在開始談論數據要素在數智化轉型的作用之前，首先我想厘清一下數字化與數據化之間的關系。最初數字化為人類帶來的機遇，來自信息從產生到成為知識過程的加速，因為被數字化后，信息更能快速傳遞，儲存容量的激增能讓知識的積累變得極為方便。甚至搜尋信息的成本也得以大幅度降低，這些能力在上一世紀以來都在是創新的重要原素。

直到互聯網出現了前所未有的飛躍，記得在互聯網發展的初期，最為深刻的是大量的存量信息被數字化，此時的數字化（Digitization）所指的是信息被轉化成數碼格式并放到互聯網上，讓人類第一次嘗到足不出戶能知天下事的便利。隨著信息量不斷增加并沖破了臨界點，大量用戶及企業開始察覺到數字化（第一階段段）的力量，初次感受到充份利用高度流通的網絡化信息的機遇 ，無形中高質量信息提升了決策的精確度。

隨著互聯網吸引了大量用戶及信息，自然地推動了信息產品的快速開發，包括了門戶網站、搜索引擎、通訊工具、電子商務和網絡游戲等，于是大量用戶的行為數據正式搬到線上，成為日后大數據的重要組成部分。這次的數字化（第二階段：Digitalization）牽引了改變了人類生活方式的數字化應用的面世，讓數字化變得更普惠及簡單便捷，同時讓數據量得到指數的上升，這個階段的數字化不單單是信息獲取，而是蓄發了一種嶄新的數字經濟動力，產業數字化由此而蓬勃起來。

如前所述互聯網的發展積累了海量信息，這些不僅是內容的紀錄，在智能終端出現后（包括智能手機等），用戶在在獲取信息或應用時，準確的位置及行為數據都被同時收集，這些用戶關聯資料 正是互聯網巨企們能快速成長的生產要素，從業務分析到產品管理、用戶功能出發及體驗測試、風險管控都無不直接或間接使用數據作為依據。在這次數字化的第三個階段，數據要素與數字 應用場景的增長速度形成了層層遞進的關系。這時的數據要素所指應該并非僅有數據資源本身，而是承載著數據如何作為生產資源到成為生產力所需要的技術與治理水平。數據化巳經作為數字化發展的核心，沒有數字化就沒有數據化，但數據化做得不充份數字化也做不好。

我想用下面的例子去解釋數據在企業數字化過程中的具體作用。

每當多一個用戶使用數字產品的同時，就會獲得更多收集數據的機會，有了更多數據之后，就更有可能使用機器學習或數據分析更敏銳的洞察用戶需求，從而開發出更優良的產品功能，于是又會吸引更多的新用戶，雪球越滾越大， 周而復始。這樣的一個數據資源與數字應用的正循環操作，表達了優質數據作為生產要素的核心競爭優勢。這時第四階段的數字化應該最接近數智化的主題，數據要素與人工智能的融合突顯了數據作為生產力的優勢。但不可不知的是智能化的過程中，人類與機器互動的方式巳經出現了主客難分的現象，這刻數據的產生還是完全人類所驅使嗎？不管怎樣以上的現象正合乎最近學者提出“數據網絡效應”（Data Network Effects）的說法，企業擁有的數據越優質，就越有可能利用這些數據和人工智能算法創造出更好的產品，吸引更多的客戶，收集更多的數據。在下面圖中大家可以看到一方面新的科技包括各種智能終端以及通訊技術都會影響著數據的使用場景的改變，也影響著數據收集的方式、數量及分布。另一方面開放數據平臺和第三方數據交易平臺也為數據網絡效應提供了外部的數據資源。由于大數據具備外部性，如果能在數據要素的基礎上保持領先，就更能充分發揮數據網絡效應，誰就有可能獲得明顯的先行者優勢。

隨著數字化轉型的興起，數據將發揮越來越大的作用帶來無限可能。但我認為找出數據網絡效應的切入點，可以成為企業數智化的最佳加速器。加快完善企業在用好數據及治理好數據的閉環。我相信數智化之路是一個迭代過程，下面介紹一下我在這方面的思考與經驗

步驟1：找出潛在數據網絡效應的數字應用場景，定義需要改善的業務目標，并為此制定MVP及成功的衡量標準;

步驟2：跟據MVP的目標，制定所需的數據資源及技術方案，經過盤點然后改善巳收集及可被收集的相關數據資源（ 包括內部或外部）是否與算法（機器學習或數據分析）匹配;

步驟3：在擴展MVP之前根據衡量標準對效果進行評估，若不滿意，則返回步驟1及2作出修訂;

步驟4：在持續改善應用埸景的同時，加強對數據治理的能力， 加速數據資源的沉淀并與整體數據資源作融合;

在此之外，企業應該吸取經驗實現長線的數據要素培養如：

步驟5：主動發掘和管理有用、好用數據，建設數據資源的戰略性全方位儲備;

步驟6：培養技術和組織能力，搭建數據中臺，牽頭進行集中協調，實現更大規模的跨部門之數據獲取、協作和治理;

步驟7：提高數據素養，培育數據驅動文化，使數據的復用、共創、共享以及協作變得簡單容易;

步驟8：與外部合作伙伴建立全生態協作機制，加強數據和技術上的合作。

在表面看來以上的步驟都并非難事，但是在實際的數智化轉型過程中卻可能會 出現很多問題，導致許多企業半途而廢。

相關調查數據顯示，有許多公司的高管表示，他們并沒有從數字化中獲得令人滿意的回報。主要原因在于缺乏對數據要素的戰略考量以及企業文化帶來的巨大阻力。大部分的企業在此過程中發現了一個類似的問題：在所有這些案例中，遇到的問題都很類似，有些問題甚至反復出現。首先數智化轉型的第一要務不是選擇什么技術工具，而是找出更清晰的業務邏輯，明確如何通過數智化轉型觸動發展的拐點，并探索新的商業模式、趨勢和業態， 然后圍繞此目標制定實踐方案。

·關于車品覺

車品覺，紅杉資本中國基金合伙人、香港特區政府數字經濟發展委員會委員、香港致公協會成員、太平紳士。車品覺先生擁有十多年豐富的數據實戰經驗，并在實踐中形成了獨特的數據化思考及管理方式。他親自領導阿里數據團隊在大數據實踐領域取得了一系列重要成果，包括為阿里建立集團各事業群的業務及決策分析框架，開發智能化的數據產品，成立了驅動集團數據化的營運團隊，成功發起了公共與數據資產管理體系，還發布了數據安全規范等。

車先生2010年8月加入阿里巴巴，曾任阿里巴巴集團副總裁兼首任數據委員會會長。2014年在任職阿里期間領導阿里數據團隊獲得Top CIO評選為中國最佳信息化團隊，2017年被國家信息中心選為中國十大最具影響力大數據企業家。2018年，榮獲“中囯大數據科技領軍人獎”著有：暢銷書《決戰大數據》、《數據的本質》及《數循環》，并譯有《數據驅動的智能城市》。