從直覺上講，我們都明白數據是有價值的。這就是為什么很多公司都在數據上投入大量資金，也是為什么這么多人選擇數據作為職業道路的原因。根據國際財務報告準則(IFRS)(甚至經合組織(OECD)的標準)，數據也符合資產的定義。資產是由于過去發生的事件而由實體控制的資源，未來的經濟利益預計將從該資源流向實體。但是，盡管數據是一種有價值的資產，我們卻沒有在資產負債表中發現它。這是為什么呢?道格·蘭尼-《信息經濟學》作者。2001年對世界貿易中心的襲擊不僅導致了生命和財產的悲劇性損失。存儲在物理服務器上的大量數據也不可逆轉地丟失了。這嚇壞了保險公司。想象一下，所有客戶列表、歷史交易和訂單的價值是多少!為了安全起見，他們將信息資產排除在保險政策之外。他們不失時機地推動這些進程——在襲擊發生后的一個月里，信息資產的排除工作就完成了。幾年后的 2004 年，會計行業緊隨其后，在六年內首次更新了關鍵財務標準國際保險標準 (IAS) 38，明確指出，信息資產不能包含在可審計的財務報表中。即使您的公司希望通過在資產負債表上的報告來展示其豐富的數據，一般公認會計原則 (GAAP) 和關鍵法規也禁止上市公司這樣做。原因是：如果保險公司不為其投保，就不會計算在內。然而，這并不意味著數據沒有任何價值!相反，它的價值是一種固有的屬性;這不是權威能決定的事情。數據的價值取決于市場及其參與者。因此，我們看到一些數據市場正在興起，公司在那里買賣數據集。想想看，有很多公司的產品只不過是為其他人提供各種類型的數據。數據甚至可以用作抵押品，就像聯合航空公司(United Airlines)和美國航空公司(American Airlines)在Covid-19大流行期間所做的那樣。每家航空公司的客戶忠誠計劃數據價值約為200億美元。對保險公司沒有價值的東西，對銀行卻有巨大的價值和擔保，這不是很有趣嗎?但是他們是怎么得出這個數字的呢?我們如何給一個數據集估值?有一種說法是“情人眼里出西施”。它與討論買方和賣方感知到的數據的價值有關。通常，賣方的觀點往往基于構建數據集的成本和對買方業務影響的估計。另一方面，買家在評估可能的業務影響時，正在估算構建成本(“購買還是構建”的決定)——他們通常可以準確地估算。在買賣雙方之間形成了某種程度上對稱的信息不對稱。它在現實生活中是如何開展的呢?我曾見過這樣的例子，賣家所提供的數據集的價格比買家所感知的要高10倍。在價格談判中，差距太大而無法彌合。不過，我敢肯定，其他潛在買家對同樣的價格會更滿意。因為，就像我說的，情人眼里出西施。但是請注意，賣家和買家都在考慮商業利益，這是因為數據的經濟價值是絕對關鍵的。我們都看到過如何利用數據來做出更好的決策，提高運營效率，甚至產生新的收入的例子。所有這些都對公司的損益表和價值有直接影響。當考慮經濟價值時，我建議聽取Bill Schmarzo的建議，他在幫助我們理解數據經濟學方面做了大量工作。他說,:“你不能脫離業務來確定數據的價值。”數據有許多獨特的屬性——它不會損耗、惡化，可以被使用和重用。正如比爾所解釋的那樣，由于這些原因，我們對數據做得越多:邊際成本變平(下圖中的效應1)，經濟價值增長(效應2)。此外，數據還可以用于多個目的并行!考慮一個客戶數據集被用來確定價格，產品推薦，以及對單個客戶的營銷活動。當我們提高這樣的客戶數據集的質量，或者我們添加一個新的相關特性時，它會對依賴于它的所有數據解決方案產生影響。因此，經濟價值加速(效應3)。

那么，x軸上的數據用例是什么?對我們來說，一個數據用例，數據項目，數據計劃，甚至整個數據策略都是關于三個問題:

第一個問題是我們要解決的業務問題是什么？將我們的數據項目與業務聯系起來。最重要的是，它還提供了經濟價值(如ARR、運營成本……)的衡量標準。

第二個問題是我們需要做什么來解決它？需要整體回答，因為我們不僅只需要數據和分析。我們必須考慮戰略協作、基礎設施，以及可能最重要的人員。這個問題的答案也讓我們對投資有了一個大致的了解。

最后，第三個問題是我們將要做什么？形成一個可操作的計劃。它可以讓我們按時間順序排列經濟效益和投資。當然有人會問，隨著時間的推移，數據投資會是什么樣子?與其他投資類似，數據投資的回報遵循熟悉的投資J曲線。這里有兩個要點要提出來:(1)時間不會停止。因此，如果我們想最大化一年數據的經濟價值，我們不應該浪費六個月的時間去考慮該做什么。(2)曲線的形狀只是估計。沒有人能保證下降不會更深，甚至不會回升，或者達到收支平衡的速度足夠快，或者不會像預期的那樣持續急劇增長而且持續的時間足夠長。投資曲線并不是什么新鮮事。一直以來，對數據的投資通常不會像其他投資那樣認真地管理。在我的職業生涯中，曾在企業、咨詢、初創企業和私募股權領域工作過。就我個人的經驗而言，我提出以下幾點看法:

?對于公司來說，我們經常會估算未來的影響來證明年度預算是合理的。實際的影響很少被測量。

?每個顧問均在說明單個項目的投資回報率。因此，客戶最終會得到幾十條“J曲線”(對于流失率模型、數據倉庫、新的ERP、Tableau實現…)，這些曲線很難進行匯總，而且不會重復計算收益或錯過任何投資。

?對初創企業的數據投資，往往受到下一輪投資對估值的影響的推動。因此，利益的實現往往被推遲。

?在私人股本領域，似乎得到了認真的管理。私募股權投資者收購一家公司，目的是根據關鍵業務指標進行估值，并計劃在5-7年內出售該公司并獲得利潤。因此，數據投資的關鍵在于對這些關鍵業務指標產生的影響。在頭幾年大力投資。通過J曲線觀察投資組合中的公司，在該公司從上升軌跡中獲益時賣出(甚至為下一個收購者留下一些價值)，以支撐估值。那么，它在現實生活中是什么樣的呢?作為例子，讓我們考慮一個SaaS B2B技術業務。大多數這些公司所面臨的業務問題(記住定義數據項目的第一個問題)是通過增加交叉銷售和向上銷售來潛在地推動ARR(我們的關鍵業務度量)。接下來，我們需要考慮需要什么來解決這個問題(數據項目的第二個問題)。在開展具體項目時，我們使用SAPI框架來提醒自己所有影響數據項目成功的重要因素。讓我們看一個快速的高級示例。

?從戰略角度來看，我們可能需要一個強有力的支持者，以及數據、銷售和營銷之間的緊密合作。

?當涉及到數據和分析時，可能需要高質量的CRM數據和傾向性購買模型。

?我們需要數據專家來建立x-sell模型。我們還需要確保銷售和營銷團隊將做出數據驅動的決策，并幫助將傾向得分轉化為銷售。我們也不要忘記那些推動數據文化和采用的人。

?我們還需要一個數據基礎設施來運行這一切。包括建立和運行模型的數據科學平臺。

通常包含四個階段。

?首先，我們將重點放在基礎上，建立數據基礎設施，獲取數據等。

?接下來，我們構建數據輸出，示例中的購買傾向性模型。

?然后，我們與銷售和市場部門的同事一起使用這些方法來推動x-sell(期望的業務結果)。

?最后，我們將其推廣并盡可能地擴大其影響。

因為數據是一種戰略資產，應該被視為一種戰略投資，我們需要在路線圖中附加一個投資計劃。這通常包括所有所需的投資(資本支出、運營成本、基礎設施、人員……)，對關鍵業務指標的影響(本例中為ARR)，以及對現金流和息稅折舊攤銷前利潤(EBITDA)的影響(例如)，以季度或任何其他合理的時間段來衡量。只有當我們具備這一點時，我們才能正確地管理項目——在處理數據項目的非線性、研發性質的同時，平衡投資與業務影響。通過這種方式，我們可以在需要時做出戰術和操作上的決策，使項目回到正軌，并從錯誤中吸取教訓，為未來做好準備。我經常被問到的一個問題是，當有這么多其他因素(其他項目、競爭、營銷活動、一般市場情況等)在起作用時，我如何將數據項目對業務指標的影響歸因于這些因素。答案是使用數據驅動的決策!在我們的例子中，我們可以使用A/B測試，甚至可能包含保障組。評估它們，并盡可能準確地估計數據項目的實際影響。讓我們假設項目進展順利，對ARR的影響超出了預期。下一個什么?要回答這個問題，我們需要回到數據經濟學。

遵循以下步驟，將我們成功的機會最大化:

(1)將數據策略放在適當的位置，以很好地排列用例。

(2)開始吧!(時間不停止。)

(3)在成功和經驗以及數據本身的基礎上，做一個又一個項目。

這是我們系統地實現數據經濟價值的唯一途徑。這是也最重要的。