知识管理

浅谈企业数据要素价值释放的“三条曲线”

2025 年 5 月 7 日

数据作为新型生产要素，对中国数字经济具有重大意义。本文深入探讨了企业数据要素价值释放的历史演进和未来发展路径。核心内容： 1. 数据要素的定义和核心特性 2. 企业数据要素价值发挥的历史沿革 3. 数据要素在现代企业中的应用与价值释放

2020年4月，国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，将数据与土地、劳动力、资本、技术并列为五大生产要素，提出要加快培育数据要素市场。其实早在2017年，习近平总书记在参加当年互联网大会的讲话时已明确提出，“数据是新的生产要素，要构建以数据为关键要素的数字经济”。数据要素理论是我国在全球范围内首创的理论体系，也是我国在数字经济和大数据领域为世界做出的重要贡献之一。与以往大数据相比，数据要素的核心在于价值释放，以价值为导向来带动数据基础设施的建设和不断完善。

一、什么是数据要素？

数据要素目前没有权威、统一的定义。有的将数据要素定义为是指生产和服务过程中作为生产性资源投入、创造经济价值的数据、数字化信息和知识的集合；也有的定义为是指参与到社会生产经营活动、为使用者或所有者带来价值的数据资源。但是不管是哪一种定义，对于数据要素的两大核心特性都是一致的，那就是与生产经营活动相结合和能够创造经济收益或价值。

国家工业信息安全发展研究中心发布的《中国数据要素市场发展报告》中认为，数据作为新型生产要素，具有劳动工具和劳动对象的双重属性。首先，数据作为劳动工具，可以赋能其他生产要素，从而提升生产效率，提高经营管理效能，促进生产力发展；其次，数据作为劳动对象，通过采集、加工、存储、流通、分析环节，形成了具备价值的产品，可以直接流通变现，带来效益。

正是由于数据要素的独特性以及双重属性，在它作为一种新型生产要素释放价值的过程中，才会出现多次、多渠道释放的情况。

二、企业数据要素价值发挥的历史演进

数据真正被认可成为生产要素是在2020年，但数据发挥生产要素的作用和价值并不是从2020年才开始的，而是有相当长的演进历史了。

20世纪80年代，中国国内开始兴起信息化大潮，政府、企业纷纷开始建设自己的信息化系统，用以承载原来通过纸质文件流转的业务流程。到90年代中，企业内部不同专业系统之间的长流程需求开始出现，类似从采购到安装到财务结算这种横跨三个业务系统的流程成为企业内部业务打通提效的标志。在这个过程中，信息系统在业务过程中积累了大量数据，而不同系统之间的流程连接除了需要建立接口之外，一致的核心数据发挥着非常关键的作用。比如采购的笔记本电脑，它的名称、型号等等基本信息必须在采购、财务系统一致，这个业务流程才能顺利完成。其实在这时，信息系统是技术生产要素，同时数据也已经发挥了生产要素的作用了，只不过当时作为信息系统的附属品，也被模糊纳入到技术生产要素之内了。

到了21世纪初，也就是2000年前后，随着商业环境的变化，很多企业面临的压力越来越大，客观上内部需要进一步提质增效，对外则需要更加精准获客，提高收益。这个时候，很多企业就想到利用信息系统积累下来的海量数据进行分析，发现业务规律，从而为内部管理、战略决策、市场挖掘等提供支撑，比如中国移动等通信运营商，利用数据分析进行精准营销，不同的套餐投放给不同的群体，提高了成功率和整体收益，这个过程就体现了数据价值了。也正是在这个过程中，各大企业开始建设数据仓库、数据中心，一直到现在的数据中台、数据湖等等，来更好、更大规模地支撑数据分析工作。

以上两个阶段，数据主要承担的是劳动工具的角色。到了2011年，国内首家专注于互联网综合数据交易和服务的公司“数据堂”成立，数据及其多种形态的加工物成为一种新型的“商品”，可以进行买卖和交易了。从这时候起，数据作为劳动对象的这一属性也开始展现出来了。

虽然2017年5月，数据堂因泄露客户隐私，公司多位高管和业务人员被警方带走调查，公司数据业务处于停摆状态。随着这一典型事件的发生，当时数据交易市场监管缺失、法律法规体系不完善等问题越发显著，整个数据交易领域开始陷入“三年寒冬”。直到2020年《关于构建更加完善的要素市场化配置体制机制的意见》的发布，数据成为一种新型的生产要素，数据交易市场化进程才开始重启，并且在不断加速中，数据要素价值释放的重要性越来越显著。

以上三块内容，其实就对应了数据要素价值释放的“三条曲线”，但是要注意的是，所谓的“三条曲线”并不是一个承接的关系，而是产生时间各有早晚，但是同步发展的关系。也就是说，在当前时空下，对于一个企业来说，数据要素价值释放仍旧同时以这三种方式进行着，并不是说有了第三条曲线就不需要前两条曲线了。如下图所示：

三、企业数据要素价值释放的“第一曲线”

企业数据要素价值释放的“第一曲线”过程覆盖了企业信息化到数字化的整个过程，也大致的可以分成这两个阶段。

在比较早期的信息化阶段，当时的数据还没有被视为一个独立领域，是作为日常业务系统运行过程中产生的衍生品而存在，偶尔会拿来简单做一些统计，告诉领导一些业务信息等等。另一方面，正如前文举例的一样，这个阶段，核心业务对象的基础信息数据也会拿来作为连接跨系统业务流程流转的“关键纽带”，从而确保线上化后的业务流程能力在企业内部顺利流转下去，并在这个过程中保证业务的连贯性和一致性，同时提高工作效率。（反复、多头录入相同数据也是要耗费不少人力成本、沟通人本和等待成本的）

到了2017年左右，很多企业还是推动数字化转型，开始从信息化阶段向数字化阶段演进。我们说企业数字化转型的本质是业务的转型，从立足点和基础上来看，就是从流程驱动向数据驱动来变革。以电网公司为例，电表管理这项事务，原来采购有采购的流程，安装有安装的流程，抄表有抄表的流程等，分别分散在物资、营销等系统中，到了要调用电表相关信息的时候，都有自己的功能模块根据自身需要来进行管理和维护，这样就会一方面造成功能重复建设，另一方面也会造成数据不一致，不利于企业内部统一全过程管理。这个过程就是流程驱动，有什么业务过程就建设相应的功能，不管别的系统有没有。所谓数据驱动就是，该电网公司建了业务中台，统一建设了一个电表管理的功能模块，不管是采购、安装、抄表的业务流程，涉及到电表相关事项时，都调用这个公共的功能模块，这样就解决了以上所提到的问题。

下图是仓储业务中从业务活动到业务对象提炼再到公共功能模块的示意。

可见，在这个过程中，数据成为了数字化转型的基础，也是重构业务流程的出发点，本质上都是在发挥生产要素（劳动工具）的作用，来帮助业务系统这个生产要素（技术，劳动工具）来发挥更大的作用和价值。

四、企业数据要素价值释放的“第二曲线”

企业数据要素价值释放的“第二曲线”与“第一曲线”有一定关系。“第一曲线”过程，尤其是信息化阶段积累下来的大量数据，是“第二曲线”出现的“土壤”。

当企业积累了大量数据，同时企业高层和业务部门发现，企业要想进一步发展，光靠以往的经验和模糊的判断已经不够了时，就会希望让数据来给到他们更多准确、有用、甚至是潜藏的信息，来帮助他们更好的决策，制定更好的战略，更加有效的拓展客户市场和提升客户服务等。

这个工作，以前我们叫数据分析、数据挖掘，现在我个人则更愿意称之为“数字化运营”。下图展示的就是数字化运营发展的五个阶段。

在信息化阶段，也就是传统BI的工作，主要是通过对业务数据的分析和挖掘，利用报表、报告、可视化应用等方式，告诉领导或业务人员“发生了什么”（例如当前业务开展得怎么样？与上月相比提升了还是下降了？）、“为什么会发生”（例如下降的原因是什么？是客户少了还是价格低了？）、“将要发生什么？”（例如不调整的话，这个月最终业务量会是多少？调整不同业务因素的话，这个月最终业务量会有什么变化？）。这些过程都是旁路式的，并不会实时的参与到业务运作当中去。

到了数字化阶段，尤其是人工智能技术的发展，结合数据分析的要求，可以实现数据分析与业务活动的实时互动。比如智能客服机器人的出现，它就是根据用户实时的问题，通过后来大量数据分析和信息提取，来给出最合适的答案，甚至可以判断用户下一步意图，从而给出提示，来引导用户的后续行为。

在这个过程中，数据仍然发挥的是作为劳动工具的作用，其发挥的价值最终也是要通过业务价值的提升来体现。

五、企业数据要素价值释放的“第三曲线”

与前面两条曲线相比，企业数据要素价值释放的“第三曲线”就比较好理解了，就是数据及其加工品、衍生品作为一种交易标的物，通过数据要素市场化交易行为实现直接的价值收益。

2022年12月19日发布的《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）中，把数据要素交易分成场内交易和场外交易两类。场内交易就是通过数据交易所及其平台完成整个交易过程，而场外交易就是指不通过数据交易所及其平台的其他所有交易行为。个人认为，未来数据交易所将更多承担两个方面的作用，一方面是公共数据的流程交易，另一方面是为需要外部数据的中小微型企业提供一个公开透明的交易场所。而绝大部分大型企业、央国企等在这方面将会是以场外交易为主，也就是我们说的“以我为主”的数据开放、建立产业链上下游数据生态乃至于行业数据空间等等。

同时，在这个方面，目前还有很多待解的难题。比如数据确权问题、估值问题、定价问题、合规问题等等，都还需要从理论和实践两个层面同时发力，才能有效解决，从而充分激活“第三曲线”。

六、总结与展望

对于一个企业来说，数据要素价值释放得充不充分，是“三条曲线”叠加作用的结果，并不完全由一条曲线来决定。企业只有结合自身发展的阶段和业务战略需求，科学有效的实现“三条曲线”价值比重的配置，才能将数据要素与企业实际发展结合起来，而不是脱节的。如果你的企业信息化还没有做好，就要求数据交易的收益要快速提升到企业总收益的30%，这个显然是不合理的。好高骛远必然会带来不好的结果。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

浅谈企业数据要素价值释放的“三条曲线”

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单