企业如何领略与释放数据要素的价值

刘杰

自从上个世纪40年代计算机被发明并被广泛应用以来，信息就逐渐与物资材料和能源并列为人类社会发展的三大资源，伴随着互联网尤其是移动互联网技术与应用的深入，数据以及在数据基础上产生的信息和知识等逐步成为一种新的基础性和战略性生产要素，数据生产要素的运用被认为是优化经济结构的重要推动力。因此，继农业经济、工业经济之后，数字经济作为一种新的经济社会发展形态就出现了。数字经济与实体经济持续深度融合，数据的应用已经对企业生产、市场流通、顾客消费、生活方式、社会分配、经济运行以及国家治理等都带来了巨大的影响，人类社会进入到了数据生产力时代。

数据作为一种生产要素，有生产采集、传输存储、处理加工、计算分析和交易应用等活动，相应的技术都已具备并不断进步成熟。然而，现实中除了一些消费互联网企业能够比较充分地运用数据要素外，大多数企业还没有真正意识到数据是重要的资产，更不用说把数据作为生产要素加以应用了。

那么，企业如何理解数据要素这个概念呢？与传统生产要素相比，数据要素呈现出哪些新的特点呢？企业又如何更好地把握这些新特点而加以有效应用呢？

近年来，人们一般都比较重视人均GDP（Gross Domestic Product – 国内生产总值）的年平均增长率，并且把投资、消费和出口比喻为拉动GDP增长的“三驾马车”，而“三驾马车”其实都是短期历史（如一个季度或一年）的需求侧数据（其中“投资”同时也是供给侧数据），涉及到现有生产能力在过去一段时间内的利用率，在短期内GDP增长率的变动属于经济波动。

企业的经营和发展与经济波动相关，与经济增长更加相关。经济增长是指在一个较长的时期内，一个国家或地区多样化产品和服务供给能力的持续增加，直接由资本投入（投资）、人力资本积累（劳动力）和全要素生产率的提高（技术进步）等三个供给侧的动因所决定，涉及到生产能力的扩张。所谓全要素生产率一般是指各要素（如投资和劳动力等）投入之外的技术进步及其能力实现等所带来的产出增加。1987年诺贝尔经济学奖获得者索洛（Robert Merton Solow）就发现，相同的资源会因为全要素生产率的不同（即“索洛剩余”）而带来不同的产出，因为，一方面科技进步本身就可以带来更多的产出，即“技术效应”，比如5G技术的发明与推广应用就可以为市场带来大量的基站、终端等相关产品的需求；另一方面，科技进步带来的生产关系和资源配置方式的改变也可以提升资源的利用率，即“配置效应”，比如5G技术的应用就为企业实现个性化定制、柔性生产、协同制造、远程诊断和预测性维修等新业务模式带来了突破性的进展和效果。因此，“技术效应”和“配置效应”能够带来经济增长。

就微观经济主体的企业而言，传统的生产要素包括资本、劳动、土地和技术，从改革开放到今天，我国经济经过40余年的高速增长，资本、劳动和土地这几个企业生产要素的供给都遇到了成本与增长的瓶颈，资金紧张，招工困难且用工成本越来越高，市场和客户对产品的质量以及社会对环保的要求越来越苛刻。因此，企业传统的发展模式需要转型升级，技术要素的重要性凸显。

与十八世纪的蒸汽机技术和十九世纪的电力技术所带来的两次产业革命一样，发轫于二十世纪中叶的信息技术也带来了一场新的产业革命，然而，与前两次产业革命不同的是，信息技术尤其是以移动互联网、物联网、云计算、大数据、人工智能和区块链等为代表的新一轮信息技术，不仅能够融合到具體的产品和服务中，使产品和服务数字化从而提升其价值，同时还能够通过数字化，端到端地直接连接世界各个国家的各个行业、各个企业以及具体用户的生产交易过程。数据由此体现出了企业要素的明显特点，在设计、生产、交易和消费等各个环节，数据作为要素与资本、劳动、技术等其他传统要素融合在一起，就可以创新出数据资产等“新资本”、智能算法应用等“新劳动力”、人工智能等“新技术”，而且数据还能够与其他生产要素持续地组合迭代和交叉融合，大幅度提升全要素生产率。

随着新一轮信息技术的应用普及，数据也出现了爆发式的产生、沉淀与增长，而且不同于资本、劳动以及物质材料、能源等，数据可以被共享而不影响原来的所有者对数据本身的拥有，加之人工智能等技术也极大地提高了数据处理的效率并大幅度降低了处理成本，海量数据可以被不断分析再生与应用，且不存在效用递减等问题（见图1）。

因此，数字化成为这一次产业革命的核心，通过数字化不仅能够快速优化配置企业的要素资源，提高生产力，而且也让信息产业的“技术效应”连续高速增长了数十年，从而带动了世界经济高速向数字经济新形态转型升级的发展趋势，数据成为数字经济的核心基础。故而人类有史以来，在世界经济发展以及企业市场竞争的环境中，第一次出现了数据作为关键生产要素之一而产生巨大价值的作用，掌握和利用数据能力成为未来决定企业竞争优势的关键因素。在此背景下，2020年4月发布的《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》就将数据和土地、劳动力、资本、技术等传统生产要素并列，明确了数据这一新型生产要素的重要地位。2021年出台的我国“十四五”规划和 2035年远景目标纲要进一步提出，要充分发挥海量数据和丰富应用场景优势，建立健全数据要素市场规则。

随着I C T（I n f o r m a t i o n a n d Communication Technology ，数字通信技术）的发展与应用，至今数据作为要素在企业的三个层面发挥作用。

第一层面：业务流程数字化

以有效地提高企业运营效率、降低企业经营成本为目标，应用信息系统提升企业经营管理中的信息透明度，改进企业的业务流程。在企业研发、生产和销售的过程中应用典型的信息管理系统包括：产品生命周期管理（Product Lifecycle Management，PLM）、制造执行系统（Manufacturing Executive Systems，MES）、供应链管理（Supply Chain Management，SCM）、企业资源计划（Enterprise Resources P l a n n i n g，E R P）、客户关系管理（Customer Relationship Management，C R M）以及计算机辅助设计（制造）（Computer-Aided Design，CAD、Computer-Aided Manufacturing，CAM）等，对业务流程中的信息进行收集、存储、处理和应用，最终实现企业生产力和战略敏捷性的提升（见图2）。

上述各类信息系统基本都是应用在企业内部的，尽管某些产业链核心企业的SCM和CRM等系统会为上下游的商业伙伴留出交换信息的接口，但是系统具有严格的业务流程和明确的企业边界特征。

在全社会推进各种信息系统应用的过程中，人们逐步认识到，信息是一种资源，并且还具有可共享与可再生等独特的特性。比如，供应链中具体的原材料与商品虽然具有明确的权属，但是相关的物流信息、资金流信息可以在上下游之间进行共享。通过共享信息就可以有效地降低不确定性，进而降低为了应对不确定性而准备的库存。当然，还可以通过对历史信息进行分析处理，作出更准确的预测，最终带来企业成本的降低和效率的提升。

数据和信息的语义内涵有所不同，信息其实就是有用的数据。值得一提的是，长期以来，由于数据的采集、存储和计算的能力与成本的限制，人们只能有选择地对信息加以处理和应用，即对数据的选择和应用是存在“守门人”的，因此，常常会出现信息不全面、不真实、不及时、不统一和不归一等问题。随着摩尔定律效应的持续发挥，尤其是移动互联网以及物联网、云计算等技术的成熟与普及，及时获取数字、视频、图片、语音等各类数据并加以处理的成本和能力有了大幅度的改进。因此，在万物互联中形成的大数据就可以得到一次性采集和反复处理应用了，所以发展至今，在特定的语境下，数据和信息这两个词可以互换使用而不会使人产生误解。

第二层面：产品与服务数字化

应用信息技术使得产品和服务数字化，实现了直接与最终的用户保持在线连接。比如，在电冰箱中嵌入电子和通信功能后，冰箱就成为物联网（IoT）技术应用的一种产品，也就从一种家用电器转变为数字式的互联网智能终端设备。企业就不仅可以知道冰箱的用户是谁，而且相关食品企业等也能知道用户的具体需求了，甚至冰箱的维修保养也从单一的上门服务变为远程软件人员的工作。

当日常用品都变为诸如互联网冰箱一样的产品后，数字化计算就无处不在了，所谓的普适计算就会逐渐成为现实。当然，无处不在的计算呈现的不仅仅是数字化技术的种种应用，也会促使企业超越传统的业务甚至产业边界 （见图3）。比如，以前冰箱企业生产产品，与客户之间是产品买卖关系，一个产品一次性交易结束后基本就不再有联系了。现在，冰箱的数字化就使得企业转型为满足用户需求的服务型企业成为可能，与用户之间可以建立起终身服务的关系，围绕用户使用冰箱的各类需求持续性地提供服务。企业的目标就是真正地满足用户的需求而不是推销产品了，也就使得企业的业务边界大为拓展，收入因此也会得到增加。所以，数字化技术的应用就超越了对效率和成本的影响，产品和服务的数字化程度与企业持续运营及其绩效水平之间建立起了密切的关系。

其实，产品和服务的数字化带来的上述变化，基础都是“一切皆为数据”，在为冰箱用户提供服务的企业面前展现的是数据，企业依据数据提供精准的产品和服务。数据真正地成为了企业的一种生产要素，战略资源也就从冰箱制造企业（例如海尔、美的等）和新鲜食品提供商（例如超市、菜场等）转移到了软件和其他数字技术的生产商（例如华为、谷歌等）以及基于数字化产品的服务企业（例如新鲜食品的生产者与服务者——农民、渔民等）那里。冰箱中的食品是否腐败或超过保质期，以往都是依靠外观和保质期标识加上个人经验等来判断，数字化冰箱就可以提供个性化的自动提醒功能了。因此，数据、产业（机器）和服务（人）这三者有史以来第一次大范围地融合为一个整体，原有的产品生产企业如果顺势而为地转型升级，不仅可能始终位于价值链的核心地位，而且还能以全新的视角来发现新的商业机会、重构新的业务模式和拓展新的业务范围，从单一的产品企业转变为产品加服务的平台型企业，同时基于数据要素以及算法治理，将传统的难以规范的众多服务“工业化”为模块化的标准敏捷服务。

类似于数字化冰箱产品带来市场的变化，在线的数字化汽车、数字化机床甚至数字化车间等同样也会带来出行、零部件加工和企业制造模式的变革。当数字化的产品与服务使得数据成为一种生产要素时，一方面会带来众多复杂性的挑战，包括源头数据的确权与管理的复杂性、业务流程变革的难度等，另一方面，需要构建支持产品和服务运行模式的企业平台及生态系统等，加剧了产业结构与底层经济结构变迁的复杂性和动态性。

第三层面：现实世界数字化

具有超大连接、超高速率和超低时延等特征的5G的应用普及，为人们打通现实世界中固有的藩篱，重塑相互之间的关系提供了技术手段。在现实世界中，社会、经济、文化和生活等方面对企业的影响，企业与政府、企业与企业、企业与用户之间、各种组织内部的互动等，都可以从物理世界迁移到数字世界，在新的数字世界中将产生宝贵的数据资产。作为融合现实世界与数字世界桥梁的数据孪生（Digital Twin）技术将会得到更大范围的应用（见图4）。数据孪生技术运用虚拟的方式不仅可以实时地精确映射现实对象和业务流程，而且还能创造性地模仿未知的事物。特別是与AR/VR（Augmented Reality/Virtual Reality – 增强现实/虚拟现实）技术的结合，所有的场景都会栩栩如生，完全区分真实生活与数字生活将变得困难，企业新的平台和生态等形态将从消费互联网领域大范围地延伸到产业互联网领域。

企业组织自出现以来，通常是通过纵向整合来扩大自己的规模、增强自身的竞争优势。自从上个世纪90年代互联网出现后，一些具有优势的企业通过建立供应链管理（SCM）系统与上下游企业开展合作，不过这样的供应链受数据流动的制约，因此，在一段时期内一般是静态的。建立在静态供应链基础之上的经典分析、计划和执行模式更适合预测准确度较高的相关企业。然而，对当今的大多数企业而言，其供需环境动态复杂，难以预测，因此，一些平台型企业近年来与其供应商之间的一系列关系就变成了协作和动态模式，即与多家供应商的关系不断变化、共同发展，围绕着用户的需求形成了一个新的生态系统。比如，小米对使用其商城企业的投资或其他关系就是一个远远超出其供应链的生态系统；海尔围绕用户冰箱的使用，通过产业金融对相关企业进行整合，让一些鸡蛋、肉牛等生产与供应企业以及政府的监管部门都成为自己生态系统的一部分，跳出了其传统的供应链体系，这样的生态系统也打通了传统的产业边界，形成产业互联网体系。

由此可以看出，当今企业的业务边界既可以由企业的能力决定，也可以由企业的供应链整合能力决定，还可以由平台型企业生态系统对用户需求的最大化满足能力决定（见图5）。其中，平台、生态企业的概念比供应链具有更大的价值，生态企业可以包含供应链，也可以根本不包含供应链，因为可以围绕用户需求，通过数字服务和公开的API（Application Programming Interface，应用程序编程接口）与各种合作伙伴开展合作，有力地促进复杂生态系统中多个参与者之间无缝的协调与合作。

随着企业发展形态的演变，对高效率、低成本地满足用户动态变化的各种需求，数据成为企业越来越重要的一种战略资产和生产要素。

高速发展的数字技术正在改变用户的价值主张，也在改变企业的价值创造过程，包括产品、服务和业务模式等，促使企业的形态不断变化。在这个过程中，数据逐渐成为企业发展的一个核心要素，需要企业构建新的数字化战略，重构业务流程和组织架构，塑造新的企业文化。要开展这些工作，让数据要素能够发挥作用，企业就必须要明确具体的目标及相应的关键任务，以确保数据作为新的生产要素在企业不同的阶段中发挥出上文提及的三个层面应有的效益，实现企业的数字化尤其是企业生态系统的转型。

在消费互联网行业，将数据作为重要的生产要素已经是一种普遍的、稀松平常的思维。比如，美团基于数据分析对每一单外卖进行任务分配、时间控制、路线指引以及优惠促销和增值服务等；亚马逊不仅自身的管理决策基于一个强大的数字和算法系统，而且还为商户提供市场趋势、客户行为、地理位置、订单销售、店铺运作和客户评论等众多数据分析报表。美团、亚马逊等数字原生公司为其他行业的传统企业提供了数据要素的思维方式、应用模式和管理经验。总结起来，企业数据要素应用包括业务数据化、数据资产化和数据资产业务化等三个目标与任务。

业务数据化

传统企业可以运用物联网技术，将传感器等智能模块植入到产品中将产品数字化。从健康监测手表等智能穿戴设备、智能手机到交通运输工具、建筑物、机床等产品及设备，甚至养殖的猪、牛、羊等，其实都已经有了大量的数字化实例，为产品和服务的创新以及感知和满足用户的需求提供了数据基础设施。例如，GE公司的生产设备预测性维护业务就是通过传感器实时采集车间生产设备的运行状态数据，开发和使用了检测异常的相关机器学习算法，在设备问题还没发生前就提前报警并避免故障的发生，这样就可以防止设备损坏带来的停机损失，也节约了设备定期维修带来的成本。然而，尽管如此，还有大量的传统企业需要借助于这些思路，对产品和服务的全生命周期进行数字化，促进物理世界的数字孪生越来越全面，让基于产品的各项活动以及使用服务的各个环节都能够及时留下数据痕迹，目标是将数据作为企业数字化运营的基本生产要素。

数据资产化

数据作为企业的基本生产要素成为企业的资产，可以为企业带来效率提高、成本降低以及业务拓展、收入增长的优势。举例来说，一般而言，房屋买卖和租赁过程中的很大一部分活动是在线下完成的，而且房屋买卖也是低频交易，然而，2017年成立的贝壳网针对当时现实交易中存在的各种难题，对房屋交易流程中涉及到的地区、房源、客源、商机、经纪人、门店等对象，收集了相应的数据，建立了数据纬度、数据元素与数据关系高度完整和复杂的数字化平台，把各种对象及其活动通过数据联系起来。贝壳网将房屋交易场景数据化，本质上就成为一个从事数据采集和数据运营业务活动的平台。2020年，贝壳网进一步将数据资产化，在纽交所IPO上市，市值一度超过800亿美元。房屋中介本来是一项传统的业务，而贝壳网通过数据资产化就改变了传统的商业逻辑，同时将企业的数据部门从成本中心变为利润中心。在国际上，GE和西门子等工业巨头近年来也在着力推动企业转型，现在也把自己认定为是数据公司。当然，企业的数据能力建设是一项复杂而庞大的系统工程，需要关注数据的数量和质量、数据的应用效率、平台系统和数据的安全等方面。

数据资产业务化

此时，数据就真正地成为企业发展要素了，正如上面提及的贝壳网，当日渐积累了大量的数据资产后，就不仅可以赋能房屋交易业务，而且还可以形成平台的竞争优势，发挥平台的“杠杆效应”和“包抄效应”，逐步提供租房、装修、維修和生活等增值服务。贝壳网由此变成了一个高频接入的场景，成为一个流量入口。收集到更多数据后，公司就有更大的拓展新业务的空间，从而吸引更多的用户，产生更多的数据，产生更大的效益，如此正向循环，真正地实现了传统房产交易中介企业的数字化转型。

值得一提的是，在业务数据化、数据资产化尤其是数据资产业务化的过程中，需要运用算法治理思维，通过算法进行数据的更新迭代并将数据资产整合到业务运营过程中，也就是将数据应用到业务本身。比如开展预测、优化、精准推荐等，从原来以流程和人的经验主导业务变成以数据驱动业务。在此基础上，围绕用户需求的满足，就可以持续拓展企业的业务范围，创新新的收入模式。不过，算法的价值也与数据资产的质量和数量密切相关，这个过程本质上就是实现人工智能（AI）的应用。

近年来，美团、滴滴等消费互联网企业的高速发展所取得的成果和带来的问题，已经引发政府与社会各界的思考与重视。这些企业的发展本质上已经不完全基于传统的生产要素。比如，传统的饭店需要拥有并管理厨房、厨师和自己的信息系统，而美团通过其平台匹配一定地理范围内的餐饮需求者与餐食供给者。供给端再增加多少饭店或消费端增加多少消费者，美团并不需要像传统餐饮企业一样增加更多的投资（资本）、土地、管理人员（劳动）和技术等传统的生产要素。相反，随着时间的推移，规模的扩大，美团累积的数据就越多，在这些數据基础上迭代的算法就越优化，为消费者和饭店提供服务的成本就会越低、效率也会越高。在2020年下半年其日订单量就超过4000万。特别值得一提的是，美团在外卖业务的基础上还进入到了机票和酒店预定等众多业务领域，2020年其酒店订单就占行业总订单的50.6%，真正地发挥出了“杠杆传导”和“平台包抄”等效应。然而，这些企业在发展过程中也需要应对人们的各种质疑，以及政府的垄断或数据安全等相关的调查。

因此，从这些消费互联网企业的发展经验和教训中可以看出，企业在将数据作为生产要素的转型过程中，需要重视数据要素、数据思维、数据素养及数据生态四项核心内容（见图6）。

数据要素

一方面，核心的数据应该来自用户。在数字化时代，无论是产品还是服务项目，企业一旦从中获得优势，竞争对手常常很快就能赶上来，导致企业的竞争优势转瞬即逝，企业需要迅速地改进、开发产品和服务。因此，核心的数据要素应该是来自与用户互动和运营中创建的整合数据，通过对这些数据资产的处理，不仅可以真正地洞察用户，把握而不是预测市场需求，而且还可以把处理的结果作为产品或服务再提供给用户，帮助用户从产品或服务中获取更多的收益，增加用户的黏度，这是企业数字化转型的基础。

另一方面，与其他生产要素不同，数据要素具有可共享特点，数据的生产者（如用户）、管理者（如系统开发公司）、整合者（如数据服务公司）、使用者（如用户或企业）和监管者（如政府机构）等角色之间的边界存在着一定的交叉，可能会导致隐私泄露、数据滥用、过度保护、安全泄密等情况的发生，而且还很难及时发现。因此，数据确权成为数据要素应用的一个重要前提。

数据思维

数据思维本质上与数字化技术应用没有直接的关系，是指在企业管理中不仅要依靠直觉，更要依据数据分析得到的精确证据开展管理决策活动。过去，人们通过算盘、计算器、个人计算机或局域网等工具和手段来开展数字分析，企业大多也只拥有自身经营管理过程中产生和积累的相关数据，这些工具和手段已经难以应对当今大数据的挑战了。因此，传统的数字思维中数据处理的对象、手段和出发点发生了改变。

一是数据处理的对象不再是传统单一的数字，还包括更广泛的来自社交媒体、物联网、搜索引擎和感知装备等渠道的图片、图像、音频等多种类型数据。

二是数据处理的手段拓展到了云计算、边缘计算等模式，有利于降低数据处理的成本，提高效率以及相关的质量。

三是数据处理的出发点从使产品和服务的信息透明化让顾客能够找到，转变为让产品和服务主动找到顾客，即让数据找人，当然不是传统广播无空白空间的推送模式，而是数据懂用户的推荐模式，最终实现流程和决策的智能化。

数据素养

上个世纪90年代初，著名未来学家托夫勒在《权力的转移》一书中提出了数字鸿沟（Digital Divide）等概念，认为在不同国家、行业、企业和人之间，由于对信息、网络技术的拥有与应用创新能力的差别，会带来信息落差直至贫富分化。发展至今，由于移动互联网等数字化基础设施与应用已经得到长足的发展，产生数字鸿沟的一个重要原因就转移到了企业和个人的数据素养（Digital Literacy）上了。

首先，数据素养不是编程或数据科学等核心技术技能，对企业人士尤其是企业高层来说，数字素养更多的是指能够发现行业或企业业务中存在的问题与挑战，并知道去寻找相关的数字化技术加以解决，或者是当理解了某项数字化技术后，能够敏锐地知道该项技术可以帮助企业如何解决哪些问题，为企业带来哪些新的价值，或者是对企业构成什么样的威胁。当企业家具备一定的数字素养后，也就具备提出基于数字化技术的变革性企业愿景和前瞻性企业战略这两项领导技能了。这好比大多数的人虽然并不懂汽车发动机、离合器的原理，但是都知道在什么时候，应该如何驾驶一辆汽车到达目的地一样。

其次，部分企业管理者常常过度关注技术的细节，而忘记了应用这些技术原本是用来提升公司经营目标的。企业应用数据要素开展数字化转型是由信息技术驱动的，但相关技术的价值并不在于技术本身，技术本身不是答案也不是解决方案，而在于其能否支持企业的数字化战略和实践。其实，现在已经有越来越多且成本较低的工具和平台可以帮助企业开展数字化工作了，企业管理者并不需要完全掌握具体的技术原理。

最后，数字化技术发展迅速，数据和分析、人工智能、区块链、虚拟和增强现实以及其他新兴技术正在从根本上重塑商业环境，因此，企业管理者的数据素养还需要得到及时的更新。围绕企业用户的需求，定期开展与信息技术应用相关的企业内训，管理者定期参加高校等机构组织的相关培训项目，在工作中注意学习行业内外企业的相关做法，等等，都是企业管理者培育和更新自身数字素养的有效手段。

数据生态

将数据作为生产要素发展企业，还需要在数据要素的确权、定价、交易、运营和监管等各个环节具备一个良好的数据生态社会环境。

政府是数据生态环境中重要的一环，需要率先建立起数据要素的思维，破除与企业及其他公共机构之间的数据壁垒，建设、开放相关的数据资源库，将关键数据资源作为纯公共产品或准公共产品来进行管理。比如，数字身份数据、诚信记录等等，需要制定相关的规章促使整个社会发挥数据要素的作用，比如要求在金融服务中的银行等机构能够让第三方获取客户特定的数据等，以减少交易社会成本。

相关的数据监管与安全的法律政策、制度在数据生态环境中起保护作用，企业在发挥数据要素作用的过程中必须注意遵守。在目前数据确权等相关法律制度尚不完善的情况下，特别需要处理好国家数据安全以及用户个人数据隐私这两个方面的问题，并善于应用区块链技术为原生数据资源提供低成本的确权服务。

企业内部与数据要素相关的市场理念、绩效分配体系以及制度工具建立，是数据生态中企业这个物种蓬勃生长的营养成分，企业需要借此提升数据要素的配置与利用效率，赋能企业数字化转型发展。

数据一直为很多企业所重视，否则，从事市场监测和数据分析服务业务的全球著名的尼尔森公司（Nielsen）就不会存在近百年了。然而，将数据视为一种新型生产要素是人类如何看待数据价值的一大创举，也是数字化时代发展的必然。作为一种生产要素，数据不仅能够创造价值，而且还能够赋能其他生产要素发挥出更大的效用，因此，数据已经成为现代企业最有价值的资产之一。企业需要正确理解数据要素这个概念，把握数据要素的特点，学会如何将数据作为一种资产来管理，并利用数据要素为客户、企业和社会创造出最大的价值。