数据资产飞起来

赵国栋

和一些企业交流时，有几个问题会被经常问到，“没有多少数据怎么办”、“大数据都是大公司的事情，我们小公司怎么办”、“能不能告诉我，哪些软件或者工具可以解决大数据的问题”一般情况下，我都会说，首先要有大数据思维！

但什么才是大数据思维，我以大数据飞轮模型来概括。大数据飞轮（见右图）涵盖了大数据思维的全部思想。

怎样拼数据资产

大数据飞轮模型的上半部分，关系到企业是如何认知哪些是自己的数据，也是大数据的商业功用。就是说有了大数据我们能干什么？怎么赚钱？有哪些好玩的商业模式？

大数据的商业功能即常见的商业模式，包括租售数据模式、租售信息模式、数字媒体模式、数据使能模式、数据空间运营模式以及大数据技术提供商。

如果我们在企业层面观察，上述的商业模式就是典型的大数据的功用。但这远远不是全部。跳出具体的企业，从产业层面考察，其实产业间的兴衰交替、攻掠征伐，已经过渡到数据资产比拼的阶段了。

那些拥有优质数据资产的公司，挟天子以令诸侯，不断地攻伐、侵袭其他产业的传统领地。产业融合大幕随之拉开，天平却向这些新兴的公司倾斜。由此也得出我们第一个公司价值的判断标准：大数据时代，公司的价值与其数字资产的规模、活性成正比，与其解释、运用数据的能力成正比。

比如，谷歌通过提供搜索、邮件等广受欢迎的网络服务，获取人们大量的行为数据，加上谷歌自己抓取的网页数据，构成谷歌大数据资产。谷歌利用这些数据资产，开始涉足基础电信业务、IT解决方案、媒体、终端，甚至是传统的IDC（互联网数据中心）业务。而在这所有业务中，来自媒体的广告业务，每天为谷歌提供现金流。所有其他涉足的行业，都以免费或者成本价杀入。谷歌也不是活雷锋，虽然它新进入的行业不以盈利为目的，但是却拿走了这个行业至关重要的数据，成为它数据资产的一部分。

资产评估：从颗粒度到关联度

接下来，大家自然而然地关心，数据这么值钱，理所当然应构成新型的资产。这也是大数据飞轮的中间部分，“数据成为资产”这一论断是大数据思维的中心理论。优秀的数据思维，必然反映在优质数据资产上。我们难以定量评价一个人的数据思维，所以只好退而求其次，关心在数据思维的影响下，数据资产的优劣。数据资产的价值从五个维度来评估，分别是规模、活性、多维度、关联性、颗粒度。这五个维度，没有绝对的数值可以参考。只能给出定性的描述，具体到每个行业，需要根据这个模型来灵活运用。

颗粒度指标反映数据的精细化程度。那些宏观的数据，价值含量较低。相反那些细化到个人、单品的数据，才会带来前所未有的洞察，这也是和精细化管理的思想紧密相关的。早期管理者认为工业产品没有差别，同一个批次、型号的产品是一模一样的。但是现在人们需要管理到“单品”，也就是每一件产品。提高社会治理水平，也是逐渐细化“管理单元”的过程。秦始皇设定“郡县”，这是当时最小的国家机构，传统戏剧中经常戏谑“七品芝麻官”。但是现代的管理单元已经细化到100米乘100米的正方形，形象的称为“网格”，一个网格中，很可能只有一座楼房而已。

所以我们把颗粒度作为反映数据资产质量的第一个维度。细化到一个人、一件单品、一个网格、一个门牌号、一个零件。夸张的说，就算是一粒沙，也要清清楚楚的记录下它的位置、大小、重量，甚至因风吹浪打漂流的轨迹。

多维度指标借用空间维度的概念，来指代数据来源的丰富性。每增加一个数据维度，则会影响所有原数据的分析和判断，甚至会带来颠覆性的证据。

FICO信用评分是美国评估个人信用级别的通行标准。几乎每个美国人都有一个FICO评分。当人们申请信用卡、汽车贷款、住房贷款时，大多数的信贷机构都会参考申请者的FICO得分。但是在其发展的初期，FICO模型中，仅仅依赖申请人在现有住址住了多久、为现在的企业工作了多长时间、申请人账号开设了多久等数据。

根据这个评估标准，几乎所有30岁以下的人，都会存在很大的信用风险。而现在淘宝上的购买主力，恰恰是以年轻人为主。所以零售商们群起反对，这些条款限制了发卡人数，不利于刺激消费。当FICO增加了评估数据的维度时，譬如纳入教育水平、职业等指标后，那些受过良好的教育，从事体面职业的人，也就获得了信用卡。事实证明，他们的违约率也很低。

在多维度指标中，我们尤其重视一类“先验”数据维度。譬如人们在买股票的时候，一定先观察一支股票的行情走势；人们在买商品的时候，一定会对比和询价。互联网有助于把这些数据收集起来，进行分析，可以预测未来人们是否会买入股票或者商品。

数据的活性，指数据被更新的频次。频次越高，活性越大。Facebook在2012年10月庆祝月度活跃用户超过10亿，这里的活跃用户，和数据的活性紧密相关。股民对换手率指标非常熟悉，换手率标志股票交易是否活跃，成为判断股价走势非常重要的指标。

曾经有一家公司不知道他们的数据能否算作大数据，这家公司收集了大量的用户缴费数据，譬如交水电费、煤气费、有线电视费等。毫无疑问，这些数据非常有价值，但就是活性稍差，用户缴费最多也是一个月交一次费用。而微信的数据，无疑是最具活性的数据之一，体现出实时的价值。

规模指标最容易理解。没有“量”的积累，就没有“质”的突破。数据量的增长，即是数据规模的扩大。但是到底有多大规模，才能是算是“大”数据，的确是各行各业都很关心的问题。譬如互联网应用，如果没有1000万用户，估计很难称为大规模。但是如果一家券商拥有1000万个A股账户，那绝对是呼风唤雨的“老大”。规模这个指标很重要，但不需要执著于此指标。不同行业，不同的业务特征，对规模的定义完全不同。数据思维要先行于数据规模。

关联度指标，反映不同多维数据之间的内在联系。之所以把关联度拿出来单独讨论，主要原因是同一企业内部存在大量的“孤岛”现象，不同部门之间积累的数据无法融合，形不成合力。

[编辑 胡 俊]

E-mail：hj@chinacbr.com