下载掌阅APP，畅读海量书库
立即打开
价值链理论是分析价值创造活动和企业竞争优势来源的重要理论，该理论认为企业的任务是创造价值，价值和价值活动构成价值链的分析基础。价值链的概念由迈克尔·波特提出，他认为价值链是由设计、生产、销售等所有向用户交付产品或服务所需的一系列生产活动及相关辅助活动构成的体系。在价值链理论的基础上，学者又相继提出了商品链、全球商品链、知识价值链、虚拟价值链等相关概念。纵观价值链相关理论演变历程可以发现，知识、信息和数据等非实物性质的资源在价值创造中的作用逐步被认识和重视。
数据价值链的提出是以信息技术的进步和产业化为前提的。随着新一代信息技术的广泛应用及与其他产业的深度融合，企业的生产活动日益呈现数字化、网络化、智能化的新特征，数据无论是在数字经济本身的发展（“数字的产业化”）还是在既有产业的数字化转型（“产业的数字化”）过程中，其重要性都愈发突出，数据沿企业生产过程的流动及对价值创造的作用受到广泛关注。
经济学家将数据视为生产要素，他们从数据增值角度定义数据价值链，认为数据价值链是数据通过与经济活动各个环节嵌入和融合而产生价值的。数据在经济活动链条中可以是中间产品或最终产品。数据作为中间产品，在驱动企业或产业的内部决策、管理与协调、技术与管理创新等环节中，体现数据的增值作用，最终体现为竞争力的提升。数据作为最终产品，通过流转与信息技术融合，用为客户提供高质量的服务等方式提升数据价值，典型案例，如定制化的解决方案、智能化的产品体验，以及基于客户需求的创新性服务等。
综上所述，数据价值链是沿着企业生产链条数据流动与价值创造相伴而动的过程。随着生产过程从研发到生产、从销售到服务和使用的环环递进，数据不断流动，经济价值也被创造出来。沿着从研发设计到最终产品回收的整个生产过程，价值不断增值，同时，伴随着数据的流动，价值创造的每个环节都涉及数据的生产、传输、收集、储存、分析和利用。
数据价值链强调链条上数据采集、处理、存储、分析和应用环节中基础价值的创造，以及流转过程中价值增值的实现。同时，数据价值链与其他产业链深度融合以产生更大价值或实现数据赋能。数据价值链与传统价值链同样关注沿着企业生产过程的价值创造，在数字经济时代，企业的价值创造与工业时代或商品时代不同，因此数据价值链与传统价值链呈现出一系列不同的特征。
第一，从关注的重点来看，传统价值链关注各种基本生产活动，这些生产活动以有形的形态存在，一环紧扣一环地向最终交付产品和服务、实现产品和服务的价值演进。数据价值链则强调数据沿着生产过程及各生产经营部门的流动，在各个生产环节通过与生产工具、生产要素相结合的方式创造出价值。
第二，从流动方向来看，传统价值链中的物质产品或服务沿着生产过程单向流动，有限的信息同样也沿着生产过程单向流动。在数据价值链中，数据呈现多向流动的特点，并形成流动的闭环。一是正向数据流动。它类似于传统价值链中，数据伴随着产品或服务从生产的上一个环节进入到下一个环节。例如，研发设计环节的数据会作为具体的生产参数分别进入零部件生产、局部装配、总装等生产环节。二是逆向数据流动。数据不像实体产品的传输需要耗费时间和金钱，可以快捷且以接近零成本地从生产的下游环节反向传输到生产的上游环节，由此形成数据流动的闭环，生产过程后续环节能够对前序环节产生影响。例如，当某件产品热销时，销售环节就会对供应链和生产环节发出指令，组织物流采购和生产排产。三是环节内数据流动。在同一生产环节内部，前一时段形成的数据可以成为下一时段生产活动的投入要素，形成数据在同一生产环节内部流动。四是外部数据的注入。企业生产过程之外的政府部门、中介组织、供应链伙伴乃至其他企业拥有的数据，都可能作为该企业的生产要素注入某一个生产环节，帮助企业创造更大的价值、获取更大的利润。五是内部数据的输出。企业生产经营活动中产生的数据可以作为其他企业的生产要素并创造价值。
第三，从资源配置范围来看，价值链理论侧重于企业内部资源的配置，而数据价值链突破了企业组织边界的限制，不仅供应商、用户的数据能够通过与企业内部数据的连接交互来创造价值，而且政府、互联网平台乃至其他企业的数据也能够与企业研发、生产、用户服务等生产活动产生关联，成为创造额外价值的投入要素。例如，电商平台聚集了海量的用户搜索、交易、评价数据，通过对这些数据的分析挖掘，可以发现消费热点、潜在趋势，这些数据如果和生产企业、网店对接，就可以为其开发新产品、采购畅销产品提供参考，从而增加销售收入和利润。
第四，从推动因素来看，传统价值链的价值创造主要依赖行业特定的知识和技术。例如，利用行业知识构造生产线、优化工艺参数。数据价值链通过行业特定技术与新一代信息技术（通用目的技术）的高度融合来创造价值，其中，信息技术起到为传统行业赋能，发挥行业特定技术价值创造的放大器、加速器的作用。传统价值链中也会产生大量的信息，但是由于信息技术发展水平低，对这些数据的采集、传输、处理的难度大、成本高，所以企业不得不进行权衡。在技术和成本的约束下，采用汇总或抽样的数据资料用于生产经营决策，大量的信息被放弃，数据的颗粒度大，大量的细节被丢失。新一代信息技术的发展则为数据的采集、传输、存储、处理提供了连接、算法、算力等方面的支持，极大地提高了生产各环节数据生产、采集、传输、存储、处理、利用的能力和效率。例如，物联网、移动互联网将人、物、场景等连接起来，打破了连接的时间和空间限制，人、物、场景中产生的数据可以被网络实时采集和传输；数据中心、云计算中心等新型数字基础设施，降低了数据存储、分析的技术门槛和成本支出；大数据和人工智能技术则贯穿数据价值链的始终，实现对大数据的自动化、智能化的分析和处理。可以说，新一代信息技术和数字基础设施成为数据价值链运转和数据价值创造的基础。
数据价值链的生态是与数据有关的组成部分相互作用、相互依赖和相互协作进而实现数据价值创造、传递和增值的动态系统。数据价值链的生态治理指对数据价值链生态做出的指导和控制。数据价值链的生态治理涵盖数据管理、数据安全监管和数据确权三个方面。
首先是数据管理。数据管理指组织、存储、处理、分析和维护数据的系列活动，确保数据在整个生命周期内能够满足相关利益主体的需求，并成为可信、可用和可理解的资源。在数据从生成到利用的链式过程中，不同专业背景的人对数据管理的理解存在差异，这种差异产生于数据收集和数据利用两种视角的数据管理方式。基于数据收集视角的数据管理关注数据在整个流程中能否被有效地结构化、理解和获取。基于数据利用视角的数据管理关注数据的可信度和可重用性。
其次是数据安全监管。数据安全监管是为管理和监督数据的处理和流动而采取的措施，这包含对个人隐私的保护和对数据跨境流动的监管。个人隐私的保护指防止个人隐私被非法收集、存储、使用、传输或公开而采取的措施。在全球范围内，个人隐私保护的监管立法模式可分为欧盟和美国两种模式，二者的区别主要体现在法律框架、基本原则和执行机构等多个方面。
最后是数据确权。数据确权指为保障数据所有权和数据价值合理分配而采取的系列措施，关键在于数据所有权的界定。在某些情况下，产生物联网数据的个体可能被认为拥有数据所有权，强调数据生成者对数据的掌控权；在其他情况下，数据所有权被视为属于收集和分析数据的一方，如设备制造商，强调数据采集和处理方的权利。数据所有权应该根据数据的不同类型和特征进行区分。针对非个人数据，数据所有权可视为财产权。数据所有者能够对数据进行排他性、可转让性和可处分性的支配，即可以自由地获取、使用、转让、删除和保护数据，而不受任何限制或干预；针对个人数据，数据所有权可视为控制权。数据主体能够对数据进行自主性、可撤销性和可反馈性的控制，即可以根据自己的意愿和利益决定数据的使用或处理的方式、范围和目的，以及随时撤回或修改自己的认同或偏好。
总体来说，数据管理直接关系到数据的可信度和有效性，为数据创造更高层次的价值提供必要支持；数据安全监管确保数据在从生成到利用的整个过程中合规和安全地流动，是数据持续创造价值的前提条件；数据确权确保数据的价值能够被公平地分配给相关利益主体，促进数据价值链生态的均衡发展。这三个方面的有机结合推动数据价值链在合规、安全和高效的生态中持续运转。