我們身處大數據時代，與互聯網相連的設備不斷增加，經濟活動已經離不開互聯網，沉淀了海量的數據，同時也有海量的數據被用于分析、決策和建立信任關系。那么，數據如何創造價值？對于國家、企業和用戶，有哪些不同的情景體現這些價值？不斷創造和提高數據價值的關鍵在哪里？

數據創造價值的三個維度

數據并非天然具備價值，數據的價值在使用過程中得以產生, 并包括了三個維度：數字化連接、數據分享優化決策、數字建立信任。概言之，大數據的廣泛連接與分享正從根本上改變在線互動和 合作模式，改變了消費者和生產者之間的聯系，增強了買方和賣方之間的信任，并幫助消費者、商家及生產者、金融機構乃至政府部 門實現更好、更快的決策。

一、數字化連接

在數字技術的幫助下，數據的產生和分享變得便捷。通過數據分享，廣泛連接得以實現，普惠性連接達到了前所未有的水平。與此同時，組織生產、協作的方式也得到了重新的定義。

以貿易為例，線下貿易一直被描述為引力模型：當地市場的大 多數顧客來自10千米半徑范圍內。如果把距離拉得更遠，買家和賣家根本感知不到對方。他們對于商品和服務的品種、質量、價格，以及客戶需求、賣家信譽等細節缺乏準確的信息。而電子商務平臺 的出現極大程度上拓展了貿易的范圍、深度和廣度。在淘寶平臺上，

除生鮮食品外，買家和賣家之間的平均購物距離接近1千米，比 歷史平均水平高岀兩個數量級。弓|力模型對貿易的束縛已經被打破-從連接的范圍看，每個月都有超過7. 2億的活躍用戶在淘寶上購物， 為他們服務的初創企業和公司超過千萬家。市場的延伸之所以發生，在于信息流動大幅提速。與此同時，消費者與生產者匹配效率的提高也不可忽視。因為客戶有數十億種商品和服務可供選擇，在單純搜索功能的前提下，想要找到與自己所需非常匹配的物品，需要花費大量時間，而生產商也無法接觸到所有潛在客戶。如果說傳統市場的主要障礙是缺乏信息，那么數字時代的新障礙就是信息超載。為買賣雙方牽線搭橋的有效機制，也 就是化數據為有效信息的機制至關重要。而這就是“大數據”的價值所在。

二、數據分享優化決策

傳統市場中，中小企業和個人很難獲得關于產品和消費品的信 息，其消費及生產決策缺乏有效的信息支持，而更多地基于經驗和 便捷性。數字時代，這一情況得以改觀，基于海量的、多種類、髙頻次的數據，無數消費者和生產者得以獲得相關信息，并作出更明 智的決策，產品的創新也變得更高效、更有的放矢，新的商業模式 以及新的產業組織形式也隨之出現。

具體來說，對于普通消費者的決策，數字平臺正越來越多地使用推薦系統來更好地幫助消費者找到自己想要的產品或服務，從而 作出更明智、高效的購物決策。之所以能做到這一點，是因為數字 平臺通過使用消費者的包括購買歷史、搜索活動和個人特征等方面 的數據，通過相關算法，來預測消費者最可能需要的商品和服務。 對于商家而言，大數據能幫助生產商更好地了解客戶，從而作出更受消費者喜愛的產品服務決策，而這對于中小微企業而言尤其重要, 因為在傳統市場，這些主體很難獲得有關其消費者的、相對全面的信息。

數據在幫助政府優化決策方面也效果顯著。我國特別重視信息化建設，習近平總書記親自擔任中央網絡安全和信息化領導小組組長，而且多次在這一領域作出重要指示。推進我國社會的信息化建 設，是我國邁入現代國家的標志。2020年，我國取得的控制甚至戰 勝新冠肺炎疫情的成功，其經驗之一就是成功地利用了信息化所積 累和流通的數據。而美國等國家在抗疫斗爭中一誤再誤，造成嚴重 社會惡果的消極例證,也證明了我國信息化建設的正確性。

三、以數字方式建立信任

哈耶克說，信息問題就是經濟問題。信息流動是所有經濟活動中不可或缺的一部分；沒有信息流動，資本和消費品就不能從一個地方流向另一個地方。數據的分享將人們連接在一起，使生產商知道如何為客戶服務，建立信任，并作出更明智的決定。

線上市場有數以億計的參與者，這樣的市場要正常運轉，對產品及參與者的信任機制必不可少。②有了在線的數據分享，消費者就 能對商品和生產者進行評價。由于所有消費者都可以看到線上評價， 生產者會通過這樣的評價系統努力打造好的信譽，逐漸建立好信譽、 可信賴的品牌意識，從而在長期實現更好的銷售表現。

以淘寶網為例，淘寶網對賣家釆用的是“紅心一鉆石一皇冠" 評級系統。賣家可以通過積累消費者的好評來獲得紅心。五心賣家 升級到鉆石，五鉆賣家則升級到皇冠。評級系統使用的信息來自消費者的評價，即用戶分享的購物體驗和售后產品使用體驗。而高質 量的賣家可以通過信息分享脫穎而出并獲益。羅漢堂（2019）研究 發現，在評級提升后的一個月里，賣家的銷售額通常會有顯著增長; 當評級從零到一顆紅心，從五心到一鉆，從五鉆到一冠的時候，銷量增幅最大；同時，信用升級也使得商家的投訴有所減少。

數據對于國家的價值

黨的十九屆四中全會首次將數據與勞動、資本、土地、知識、 技術、管理等生產要素并列，黨中央和國務院在《關于構建更加完善的要素市場化配置體制機制的意見》中進一步提出，要“加快培育數據要素市場毋庸置疑，數據要素在經濟社會轉型和國家競爭 博弈中的基礎性、全局性、引領性作用日益凸顯。

一、服務數字經濟發展

進入數字時代后，人類的生產活動正逐漸由物理世界深度轉向 “比特”世界，越來越多的生產環節需要在網絡空間中獨立完成，多 數勞動者通過使用智能化工具，進行物質和精神產品生產。典型的 生產要素從土地、勞動、資本、企業家才能、技術等轉向用“比特" 來衡量的數據。用“比特"來衡量的數字化信息將無處不在，人類 用以改造自然的生產工具、勞動產品以及包括我們人類本身都將被 數字化的信息所武裝，能源、資源、資本等傳統生產要素不斷“比特”化，數據賦能的融合要素成為生產要素的核心，整個經濟和社 會運轉被數字化的信息所支撐。①數據對生產的貢獻越來越突出，同時也顯著提升了其他生產要素在生產中的利用效率。

數據已成為當今經濟活動中不可或缺的生產資料。數字經濟的 背后實際上是數據經濟，甚至可以說“無數據，不經濟”①。當今世 界正經歷百年未有之大變局，新一輪科技革命和產業變革是大變局 的重要推動力量，數據是新一輪科技產業革命的重要驅動力。在數 字經濟時代，對數字化信息的獲取、占有、控制、分配和使用的能 力，成為一個國家經濟發展水平和發展階段的重要標志。

歐盟的《通用數據保護條例》（GDPR）給我們提供了另一個觀 察角度：數據過度保護對大數據產業以及經濟發展帶來的危害。GD-PR 對個人信息釆集和使用行為釆取了嚴格控制，其在提升個人信息 保護水平方面取得了很大成效。但也有越來越多的證據表明，GDPR 過于嚴厲的條款也正在傷害歐洲數據產業的發展和信息技術的創新。 具體來說，主要反映在以下幾個方面：

第一，抑制信息技術的創新。GDPR嚴苛的數據釆集限制對人 工智能產業，特別是對深度學習、神經網絡學習提出嚴峻挑戰，也 使得歐盟包括自動駕駛在內的AI產業的發展因為數據收集成本的提 升而面臨更多困境。德國數字貿易協會Bitkom進行的一項調查顯 示，有74%的受訪者表示，個人信息保護要求成為開發新技術的主 要障礙，而在2017年這一比例僅為45%。

第二，GDPR高昂的合規成本壓縮了初創企業的發展空間，進 而鞏固了大企業的優勢地位。以在線廣告行業為例，GDPR生效以后，谷歌由于具有更強的合規力量和產業引導力，在歐洲的市場份 額不降反升。在數字經濟時代，對于個人信息的處理可能涉及各行 各業，而高昂合規成本對中小企業帶來的成本壓力也將隨之蔓延。有統計顯示，出于對GDPR合規的擔憂，已有超過100家美國網站阻止了來自歐洲用戶的訪問。

第三，抑制資本市場對于科技創新企業的投資。根據美國國家 經濟研究局（NBER）的報告《GDPR對科技創業投資的短期影響》， GDPR推行后，歐盟在融資總額上，平均每個國家每周減少了 1390 萬美元；在融資交易筆數上，減少了 17. 6% o新興（0—3年）、年 輕（3-6年）和成長階段（6-9年）企業每筆交易融資額分別縮 水27.1%、31.4%和77. 3%,造成的崗位流失大致相當于樣本新興 企業雇工人數的4.09%～11. 20%。

第四，GDPR復雜的規則設定以及較為原則的處罰標準，使得 企業在經營過程中面臨較大的不確定風險。從我國跨國公司的實踐情況來看，即便為了達到GDPR要求付出高額成本，但依然難以保 證完全合規。從某種程度上說，企業發生違規行為更多是個時間問 題，而非是否會發生的問題。

總而言之，雖然GDPR在全球范圍內為個人信息保護樹立了一個很高的標準，但過高標準會對本地數據產業發展產生抑制作用。從長遠角度看，數據產業發展的滯后將可能影響歐盟社會整體福利 水平的提升。

二、提升社會治理能力

數據可以改善政策制定和服務提供。來自尼日利亞的一個例子 可以說明公共意圖數據在改善服務提供和瞄準服務對象方面的作用。2015年，尼日利亞政府委托有關機構進行了《全國供水與衛生情況 調查》，收集來自居民家庭、供水點、供水計劃和包括學校與醫療機 構在內的公共設施等方面的數據。數據表明，有1.3億尼日利亞人 （占當時全國人口的2/3以上）未達到聯合國“千年發展目標”確 立的衛生標準，而貧困家庭以及某些地區無法獲得充足潔凈水的問 題尤為嚴重。總統穆罕默德-布哈里看到基于這些數據作出的報告 后，宣布供水和衛生設施部門處于緊急狀態，并啟動了 “振興尼日 利亞供水與衛生設施和衛生條件全國行動計劃”。

數據的質量越高（包括及時性、準確性和分辨率等維度），為公共事業創造價值的潛力就越大。通過大數據，政府可以更敏捷、有效地應對實時情況，并對轄區內交通運輸等重要場景作出精準預判， 從而更高效地調動公共資源，提升城市運轉效率。以目前國內很多 城市都在使用的“城市大腦”為例。城市大腦是整個城市的智能中 樞，可以對整個城市進行全局實時分析，利用城市的數據資源優化 調配公共資源，最終將進化成為能夠治理城市的超級智能。目前城 市大腦已經在交通治理、環境保護、城市精細化管理、區域經濟等 多個領域進行了探索實踐。城市大腦的最新技術強化了其感知能力， 通過城市數字基因等技術，能夠鏈接農田、建筑、公共交通等各類城市要素。通過AI技術，城市大腦可以實現交通、醫療、應急、民 生養老、公共服務等全部城市場景的智能化決策。

例如，以數據聯通和系統協同為支點，通過智能交通AI信號優 化系統，海口市“城市大腦”根據城市區域內的車流情況，進行數 據資源分析、人工智能配置，令海口市的交通情況得到明顯改 善——每日早晚高峰可實現每15分鐘更新下發紅綠燈調優方案，使 車輛平均行駛速度提高7%,行車延誤時間降低10.9%。又如，以 沿海城市常見的臺風災害天氣為例，臺風到來之前，城市大腦就可 以用天氣數據計算臺風通過城市的路徑；根據城市3D模型推演'預 判城市道路的積水點，標記髙危建筑，提前通知交通部門提早預防；而AI外呼系統可以通知市民做好防護工作。

疫情期間，多地通過發放數字消費券的方式激發消費潛力、帶動消費回補。北京大學光華管理學院劉俏教授對杭州數字消費券發 放情況進行了研究，發現消費券刺激消費效果明顯，政府1元錢的 消費補貼能夠帶來平均3.5元以上的新增消費，且新增消費并不是 “消費提前”所致，消費券過后消費恢復常態無明顯下滑。新增消費 主要流向受疫情影響較大的餐飲服務等小微商戶，拉動效應最大的 是消費水平較低群體。杭州消費券的拉動效應（3?5倍以上），是日 本的0.1 -0.2倍（1999年）、臺灣的0.25倍（2009年）、新加坡的 0.8倍（2011年）。這得益于中國數字經濟基礎設施的快速發展，特別是移動支付在中國小微企業和個人中的高度普及。

數字消費券之所以能更好地傳導政策效果，除了線上渠道的高 觸達性外，大數據在精準投放、過程風控方面的作用更不可忽視。首先，數字消費券避免了現金發放轉化為儲蓄的可能。與傳統的線 下消費券不同，通過數字化發放流程和風控機制，消費券不會被 “套現”，亦避免轉讓甚至“擼羊毛”等問題，使得消費券能有效進 入實體經濟，尤其是受疫情影響嚴重的餐飲、零售行業，從而更高 效地提升消費券的經濟社會價值。其次，數字消費券的發放和消費 充分發揮了互聯網平臺的“精準滴灌”的觸達能力，而精準觸達有 賴于基于大數據對客戶的特征辨識。通過大數據對消費者行為的分 析可以看出不同種類的消費券、不同金額的消費券，對于不同特征 的消費者群體所產生的拉動消費作用不同，因此可以對消費券做出 多元化的設計，并有的放矢地精準投放。劉俏教授團隊的研究還發 現，消費券對中老年和低消費檔人群的消費拉動效應高于其他人群, 反映出數字消費券使用的“數字鴻溝”問題并不顯著，表明數字消 費券的發放既有普惠性，也能達到“精準滴灌”效果。

數據對于企業的價值

當前，以大數據、云計算、移動互聯網等為代匸的新-輪科技 革命席卷全球，在數據存儲與采集、數據庫、算法與交互等方面 都帶來了新的能力，驅動企業生產模式向數據驅動轉型升級。數 據是生產要素，對數據進行加工、分析和挖掘，不僅能為企業的 經營決策提供科學參考，還能讓企業快速響應市場變化，提高生 產管理效率，優化企業流程。信息化和數字化已經成為企業經營 的基本戰略。

一、深化企業對客戶的洞察，提高企業決策水平

對于企業決策而言，大數據帶來的最大好處在于支持決策的因素變多，拓寬了決策者的思路，使決策者不再拍腦袋想戰略。尤其是當市場競爭激烈的時候，企業更需要重新洞察用戶需求，發現新商機，提供差異化服務。與此同時，企業也可以通過關鍵數據來追 蹤、衡量戰略落地情況，對落地的具體環節進行及時優化，提高企 業戰略的執行力。很多公司已經專門設置了商業分析部門，分析各類數據為優化運營策略提供數據服務支持。

傳統企業進行商業決策中所需的客戶洞察數據通常來自市場問卷調查，但這種模式成本高、效率較低’很容易出現各類偏差。這也是過去大部分傳統企業對于細節數據的收集和處理不是很重視的原因，相比之下他們更看重經驗和宏觀數據。而大數據時代，數據的記錄、整合、處理成本大大降低，企業可以利用大數據改善銷售 和運營策略。例如，某健身器材公司如果要了解健身人群的特征或 市場，傳統的方式是走訪健身房或用戶調研。而如果使用大數據， 公司可以從自己銷售健身器材的使用情況入手，也可以通過與健身 App或健身手環公司合作，了解用戶群體特征和趨勢。沃爾瑪在 2000年開始通過銷售數據改進貨物擺放搭配，亞馬遜有針對性地給 用戶推薦的商品，占亞馬遜銷售額的1/3。

二、帶來新的能力，使之前無法實現的產品和服務成為可能

自動駕駛汽車是非常典型的例子。①在Google之前，全球學術界花費了幾十年時間研制自動駕駛汽車，始終沒有明顯進展，但 Google只花了 4年多時間就制作出了原型車。2010年，Google公布 其原型車行駛了 14萬英里，沒有出過一次事故。

Google獲得成功的原因是其科學家將自動駕駛汽車這個看似機 器人的問題變成了大數據問題。首先，Google自動駕駛汽車項目其 實是它已經成熟的街景項目的延伸。媒體報道通常忽略的事實是, Google街景對每條街道都收集到了非常完備的信息，并進行處理備 用。而過去研究所自動駕駛項目都是臨時識別目標進行處理，因此 受限于計算能力無法做出準確判斷。其次，自動駕駛汽車與云端海量計算能力相連。自動駕駛汽車上的傳感器每秒進行幾十次掃描，其獲得的海量數據上傳到云端完成計算，幫助汽車完成判斷。

Google自動駕駛不只是個案，事實上，現在有越來越多的互聯 網即時服務本身就是由大數據能力所改進或支撐的。大數據能力已 經成為互聯網產業標配。

三、監控改進生產流程，并為金融公司風險定價提供依據

事實上，目前物聯網（IOT）、工業互聯網技術已經廣泛應用到工業企業生產及其供應鏈金融服務中。

例如，鋼鐵行業具有生產流程長、工藝復雜的特點，鋼鐵企業生產環節的運轉通常依賴于人工經驗，因此易造成產品質?量波動。通過整合生產過程中的數據，將隱形數據封裝成軟件模型，實現生 產過程可視化，有助于提升產品質量和生產效率。同時，鋼鐵行業 生產設備價值較高，事后維護容易造成生產停滯，通過傳感器等傳 輸數據可自動實現故障感知，提升設備可靠性。

在汽車行業，從生產到銷售的過程中企業間的協調較多，包含 車企、零部件供應商、經銷商等，各環節中信息孤島問題非常突出， 建立數據共享的渠道有助于打通汽車產、供、銷信息，為產業鏈各 環節企業決策提供支撐。汽車研發涉及大量專業領域，各方面協調 難度大，利用仿真設計技術、建立云協同平臺等能夠有效縮短研發 周期。

此外，產業互聯網的升級也會對金融行業進行授信風險定價提供幫助。隨著金融行業數字化轉型推進’金融大數據正向金融領域各細分場景和業務滲透，從客戶畫像、精準營銷、智能客服、交易監控加速向智能風控、智能監管、智能理賠演進。對產業關鍵指標的跟蹤以及行業洞見，成為供應鏈金融風控模型的重要組成部分。

數據對于用戶的價值

事實上，數據給企業帶來收入和利潤的同時，也在給用戶帶來 價值和福利。并且，數據給用戶帶來的價值很可能被低估了。

以網絡平臺Facebook為例，大家熟知的是其基于對社交網絡數 據的挖掘獲得可觀的廣告收入，但是鮮有人關注Facebook及類似的 網絡平臺給用戶帶來的價值。麻省理工學院斯隆管理學院教授Erik Brynjolfsson和研究員Avinash Collis在《哈佛商業評論》上介紹了他 們開展的一項實驗：要求參與者選擇繼續訪問Facebook ,或者放棄 使用它一個月以換取金錢補償。根據實驗結果和估算，美國用戶從 使用Facebook中獲得的消費者剩余的中位數約為500美元/人/年， Facebook因為美國用戶獲得的營業收入僅為140美元/人/年，自 2004年成立以來，美國消費者累計從Facebook獲得了 2310億美元 的消費者剩余。

一、降低用戶搜索和決策成本

南加州大學孫天潢等聯合電商平臺做了一個針對個性化推薦的大規模隨機實驗，其中62名用戶暫停基于個人信息的個性化推薦產 品。實驗發現，個人信息的缺失會對買家和賣家產生巨大沖擊，數 據缺失導致交易蛍暴跌86%。由此得出一個重要結論是，將用戶數 據與產品進行匹配，可以大大降低搜索成本，尤其是當市場存在海 量不同產品時。

由于缺乏個人數據，個性化服務無從談起，平臺推薦只能盲目 地集中到那些交易量在前1%的品牌所提供的產品或服務上，而這種 模式是數字時代之前的傳統市場的典型模式。當沒有個性化推薦時， 買家在選擇潛在商品時也只能依靠傳統的信息源：品牌、信譽和一 般特征。實驗結果顯示，這些來自傳統渠道信息的完整性極為有限， 導致市場規模大幅萎縮。這一結論與搜索領域的學術研究不謀而合。大量論文證明，即使較小的搜索或匹配成本也會導致商品和勞動力市場的厚度和廣度產生劇烈變化。

實驗同時發現，基于個人信息的個性化推薦，還可以有效降低頭部商品的“馬太效應”。沒有個性化推薦的，客戶頁面瀏覽量明顯 集中在少數幾種商品上；而基于個人信息進行商品個性化推薦的，會給長尾商品帶來更多的曝光機會，客戶頁面瀏覽量大致均勻地分布在頭部商品和長尾商品之間。

二、助力用戶獲得普惠金融服務

從中國南北朝的“寺廟金融”到孟加拉格萊琨銀行，幾乎從金融誕生開始，人們就開始追求金融的平等普惠。但普惠金融面臨客單價值低、服務成本和風險高的難題，因此資本的逐利性注定了普惠金融難以商業可持續、規模化發展。但大數據和科技創新的結合， 證明普惠不再是金融業難題，而是新市場、新機遇。

基于大數據的互聯網貸款已經成為可持續的商業模式。一是借 助線上、線下豐富的數字化場景，高效、低成本觸達客戶，解決了 觸達難問題；二是運用大數據和人工智能等能力，創新性地解決了 小微企業風控、授信和放款難的問題。三是通過建立商業信用體系， 降低了小微企業的不良率，進一步降低了風險成本。四是金融科技 公司沒有物理網點和信貸員，貸款流程線上化、自動化、智能化， 每筆貸款平均運營成本降低到過去的1/10甚至幾十分之一，降低了 運營成本。

基于大數據的互聯網貸款模式，已經產生了巨大的經濟社會價 值。一是實現了小微經營者的廣覆蓋，大大提升了金融普惠性。二 是打破時空限制，滿足小微企業“短、頻、急”需求，增強了金融服務 的公平性。未來，除了數字金融服務，更多的數字化服務將變得越 來越普惠，比如，數字化運營、數字營銷服務也將不再是大企業的 專屬服務，小微商家也將享受到支出、應收應付、收入、財稅管理、 會員管理等一體化的數字服務。

在看到數據對于用戶價值的同時，我們也看到，部分機構通過霸王條款過度采集數據，將大數據作為殺熟、過度營銷、誘導消費的工具，侵犯消費者權益。同時，在開放互聯的數字時代’數據節點更多、傳輸鏈條更長，不法分子竊取數據手段也不斷翻新’任何環節防護不當均可威脅數據安全。所以，做好數據治理、強化信息保護、破解數據安全之困也是亟待解決的關鍵課題。不過，歷史總是在不斷解決問題中前進的，要堅持用發展的辦法解決前進中的問題。我們有充分的理由相信，隨著大數據和人工智能、區塊鏈、隱私計算等技術的發展，包括金融在內的數字服務一定會更加便捷、優質、普惠、安全。

數據價值不僅來源于數據本身，更來源于數據能力

在充分認識到數據的價值的同時，我們需要注意到，數據也不 是萬能的，以客戶為中心的產品和服務才是最重要的，不能本末倒 置。而且，相比于數據本身，很多時候，數據能力更為關鍵。

一、數據更多時候是企業成功的“果",而不是“因”

商業競爭力的核心是商業模式和產品創新力，數據僅是其中- 個構成要素，不應過分高估。例如，谷歌在初創時期所擁有的數據量遠比不上微軟和雅虎，但它擁有先進的算法，其搜索服務做得更好，以至于微軟、雅虎都把搜索外包給它，谷歌目前所擁有的大數據是其成功的副產品。再如，在通信應用領域，后起之秀WhatsApp 成功地抵擋住了手握海量用戶數據的長期在位者AOL的激烈競爭， 憑借低成本又易使用的用戶接口和對用戶訴求的關注得以發展壯大。國內的典型平臺軟件微信、淘寶等的成長秘籍，最重要的部分都不是大數據，而是對用戶訴求的關注和對痛點的克服。倫敦商學院教授Lambrecht和麻省理工學院教授的合作研究指出:幾乎沒有任何證據可以證明在不斷變化的數字經濟中，僅僅依靠數據就能充分排斥更優的產品，要想建立可持續的競爭優勢，數字戰略的重點應當放在如何使用數字技術，給用戶帶來價值上面。”

經濟學家杰弗里-曼恩曾對不少互聯網企業的崛起進行分析, 發現成功的互聯網公司開始時都幾乎沒有數據，更不是數據驅動型的企業。他由此得出一個重要結論：數據更多的是互聯網平臺持續 運行時的副產品，而不是創建互聯網平臺時的關鍵。任何單位，不應為了數據而獲取數據，而是應該始終以客戶為中心，去創新、打磨、優化相關產品和服務，數據只是輔助工具。

二、除了關注數據本身，更應關注的是數據能力

如何從數據海洋中提煉出有用的信息，是體現數據價值的關鍵, 而這并不單單取決于可獲取的數據量，更取決于數據分析要用到的 算法和能力。

從價值體現的視角來看，數據要素的作用及其發揮作用的方式 與其他生產要素不同，數據只有在使用過程中才能體現價值，睡眠 狀態的數據沒有價值。數據的價值往往通過與其他生產要素共同作 用而體現，且作用前后自身不變，猶如化學反應中的催化劑。③單獨依靠某一種生產要素很難推動經濟增長，數據要素創造價值不是數 據本身，數據只有跟基于商業實踐的算法、模型聚合在一起的時候才能創造價值。①正如美國著名經濟學家范里安所言，相對于大數據 的收集和獲取，解讀海量數據和從中提取價值的能力才是更為重要 的一環。②所以，我們在充分肯定數據價值的時候，不能過分夸大數 據本身的價值，數據的治理、算法和模型等能力的提升更值得重視。

客觀來說，我國的金融機構擁有的數據規模是相當大的，但是之前在數據能力方面的投入應該說是不足的。與互聯網機構相比， 我國金融機構的數據沒能很好地“聚起來” “用起來” “活起來”：―是橫向上沒有實現整個機構內部數據資產的打通，數據分散化地 沉淀在各個業務條線和部門，搜集整合存在錯配，缺少統一的數據 標準，數據的真實性、準確性、連續性等難以保證，數據質量參差 不齊，缺乏對數據全口徑和全生命周期性的管理；二是縱向上沒能 實現數據資產向業務的賦能，科技人才不足，模型和算法能力較弱， 無法將數據資產高效地用于營銷、獲客、運營等日常決策，所以無 法實現數據資產向業務價值的轉化。

最近幾年，金融管理部門和金融機構已經在這方面做了不少努 力，也取得了很大成效。比如，為了引導銀行業加強數據治理，.加 快推進行業數字化轉型，銀保監會于2018年發布了《銀行業金融機 構數據治理指引》，要求銀行業金融機構將數據治理納入公司治理范 疇，打好數據治理基礎，制定數據標準化規劃，建立數據質量管控機制，實現一般意義的“數據”向有價值的“數據資產”轉化。2021年2月，中國人民銀行發布《金融業數據能力建設指引》，為 金融機構開展金融數據能力建設提供了更加具體的指導。

為促進全行業數據能力的盡快提升，政府機構、金融機構、互聯網機構等不同機構之間也有必要在數據能力方面加強廣泛合作, 發揮比較優勢。