第二十二章：数据治理之数据价值：数据价值知多少
数据治理9个模块中，我们已经写了【数据源】【数据目录】【数据架构】【数据质量】【数据指标】【数据安全】，除了【数据标准】还在打磨中，剩下的两个模块是【数据价值】和【数据文化】。
这两个模块相对都是偏“软性”的、不好量化的。本章，我们介绍一下【数据价值】，看看数据的价值都有哪些相关内容。
1、一直被挑战的数据部门
不管如何强调数据的重要性，数据是生产要素，企业数字化转型离不开数据，等等，这些宏大的观念。一个客观的现实是，数据部门是成本部门，甚至大部分情况下成本还不低。
作为成本部门，一方面很难直接的产品收入；另一方面，在传统企业中，数据部门通常不会直接和业务部门产生关联，更多的是和业务的支撑部门关联，这就造成了缺乏业务的直接背书。在互联网企业中，数据部门可以直接和业务部门产生关联，或许这也是互联网企业中数据部门相对受重视的原因。
不直接产生收入，缺乏直接背书，基于此，数据部门常常会被挑战：部门产生了什么价值？这些价值如何量化？
这是每一个做数据的人，需要考虑的问题。说来也有趣，一个以数据为主的部门，却没有办法很好的通过数据来说明自己的价值。
2、对外的数据价值--数据变现的可能性
如果企业的数据对外有价值，且允许进行对外变现。那么，数据变现是最重要的价值体现。
付费是最高的认可。
对外变现的方式也很多，可以是直接提供数据的；可以是外部提供数据，根据提供的数据返回预期信息。等等。这个要看具体企业掌握了什么类型的数据，这个数据在除了企业内部之外，有什么价值。
数据变现，是需要结合自身情况，所处阶段进行探索的，阶段不对很容易产生不务正业的感觉。
当然，在数据对外的过程中，需要遵守各类数据法律，避免泄露隐私，确保合规。
这种数据的对外变现，个人感觉现实中并不多见，一方面，大部分企业的数据并不知道在企业外部什么场景下能够产生价值，另一方面，又是一件风险比较高的事情。而且，目前也并没有一个很通用的数据交易场地，希望现在各类的大数据交易所能够很好的解决这个问题吧。
3、对内的数据价值--说不清楚的内部价值
整个数据中台的数据量特别多，不可能所有的数据都能够对外变现，还是需要对内来体现价值的。
说到对内价值，就有点说不清楚了。
对内数据一共有两种大的形式。
一种是能够嵌入到业务系统中：
数据中台有一句话“业务数据化，数据业务化”。对于后半句“数据业务化”，个人简单的理解就是数据做成了数据服务API，集成到业务系统中去。
也就是说数据服务API，变成了业务系统这个整体的一部分。都是整体的一部分了，怎么区分整体的某一个局部，到底是这一部分的价值大，还是那一部分的价值大，更不要说去量化出来了。
一种是提供分析类数据:
如果不是以数据服务API形式嵌入到业务系统中，而是更加常见的报表类数据，不管是BI报表、交互查询分析、还是更深层次的数据分析、或者加工成一个独立的数据产品，总之，通过这些分析类数据，作为信息输入，提供决策参考。
这类数据的价值更加取决于人，业务人员从这些数据的使用中，能够获得了多少额外的收益，没有人能说得清楚。
这种形式的数据价值，有的时候不得不以点击、查看的次数作为价值评估的依据。也是一种无奈之举，一次报表查询，进行一次数据分析，到底值多少钱，也是说不清的。
可见对内的数据价值本身就很难说清楚。
4、数据价值评估的几种思路
不管是对内还是对外，在尝试进行数据价值量化时都会有几种思路。
第一种：基于成本
获取、存储、加工，这些数据都有哪些成本，硬件资源成本、人力资源成本等等。改进数据，提升数据质量的成本，即做数据治理的成本。只要是最终产出数据的过程中的花费，都算在成本中。
先不说这些成本能不能统计出来，对应到不同的数据资产上。即使统计出来了，一个数据的价值真的直接和成本相关吗？
成本仅仅是让数据资产产生的费用。而价值或者说价格，更多的是由需求决定的。
如果业务有急需，即使成本很低，也会花大价钱来购买。如果业务不需要，不管产生这份数据的成本有多高，也是没人愿意付费的。
所以，基于成本法只能算是一个基础参考维度。
第二种：基于损失厌恶
如果这份数据丢了，对组织有多大的影响。通过，这种损失的场景，来看看数据价值是多少。
这也是一种思路，但总感觉有种置气的感觉：不是说数据没价值吗？那如果没这份数据行不行，对业务影响是多大？是不是就是这份数据的价值了？
但是“有些事不上称三两重，上了称一千斤也打不住。”如果真的一评估，发现好像没有这份数据问题也不大。那就事得其反了。
而且，这种问题往往也会影响合作稳定性，算是不利于团结吧。
第三种：基于对手
对手在数据领域投入多少，对手有这些数据，对手有高质量的数据辅助业务发展。
那是不是我们也需要有？
这种对手的情况，来反向的证明价值也是一种方式。类似于一种“数据军备竞赛”，更多的是强调可以投入，不能落后。只能算是从侧面证明价值。
第四种：可能的创新性
数据不仅仅能够支撑当前的业务，也能够发现未来的机会，创建新的创新增长点。
这种未来事，本就不可琢磨，这种方式更多的也是一个期望了。
上面的方式，不管用哪种方式。
评估数据价值时还面临两个问题，数据的价值是上下文相关的（一个组织有价值的东西可能对另一个组织没有价值），而且往往是暂时的（昨天有价值的东西今天可能没有价值）。
这种场景和时间的变量，让价值评估变得更加不可琢磨。
而且，数据中台作为数据加工方，是不产生原始数据的，如果真要算起数据价值，是不是业务方作为数据提供者，更应该作为数据价值的归属方。毕竟，缺少数据，数据中台是“巧妇难为无米之炊”的。现在，业务方并没有出来瓜分数据价值，也正是因为数据价值现在算不明白。如果真有算明白的一天，应该也是业务来瓜分数据价值的一天了。
5、离钱近的地方，更有钱
在整个写做过程中，一直想体现的一点就是，数据需要尽量贴近业务。如何更深的嵌入到业务中，是一个需要思考的问题。
如果能够和一个重要的业务深度绑定，那么证明价值这件事情本身就不需要过多说明了。
6、个人对于数据价值评估的两种态度
对于数据价值的评估，目前其实并没有一个通用的，较为合理的方式评估，但是这件事确常常被提起。对于进行数据价值评估，个人有两种相互矛盾的态度。
一方面，数据价值的评估能够让数据中台更加注重价值产出
数据中台作为数据的加工产出方，不能机械的做报表而不去评估报表的使用情况，一直取数、建模型但是不关心模型的访问情况，不跟踪使用情况。
从这个角度来看，让数据中台去提供价值举证，确实是一个有意义的事情。就像投资画饼，并不奢望马上赚钱，但是画个饼，并客观的评估才能起到改进效果。
一方面，是否能够将数据中台作为一个”风险投资“
过度关注数据价值的自证，势必会让数据中台陷入更加追求短期可见的效果产出。而对于长期，打基础的能力构建，选择性的忽视，这对于数据的长久、稳定是一个潜在的风险。（不过，话又说回来，那种在水面之前的建设，在不被认可的情况下，谁又会真的有“功能不必在我”的觉悟那，更多的是“死道友，不死贫道”。）
既然，有这个风险，是不是能够将数据中台作为一个风险投资那。就明确这件事情就是没法量化价值的，收益无法计算。同时，明确数据就是有价值的，不用过度的去量化价值产出，而是有数据部门自己的价值衡量方式，甚至，作为一项“风险投资”。
这种“风险投资”需要一定的魄力，外部环境，经济基础，业务所处阶段等等，许多东西是可遇不可求的。
7、好的问题是激发数据隐性价值的钥匙
上面说的价值，更多的是希望评估出来显性的、可量化的价值。但是除了可量化价值，对于数据的隐性价值，也不能忽略。
许多时候数据中隐藏的隐性价值，也许不能明确的量化，但是发挥的作用有时候确实至关重要的。
而这个隐性的价值的发掘，需要一个好的问题，一个灵活的视角来作为一个钥匙。
比如：
比如说，发现一个新闻咨询类的网站上面，短视频的播放数据好的异常，那是不是可以坚定的短视频产品的投入？
发现有大量的人在购物网站上，就是单纯的浏览商品，而不下单买东西，是不是干脆做个介绍商品的直播？
数据是死的，问题是活的。有什么样的问题，就能发挥出来数据什么样的潜在价值。通常这些潜在价值还是方向性的，甚至有时是决定一个大势。
8、总结
做数据的人，确不能通过数据量化出来数据的价值。隐隐的有一个被嘲讽到的感觉。
不过相信随着数据入表等一系列的活动，对于数据价值一定会有一个更加公允，被认可的方式呈现出来。