作者：孙德馨
导读
随着信息技术的不断进步，以及商业模式的不断创新，越来越多的生产活动开始由物理世界转向数据世界，数据逐渐成为关键的生产要素，为企业经营管理创造巨大价值。但是，很多企业由于对数据认知不到位、技术能力不足等，常面临数据质量差、数据产权难界定、数据流通受阻、数据安全性难保证等一系列问题，导致数据价值难以全面开发。那么，对于企业来说，数据究竟有什么价值？企业又应如何通过数据治理释放数据价值？本文将对此展开讨论。
一、数据对企业的价值
在数字经济时代，数据成为影响生产力和生产关系的要素，“数据要素”即根据生产需求采集、加工而成的、可以参与生产经营活动的数据及其衍生形态，能为企业甚至社会带来巨大的生产价值。
根据中国信息通信研究院，数据要素投入生产可以带来三次价值释放，即数据支撑业务贯通、数据推动数智决策、数据流通对外赋能。三次价值释放层层递进，企业需要在业务贯通的基础上实现数智决策，并在数智决策的基础上实现流通赋能。
图1：数据要素的三次价值释放图源：中国信息通信研究院《数据要素形成与价值释放规律研究》数据的一次价值在于支撑业务系统运转，实现业务贯通。通过业务系统，标准化的数据不断积累成为可用资源，并不断支撑业务系统的运转，在数字化技术、数字化人才等的加持下，实现业务的标准化、自动化、数字化管理和运营。企业还可以借助标准化数据打破各业务流程的界限、线上线下渠道的界限等，实现各业务环节、各渠道间的协同，为企业实现数字化打下坚实基础。以生产环节为例，在数据的支撑下，美的可以借助系统实现计划、加工、组装、质检等全业务流程的数字化，让各流程环节衔接、协同的更加紧密。
数据的二次价值在于推动数智决策，让数据在各价值链环节、各业务部门间进行流通，通过对数据进行加工、分析，挖掘数据间更深层的联系，利用数据驱动企业决策，帮助企业更加智能的、更加精准的进行经营管理。在数据的二次价值中，不仅管理者可以利用数据辅助决策，机器也可以在大数据、人工智能等数字技术的支持下进行“智能化决策”，实现数据驱动业务发展，推动企业由“数字化”转向“数智化”。例如，招商银行通过采集客户身份、贷款额度、还款及时性等数据，构建客户画像，借助信用评分模型自动预测客户违约风险，为企业提供风险预警，甚至可以帮助企业制定风险应对策略，减少潜在损失。
数据的三次价值在于通过流通实现对外赋能，使不同来源的数据在新业务、新场景中融合，实现企业间的共赢。在三次价值中，数据可以在不同企业主体间进行共享、流通、甚至交易。一方面，企业可以将自有数据与外部数据融合，多维度提高数据的全面性，帮助企业内部进行经营管理。例如良品铺子将外部的行业趋势数据与内部的产品反馈数据融合，深入洞察客户需求，并以此进行新品研发，提升企业研发效率以及产品与市场的适配性。另一方面，企业可以向外输出数据，帮助其他企业主体进行业务决策。例如美的与上游供应商打通系统，同步生产计划、供应规划等，供应商可以根据企业共享的数据设置自己的生产计划、配送计划等，更好地实现上下游企业间的协同，形成企业共赢。
二、数据治理：企业释放数据价值的必由之路
为了更好的释放数据价值，企业往往需要首先进行数据治理。
数据治理是指通过建立规则、流程、机制等对企业的数据进行管理的一系列行为，包括数据的收集、存储、处理、分析、共享等多个方面，涉及主数据（业务核心数据）管理、数据安全管理、数据质量管理、数据共享管理、数据合规管理、元数据（数据的数据，提供数据属性信息）管理等。
数据治理的根本目标是为了释放数据的价值，只有从质量、流通、安全等各个方面，对数据进行规范、专业的治理，才能实现从数据到数据资产的转化，让数据具备价值，进而让企业具备释放数据价值的能力。例如，在数据质量方面，一旦数据质量低下，数据不能有效的、直接的反应业务情况，数据分析、预测的可能性、准确性降低，容易引发决策失误，为企业带来损失。数据治理前，美的内部高度分权，各事业部使用不同的信息系统，事业部之间的数据缺乏一致性，数据质量低下，美的难以对各事业部进行统一的管理。借助“632”系统，美的统一了集团内的数据口径，标准化的数据可以更加真实的、准确的反应业务状态以及各业务间的差异，有助于美的进行集团层面上的统一管理。再如，在主数据管理方面，主数据往往是支撑企业业务运转的核心数据，如果企业没有进行主数据管理，可能导致核心业务难以运转，影响企业发展。数据治理前，链家（贝壳前身）是一个传统的房屋中介企业，受行业陋习影响，房屋中介常被视为利用“假房源”欺骗消费者的行业。链家洞察到“房源数据”的重要性，开始通过人工采集、录入等方式建立“楼盘字典”。在链家看来，如果没有房源数据，企业很难以此为基础开展带看、销售等后续服务。由此可见，“楼盘字典”的建立是链家主数据管理的重要标志。随后，在“楼盘字典”的基础上，链家陆续实现了带看服务、房源销售环节的数字化，并由传统的线下中介向数字化平台转型，孵化出贝壳找房这一新企业，实现规模、收入的增长。
三、企业如何进行数据治理？
（一）确定治理目标，明确治理优先级
对于企业来说，数据治理并非企业的目的，而是企业推进数字化转型、释放数据价值的手段。因此，数据治理不能与企业发展相背离，而是要结合业务战略、数字化战略等，确定数据治理的目标，梳理数据治理重点，并明确数据治理的优先级。
例如，华为自2007年起开始推进数据治理，当时华为处于高速扩张阶段，产品、业务愈发丰富，开始横跨电信基站、服务器、手机等多个产业，数据规模大幅增长，但各业务间数据质量参差不齐；服务对象多样，涵盖运营商、企业客户以及个人消费者，但数据口径不统一，数据复杂度较高；服务范围包括100多个国家和地区，需要严格遵守各个国家和地区的数据安全及隐私法规等，导致数据共享难度大，数据协同性差。同时，由于数据质量低、复杂度高、协同性差等问题，华为纠错成本较高，难以利用数据支撑决策，流程环节衔接不畅，业务运营效率有待提高。
基于此，华为将业务运营的降本增效作为数据治理的目标，并将治理核心放在数据质量提升和数据全流程贯通上。数据质量方面，华为通过建立数据管理框架，制定数据管理政策等措施，明确数据的管理责任，秉持“谁产生数据，谁对数据质量负责”的理念进行数据治理。同时，推出数据质量改进机制，提高数据的可用性、描述业务的准确性，确保管理层可以直接通过数据了解业务全貌，降低决策偏离的可能性，降低纠错成本及决策成本。数据流通方面，华为通过业务数字化、标准化，统一信息架构与数据标准，统一数据语言，并借助IT系统链接各业务环节，在合法合规的前提下，实现业务数据分类存储、快速调用、有效共享，保障数据安全的基础上，提高业务运营效率。
（二）成立科学的数据治理组织体系
数据治理的实施需要以整个组织的全局性视角进行思考，绝非部门自己的责任。因此，企业需要建立专业清晰的数据治理组织架构，明确权责关系。一方面，企业需要设立公司级统筹部门，以全局视角规划并监督数据治理实施；另一方面，企业需要促进业务技术融合，保障IT部门或数据治理部门与业务部门可以进行长期的有效合作，确保数据治理成果最终有益于业务发展。
例如，为支撑数据治理的实施，华为首先建立了公司级数据管理部，以公司全局为视角进行统筹规划。具体来说，数据管理部负责制定数据治理相关政策、流程、方法和支撑系统，负责相关战略规划的制定和落实。同时负责监控数据质量、披露重大数据问题、建设数据治理文化等，提高企业数据治理能力。
为落实公司制定的数据治理目标，华为还在各业务领域建立了数据管理专业组织，实线向各业务领域数据Owner（业务负责人）汇报，负责业务内的数据治理工作，即数据管理专业组织隶属于各业务部门，确保部门内数据治理有效开展并赋能业务成长；虚线向公司数据管理部门汇报，遵从公司对数据治理政策、流程等方面的统一要求，即数据管理专业组织之间及与公司数据管理部之间相互拉通，确保各业务间的数据治理体系具有相同标准，保障数据在各业务间可以有效共享。
图2：华为数据管理组织 图源：《华为数据之道》（三）制定数据治理机制，推动数据治理落地
在完成数据治理的顶层设计后，企业需要推动数据治理进一步落地。由于个体间对数据价值的感知存在差异，一线员工很难以全局视角洞察到数据治理的重要性，可能成为数据治理的阻力。因此，企业需要建立有效机制，让员工感受到数据治理的重要性，提高员工参与度，推动数据治理落地。
其一，企业可以建立数据治理文化，帮助员工建立正确的“数据观”，感知到数据治理的重要性。以华为为例，华为通过内部培训、员工手册等渠道，向员工传达数据质量、数据安全、数据合规等方面对公司业务发展的作用；在内部会议中频繁强调数据治理的重要性，并要求各级管理者将数据治理纳入日常工作议程；同时，华为还通过举办数据治理专题培训、案例分享等，帮助员工深入理解数据治理理念，推动数据治理工作落地。
其二，企业可以通过奖惩制度规范员工处理数据的方式，提高员工参与数据治理的积极性。例如，为激励员工深入参与数据治理，华为定期举办数据治理成果展示活动，并对优秀的数据治理员工加以表彰。同样，华为制定了数据应用管理原则，要求在满足信息安全的前提下充分共享数据，任何数据产生部门不得拒绝跨领域的、合理的数据共享需求。相应的，如果部门违反管理原则，相关责任人将会被问责。
其三，企业在业务流程中设计数据治理埋点，将数据治理融入员工日常工作，让员工在不知不觉中参与公司数据治理。例如，华为通过优化业务流程，将数据治理融入业务环节，借助系统、技术等，让员工在日常工作中自然地遵循数据治理的原则和要求。如通过数据录入界面规范了统计口径与数据标准，并将校验机制融入录入流程，确保员工按照要求完成数据录入，提高数据准确性，保障数据质量。
数字经济时代，数据已经成为企业重要的生产要素，可以为企业带来三次价值释放，即数据支撑业务贯通、数据推动数智决策、数据流通对外赋能。数据治理是实现数据价值释放的必由之路，企业可以通过确定治理目标，明确治理优先级；建立科学的数据治理组织体系；制定数据治理机制等方式开展数据治理。
