数据价值有哪些实现路径？

想要了解相关问题，可以下载报告《普华永道-数据要素视角下的数据资产化研究报告》查看，以下内容都是根据该报告总结的，仅供参考。

党的十九届四中全会首次将数据与土地、劳动力、 资本、技术、并列作为重要的生产要素。这表明， 数据在经济生产中发挥的作用愈加关键，在国民经 济发展中的地位日益突出。数据作为新型生产要 素，在形态、属性、特征等方面区别于传统要素， 其参与生产的过程和价值实现的路径也不尽相同。

数据是对现实世界的客观记录，包括与人类相关的 社会经济活动和自然界现象的记录。与数据相关的 概念是信息和知识，前者是对数据的进一步提炼， 剔除了数据中重复、不相关、噪声等杂质所留下的 有效内容，而后者则是信息的更高级形态，是经过 整理、加工、归纳后形成的完整、有序、结构化的 信息，它是人类对客观世界真实的，被普遍接受的 认知。早在上世纪80年代末，著名信息科学家 Ackoff就讨论了数据、信息、知识、智慧等概念的 差别与联系。后续学者在Ackoff（1989）的思想上 建立了 DIKW （ Data-Information-KnowledgeWisdom）金字塔模型：金字塔基础是描述客观现 实的数据，第二层是数据经过清洗分析后得到的信 息，第三层是信息经过加工、凝练、检验后的知 识，金字塔顶层则是人类认知最高形态——智慧。

DIKW模型有助于我们理解数据在参与到生产交换 等经济活动中是如何实现价值的。原始数据经过采 集、保存、运算、分析等过程产生信息与知识，这 是数据价值实现路径的第一阶段，形成了数据的基 本价值。这一过程中，数据作为原材料，配合各类 数据工程师、信息技术硬件设备、相关技术，最终 得到信息与知识，是一个技术偏向型、资本密集型 的生产过程。由于数据的基本价值体现在其创造的 信息与知识，根据香农的信息论，决定数据基本价 值的一个因素是其信息熵的大小。例如，对同样一 份数据进行多次复制，虽然数据量成倍增加，但信 息量完全没有改变，因为其信息熵保持不变。 数据要素区别于传统要素的一点，是其价值的多样 性。传统要素有专用性、适用范围等限制。例如， 汽车生产线（资本）只能生产特定型号的汽车；劳 动工人在其领域进行专业化生产，短期内无法进行 跨行业流动。数据要素则可以同时参与到不同环 节、不同领域的生产中，其价值的实现不仅依赖于 信息量大小，更依赖于用户的需求和实现的场景。 以人们的出行数据为例，政府通过对出行数据的分 析，可以优化城市交通设施布局；出行平台则可以 提高代步工具调遣效率，获得经济收益；医疗行业 则通过出行数据中的相关指标（步行里程、速度 等），提炼出个人健康关键信息；物流行业则可以 优化其配送线路，等等。可见，用户与场景决定了 数据的价值，而数据在跨行业、多领域的流动与利 用，能够更好的发挥数据作用于生产的乘数效应， 实现数据价值的最大化。

上面的分析从数据的产品生命周期出发，将数据价 值的实现路径，拆分成两个递进的阶段。从数据到 信息和知识，形成了数据价值实现的第一阶段。这些信息和知识还将通过内部使用或者流通交易，最 终应用到不同企业的生产经营、管理变革等各个方 面，从而对企业的生产工艺、资源配置、成本节 约、交易效率等产生影响，通过提高收益和降低成 本的方式，实现数据价值在全社会层面的放大倍 增，形成了数据价值实现的第二阶段。

著名经济学家 Brynjolfsson （ 2016 ） 和 Agrawal （2018）指出，数据创造价值的本质，是数据驱动 决策过程的优化。王超贤等（2022）进一步指出， 人类社会的决策活动可以分为交易决策和生产决 策，前者包括市场交易、管理协调等交易协作中的 决策活动；后者包括生产制造、产品开发等生产过 程中的决策活动。交易决策更多地倚重信息，生产 决策更多地倚重知识。从这个意义上说，数据价值 实现路径的第二个阶段离不开数据转化为信息和知 识后对决策的支持，也就是说，通过提升不同决策 的效率和效果，数据最终实现其价值。

总结来说，原始数据被采集后，进行简单的归整与 清洗，并加以保存，就得到了价值实现路径中的数 据资源。在计算机、服务器、存储硬件等信息技术 设备的支持下，数据工程师与信息技术人员对数据 进行去重、降噪、提炼、整合，得到信息。信息一 方面通过提高决策效率，创造价值。另一方面，信 息被人们进一步整理加工，得到对客观世界规律的 认知，这些认知经过反复检验、迭代，被人们普遍 接受，成为知识，帮助人们提高决策能力。在不同 的应用场景中，人们具体的需求和决策能力相结 合，指导更优经济行为的实施，完成价值创造的终 极目标，例如提高生产率、优化组织效率、进行工 艺改良与产品创新、发现潜在机会、落实风险控 制。信息与知识共同优化决策，侧重点有所不同， 前者主要提高交易效率——信息可以降低供需双方 的搜索成本，有利于价格发现，降低信息不称造成 的交易意愿不足等；后者则在优化交易决策的基础 上，还能优化生产决策，例如实现数据驱动的工艺 流程优化、精准生产控制等价值创造活动。