程中，數據的歸屬權不明確，容易引發數據所有權和使用權的爭議。例如，當多個主體共同擁有數據時，如何界定每個主體的權利是一個復雜的問題。一家醫院和一家制藥公司合作進行醫療研究，過程中產生了大量患者數據。醫院認為這些數據屬于它們，因為數據是從它們的患者那里收集的；制藥公司則認為這些數據屬于它們，因為它們在研究中投入了大量資源。權利歸屬的不明確導致雙方在數據共享時產生矛盾。

●利益分配機制不完善。數據共享帶來的收益如何在各參與方之間分配缺乏明確的機制，這導致企業在進行數據共享時擔心自身利益受損，降低了數據共享的積極性。例如，在一個智慧城市建設項目中，不同領域企業（如交通、環保、能源等領域企業）采集和分享數據是常見的。然而，如果交通領域企業分享的數據被用來優化能源，如何合理分配因此產生的經濟效益就成為一個問題。由于缺乏明確的利益分配機制，交通領域企業可能不愿意共享它們的數據。

●安全合規風險。數據共享涉及大量的隱私和敏感信息，存在數據泄露和濫用的風險。許多企業擔心在數據共享過程中會違反數據保護法律法規（如GDPR等），因此對數據共享持謹慎態度。例如，一家電商公司希望與合作伙伴共享用戶購買行為數據，以便進行更精準的廣告投放。但如果這些數據共享不當，可能會違反用戶隱私保護法律，導致法律風險和聲譽損失。這樣的風險讓企業對數據共享更加謹慎。

●技術和標準的不統一。不同企業和組織在數據存儲格式、數據接口、數據質量等方面存在差異，缺乏統一的技術標準和規范。這增加了數據共享的難度和成本。

數據共享和流通動力不足是一個復雜的問題，涉及認知、機制、安全等多個層面。要解決這些問題，我們需要從提高數據價值認知、建立健全的權利歸屬和利益分配機制、確保數據安全和合規、統一技術和標準等方面入手。

4.挑戰四：安全風險

數據和信息安全一直被企業關注和重視。如何保證數據在流通和共享中的安全合規，降低和規避風險，是大家關注的問題。數據流通安全和合規是一個巨大的挑戰，主要體現在以下幾方面。

（1）數據隱私保護

●個人隱私泄露。數據流通涉及大量個人信息，若處理不當，可能導致個人隱私泄露。例如，醫療數據、金融數據等都包含高度敏感的個人信息。一家金融機構與合作伙伴共享用戶的交易數據，用于信用評估。如果在數據共享過程中沒有做好隱私保護，用戶交易數據可能會被第三方濫用，造成嚴重的隱私泄露問題。2017年，Equifax數據泄露事件導致1.43億人的信息（包括社會保障號碼、出生日期等）被泄露，直接影響了數據流通的安全性，帶來了巨大的法律和經濟后果。

●匿名化和去識別化不足。盡管數據在共享前進行了匿名化處理，但如果處理不當或技術不過關，仍可能通過數據重組或關聯分析重新識別出個人信息。

（2）數據安全防護

●數據泄露。數據傳輸和存儲過程中可能會遭遇黑客攻擊或內部人員操作不當，導致數據被泄露。尤其是在跨組織的數據流通中，安全漏洞更加難以控制。

●數據篡改和偽造。數據在流通過程中缺乏有效的防護機制，可能會被惡意篡改或偽造，影響真實性和可靠性。

（3）合規風險

●法律法規的不確定性。各國關于數據保護的法律法規不同，而且不斷更新。例如，歐盟的《通用數據保護條例》（GDPR）和中國的《中華人民共和國個人信息保護法》（PIPL）對數據跨境流通有嚴格規定。這些法律法規的復雜性增加了合規難度。

●合規成本高。為了滿足法律法規的要求，企業需要投入大量資源進行合規管理（如數據保護措施的實施、合規培訓、審計等），增加了數據流通的成本?？鐕驹谶M行數據流通時，必須同時遵守多個國家的法律法規。例如，GDPR對數據跨境傳輸有嚴格規定，要求企業數據在跨境傳輸中符合規定，否則可能面臨高額罰款。

（4）技術挑戰

●數據加密和傳輸安全。確保數據在傳輸過程中的安全是一個技術難題，特別是在大規模數據流通中，平衡加密強度與傳輸效率是一個關鍵問題。

●區塊鏈技術應用。雖然區塊鏈技術可以實現安全、透明的數據流通，但其實現和應用仍面臨技術復雜性和性能問題的挑戰。

1.4.4 中國數據要素發展的4個階段

黨和國家通過持續探索和實踐，構建了數據要素市場的藍圖，創新性地走出了全球數據要素發展的開拓性步伐（見圖1-8）。

通過對圖1-8所列的部分數據要素相關文件進行學習和理解，筆者清晰地看到了中國特色數據要素市場發展的4個階段。

1.第一階段：統一思想，統一認知

自2014年3月大數據首次寫入政府工作報告以來，從中共中央政治局到各基層機構，全面展開了大數據學習、數字素養培養，并發布了多個數據發展、大數據戰略相關的重要文件，從而全面統一數據認知，統一思想。

通過全面的學習和培訓，建立起全民對數字化和大數據的認知，統一思想和認知，是數據要素價值化藍圖構建的第一步。

2.第二階段：統一目標，統一原則

數據要素市場的建立是實現數字經濟最終目標的關鍵，這是數據要素價值藍圖實現的第二步。2019年10月十九屆四中全會首次提出“數據可作為生產要素按貢獻參與分配”，2020年4月發布的《關于構建更加完善的要素市場化配置體制機制的意見》提出將數據正式列為生產要素，2020年5月發布的《關于新時代加快完善社會主義市場經濟體制的意見》提出“加快培育數據要素市場”。經過多年發展，數據要素從一個支撐性、輔助性的角色逐漸成為直接生產要素，參與價值創造和貢獻分配。

3.第三階段：統一規劃，頂層設計

在2021年3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》（簡稱“十四五”規劃）發布，這是綱領性文件。其中，第五篇“加快數字化發展 建設數字中國”詳細闡述了數據要素市場發展的目標和方向。

“十四五”規劃明確指出，要激活數據要素潛能，推進網絡強國建設，實現生產要素（數據）和生產力（網絡算力）的升級，驅動數字經濟、數字社會和數字政府的變革。為實現目標，我們需要營造良好的數字生態，包括建立健全的數據要素市場規則，營造規范有序的政策環境，加強網絡安全管理，推動構建網絡空間命運共同體。

“十四五”規劃出臺之后，又出臺了一系列文件，包括《“十四五”大數據產業發展規劃》《“十四五”數字經濟發展規劃》《關于加快建設全國統一大市場的意見》等。2022年12月份發布的《關于構建數據基礎制度更好發揮數據要素作用的意見》俗稱“數據二十條”，作為數據基礎制度基礎建設的指導性文件。

“數據二十條”包括五項工作原則、四類數據基礎制度、四大保障體系，為數字經濟和數據要素市場指明建設原則，提出保障要求，從而讓相關部門加快推進，在推進過程中有章可循，有制度可依，有具體原則可以遵守。

五項工作原則為遵循發展規律，創新制度安排；堅持共享共用，釋放價值紅利；強化優質供給，促進合規流通；完善治理體系，保障安全發展；深化開放合作，實現互利共贏。首要引導是開放、共享、公用、創造價值、互利共贏，以發展為主干道，同時完善治理體系，保障安全發展。

四類數據基礎制度包括數據產權制度、數據要素流通和交易制度、數據要素收益分配制度和數據要素治理制度。通過數據產權、流通交易、收益分配和安全治理4個方面基礎制度的部署，首次明確了數據要素貢獻的價值屬性。

四大保障措施包括切實加強組織領導、加大政策支持力度、積極鼓勵試驗探索和穩步推進制度建設。這些措施為后續數據要素落地的具體細則指明了方向。

4.第四階段：統一行動，落地執行

財政部于2023年出臺了《企業數據資源相關會計處理暫行規定》（簡稱《暫行規定》），進一步落實了“十四五”規劃發展數字經濟的決策部署的具體舉措。《暫行規定》明確了數據資源可以被確認為無形資產或存貨計入相關會計報表。

《暫行規定》是一個非常重要的抓手性文件，為企業提供了最直接、最強勁的動力來加工和利用數據。雖然數據資源入表還存在很多問題和挑戰，但《暫行規定》一出臺，將數據從企業CIO關心的技術層面一下子提升到企業CFO/CEO關心的業務戰略層面，為企業數字化轉型注入了強心劑，賦予了數字化轉型確定性的商業價值。

“數據二十條”奠定了制度基礎，《暫行規定》為企業提供了直接的數據價值化通道，國家數據局也于2023年掛牌成立，萬事俱備，進入全面落地執行階段。

2024年1月，國家數據局等17部門聯合發布了《“數據要素×”三年行動計劃（2024—2026年）》（以下簡稱《三年行動計劃》），全面定量、定性地制定了構建以數據為關鍵要素的數字經濟，推動高質量發展的行動規劃。

該《行動計劃》細化了落地執行的顆粒度，4個“統一”的數據要素宏偉藍圖徐徐展開。

1.4.5 從應用優先到數據優先

在信息化時代，以應用為第一優先級，主要是將線下的業務和流程通過軟件應用轉到計算機和軟件處理，從而提升效率，但業務本質沒有發生變化。

在數字化時代，企業的業務大部分已經線上化，希望通過對數據的融合和洞察，發現新的業務模式，優化業務流程，這是對業務的重構和升級。為了達成這一目標，處在數字化轉型時期的企業最重要的就是充分利用數據，從數據中挖掘價值。所以，大量頭部企業的架構核心正在從應用優先轉向數據優先。

在數據優先的模式下，數據架構不再是輔助角色，成為企業決策、優化和創新過程中的核心。企業通過數據分析獲得業務洞察，利用人工智能等技術深入解析數據，從而指導業務決策，提高效率和競爭力。

1.4.6 從應用副產品到戰略要素的演進

企業的數據旅程可以劃分為以下4個階段，反映了對數據價值認識的深化和數據利用方式的演變。

●第一個階段：數據作為業務應用的副產品被保存和使用。

●第二個階段：通過數據融合和商務智能，數據開始被系統管理和分析。

●第三個階段：大規模獲取和分析數據，數據成為重要的資產和決策基礎。

●第四個階段：利用人工智能等前沿技術深度挖掘數據價值，以數據驅動企業的管理和運營。

在這四個階段中，企業對數據的需求從簡單的記錄和查詢發展到復雜的分析和預測，管理方法也從基本的存儲和訪問發展到集成、大數據處理和智能化分析。隨著企業對數據依賴的加深，數據管理的策略和技術也在不斷進化，以適應更高級別的數據需求和利用目標。

在第一到第三階段，企業以信息管理為主；到了第四階段，數據已經成為業務的存在形式，每個企業都需要建立與業務戰略匹配的數據戰略。企業信息管理與數字化時代數據戰略相比具有五大區別，如圖1-9所示。

從資源到資產，從輔助業務決策到成為業務的數字化呈現形式，數據已經成為企業向前發展的戰略資源和關鍵手段。在新階段，如何讓數據發揮作用已經成為國家和企業都在研究和實踐的課題。為了解決這一問題，利用數據產生業務價值成為每個組織首先要做的事情。企業在制定數據戰略之前，需要明確數據戰略的目標。

1.4.7 數字化時代數據戰略的6個目標

在數字化時代，企業面臨更復雜、更混沌、更不確定的業務問題，如何充分發揮數據要素的資產屬性并創造業務價值是數據戰略涉及的問題。精益數據方法認為，要發揮數據的作用，企業的數據戰略要對齊6個目標，如圖1-10所示。

1.創造業務價值

對于企業來說，管理數據、分析數據不是真正的目的，真正的目的是用數據創造業務價值。數據戰略要服務于業務價值，從數據管理走向價值創造。因此，數據戰略要從業務問題出發，而不是從數據問題出發。

2.探索價值場景

定義問題永遠是解決問題的前提，定義好數據要素發揮作用的價值場景是創造業務價值的關鍵。因此，制定企業的業務場景藍圖是數據戰略規劃的核心工作。傳統的數據戰略以數據需求為出發點，往往是解決業務人員提出對數據的需求。這些需求往往不是業務需求，而是在現有的業務場景和流程基礎上對數據的管理需求。在數字化時代，數據戰略應該識別出服務于業務目標的業務場景。

3.規劃數據資產

數據資產的形成要經歷4個主要階段、5個關鍵步驟，如圖1-11所示。

這四個階段中的每一個階段都需要花費時間，因此在傳統業務的數據生產模式下，數據必然滯后于實際業務。此外，工作人員在執行不同步驟時，對前一步驟的理解是局部的，很難將前一步驟的所有內容完全復制到新的設計中。最終，形成的業務數據在大多數情況下與真實的業務情況存在一定的偏差。為彌補這些差距，企業在制定數據戰略時需要規劃數據資產藍圖，并在數據生成前就用該藍圖指導業務數據化的實現。具體而言，企業應在轉型初期描繪出業務在某個階段結束時的數據資產全貌，并以此為框架規劃應用系統的建設，同時根據該藍圖設計應用系統之間的數據共享、集成和協作，以免數據孤島的形成。

在數字化時代，一切應用系統服務于數據的生產和利用，應用架構會經歷快速迭代，甚至完全重構，數據作為業務的數字化存在形式則會持續存在，所以應先于業務應用進行規劃。

4.構建數字技術

數據戰略應從業務價值出發，根據業務場景提出對企業數字化技術能力的需求，指導和牽引技術平臺建設及新技術應用。企業的數字化技術藍圖應清晰描述在某一階段建設價值場景、數據資產所需的技術及其服務方式。數字化技術藍圖能準確、有效地指導企業技術能力建設，最大化技術資源的投入產出比。每個企業需要制定自己的數字化技術藍圖，以指導內部技術能力建設和工具平臺搭建。

5.制定清晰的可執行路徑

新時代的數據戰略應將規劃與落地有機結合，既要制定藍圖、指明方向，又要聚焦關鍵問題，提供執行路徑。只有這樣，該戰略才能快速啟動實施。企業需要梳理價值場景、數據資產和數字化技術之間的聯系，導出它們之間的解碼關系，基于這些關系規劃數字化轉型落地的舉措，以更貼近業務并迅速產生價值。

6.快速反饋，持續優化

外部環境和用戶關注點都是變化的。為了始終有效地服務業務，數據戰略需持續迭代。精益數據方法認為，制定數據戰略首先要構建反饋閉環，獲取新的用戶數據，分析這些數據以洞察市場與用戶需求的變化，然后快速調整和優化，并持續進行下去。