威尼斯-WWW.37000cm.COM|创新 合作 共赢

　　随着人工智能、区块链、云计算、物联网等信息技术的发展，数字经济站上世界经济发展的主舞台，以数据为关键要素的数字经济正成为推动全球经济发展的新动能。在数字经济与实体经济相融合的背景下，企业通过数字化转型实现数据为业务赋能，达到企业协同创新、降本增效的溢出效应。可以说，数据越来越成为驱动企业价值创造的战略资源。

　　党的十九届四中全会明确提出“健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制”，这是我国首次将数据纳入生产要素范畴。“加快建设数字信息基础设施，推动数字经济和实体经济融合发展，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济”，已成为新时代经济社会发展的重要指南。尽管数据要素对经济发展的重要性已经成为共识，但是单纯的海量数据并不会自动产生价值，数据需要和生产资料相结合，投入生产过程，最终形成价值产出，才能真正融入企业的价值创造，推动产业升级和转型。可见数据在企业中的流转路径是影响产出的关键因素，最终表现为数据赋能企业实现价值创造的内在特征和机理。

　　数据赋能价值创造的路径

　　G20杭州峰会（2016）上将数字经济概念界定为“以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化重要推动力的一系列经济活动”，在这里将数据要素的功能界定在知识与信息范畴内。数据赋能企业价值创造的路径，最早可以追溯到DIKW（Data to Information to Knowledge to Wisdom）模型，并在当前数据应用中具有重要指导意义。那就是，以数据为基础，通过处理、分析得到相关信息，并进一步对信息进行提炼、挖掘，最终和企业价值创造相融合，升华为智慧能力的演变结构。

　　具体而言，数据是最基础的概念，是对现实事物的特征描述和抽象表达，在信息时代多以数字化形式进行保存、传递和处理。信息是经过数据提炼和数字技术处理，具有一定含义并对决策有用的数据流，即“知道是什么”（know-what）。知识是将信息进行归纳、演绎并挖掘出有价值的部分，从而沉淀出结构化内容系统，描述了“知道怎么做”（know-how）的过程。智慧则是最高一级，它是基于世界已形成的知识，对物质世界运动中的问题分析并探索其背后的规律，“知道为什么”（know-why），并提出解决方案的现实应用的能力。作为基础理论模型，DIKW模型提供了数据要素发挥价值和参与价值创造的一条实现路径，并揭示了数据成为生产要素的本质特征。

　　数据赋能企业价值创造的机理

　　数据从基础资源到智能应用的过程正是遵循了DIKW模型中的“数据—信息—知识—智慧”的进阶层次关系，通过降低企业个性化需求成本，优化企业运营管理流程，促进企业创新提升，赋能企业不断提高效率，实现价值共创。

　　数据处理信息化。中国互联网络信息中心《中国互联网络发展状况统计报告》显示，截至2021年底，我国网民规模达10.32亿，互联网普及率达73%。可以看出，我国具有庞大的网民人数，但网络普及率仍然具有较大提升空间。信息时代，社会现实空间的任何行为都能以“数据”的形式表示出来，由此产生了海量的数据，并以前所未有的速度增长。如果不加以整理和分析，数据将无法产生任何效用和价值。因此，选择合适的技术，提取出有用的信息资源，才是数据要素产生价值的重要意义。企业利用数据技术工具进行数据分析，进一步释放数据中的潜在信息，提高信息质量，将数据要素转变为有价值的信息资源，建立庞大的信息数字化体系，成为企业个性化定制和精准匹配生产的基础。数据作为一种新型生产要素，既能单独发挥效能，也是将其他生产要素联系交互的关键资源，从而促使数据从生产要素的紧密关联中提炼出更有用的信息。由此可见，数据要素和信息资源之间的关系是密不可分的，而且信息是从数据中整合后提取出来的，数据生产要素发挥价值创造的起点即为“数据—信息”的过程。

　　数据挖掘知识化。在数据爆炸式增长的时代，数据规模呈现乘数扩大效应，但其实人类一次产生的数据的网络流量不足37%，大部分的网络数据流量实质是数据和信息在向知识转化过程中生成的二次数据。“信息—知识”是建立在“数据—信息”的基础上，因此也可以将其视为“数据—知识”的递进表达。知识被分为显性知识和隐性知识，知识创造过程是创始场、对话场、系统场和实践场四个阶段的螺旋上升。在数字经济时代，知识的产生覆盖了更广泛的场景，还包括了数据经过分析和加工，演变为未经实践和验证的知识，这些知识汇合于系统场，经过整合和筛选，从而成为有用的新知识。数据要素形成知识的过程本质就是充分调动知识等要素，以挖掘和释放数据要素的价值，从而增强知识要素的“溢出效应”。从庞大的基础数据量和处理信息量中进行提炼，挖掘出隐含的“知识”价值体系，才能使隐形知识显性化、内部知识外部化。比如通过对大量熟练工匠工作流程中的行为数据进行整合处理，分析得到工作步骤和程序的精确信息，这是“数据—信息”的层级；对于这些信息中包含的技术能力信息进一步提炼编制成工匠工作流程手册和操作规范，才能将隐性“知识”转化为可视化的技术方法，制定出标准化生产模式，用于企业技术模式化管理，提升企业整体效能，这正是“信息—知识”的过程。知识相对于信息，具有更明确的目的性、导向性的内涵，企业利用数字技术手段，发现数据之间、数据和信息之间复杂且演化的关系，提供具有个性化和实时使用价值的知识服务，不仅更有效获取知识，更加快了知识流动，加快了数据转化为知识的进程。

　　数据应用智能化。“知识—智慧”是数据要素最高级层次的表达，知识到智慧的转化途径则是通过数据赋能来实现。在数字经济时代，智慧资本已经超越土地、劳动力和资本等生产要素，成为企业创造价值的重要驱动因素，智慧的产生则体现了数据—智慧的价值创造全路径。数据要素如果仅仅进行信息处理、知识挖掘还并不能真正创造价值，数据的信息化和知识化能够使企业更好地了解自身的业务流程和消费者，并将知识转化为更有“智慧”的决策和管理。通过调动数据要素的社会属性，将数字化的信息和知识赋能企业生产、管理和销售等过程，进而通过信息技术创新和管理创新、商业模式创新融合，催生新产业、新业态、新模式，这是数据要素最终实现智能化应用的过程。一方面，在互联网、云计算、区块链、人工智能等数字技术的广泛应用下，企业的数据要素与其他要素的深度融合和万物互联，推动企业智能化变革，驱动企业的智能计划、智能执行及智能控制的智能决策路径的形成。数据的大量、及时、多样性等特征，极大地降低了企业信息不对称，增强了企业资源的价值，实现了标准化赋能，带来了企业内部管理智能化和外部服务智能化。另一方面，各种数据的采集、分析和应用，推进了产业数字化进程，进而产生了更多的数据资源，进一步加快了数据要素的生态循环，更好地与产业相融合，打造出良好的实践基础和丰富的应用场景，提升数据要素的智能化应用水平。

　　在全球经济整体下行压力增大的背景下，数字经济成为稳定经济增长、实现经济复苏的关键抓手，并进一步催生了数字科技革命的发生。在建设数字中国的时代背景下，打造数字经济新优势，必须加强数据基础设施建设，发挥海量数据和丰富应用场景优势，挖掘数据价值创造功能，促进数字经济与实体经济深度融合。以数据赋能企业实现价值创造为着力点，大数据赋能传统产业转型升级，打破时空限制、延伸产业链和重构价值创造模式，已成为把握新一轮科技革命和产业变革新机遇、推动经济高质量发展的战略选择。