基于VCA模型的出版企業數據治理研究

劉一鳴 謝澤杭

【摘要】 ?大數據時代，充分實現數據價值成為出版企業可持續發展的重要內容，數據治理成為出版企業創造數據價值的重要手段。出版企業數據治理可分為基礎性活動——數據驅動模式和支持性活動——數據治理保障。數據驅動模式涵蓋數據采集、數據開發與數據利用三大根本環節，數據治理保障包含質量保障、安全保障和權屬保障。兩者共同推動出版企業數據價值的實現。基于此，文章從基礎性活動和支持性活動出發，探索出版企業數據治理的實踐路徑，以期為出版企業數據治理提供現實參考。

【關 ?鍵 ?詞】價值鏈模型;出版企業;數據治理

【作者單位】劉一鳴，湘潭大學公共管理學院;謝澤杭，華東師范大學政治學系。

【基金項目】國家社科基金項目“基于績效評價的數字出版盈利模式研究”（15CXW008）

【中圖分類號】G231 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2020.10.002

大數據時代，數據資產在各類組織運營中發揮著越來越重要的作用。當下，充分實現數據價值成為出版企業可持續發展的重要內容。數據治理是對數據資產行使權利和控制的活動[1]，有效的數據治理有利于出版企業數據的集成與深度利用，從而實現數據資產價值最大化，助推出版企業進一步發展。目前，學界關于數據治理的研究主要集中在政府公共管理和公共服務領域，對擁有眾多數據資源的出版企業關照較少，導致目前出版企業對數據治理實踐路徑缺乏具體認知的問題難以得到有效解決。在此背景下，文章基于價值鏈分析模型，結合出版企業數據治理的現實需求，構建出版企業數據治理VCA模型，從基礎性活動——數據驅動模式和支持性活動——數據治理保障兩個維度厘清出版企業數據治理的具體內涵，探索出版企業數據治理的實踐路徑，以期為出版企業數據治理提供借鑒。

一、VCA模型與出版企業數據治理

文章將價值鏈分析模型作為理論基礎，根據出版企業數據治理的現實需求，構建出版企業數據治理VCA模型，并以此作為研究框架。

1.理論基礎：價值鏈分析模型

價值鏈分析（VCA，value chain analysis）模型是由美國哈佛商學院著名戰略學家邁克爾·波特提出的。波特認為企業創造價值的過程可分為基礎性活動和支持性活動，基礎性活動是創造價值的根本環節，涉及企業的生產、銷售和售后服務等基礎性環節，而支持性活動則為基礎性活動及企業價值的創造提供保障[2]。VCA模型已被廣泛運用于各學科領域。Li J等[3]根據VCA模型對沈陽某大型企業進行調研，發現基礎性活動和支持性活動對企業產生高利潤有重要作用。Xie Z H[4]從政府公共治理的角度入手，構建政務視頻號傳播價值鏈模型，并據此從基礎性活動和支持性活動兩方面提出政務視頻號運營的傳播策略，以實現政務視頻號傳播價值。雷宇等[5]基于波特的價值鏈分析模型和競爭模型，分析報業困境的誘發因素，梳理新環境下報業集團內容生產的主要價值活動和輔助價值活動，指出了價值鏈重塑對報業核心競爭力構建的現實意義。黃炳超等[6]通過VCA模型分析了應用型高校內涵式發展的內在機理，探究了組織成本和競爭優勢，提出優化高校內涵式發展的價值鏈要素。從中我們可以看出，大到國家層面，小到企業層面，VCA模型無論是對以經濟屬性為主導的客體研究，還是對公共屬性占優勢的客體研究，均有其應用價值與可行性。價值的創造是任何組織管理的靈魂，對追求社會效益和經濟效益“雙效”最大化的出版企業來說，VCA模型與其組織管理具有高度的契合性。

2.現實需求：出版企業數據治理的必要性

隨著出版企業數字化轉型的不斷深入，數據成為出版企業越來越重要的資產，數據治理反映了出版企業的現實需求。有效的數據治理對內而言，使信息通過重組整合成為具有價值的數據資產，通過構建適合的數據治理管理體系，使數據采集、數據開發、數據利用的流程得以順暢實現，從而提升數據價值，創造利益，同時也大大降低了數字垃圾的治理回收成本。對外而言，出版企業數據治理有利于行業數據統一，促進出版業標準化發展，降低數據共享的難度，并便于出版業通過數據特征發現市場異動，助力監管和決策。此外，標準化的數據還有利于構建出版產業信息安全體系，為出版企業提供數據安全保障。出版產業數據治理所產生的效益可以反哺出版企業，促進出版企業可持續發展。綜上所述，有效的數據治理對出版企業自身和出版產業來說是十分必要的。

3.研究框架：出版企業數據治理VCA模型

基于波特的價值鏈分析模型，結合出版企業數據治理的現實需求，本文構建如圖1所示的出版企業數據治理VCA模型。該模型分為基礎性活動和支持性活動兩部分。基礎性活動是出版企業數據治理的根本環節，即出版企業數據驅動模式，由數據采集、數據開發和數據利用三個要素組成，共同作用于數據價值;支持性活動指出版企業數據治理保障，包含質量保障、安全保障與權屬保障，助力基礎性活動的進行。基礎性活動和支持性活動合力推動出版企業數據價值的實現。

二、基于VCA模型的出版企業數據驅動模式

出版企業數據驅動模式是出版企業數據治理的基礎性活動，由數據采集、數據開發和數據利用三個部分構成。三者共同驅動出版企業數據運營與管理，對出版企業數據價值的實現起著至關重要的作用。

1.出版企業數據采集

數據采集是出版企業數據治理基礎性活動的首要環節。出版企業數據采集的對象主要是出版企業內部的各類數據資產，輔以少部分的外部共享數據資源。根據數據來源與用途的不同，出版企業數據資產可分為資源數據、人員數據、空間數據、設施數據、服務數據和演化數據六大類[7]。這六類數據并沒有嚴格的界限區分，彼此間存在相互融合的情況。出版企業數據采集的功能就在于識別并獲取所需的數據。資源數據是出版企業數據采集最為關鍵的部分，它是指出版企業產品的數字化資源，同時包含出版產品的條目等信息。人員數據涵蓋以作者、編輯等為核心的內容生產者的數據資源，以及以讀者、用戶為核心的內容消費者的數據資源。人員數據的采集有利于出版企業合理調配出版資源，識別受眾所需，實現供需平衡。空間數據包含實體空間數據與虛擬空間數據，實體空間數據是出版企業線下的出版物展示窗口、自營書店等實體空間所產生的客流量、購買信息等數據;虛擬空間數據是出版企業利用互聯網開通的虛擬服務空間（如自有的讀書APP、教育服務平臺等）產生的數據。空間數據的采集對出版企業深入了解出版服務情況有著重要作用。設施數據指出版企業的管理與服務設備、設施，以及其他實體資產的數據資源。服務數據是出版企業開展的各類型服務活動所產生的數據，服務活動包括閱讀推廣活動、新書發布會等。服務數據的采集有助于出版企業了解并優化服務活動。演化數據與上述五類數據有所不同，它強調數據資源的時序演變關系，是對一段時間內各類數據的演變過程和趨勢進行分析而產生的數據。演化數據的采集能幫助出版企業了解一定時期內數據資源的變化情況，從而進行有效決策。此外，出版企業通過互聯網等數據共享平臺獲取外部信息，也是數據采集的重要組成部分。

2.出版企業數據開發

數據開發是出版企業數據治理基礎性活動的關鍵。出版企業在數據采集環節獲得的原始數據往往是數量龐大、種類繁多、雜亂無章的“數據雜草”[8]，需要對所采集的數據進行加工和處理。數據開發要經過數據篩選、數據分析加工和數據可視化三個步驟。數據篩選能夠發現出版企業在數據采集環節所收集數據的錯誤，檢查數據的一致性，及時進行糾正，有效處理無效值和缺失值，使真正需要的數據進入下一個數據開發步驟。數據分析加工可以有效實現出版企業數據資源的分級分類，將無序的數據進行分類整合，生成有價值和有意義的數據資源。數據可視化將經過抽取整合出來的數據資源，通過圖表、動畫等呈現方式，對數據加以可視化解釋[9]，使得數據使用者能夠快速準確地讀取數據。

3.出版企業數據利用

數據利用是出版企業數據治理基礎性活動的落腳點，也是數據價值實現的直接渠道。數據利用指在數據采集和數據開發后進行的數據服務、數據共享和數據交易。數據服務可以為出版企業的讀者、用戶提供數據使用渠道，使數據成為提高出版企業服務能力的重要手段。數據共享能夠促進數據流動，打破數據壟斷，實現出版產業數據價值的最大化。數據交易則將數據本身作為產品進行流通，實現數據資源使用方數據原料的獲取和數據資源提供方經濟效益的生成，使數據交易雙方達到互利共贏的目的。經過數據利用環節后，出版企業又會獲得新的數據資源，并等待下一輪的數據采集。

三、基于VCA模型的出版企業數據治理保障

在出版企業數據治理VCA模型中，由質量保障、安全保障和權屬保障組成的出版企業數據治理保障作為支持性活動，在保證基礎性活動平穩高效運行和出版企業數據價值的實現上發揮著重要作用。

1.出版企業數據治理質量保障

出版企業可以通過資金投入、人力資源、技術開發和制度保障等途徑，為數據治理提供堅實的質量保障。出版企業數據治理基礎性活動的開展離不開資金投入、人力資源、技術開發和制度保障的支持。資金投入能夠為出版企業數據治理的人力資源、技術開發提供財力保證，使得出版企業基礎性活動的數據采集、數據開發和數據利用順利實現。數據價值的實現需要多源數據的融合，然而數據來源廣泛且生命周期涉及多方參與主體，即使數據資產來源于出版企業內部，數據依然會涉及是否真實、是否被篡改、多源數據標準和類型是否一致的問題[10]。這就需要專業化人才進行數據資源的開發、配置和管理，高素質的數據治理人才能夠為出版企業數據治理提供質量保障。出版企業數據治理的全流程離不開專業技術的支持，出版企業傳統的數據治理方式已經難以適應擁有海量信息的數據資源。出版企業要不斷開發數據治理的先進信息技術手段，如網絡爬蟲技術、數據挖掘技術等，保證數據治理的質量。與此同時，出版企業數據治理需要一定的制度體系作為支撐，完善的數據管理運行制度和機制能夠為出版企業數據治理的規范有序運行提供幫助。

2.出版企業數據治理的安全保障

出版企業數據治理的安全保障重點關注個人數據保障和企業數據保障兩個維度。數據安全是數據治理有效開展的重要保障。傳統的物理區隔方式難以保證數據安全，信息竊聽、電磁泄漏等對數據安全提出了挑戰。數據在傳輸、使用等過程中，很容易出現安全隱患，其中，最為重要的就是數據隱私安全問題。數據隱私對個人數據而言，是指數據同源的隱私，即用戶的個人思想、認知、感知和狀態的隱私[7]，對出版企業數據而言，則是指基于數據價值的隱私，將隱私視為商品或權利。對此，出版企業數據治理的安全保障能夠在一定程度上保護個人數據隱私安全，抵御對出版企業數據防火墻的攻擊和對出版企業數據資產的竊取。

3.出版企業數據治理權屬保障

出版企業數據治理重視數字出版產業鏈中著作權人、內容提供商、內容服務商、技術提供商、終端設備提供商、網絡運營商、分銷和零售渠道及讀者等各方的數據權利，尤其是直接涉及出版企業數據資產生成和使用的著作權人、內容提供商和讀者的數據權利。著作權人對其作品所產生的資源數據享有著作權，以及在傳播作品過程中產生的鄰接權;出版企業作為重要的內容提供商，在數據治理中，對開展經營和服務活動所產生的數據擁有數據經營權和數據資產權;而對讀者、用戶產生的可被出版企業獲取并形成數據資產的個人信息，讀者擁有包含數據知情權、數據保密權和數據修正權的數據人身權，以及對其擁有的個人數據進行占有、使用、受益和處分的數據財產權[11]。出版企業數據治理權屬保障能夠使得在數據治理的全流程中，數據權屬清晰，各方權利得到應有的認可和保護，既保護了著作權人、讀者的權利，也能讓讀者準確了解出版企業所提供的數據產品的適用范圍和方向，在數字出版產業鏈的各個環節形成權屬明確的交易和服務協議，從而推進廣泛的合作。

四、基于VCA的出版企業數據治理實踐路徑

基于對出版企業數據治理VCA模型的深入分析，文章從實踐維度探索出版企業數據治理在基礎性活動和支持性活動中的具體做法。

1.基礎性活動

（1）善用外力，提高出版企業數據采集質量

出版企業在數據采集過程中，面對內外部數量龐大、種類豐富的數據資源，僅靠人工收集無法滿足現實需求，應善用技術的外力。大數據時代，諸多新的數據采集工具開始出現，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等。這些工具均采用分布式架構，通過系統日志采集方法能滿足每秒數百MB的日志數據采集和傳輸需求，幫助出版企業采集內部數據。網絡爬蟲技術和數據挖掘技術則可以為出版企業獲取互聯網公開信息提供幫助;對安全性、保密性較高的數據資產而言，出版企業可以通過與企業或研究機構合作，使用特定系統接口等相關方式采集數據。借助技術的力量，出版企業可以克服傳統人工收集數據方式帶來的數據冗余、數據錯誤和數據失效等問題，提高出版企業采集的數據質量。

（2）苦練內功，強化出版企業數據開發能力

出版企業要在數據篩選、數據分析加工和數據可視化上下功夫。首先，出版企業通過數據篩選重新審查和校驗在數據采集過程中所獲取的數據，刪除重復信息，糾正存在的錯誤。其次，出版企業要注重數據分析加工的科學性，優化數據信息的分類管理，實現出版企業海量數據信息的高速檢索、查詢。最后，出版企業要借助圖形化手段，清晰有效地進行數據的傳達與溝通，從而實現對數據的深入洞察，為后期數據產品的高效利用創造條件。

（3）內外兼修，實現出版企業數據利用的最優化

對內而言，出版企業可以利用經過采集和開發后形成的數據產品為已有用戶服務，為其提供更優質多元的服務內容，增強出版企業用戶的黏性。對外而言，出版企業一方面可以借助具備強大存儲能力、超強計算能力的統一云平臺和大數據平臺，推進出版企業可共享數據的有機整合，進行統一管理、認證與交換，促進出版產業數據共享[12];另一方面，可以與數據交易平臺開展合作，確定分成模式，推動數據交易的開展，促進出版企業經濟效益的實現。

2.支持性活動

（1）多點聯動，做好出版企業數據治理質量保障

出版企業要在資金投入、人力資源、技術開發和制度保障上多點聯動，做好出版企業數據治理的質量保障。數據治理的開展和平穩運行離不開資金的支持。出版企業應設立專門的數據治理資金，為數據治理的基礎設施建設、人才引進、技術支持打好基礎。出版企業要加強數據治理人才隊伍建設，一是引進相關領域專業人才，二是盤活現有人力資源，通過組織培訓等方式提升數據治理的專業能力。在技術開發上，數據資產豐富且實力雄厚的出版企業可以進行人工智能、云計算和區塊鏈技術的應用研發。大多數的出版企業則可選擇與相關企業開展合作，為出版企業數據治理提供技術支持。出版企業還要根據自身實際情況，形成一定的數據治理制度體系，使其作為數據治理的行為準則，從而使數據治理有序規范。

（2）筑牢防線，完善出版企業數據治理安全保障

出版企業應與網絡安全企業形成合作關系，為數據資產構筑堅實的防火墻。首先，出版企業要對數據劃分安全等級，對不同安全級別的數據設置一定的使用權限。其次，出版企業要構建認證與授權機制、數據加密機制等，保障數據安全。最后，陳火全[13]提出基于信譽機制的P2P網絡安全策略，指出信譽亦可成為數據治理安全保障的重要參照指標。出版企業可針對用戶信譽設置一定的訪問權限，確保個人和企業的數據安全。同時，出版企業之間可以打造數據治理產業聯盟，共建數據治理安全保障機制，以降低安全保障成本，并形成合力，抵御風險。

（3）借力算法，落實出版企業數據治理權屬保障

出版企業在通過協議等方式確定數據權歸屬、明確責任與義務的同時，還可借力算法，構建出版企業數據治理權屬保障體系，特別是對著作權人、內容提供商和讀者的權屬保障。在著作權人與內容提供商的權屬方面，出版企業可以通過算法建立數據利用的管制規制，勾勒出自身合法數據行為的邊界，以算法規制實現自身數據賦權，保障著作權人和自身的利益。在用戶數據權屬方面，出版企業要構建與用戶雙方共治共享的數據賬本，通過加密算法賦予用戶“私鑰”。對用戶擁有數據人身權和數據財產權的個人信息，用戶有權進行加密和解密;對用戶愿意共享的數據，出版企業也應通過算法與用戶進行數據受益分成。出版企業數據治理應借力算法，平衡多方利益，構建和諧的權屬關系，落實出版企業數據治理權屬保障。

五、結語

在數據資產發揮著重要作用的當下，出版企業只有確保數據的標準化、規范化、可信可用，才能進一步通過數據運營、數據應用實現數據資產管理、發現內部數據問題并發掘數據價值，進而實現數據資產的盤活和有效利用，實現數據價值的最大化。2015年，由國務院印發的《促進大數據發展行動綱要》已施行五年，深化政府和企業數據治理的各項政策機制陸續落地，為促進出版企業數據開放共享，推動資源整合，提升數據治理能力，促進出版產業健康發展提供了更好保障。

|參考文獻|

[1]Mike Fleckenstein，Lorraine Fellows. Data Governance[M]. New York ： Springer，2018.

[2]Krista M. Donaldson， Kosuke Ishii & Sheri D. Sheppard. Customer Value Chain Analysis[J]. Research in Engineering Design volume，2006（16） ：174-183.

[3]Li J，Alan Paisey. Value Chain Analysis Investigation in Shenyang City[J]. Transfer Pricing in China，2019（5） ：153-155.

[4]Xie Z H. Research on the Dissemination Strategy of Government Video Acconuts Based on Value Chain Mode[J]. Communication&Education Review，2020（4）：113-119 .

[5]雷宇，徐艷梅. 重塑核心——報業集團內容產品價值鏈再造研究[J]. 哈爾濱工業大學學報（社會科學版），2017（2）：133-140.

[6]黃炳超，黃明東. 價值鏈理論視角下應用型高校內涵式發展的內在機理探析[J]. 現代教育管理，2020（2）：71-77.

[7]張興旺，廖帥，張鮮艷. 圖書館大數據資產的內涵、特征及其合理利用研究[J]. 情報理論與實踐，2019（11）：15-20.

[8]劉一鳴，謝澤杭. 出版生態視域下我國有聲書產業利潤杠桿研究[J]. 出版發行研究，2018（2）：50-54.

[9]陳碩. 大數據背景下數據新聞可視化傳播模式與路徑優化[J]. 出版廣角，2017（10）：62-64.

[10]孟小峰，劉立新. 區塊鏈與數據治理[J]. 中國科學基金，2020（1）：12-17.

[11]劉新宇. 大數據時代數據權屬分析及其體系構建[J]. 上海大學學報（社會科學版），2019（6）：13-25.

[12]郭斌，蔡靜雯. 基于價值鏈的政府數據治理：模型構建與實現路徑[J]. 電子政務，2020（2）：77-85.

[13]陳火全. 大數據背景下數據治理的網絡安全策略[J]. 宏觀經濟研究，2015（8）：76-84.