3.3　数据价值可衡量

数据已成为五大生产要素之一。它作为一种可再生资源，可以通过劳动加工获得价值并参与价值分配，它像土地、劳动力、资本等其他生产要素一样，是可交易、有回报的。数据不再是躲在业务背后的支持力量，它已经走到台前，自身就具有商业价值。

1. 什么是数据商品化

数据可交易、有回报，意味着可以将数据作为一种资本妥善运营，这是一种比数据商业化更大胆也更直白的提法。多年前就有企业在探讨数据的商业价值，相信会有越来越多的企业来共同探索数据资本化的方式和路径。

数据资本化的核心前提是数据商品化，如何将数据切割清楚、组织封装、服务配套成独立的商品单元，并形成数据商品售卖、使用、售后等全链路的运营闭环，将是这几年大数据领域中的研究重点。

企业迫切需要一种数据转化方式将设备中的信号、数据库中的字段、业务人员口中的指标等，映射和封装成一种可确权、可交易、可持续、可衡量的数据商品。一定不能直接将数据信息打包售卖，这种粗暴、低价值的售卖方式容易触碰信息安全的红线，不利于数据价值的衡量，且容易造成数据资源的贱卖/高卖，这些都不利于数据生态的稳定发展和数据价值的长期积累。

标签对数据的业务导向封装正好匹配了数据商品化的思路：将数据拆解成最小粒度单元，既具备某一对象的共有属性，又有丰富的多样性。通过标签这种组织方式，可以实现对数据资产的管理、使用、衡量的全链路闭环，因此标签完全符合数据商品化的载体要求。这一点也佐证了标签类目体系对数据资产的刻画方式是顺应时代发展要求的：提倡从价值角度梳理、组织数据资源形态；只有让数据资产通过数据价值参与分配，才能进一步解放数据生产力，极大地发挥数据的作用。

2. 数据价值分配模式

数据商品与普通商品不同，它们参与价值分配的方式也不太一样。数据商品包含数据本身和数据服务，类似于实体商品本身和商品配套服务，却又有不同：很多实体商品可以脱离服务单独售卖，但是数据商品中的数据本身并不能直接售卖，必须通过数据服务才能让最终用户接触到并使用，因此能定价交易的是将数据封装在数据服务中的组合商品形态。

数据商品在参与价值分配时，不能直接对数据本身定价或分配价值，只能对带有具体数据的数据服务形态定价或分配价值。例如，不能直接说用户表中的性别字段值多少钱，定价多少，而应该看在某一场景中，选择“用户ID查询性别”这一数据服务的使用者具体查询了几次用户的性别信息，这些查询为他们带来了哪些价值或对该业务场景产生了多少价值，以及从这些价值中分配给该数据服务的价值是多少。慢慢地，大家形成了一种共识—这种类型的数据服务的单次使用价值是多少，这种共识就可以作为这种数据商品的单价。

3. 标签是数据商品最适合的颗粒度

数据商品中的数据本身根据不同的颗粒度可以分为对象层、表层、字段层、字段取值层。例如，用户是一种对象，用户下会有用户基本信息表、用户交易明细表、用户注册认证表等表级信息组织。每张表里都会有围绕这种表的详细字段，例如基本信息表中会有性别、年龄、职业等基本信息，用户交易明细表中会有交易时间、交易金额、交易商品等交易信息，用户注册认证表中会有注册日期、注册会员号、注册手机号、认证日期、认证绑定身份证号等注册认证信息。在职业这个字段取值中，会存在教师、医生、工人等多种取值类型。表3-1为不同的数据粒度示例。

从中可以发现，同一对象群体的不同个体在“对象”“表”“字段”层面都具有相同的信息项，在字段取值层面存在差异性。字段粒度是刻画某一对象群体通用特征的最小粒度。例如每个用户都会有其“基本信息表”“职业”等信息，但是在“职业”的字段取上每个用户都不太一样。

可规模化商业运作的商品应具备一定的通用性和多样性，以达成有效平衡：过于个性化的商品不利于规模化组织、售卖、管理，过于笼统的商品分类又不利于商品的有效选用。

在标签类目体系方法论中，对象对应于根目录，多种表对应于多级类目，属性/字段对应于标签，属性/字段值对应于标签值，如表3-2所示。标签类目体系中的标签是属性粒度的业务向资产形式，最适合作为数据商品中数据本身信息的业务逻辑封装形态。

4. 数据商品化全流程运营

以标签为核心的数据商品化全流程运营过程如下。

1）根据业务场景需求，按照标签类目体系方法论设计标签集。例如某女装频道的业务部门打算开展千人千面的精准营销，需要对用户进行肖像刻画，数据产品经理会与业务人员沟通，然后设计业务部门所需的标签，例如“性别”“年龄”“预测购买力”“预测风格偏好”“最近购买品类”等。

2）标签创建后生成标签开发任务，分配给数据开发工程师或算法工程师。当具体字段开发完成后，将数据字段与标签进行关联映射。至此，标签的设计就完成了，经过审核后可以在标签集市中上架，作为数据商品信息呈现。

3）业务人员可以搜索、浏览、查看标签化的数据商品信息，包括标签名称和标签详情、功效、可应用场景、用户评价等。如果发现自己需要或感兴趣的标签，业务人员可以将其加入购物车或收藏夹，以供下一阶段配置数据服务使用。

4）通过服务化的工具，可以将选中的标签集合快速配置成数据服务或数据应用（真正的数据商品形态），供业务部门使用。

5）业务使用过程中所沉淀的日志、反馈、事故等信息都可以用来更好地管理标签和服务，帮助优化数据商品的质量。

6）标签管理过程可以更好地优化现有标签设计。例如，对于质量不高且无人使用的标签，可以吸取教训，避免以后再设计类似的标签；对于质量不高但需求高的标签，寻找更好的设计思路来提升标签质量；对于质量高但需求不高的标签，分析原因后修正标签设计思路；对于质量高且需求高的标签，可以不断优化或设计出更多类似特征的标签。

通过标签化的数据商品参与价值分配，可以预见以下几个结果，如图3-4所示。

• 数据部门将会从成本中心变为利润中心 。数据部门生产的数据商品会在业务中发挥价值，并通过商品化进行价值衡量与结算，而不产生价值的数据都会被下架以减少成本支出，最终数据部门会收支平衡，乃至变成一个以数据作为核心生产要素的产能工厂，实现数据变现。
• 数据部门中的标签运营部门会成为重中之重 。标签运营部门的人员包括数据产品经理或标签设计师、标签管理员、标签运营专员等。标签运营部门会以业务为导向，以实现数据价值为目标，全链路开展标签价值的测算、计量和扩大化的工作。
• 通过价值才能真正解决数据打通、治理、使用等“老大难”问题 。对奋斗在第一线的数据人员来说，数据打通、治理、使用是压在心上的三座大山。数据打通是数据资产化的前提，但因为存在部门墙、信息孤岛等问题，大家对原始数据过度保护了。数据治理环节复杂、推动困难，导致业务人员没有耐心，数据人员没有信心。数据使用问题是针对业务人员而言的，有时候数据部门非常希望业务部门的人员能对数据感兴趣，能使用起来，但往往因为沟通不畅及数据门槛较高，双方在认知层面存在较大鸿沟。通过标签可以很好地将数据价值发挥出来，用价值倒推业务人员主动理解数据。DT时代，谁掌握了数据谁就有制胜权，没有使用上数据的公司、业务只能被动受限。在数据价值展现后，业务部门会主动与数据部门沟通数据源打通、数据质量提升优化、数据场景化使用等问题。这些问题在价值面前都能迎刃而解，千万不要仅仅依靠技术手段或行政命令来解决。
• 数据价值运营是一个持续运作、坚持不懈的过程 。数据价值运营是一个艰苦、持续的运行态，环节中的任何一环“罢工”，都会使得整个环节运行卡顿或减慢速度。例如数据源头有3个月不更新，产出的数据质量就会变差，业务部门就会投诉或拒绝使用。一旦业务部门在整个闭环中的参与度降低，三座大山又会从头再来。所以数据问题不是解决一次就能“长治久安”的，数据事业是一条需要长期耕耘、时刻警惕的艰辛之路。

对于以数据价值实现作为自身理想坚守的数据人来说，当数据魅力真正迸发的时候，那种兴奋和感动会让我们觉得人生的价值也一起得到了实现，也许就像有人说的，人生和理想互指迭代、同频共振了。所以真正的数据人并不会在数据问题面前失落和放弃。 n7uoczOKO7Nj0CVgJWu5jetkZpoAl0g8ffp78/Siu5NEss/mt+mQQHWxckNA/Zci