數據“躍動”，“新”力量重塑商業格局
原創 作者：朱耘 /
發布時間：2024-10-08/
瀏覽次數：0次
文｜朱耘
數字化時代，數據已成為關鍵的生產要素，不斷催生出新的商業模式和豐富的應用場景，它打破了傳統的商業邊界，重塑著產業格局。從精準營銷到個性化定制服務，從智能供應鏈管理到金融科技創新，數據的力量無處不在。企業通過挖掘和分析海量數據，能夠更準確地洞察消費者需求，優化產品和服務，提高運營效率，開拓新的市場空間。可以說，誰能更好地駕馭數據，誰就能夠在激烈的市場競爭中搶占先機，引領行業發展的潮流。
盡管數據已成為關鍵生產要素，但企業在數據資產如何入表，如何保證數據安全與合規的情況下，更好地發揮數據要素的乘數效應，依然有很多問題亟待解決。在2024年9月13日中經傳媒智庫舉辦的“發掘數據新力量”閉門會（以下簡稱“數據閉門會”）上，與會人員共同探討了當前數據應用所展現的可見商業場景及數據治理、合規方面面臨的問題。
數據應用新場景
毋庸置疑，我們已邁入了數字化的新時代，數據不僅是資源，更是生產要素。《數字化賦能高質量發展》主編、著名數字化專家賴家材認為，數據時代，對我們提出的首要挑戰是要建立“數據思維”。牛頓的經典力學純粹是理論研究，到了愛迪生時代，做科學研究采取的方法是“科學實驗”，提出假設，通過實驗嘗試和驗證。而在今天的數據時代，所謂數據驅動，即通過大量的數據在一起，做關聯性判斷。
在營銷界，數據驅動有個經典案例——啤酒與尿不濕效應，沃爾瑪經過數據分析與消費者洞察發現，尿不濕與啤酒總出現在一張購物單上，原來是男性顧客給孩子買尿不濕時總會買啤酒，于是沃爾瑪就在尿不濕的貨架旁邊擺上啤酒，在便利消費者的同時增加啤酒的銷量。
在數字化浪潮的推動下，數據的應用場景正不斷拓展和創新。北京師范大學法學院博士生導師吳沈括認為，單就數據談數據，或者只談數據產業，不具有可持續性，必須跟實際的場景、業務相結合，即所謂發揮數據的“乘數效應”。白海科技首席增長官洪磊也坦言，數據本身創造不出商業模式，不帶來新的價值，但可以通過數據做優化，提升效率，變相優化商業模式與商業結構。
北京國信鈞元科技有限公司常務副總經理王杰偉正在做與數字鄉村領域相關的工作，并提出了“DOD模式”，即以鄉村數據要素增值為導向的數字鄉村建運一體模式。
2023年，國信鈞元在為安徽某縣做數據鄉村建設時，幫助相關縣設計發行了一筆專項債，該專項債還款測算中，43%用的是數據資產，這其中包括了數據資產的運營、服務收益、數據資產化等。“數據跟行業結合，需要找到跟行業有真正結合的點。”王杰偉說。
說起數據的應用，就不得不提大模型。當ChatGPT橫空出世，引發了全球范圍內對大模型的高度關注和熱烈討論，國內也掀起了一場“百模大戰”，這使得業內有這樣一種聲音：通用大模型所需要的數據將嚴重不足。平安科技前沿技術部門負責人王磊認為，在大模型技術差距方面，只要最新技術思路保持有跡可循，中國和美國的差距也就是一年左右的時間，各大互聯網企業在“卷”大模型，在其看來沒有太多的商業機會，巨頭的“廝殺”最終活下來也就1—3個，而機會在垂直大模型領域，即在原來自有產品基礎上加大模型，形成更具競爭力的產品，未來將有更大的商業機會。王磊認為，國外的微軟、國內的美圖、金山辦公等就是沿著這條路在走，在原有產品的基礎上增加了大模型，使產品體驗發生了顯著甚至顛覆式的變化，客戶黏性增強，有的產品甚至將付費模式由原來的授權模式變為了訂閱模式。
王磊說，2023年年中，平安集團的客服升級為大模型加持的智能客服，運營一年多來，有較多改善，其中一點是轉人工的比例明顯下降。中國平安年報顯示，當前80%的客服電話都由機器人完成，降本提效明顯。
北京金杜律師師傅所合伙人吳涵認為，目前各垂直領域亟需“行業知識圖譜”，這是人類組織總結出的行業規則、規律與評判標準，需要“專家系統+大模型”，而專家系統應該是所有垂類模型的“底座”，這才能減少所有需要由“人工審核”造成的龐大工作量。
優質數據即競爭力
在數據新場景的不斷拓展中，數據與實際業務結合帶來了諸多的創新與變革，在此過程中，數據不僅僅是一種資源，更是企業在激烈市場競爭中脫穎而出的關鍵。
投資機構負責人劉振龍也認為，未來在行業（垂直）領域，大模型將展現出顯著的商業機會。對于真正有行業資源、行業數據的大模型，其優勢和價值在現階段表現明顯。比如一家數據公司擁有中國運營新能源車輛（僅限于運營車輛，如公交車、網約車等）的運營數據，點開系統可以查看一輛車的車牌號、所在位置、電池狀態、電池使用年限、電池電量等信息。這些數據具有獨特性，對保險公司而言，非常有價值。
當前新能源汽車的保險費用相對較貴，用戶購買保險時，保險公司并不了解電池的狀態及是否存在隱患。不過，對于那些擁有全部運營電動車數據的企業而言，也需要通過合作機構，真正運營好這些數據，以突顯其數據價值。
“整個互聯網行業，已經把數據驅動做到了極致，反而是垂直領域里的數據，本身并不在互聯網上。”洪磊認為，今天數據要素最熱的領域，恰恰是原來并沒有那么多數據化與信息化的領域，數據賦予了極大地提高效率的可能性。過去互聯網通過數據，全部是“流量變現”的模式，而現在數據結合人工智能，提升了工作效率，這就是數據作為生產要素與過去提及的大數據的本質區別。
作為風險投資人，顏駿和他的團隊對于當前數據行業各個細分領域逐一做了分析。數據行業各細分領域主要包括算力、算法、數據和場景應用。他認為，算力基本是巨頭玩家，集中度很高，小公司成功的機會很小，同時隨著算力價格的不斷降低，將成為數據領域的“基礎設施”，可以低成本使用；算法方面，多數企業是在開源代碼的基礎上做調整，純技術理論上的精度差異，在實際應用中差別不大；場景應用，是能產生差異度的地方，而整個產業中，最核心的就是數據源，沒有優質數據，就沒法做出高質量的場景應用，所掌握數據的稀缺性成為很多創業公司的核心競爭力。
在數據領域，類似這樣的案例有很多。北大能源研究院電力組分析師汪若宇談到，在電力領域，目前國內電站的基礎數據往往都是不公開的，但仍有國外網站借助衛星數據，統計和公開全球各大火電廠位置、裝機量等數據；新能源領域，仍然“靠天吃飯”，存在諸多不可預測性，大模型的應用未來將非常廣泛。
數據行業的發展，會用到大量的電力，特別是大模型每推理一次，耗電量巨大。有數據顯示，一個擁有1760億參數的大模型，光是前期訓練它，就得花掉43.3萬度電，這相當于大約2082個中國家庭（三口之家）一個月的用電量。
不僅是訓練，應用大模型，算力背后也對電力的使用提出了新的要求。一是應對新能源發電不確定性。儲能產業是圍繞電力行業的一條新細分賽道，可利用算力加強響應能力；二是應對用電量不確定性。汪若宇坦言，當前電力領域的預測與實際用電量存在一定的“脫節”問題，需要更好地優化相關預測模型。
數據資產入表的意義與價值
不言而喻，數據已成為企業的重要資產，特別是在優質數據成為企業核心競爭力的當下，如何有效管理和利用這些數據資產，使其發揮最大價值，是企業面臨的關鍵問題。其中數據資產入表是一項重要的舉措。
事實上，有些企業擁有一定的優質數據，為了產生新價值，需要從各個維度采集數據或購買數據，以便產生新價值。為此，企業付出了相應的成本，并產生預期收益價值，且可計量，這就屬于數據資產的范疇（也屬于數據入表的范疇）。
北京國信鈞元科技有限公司將幫助企業梳理數據業務，總結為三件事：第一，幫助企業梳理從公司投入信息化開始產生的數據值多少錢？數據資產有多少？第二，企業通過梳理數據了解業務，了解未來這些存量數據還能做什么事？第三，企業給數據做資產管理，助力企業相關業務能夠有效帶動市場良性循環發展。
與會人士都認為，盡管當前數據很熱，所有人都意識到了數據有用，且目前已經沉淀了大量的數據，但是數據有什么用，怎么用？依然需要進一步思考。
而數據資產入表不是終極目標，通過入表實現作價，形成交易是數據資產入表的目標。在數據交易實踐中，王杰偉發現，如果企業單純將自己的數據資產作價，放到交易所或市場中尋找買家，完全沒有市場。但是從需求出發，比如A公司擁有大量的數據，同時在市場上找到了另外幾家企業的數據，幾方數據聯合起來產生更大的收益，這樣才有可能產生交易與收益。
數據資產入表，首先要對數據進行登記與確權，吳沈括認為其意義在于，一是證明數據所屬權；二是具有程序價值，在訴訟中作為證據；三是登記后使得該數據具有排他性。如果把數據資產跟房屋資產做對比會發現，房屋資產會在國家法定的登記機關登記注冊，但是數據資產的登記，散落在各個地方，這是當前數據行業一個普遍問題。
同時，在企業數據資產入表的實踐過程中，需要追溯數據源頭，但往往存在確權不明、合規不明等問題。吳涵認為當前數據資產入表的現狀看似很熱，實際真正入表的企業不多，入表的價值也遠遠低于人們的期待，且容易產生泡沫。劉振龍認為，相較于非上市公司，上市公司對于合規、監管的要求更為嚴格，在數據資產入表方面，應該率先建立相應標準。
為便利數據交易，全國成立了諸多的數據交易所，但目前沒有相關行政命令或法規要求交易必須場內完成，因此，數據交易場內與場外同時存在，這使得國內各大數據交易所運營存在挑戰。
數據治理
吳沈括將2019年定義為數據領域具有戰略意義的一個年份。這一年，全行業對于數據有了全新的認知，特別是在人工智能語境下，數據資源、數據流轉等問題的重要性，被提升到了關系國家未來發展及重塑國際格局的重要高度。
數據要素固然重要，但是對于多數企業用戶來講，數據安全問題還是讓企業非常擔心，因為數據的特點是“易復制性”。吳沈括觀察到，目前大部分企業對于數據合規工作做得不錯，或者說有意識保護數據安全。但是，當數據走向市場，包括上下游企業，如何能夠得到有效的責任機制設計，是當前一個較大的挑戰。
從數據的歸屬來看，目前大體分為三類，即公共數據、企業數據和個人數據。當前在所屬權上爭議較大，但應用廣泛的數據是個人數據，如何授權及保護個人數據不被濫用，考驗著數據生產方、使用方及監管部門的智慧。以患者的醫療數據為例，該數據屬于患者本人，如何使用歸患者本人支配。但是某醫院所有使用了B超檢查產生的數據，可否用于醫療研究，在法律層面至今存在爭議。金杜律師事務所曾嘗試利用區塊鏈技術解決，即建立一個平臺，將相關數據投入到該平臺，當其他用戶通過平臺使用了相關個人數據，個人可以從中獲得相應的代幣，該代幣僅用來兌換醫療領域的相關服務，比如減少排隊等候時間等。
吳沈括提出，做任何的大模型，AI Agent首先要從產業安全和意識形態安全的角度出發來統籌設計開發路徑，即思考根本性的問題：AI要完成一個什么樣的目標，它的價值到底是什么？此問題當前是“見仁見智”，凝聚共識是當前一個非常大的挑戰。
事實上，通用模型在意識形態領域可能出現“不安全”的問題，得到了諸位專家的共識，并且這也是監管的一個難點。如果在互聯網領域，出現不當信息、言論等，監管部門可以立即責令下架，但通用模型或AI Agent出現類似問題，不可能采取下架措施，因為所有的應用都融入其中，下架后無法使用。正所謂技術發展得太快，使得我們決策的時候，不能像以前那樣，讓新事物“先飛一會兒”，現在需要對監管、治理等做及時更新。
在數據重塑商業格局的當下，與會專家們看到了數據帶來的機遇與挑戰。然而，數據的故事遠未結束，數據的潛力也遠未被充分挖掘。未來，數據在應用領域、數據安全與治理、數據資產的價值挖掘等方面，仍有諸多問題值得深入探討。《商學院》雜志將持續關注數據領域的發展動態。
除《商學院》雜志署名文章外，其他文章為作者獨立觀點不代表《商學院》雜志立場，未經允許不得轉載。版權所有
歡迎關注平臺微信公眾號
點贊 30
收藏 20
