文｜张科举

【内容摘要】企业层面数据要素价值的有效利用是数字经济高质量发展的重要组成部分。本文通过对阿里巴巴和华为数据要素价值利用实践的研究，归纳总结企业层面数据要素价值利用的经验和原则，以期对中国企业的数据要素价值利用工作提供有益借鉴。

【关键词】数据要素价值；数据利用；阿里巴巴；华为

   数据是数字经济发展的源泉，没有数据要素价值的充分挖掘，数字经济的高质量发展就无从谈起。2022年6月22日，中央全面深化改革委员会第二十六次会议审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》，指出“数据作为新型生产要素，是数字化、网络化、智能化的基础”。

   然而，从数据要素价值利用的视角看，并非所有的数据都存在并能够产生价值，需要各类市场主体治理与挖掘；同时，存在价值的数据本身也不会自动释放价值，还需要各类市场主体在数据治理的基础上建模分析。因此，从数据要素价值利用支撑数字经济高质量发展的角度，学术界需要深入研究数据要素价值利用的路径和机制。从现有研究成果来看，关于数据要素价值利用的研究主要集中在数据要素推动经济增长的理论研究和数据要素市场运营、交易及监管等宏观机制层面，企业层面的研究成果相对较少，且主要集中在数据要素价值如何影响企业绩效方面。

   企业是数字经济的重要市场主体，也是海量数据的主要来源之一，企业数据要素价值的充分利用有助于提高企业市场竞争力，提升我国产业的整体竞争实力。同时，企业在自身数据要素价值利用过程中积累的产业数字化经验，还可以向外部推广复制，通过数字产业化的方式进一步推动数字经济高质量发展。本文以行业领先的数字原生企业阿里巴巴和非数字原生企业华为作为研究对象，归纳总结企业层面数据要素价值利用的经验和路径。

阿里巴巴数据要素价值利用

1. 数据要素价值利用痛点

   作为全球最大的互联网公司之一，阿里巴巴的业务覆盖电商、新零售、本地生活服务、云业务、数字媒体及娱乐和创新业务等板块，是一家典型的数字原生企业。2014年之前，阿里巴巴集团下属每个业务单元都拥有自己的数据支持研发团队，各团队独立建设数据系统和数据分析体系，形成一系列“数据烟囱”。各业务单元之间的数据模型难以复用，造成集团层面在业务赋能和数据价值利用方面效率较低，主要表现在：一是数据标准方面，字段命名规则不统一、算法不一致、“烟囱式”数据开发浪费技术资源且造成数据重复且不可信、业务应用关系复杂等问题；二是数据服务方面，数据利用缺乏集团整体规划、数据获取途径繁杂且不统一、各业务单元独立开发周期长、效率低、占用过多集团计算资源等。伴随着业务的快速增长，阿里巴巴获取的产业链各参与方行为数据和自身业务数据呈指数级增长，从而导致这种各业务单元相互独立利用数据资源的现状难以持续。

2. 数据要素价值利用的应对举措

   为了应对上述数据要素价值利用过程中存在的问题，与“大中台、小前台”战略相协同，阿里巴巴启动了集团层面的数据统一管理、共享和利用实践。

  首先，建设集团层面的数据公共层。数据公共层是阿里巴巴数据要素价值利用体系的基础，数据公共层的建设目标主要有四个方面：一是从源头上统一所有业务单元的数据基础层，并由一个团队统一负责建设和管理；二是在赋能业务前，由数据基础层的负责团队抽象出源于业务又不同于业务直接需求的数据域，建设数据中间层；在上述两方面统一管理的原则下，实践过程中并没有一刀切，而是允许部分业务保留独立的数据团队按照统一的方法论建设数据体系；三是直接服务业务运营需求的数据团队在公共层数据基础上，拥有极大的自由度建设数据应用层，以满足业务发展需求；四是无论数据基础层还是数据应用层都需要面向业务提供服务，要兼容个性化应用服务。阿里巴巴2014年启动数据公共层建设的“登月项目”，就是把业务数据从云计算环境1中迁移到云计算环境2中，在保证不影响业务发展的前提下，解决数据价值利用的痛点。

   其次，开展数据指标管理及整合。在建设数据公共层的同时，阿里巴巴开展了相应的数据治理工作。阿里巴巴的数据指标体系自上而下包括业务板块、规范定义和模型设计三个部分。业务板块是数据的业务属性；规范定义是一套符合阿里巴巴业务自身特点的数据规范命名体系，包括数据域、业务过程、修饰类型、维度等；模型设计是一套符合阿里巴巴业务发展数据需求和数据现状的表规范命名体系，包括汇总事实表、明细事实表和维表等。

   最后，完善数据中台业务架构。部分数据服务厂商为了便于产品推广，将数据中台概念扩大化，把企业数据要素价值利用纳入数据中台框架。但是从本质上讲，数据中台只是标准化软件产品，而数据要素价值利用需要结合企业业务发展实际情况和需求，逐步推进数据归集、治理、建模利用等工作，远远不是一个软件项目上线的问题。

  阿里巴巴在集团层面数据统一共享和利用的实践过程中，逐步建成了完善的数据中台业务机构，并基于自身的成功实践，形成了以OneData为核心方法论的阿里云数据中台解决方案，对美团等同业企业的数据要素价值利用实践起到了积极的借鉴和推动作用，有效推动了我国企业层面数据要素价值的释放和利用。

华为数据要素价值利用

1. 数据要素价值利用痛点

  作为一家非数字原生企业，华为在我国超过47万家（截至2023年4月）工业企业中具有较强的代表性。传统企业的运营基本围绕产品生产、销售、交付、售后服务等环节展开，产品销售完成后，企业最多能获取自身产品在客户使用过程中的运行数据和与自身采购需求相关的产业链上游产品数据，绝大部分企业对自身经营产生数据的利用还处于初步阶段。华为作为ICT行业的全球领军企业，一直通过聘用IBM、麦肯锡等国际一流咨询团队获取行业最佳实践和管理方法论，其自身的数字化水平远远领先于国内其他传统企业。

  然而，随着业务不断在全球扩展、管理链条和范围不断延伸，为了满足业务发展和经营管理需要，华为的数据要素价值利用也面临较大的挑战：企业业务链条长，覆盖从研发到运维全链条；业务形态多样，包括电信基站、服务器、电脑、手机等多种业务；数据交互和共享风险高，全球化发展造成企业数据管理面临100多个国家的监管政策约束；企业内部管理层次复杂、运营效率下降；同时保留各种版本的ERP软件和不同类型的数据库，数据治理历史包袱重；业务和业态庞大复杂，对数据可信和一致化程度要求较高。

2. 数据要素价值利用应对举措

  为了应对发展过程中面临的诸多挑战，华为2016年开始数字化转型，目标是“实现全联接的智能华为，成为行业标杆”。在数字化转型顶层设计框架下，华为数据工作的愿景是“实现业务感知、互联、智能和ROADS体验，支撑华为数字转型”，目标是“清洁、透明、智慧数据，使能卓越运营和有效增长”。在上述数据工作愿景和目标引领下，华为制定了明确的数据工作整体规划。

  华为数据工作的整体框架包括数据源、数据湖、主题联接（数据中台）、数据服务和数据消费五个环节：一是建立了企业级数据综合治理体系，包括数据治理政策、数据架构和标准管理制度、数据管理工作流程、数据管理相关组织和IT资源保障五个方面内容，为数据管理工作提供了制度（质量管理、数据源管理、信息架构管理等）、标准、流程、组织和资源保障，为数据要素价值利用工作的开展提供了有力保障。

  二是建立数据差异化分类管理框架，华为将数据根据不同特性划分为内部数据和外部数据、结构化数据和非结构化数据、元数据三大类，结构化数据进一步划分为基础数据、主数据、事务数据、报告数据、观测数据和规则数据等，不同数据类别治理方法不同，如基础数据的管理重点是变更管理和统一标准管控，主数据管理的重点在于确保数据同源多用、数据内容校验等。

  三是在数据治理基础上提升原有信息架构建设的战略定位，由原来的支撑IT建设落地提升到更好地管理企业数据资产、提升业务链条效率的高度上来，构建了一套包括数据资产目录、数据标准、数据分布和数据模型四大要素，面向业务交易运作的信息架构方法论，用于统一企业管理者、专家和员工之间的数据语言。

   四是建设企业内部统一的数据底座，包括数据湖和数据主题联接，通过物理入湖和虚拟入湖等方式将企业各种类别的数据统一汇聚到数据底座上来，并对数据进行重组和联接，为赋能业务发展的统一数据消费服务奠定基础。

  五是通过数据分析平台为客户、员工、合作伙伴等提供以自助消费为目标的数据服务。在数据工作整体框架之外，华为还通过数据安全隐私分层分级管理，保障数据共享利用的安全合规。

  在上述数据要素利用举措下，华为的数字化转型和数据要素价值利用实践取得了良好效果，2022年7月，国务院国资委干部教育培训中心举办“走进世界一流企业”对标华为高级研讨班，研讨学习的主题就是华为数字化转型实践。

两家企业数据要素价值利用的启示与建议

   通过对阿里巴巴与华为两家代表性企业数据要素价值利用实践案例的研究发现，数据要素价值利用是与企业业务发展密切相关的活动，脱胎于业务并服务于业务，正因为其特殊性，实际上并不存在一种适用于所有企业的数据要素价值利用的标准化路径。但是，通过本文的案例研究，可以提炼出一些相对通用的经验和原则，企业可以基于这些经验和原则，结合自身业务发展的实际情况和需求，制订自身的数据要素价值利用实施路线图，推动业务高质量发展。

   首先，企业层面数据要素价值利用的目标是赋能业务发展，具体实施要纳入企业整体业务发展规划。数据要素价值利用不可能孤立于企业发展战略和业务运营，其并不是简单的IT系统建设，为了推进数据要素价值利用，华为还专门调整了信息架构建设思路。因此，企业数据要素价值利用工作应与业务发展规划密切结合，既要考虑数据要素价值释放、赋能业务发展的长远目标，也要兼顾业务发展现状，不能因为数据要素利用工作的开展对正常业务运作造成影响。阿里巴巴在建设集团层面数据公共层时并没有一刀切地要求所有业务数据一次性归集，在充分挖掘和利用业务发展所需的数据要素价值的同时，还利用自身积累的数字化方案赋能产业数字化转型，“通义千问”大模型将在与阿里巴巴内部业务充分融合的基础上，向外部客户开放，打造 AI统一“底座”。

   其次，企业层面数据要素价值利用需要组织与流程的变革相协同。在数字化转型背景下，企业数据要素价值不再是简单的数据分析利用，更伴随着企业自身业务和组织模式的变革。在建设数据要素价值体系之前，企业需要深入调研业务运作和流程现状及其对数据的潜在需求，制订企业自身数据要素价值利用战略规划，就数据管理目标、举措和相关保障措施做出明确的计划和实施方案，并根据业务和战略规划实施情况适时调整、稳步推进。阿里巴巴本身是“大中台、小前台”组织模式的提出者，其数据要素价值利用实践与公司组织模式优化基本上协同推进。华为在企业级数据综合治理体系中有专门的数据流程保障，并成立集团层面的数据管理部，专门负责数字化转型和数据要素价值利用工作。此外，华为利用自身产品和解决方案赋能“数字中国”建设的同时，还联合中国电子共同打造自主安全可控的“鲲腾生态”，确保国家产业链供应链安全。

  再次，企业层面数据要素价值利用工作是“一把手工程”。与数字化转型相类似，企业最高领导层应高度重视企业数据价值并给予足够支持。数据要素价值利用的前提是要把企业内部及企业掌握的产业链相关方数据归集到企业数据底座中，也就是要消除原有的一系列“数据烟囱”，这在传统企业尤其是大中型国有企业推进过程中会遇到各种约束，需要企业最高领导层的支持与协调。

  最后，企业层面数据要素价值利用工作要在明确战略目标的前提下，细化阶段目标、分步骤实施。数据要素价值利用是一项长期的系统性工程，投入规模往往较大，还会涉及组织和流程的调整，因此需要协调企业内部全体成员及业务部门达成共识。然而，由于不能对业务正常开展造成影响，数据要素价值体系建设不可能短期内完成，容易出现工作不断推进、投入不断加大、短期效果却不明显的现象，造成体系建设相关工作最终不了了之的局面。这就需要在顶层设计时，明确各个建设阶段的目标，通过速赢项目，不断凝聚和强化企业内部共识，持续推进数据要素价值利用工作。华为在利用自身产品和解决方案赋能数字中国建设的同时，还联合中国电子共同打造自主安全可控的“鲲腾”计算生态，确保国家产业链供应链安全。■

主要参考文献

[1] 杨俊,李小明,黄守军.大数据、技术进步与经济增长——大数据作为生产要素的一个内生增长理论[J]. 经济研究,2022,57(4).

[2] 江小涓,靳景.数字技术提升经济效率：服务分工、产业协同和数实孪生[J].管理世界,2022,38(12).

[3] 焦豪,杨季枫,王培暖,李倩.数据驱动的企业动态能力作用机制研究——基于数据全生命周期管理的数字化转型过程分析[J].中国工业经济,2021,(11).

[4] 华为企业架构与变革管理部.华为数字化转型之道[M].北京:机械工业出版社,2022.　　

作者单位 中国信息安全研究院有限公司数字经济研究所

编辑 程丹丹

链接1:

数据只有跟基于商业实践的算法、模型聚合在一起的时候才能创造价值。数据和算法、模型结合起来有三种创造价值的模式:

价值倍增：数据要素能够提高单一要素的生产效率，融入劳动、资本、技术等单一要素，单一要素的价值会倍增。资源优化：数据要素提高了劳动、资本、技术、土地这些传统要素之间的资源配置效率，推动传统生产要素变革，成为驱动经济持续增长的关键因素。投入替代：数据可以激活其他要素，提高个体及组织的创新活力。数据要素会对传统的生产要素产生替代效应，用更少的投入创造更高价值。

链接2:

2023年8月21日，财政部印发《企业数据资源相关会计处理暂行规定》指出：企业使用的数据资源，符合《企业会计准则第6号——无形资产》（财会〔2006〕3 号）规定的定义和确认条件的，应当确认为无形资产；企业日常活动中持有、最终目的用于出售的数据资源，符合《企业会计准则第 1 号——存货》（财会〔2006〕3 号）规定的定义和确认条件的，应当确认为存货。该规定的出台畅通了企业层面数据资源资产化、价值化的操作路径，将极大地推动企业层面数据要素价值的释放和利用。