數(shù)智流：企業(yè)數(shù)據(jù)資產(chǎn)的建設(shè)路徑

徐心 蔡瑤

數(shù)據(jù)已成為數(shù)字經(jīng)濟(jì)時(shí)代的基礎(chǔ)性戰(zhàn)略資源、重要生產(chǎn)力和關(guān)鍵生產(chǎn)要素。自2019年十九屆四中全會(huì)首次將數(shù)據(jù)增列為生產(chǎn)要素以來(lái)，我國(guó)圍繞數(shù)據(jù)要素、數(shù)字中國(guó)等出臺(tái)多項(xiàng)政策文件，為釋放數(shù)據(jù)要素價(jià)值、加快推動(dòng)數(shù)據(jù)資產(chǎn)化、培育高質(zhì)量經(jīng)濟(jì)發(fā)展新動(dòng)能謀篇布局。數(shù)據(jù)的要素化包含數(shù)據(jù)資源化、資源資產(chǎn)化和資產(chǎn)資本化三個(gè)階段。其中，企業(yè)數(shù)據(jù)資源資產(chǎn)化是實(shí)現(xiàn)數(shù)據(jù)價(jià)值的一次重要飛躍，其本質(zhì)在于利用數(shù)據(jù)要素賦能生產(chǎn)、技術(shù)、市場(chǎng)、管理、創(chuàng)新等價(jià)值鏈各環(huán)節(jié)，進(jìn)而優(yōu)化業(yè)務(wù)流程、提升企業(yè)績(jī)效、催生新知識(shí)新業(yè)態(tài)，并持續(xù)推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。與此同時(shí)，企業(yè)也可將數(shù)據(jù)資產(chǎn)獨(dú)立封裝，以數(shù)據(jù)產(chǎn)品或數(shù)據(jù)服務(wù)的形式在市場(chǎng)上進(jìn)行交易，進(jìn)而獲得收入。

然而，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化的過(guò)程并非一帆風(fēng)順。首先，在大多數(shù)企業(yè)中，數(shù)據(jù)往往呈現(xiàn)分散化、碎片化和未經(jīng)初步加工的原始狀態(tài)。麥肯錫全球研究所（McKinsey Global Institute）的數(shù)據(jù)顯示，制造業(yè)是目前數(shù)據(jù)最多的行業(yè)，平均每年產(chǎn)生1.9PB的數(shù)據(jù)。其中，在供應(yīng)鏈、采購(gòu)、工廠(chǎng)運(yùn)營(yíng)以及合規(guī)和質(zhì)量管理階段會(huì)生成大部分?jǐn)?shù)據(jù)。但其數(shù)字化建設(shè)還停留在數(shù)據(jù)要素化的第一階段，即數(shù)據(jù)收集與原料加工階段。其次，數(shù)據(jù)資產(chǎn)化要遵循因地制宜、循序漸進(jìn)的原則。然而，很多企業(yè)在面對(duì)市場(chǎng)競(jìng)爭(zhēng)時(shí)，盲目引入新技術(shù)，在沒(méi)有充分評(píng)估業(yè)務(wù)場(chǎng)景的情況下，就匆忙開(kāi)啟數(shù)字化變革。當(dāng)缺少規(guī)劃或規(guī)劃與業(yè)務(wù)現(xiàn)實(shí)不相符時(shí)，數(shù)據(jù)資產(chǎn)化會(huì)產(chǎn)生“水土不服”，導(dǎo)致企業(yè)面臨更大的轉(zhuǎn)型阻力。最后，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化需要大量投資，企業(yè)財(cái)務(wù)上的投資壓力、已有投入的沉沒(méi)成本等，都將對(duì)數(shù)據(jù)資產(chǎn)化進(jìn)程產(chǎn)生影響。

面對(duì)企業(yè)數(shù)據(jù)資產(chǎn)化進(jìn)程中的困境，本文聚焦微觀(guān)企業(yè)層面，引入“數(shù)智流”體系框架解析數(shù)據(jù)資產(chǎn)的建設(shè)與管理模式，幫助企業(yè)實(shí)現(xiàn)從數(shù)據(jù)資源到數(shù)據(jù)資產(chǎn)的跨越。本文提出的“DIKW數(shù)智流體系框架”能夠較好地解釋組織管理實(shí)踐中的各種現(xiàn)象，揭示從原始數(shù)據(jù)躍遷至智慧的基本規(guī)律，是企業(yè)推動(dòng)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造的“指南針”。本文聚焦數(shù)據(jù)轉(zhuǎn)化為智慧的全過(guò)程，從解構(gòu)數(shù)據(jù)資產(chǎn)、數(shù)智流的信息學(xué)內(nèi)涵、數(shù)智流的經(jīng)濟(jì)價(jià)值及數(shù)智流的構(gòu)建四個(gè)方面進(jìn)行系統(tǒng)闡述。在DIKW體系框架下，構(gòu)建數(shù)據(jù)資產(chǎn)化的標(biāo)準(zhǔn)化體系和設(shè)計(jì)方法，為企業(yè)構(gòu)建健康高效、數(shù)智賦能決策體系提供參考模型，也為企業(yè)等主體系統(tǒng)規(guī)劃與推進(jìn)數(shù)字化轉(zhuǎn)型工作提供理論支撐和操作指引。

數(shù)智流：解構(gòu)數(shù)據(jù)資產(chǎn)

由“數(shù)據(jù)（Data）、信息（Information）、知識(shí)（Knowledge）、智慧（Wisdom）”構(gòu)成的DIKW數(shù)智流體系揭示了從數(shù)據(jù)到智慧的層級(jí)關(guān)系（見(jiàn)圖1）。DIKW體系最早可以追溯至托馬斯·斯特爾那斯·艾略特（Thomas Stearns Eliot）所寫(xiě)的詩(shī)《巖石》。他寫(xiě)道：“我們?cè)谀睦飦G失了知識(shí)中的智慧？又在哪里丟失了信息中的知識(shí)？”后來(lái)經(jīng)過(guò)教育家哈藍(lán)·克利夫蘭、米蘭·瑟蘭尼及管理思想家羅素·艾可夫等學(xué)者的發(fā)展、完善，經(jīng)典的DIKW金字塔體系逐漸形成。數(shù)據(jù)、信息、知識(shí)、智慧構(gòu)成一個(gè)縱向的金字塔分層結(jié)構(gòu)，四個(gè)層次依次遞進(jìn)。這是一個(gè)數(shù)據(jù)管理和分類(lèi)的過(guò)程，數(shù)據(jù)從分散無(wú)序走向分類(lèi)有序，不斷沉淀進(jìn)化，最終形成抽象的、普適的智慧，數(shù)據(jù)價(jià)值從而得到更充分的釋放。

DIKW體系中，數(shù)據(jù)、信息、知識(shí)與智慧之間既有聯(lián)系，又有區(qū)別（見(jiàn)圖2）。數(shù)據(jù)是DIKW體系中最基礎(chǔ)的一個(gè)概念，它是認(rèn)識(shí)對(duì)象的客觀(guān)留痕，是形成數(shù)據(jù)資產(chǎn)的最原始的素材。信息是有一定含義的、經(jīng)過(guò)加工處理的、對(duì)決策有價(jià)值的數(shù)據(jù)，企業(yè)在業(yè)務(wù)場(chǎng)景下對(duì)原始數(shù)據(jù)進(jìn)行加工處理形成的指標(biāo)、特征、標(biāo)簽等，都可以稱(chēng)為信息。知識(shí)是在理論的指導(dǎo)下，通過(guò)智能化模型等提煉不同維度信息之間的關(guān)聯(lián)獲得的規(guī)律性認(rèn)知。智慧是以知識(shí)為基礎(chǔ)的正確的判斷能力，關(guān)注的是對(duì)未來(lái)的預(yù)測(cè)。從采集數(shù)據(jù)、提煉關(guān)聯(lián)信息、發(fā)現(xiàn)新規(guī)律、研究出新理論到創(chuàng)造新的知識(shí)或技術(shù)，是數(shù)據(jù)與實(shí)體二者不斷迭代演進(jìn)、歸納演繹形成普適智慧的過(guò)程。

數(shù)智流的信息學(xué)內(nèi)涵

數(shù)智流以信息學(xué)的科學(xué)內(nèi)涵為支撐。數(shù)智流具有雙螺旋結(jié)構(gòu)，包括數(shù)據(jù)螺旋和知識(shí)螺旋（見(jiàn)圖3）。沿著DIKW體系，從數(shù)據(jù)螺旋可以看到：從單點(diǎn)數(shù)據(jù)到全局?jǐn)?shù)據(jù)，實(shí)現(xiàn)了從數(shù)據(jù)到信息的演變；從單領(lǐng)域到跨領(lǐng)域信息，實(shí)現(xiàn)了從信息到知識(shí)的歸納；從已有知識(shí)延伸到預(yù)測(cè)未來(lái)，實(shí)現(xiàn)了從知識(shí)到智慧的躍遷。從知識(shí)螺旋可以看到：從數(shù)據(jù)到信息，需要加入對(duì)業(yè)務(wù)場(chǎng)景的認(rèn)知；從信息到知識(shí)，需要理論作指導(dǎo)；從知識(shí)到智慧，需要?jiǎng)?chuàng)造引領(lǐng)。因此，企業(yè)在實(shí)現(xiàn)數(shù)智流的過(guò)程中，應(yīng)當(dāng)遵循“三個(gè)聯(lián)系”——將全局信息與業(yè)務(wù)場(chǎng)景相聯(lián)系，將理論知識(shí)與多領(lǐng)域相聯(lián)系，將已有知識(shí)與未來(lái)預(yù)測(cè)相聯(lián)系，基于數(shù)智流的雙螺旋結(jié)構(gòu)，重構(gòu)核心業(yè)務(wù)模式，實(shí)現(xiàn)從數(shù)據(jù)要素到數(shù)據(jù)資產(chǎn)的轉(zhuǎn)變，實(shí)現(xiàn)企業(yè)數(shù)據(jù)價(jià)值創(chuàng)造。

為了幫助企業(yè)更好地理解DIKW體系，下文將以本研究團(tuán)隊(duì)與國(guó)內(nèi)某頭部保險(xiǎn)公司的合作為例，詳細(xì)闡釋在DIKW體系下如何實(shí)現(xiàn)從原始海量數(shù)據(jù)到數(shù)據(jù)智能的躍遷轉(zhuǎn)型。

原始數(shù)據(jù)。客戶(hù)服務(wù)中心是重要的服務(wù)渠道，該保險(xiǎn)公司2022年在客服中心建設(shè)上投入了4071億元人民幣，積攢了海量客戶(hù)與客服之間的語(yǔ)音通話(huà)數(shù)據(jù)。

從數(shù)據(jù)到信息（對(duì)場(chǎng)景的描述）。在保險(xiǎn)業(yè)務(wù)場(chǎng)景下，如果客戶(hù)服務(wù)不好，就會(huì)降低客戶(hù)滿(mǎn)意度，進(jìn)而影響客戶(hù)留存。因此，客服質(zhì)檢是該保險(xiǎn)公司的一個(gè)重要場(chǎng)景。高效精準(zhǔn)的客服質(zhì)檢，不僅有助于提升服務(wù)質(zhì)量，還能幫助企業(yè)在競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境中獲取競(jìng)爭(zhēng)優(yōu)勢(shì)，開(kāi)拓新的市場(chǎng)份額。傳統(tǒng)質(zhì)檢方式以人工手段（包括隨機(jī)抽樣質(zhì)檢和事后回訪(fǎng)）為主，存在耗時(shí)長(zhǎng)、結(jié)果延遲、人工成本高、樣本規(guī)模小（只能完成所有通話(huà)記錄的2%）、覆蓋率低等問(wèn)題。所以，該保險(xiǎn)公司考慮以智能化方式升級(jí)和改造質(zhì)檢項(xiàng)目，提升質(zhì)檢效率。在該場(chǎng)景下，研究團(tuán)隊(duì)首先對(duì)2700通原始服務(wù)通話(huà)數(shù)據(jù)（超八千小時(shí)）進(jìn)行數(shù)據(jù)降噪、錄音切片、說(shuō)話(huà)人識(shí)別等處理（見(jiàn)圖4）。然后，給切片后的語(yǔ)音片段打上情緒標(biāo)簽，作為訓(xùn)練數(shù)據(jù)。通過(guò)CNN訓(xùn)練模型，判斷出客戶(hù)在一通服務(wù)通話(huà)中的情緒變化（見(jiàn)圖5）。通過(guò)對(duì)非結(jié)構(gòu)化原始數(shù)據(jù)的加工處理，形成對(duì)決策有價(jià)值的情緒數(shù)據(jù)即信息。

從信息到知識(shí)（以理論作指導(dǎo)）。認(rèn)知與情感表達(dá)的神經(jīng)生理學(xué)基礎(chǔ)理論“過(guò)程組成理論”（Process Component Theory）以及達(dá)爾文的《人和動(dòng)物的情感表達(dá)》等相關(guān)文獻(xiàn)表明，生物體會(huì)隨時(shí)間推移發(fā)生改變以響應(yīng)環(huán)境。假設(shè)服務(wù)質(zhì)量是環(huán)境，客戶(hù)會(huì)基于對(duì)服務(wù)質(zhì)量的判斷，作出相應(yīng)的情緒反應(yīng)。因此，研究團(tuán)隊(duì)研究了通話(huà)服務(wù)質(zhì)量與客戶(hù)情緒變化的關(guān)系，通過(guò)建立分析模型，對(duì)客戶(hù)的不滿(mǎn)情緒進(jìn)行監(jiān)測(cè)，捕捉客戶(hù)負(fù)面情緒波動(dòng)、負(fù)面情緒持續(xù)時(shí)間及負(fù)面情緒在每一通電話(huà)中的位置，研究這些負(fù)面情緒與服務(wù)質(zhì)量之間的相關(guān)性。

智慧。為將知識(shí)轉(zhuǎn)化為可用于實(shí)踐的管理工具，研究團(tuán)隊(duì)搭建了情緒計(jì)算平臺(tái)（見(jiàn)圖6），計(jì)算客戶(hù)在服務(wù)過(guò)程中的情緒變化，基于客戶(hù)情緒變化預(yù)測(cè)服務(wù)質(zhì)量。通過(guò)對(duì)原有質(zhì)檢業(yè)務(wù)進(jìn)行智能化升級(jí)和改造，質(zhì)檢部門(mén)可以?xún)?yōu)先調(diào)聽(tīng)平臺(tái)監(jiān)測(cè)到的存在負(fù)面情緒的通話(huà)錄音。相比原先的人工質(zhì)檢方式，數(shù)智賦能讓該公司的質(zhì)檢效率提高了十倍。

價(jià)值創(chuàng)造：數(shù)智流的目標(biāo)及其管理

為什么參照DIKW體系，企業(yè)就能夠?qū)崿F(xiàn)數(shù)據(jù)資產(chǎn)化，產(chǎn)生出經(jīng)濟(jì)價(jià)值呢？可以借助兩個(gè)管理學(xué)的理論框架——實(shí)物期權(quán)和“VRIO模型”來(lái)對(duì)這一問(wèn)題進(jìn)行解釋。

實(shí)物期權(quán)

斯圖爾特·邁爾斯（Stewart Myers）在1977年首次將金融期權(quán)理論引入實(shí)物資產(chǎn)投資領(lǐng)域，提出實(shí)物期權(quán)這一概念。他認(rèn)為，在對(duì)高度不確定性的實(shí)物資產(chǎn)投資項(xiàng)目進(jìn)行評(píng)估時(shí)，傳統(tǒng)價(jià)值評(píng)估理論往往會(huì)低估實(shí)際價(jià)值。一個(gè)實(shí)物資產(chǎn)投資項(xiàng)目的價(jià)值不僅包括目前所擁有資產(chǎn)的使用價(jià)值，還包括對(duì)未來(lái)投資機(jī)會(huì)選擇的柔性?xún)r(jià)值，也就是說(shuō)，實(shí)物資產(chǎn)投資的整體價(jià)值等于現(xiàn)有資產(chǎn)價(jià)值加上其未來(lái)成長(zhǎng)機(jī)會(huì)價(jià)值。羅伯特·麥克唐納（Robert McDonald）和丹尼爾·席格（Daniel Siege）在1986年就開(kāi)始運(yùn)用期權(quán)方法來(lái)判斷最佳投資時(shí)機(jī)。目前，實(shí)物期權(quán)理論已經(jīng)廣泛應(yīng)用于經(jīng)濟(jì)生活的各個(gè)方面，成為一種全新的評(píng)估工具，在競(jìng)爭(zhēng)和戰(zhàn)略決策、企業(yè)價(jià)值估計(jì)、企業(yè)投資決策、高新技術(shù)及風(fēng)險(xiǎn)投資管理、企業(yè)并購(gòu)與企業(yè)治理等方面，都得到創(chuàng)新性應(yīng)用。

實(shí)物期權(quán)理論較適用于可以分步分層投資的項(xiàng)目，推動(dòng)企業(yè)實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化的數(shù)智流正是這樣一個(gè)分步分層的過(guò)程。數(shù)據(jù)作為一個(gè)戰(zhàn)略性新興要素，對(duì)其大規(guī)模的研發(fā)投入常常并不能即刻獲得回報(bào)，因此，公司經(jīng)常面臨這樣的抉擇：是否要投入大量資金開(kāi)展數(shù)字化轉(zhuǎn)型。根據(jù)DIKW體系，建立數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)數(shù)據(jù)的整合和集中，只是數(shù)據(jù)資產(chǎn)化的第一步。當(dāng)企業(yè)完成從原始數(shù)據(jù)到數(shù)據(jù)智能的躍遷轉(zhuǎn)型，將會(huì)整合或升級(jí)企業(yè)資源，催生形成新的產(chǎn)品、商業(yè)模式和組織框架，進(jìn)而驅(qū)動(dòng)新興產(chǎn)業(yè)形成，企業(yè)也將獲得績(jī)效增長(zhǎng)的新引擎。因此，應(yīng)該從實(shí)物期權(quán)的角度來(lái)評(píng)估數(shù)據(jù)資產(chǎn)的投入產(chǎn)出，從而作出科學(xué)決策。

VRIO模型

企業(yè)能夠在市場(chǎng)上長(zhǎng)期立足，是因?yàn)閾碛泻诵母?jìng)爭(zhēng)力。1991年杰恩·巴尼（Jay B. Barney）提出VRIO模型（見(jiàn)圖7），幫助企業(yè)分析競(jìng)爭(zhēng)優(yōu)勢(shì)和弱點(diǎn)，明確企業(yè)的資源和能力，正確評(píng)估有潛力成為企業(yè)可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)的資源或能力。該模型指出有四個(gè)因素影響可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)，分別為：有價(jià)值（Valuable），即企業(yè)的資源和能力能增加價(jià)值；稀缺（Rarity），即具有大部分或者所有競(jìng)爭(zhēng)者沒(méi)有的資源或能力；不可模仿（Inimitable），即資源不容易被模仿；組織性（Organization），即企業(yè)被有效組織起來(lái)。四個(gè)因素都滿(mǎn)足時(shí)，企業(yè)才能獲得可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

用VRIO模型對(duì)D、I、K、W四個(gè)元素進(jìn)行分析，不難發(fā)現(xiàn)，原始數(shù)據(jù)如果只是價(jià)值不高的、分散雜亂的數(shù)據(jù)整合，企業(yè)將處于競(jìng)爭(zhēng)劣勢(shì)。試圖脫離企業(yè)專(zhuān)有場(chǎng)景和理論指導(dǎo)，僅靠現(xiàn)代信息化智能技術(shù)完成數(shù)據(jù)資產(chǎn)化來(lái)獲得可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)也是不太可能的。智能化技術(shù)普及范圍廣，智能化人才早已不是稀缺資源。沒(méi)有價(jià)值的原始數(shù)據(jù)加上可模仿、不稀缺的智能化技術(shù)會(huì)使企業(yè)處于競(jìng)爭(zhēng)劣勢(shì)。

在DIKW體系下，數(shù)據(jù)、信息、知識(shí)和智慧可以被看作企業(yè)的組織資產(chǎn)。擁有客戶(hù)、產(chǎn)品、服務(wù)和運(yùn)營(yíng)方面可靠、高質(zhì)量的數(shù)據(jù)，并在業(yè)務(wù)場(chǎng)景下生成有價(jià)值的信息，這種資產(chǎn)并不是特別稀缺，因?yàn)槊總€(gè)企業(yè)都可以實(shí)現(xiàn)從D到I的轉(zhuǎn)變，享有平等競(jìng)爭(zhēng)力。企業(yè)有能力且能夠結(jié)合理論把信息歸納為知識(shí)，這就再往前走了一步，擁有臨時(shí)競(jìng)爭(zhēng)力。能夠進(jìn)一步將多個(gè)有價(jià)值的資源疊加、整合，真正利用知識(shí)進(jìn)行組織再造、業(yè)務(wù)流程再造、品質(zhì)變革，讓知識(shí)躍遷為智慧，就形成了可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。從數(shù)據(jù)到智慧的過(guò)程，極大地強(qiáng)化了企業(yè)各部門(mén)之間的戰(zhàn)略協(xié)同和資源整合，有效地推動(dòng)了企業(yè)數(shù)字化變革的進(jìn)程，大力地促進(jìn)了企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造。簡(jiǎn)而言之，企業(yè)數(shù)據(jù)資產(chǎn)化同時(shí)推動(dòng)了企業(yè)能力、績(jī)效、價(jià)值的提升，最終形成長(zhǎng)期的、不可模仿的競(jìng)爭(zhēng)優(yōu)勢(shì)。

數(shù)智流的構(gòu)建

如何構(gòu)建數(shù)智流？在已有研究成果的基礎(chǔ)上，本文提出了一個(gè)數(shù)智流的構(gòu)建框架（見(jiàn)圖8）。首先，企業(yè)要從管理層面變革組織管理方式，將數(shù)據(jù)變革作為公司整體戰(zhàn)略的重要組成部分。其次，從原始數(shù)據(jù)躍遷至數(shù)據(jù)智能，實(shí)現(xiàn)企業(yè)數(shù)據(jù)資產(chǎn)化，釋放數(shù)據(jù)價(jià)值，需要焦點(diǎn)部門(mén)及多個(gè)部門(mén)協(xié)同發(fā)力。最后，在構(gòu)建數(shù)智流的過(guò)程中，管理理論與實(shí)踐、技術(shù)與業(yè)務(wù)模式應(yīng)當(dāng)協(xié)同發(fā)展。數(shù)智流的構(gòu)建并不是以“數(shù)字技術(shù)為導(dǎo)向”，而是將數(shù)字技術(shù)與業(yè)務(wù)模式緊密結(jié)合，以推動(dòng)業(yè)務(wù)增長(zhǎng)、再造核心業(yè)務(wù)模式作為數(shù)字戰(zhàn)略的核心目標(biāo)。

具體而言，企業(yè)可以通過(guò)以下步驟來(lái)構(gòu)建數(shù)智流。第一，進(jìn)行數(shù)據(jù)盤(pán)點(diǎn)，整合業(yè)務(wù)流程數(shù)據(jù)，清洗并建設(shè)原始數(shù)據(jù)。第二，包括數(shù)字、文字、圖像、符號(hào)等的原始數(shù)據(jù)不經(jīng)過(guò)處理是不具有價(jià)值的，因此，要綜合運(yùn)用技術(shù)、人力資本等，在具體業(yè)務(wù)場(chǎng)景下，對(duì)原始數(shù)據(jù)進(jìn)行加工和處理，形成信息。第三，整合“企業(yè)家的規(guī)則性理論”和“學(xué)者的科學(xué)權(quán)威的規(guī)范性理論”（ 見(jiàn)《由實(shí)踐到科學(xué)：企業(yè)家發(fā)展管理理論的方法論》，本刊2021年第4期），基于特定的業(yè)務(wù)場(chǎng)景，在智能技術(shù)的支持下，進(jìn)行科學(xué)建模，形成知識(shí)。第四，以知識(shí)指導(dǎo)企業(yè)實(shí)施業(yè)務(wù)升級(jí)和改造，再造業(yè)務(wù)模式、重塑管理模式，提高價(jià)值創(chuàng)造能力，重新塑造競(jìng)爭(zhēng)優(yōu)勢(shì)，完成數(shù)字化轉(zhuǎn)型。這一過(guò)程反過(guò)來(lái)又能夠促進(jìn)企業(yè)形成新的業(yè)務(wù)場(chǎng)景和數(shù)據(jù)，從而實(shí)現(xiàn)基于DIKW體系的數(shù)據(jù)資產(chǎn)閉環(huán)管理。

基于數(shù)智流構(gòu)建框架，在與某商業(yè)銀行合作的顧客價(jià)值提升項(xiàng)目中，本研究團(tuán)隊(duì)助力其完成了從數(shù)據(jù)到智慧的跨越，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化。

首先進(jìn)行數(shù)據(jù)整合。將該銀行在各個(gè)業(yè)務(wù)流程中（借記卡部門(mén)、綜合理財(cái)部門(mén)、網(wǎng)銀部門(mén)、營(yíng)銷(xiāo)部門(mén)等）產(chǎn)生的數(shù)據(jù)（交易的金額、交易的時(shí)間、轉(zhuǎn)賬、查詢(xún)、瀏覽、開(kāi)戶(hù)時(shí)長(zhǎng)、營(yíng)銷(xiāo)渠道等）進(jìn)行整合，作為本次項(xiàng)目的原始數(shù)據(jù)集合。

其次是信息提取。銀行的具體業(yè)務(wù)需求是理解顧客的風(fēng)險(xiǎn)偏好，并為他們提供相應(yīng)的投資理財(cái)建議。此前，銀行開(kāi)展?fàn)I銷(xiāo)業(yè)務(wù)是根據(jù)顧客的高頻瀏覽記錄來(lái)提供投資建議，但效果欠佳。因此，本項(xiàng)目聚焦于理解顧客的風(fēng)險(xiǎn)偏好和決策機(jī)制，旨在優(yōu)化金融產(chǎn)品的營(yíng)銷(xiāo)實(shí)踐，從而提升理財(cái)產(chǎn)品推薦的有效性。研究團(tuán)隊(duì)提出了一種數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)偏好測(cè)量方法。鑒于目前業(yè)界和學(xué)界缺乏有效的大規(guī)模動(dòng)態(tài)風(fēng)險(xiǎn)偏好測(cè)量方法，本項(xiàng)目基于顧客的行為大數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法，提取用戶(hù)對(duì)理財(cái)產(chǎn)品的風(fēng)險(xiǎn)偏好這一信息。

再次是進(jìn)行科學(xué)建模，形成知識(shí)。西蒙1947年出版的《管理行為》首次闡述了個(gè)體如何以及為什么作決策。基于行為決策理論，研究團(tuán)隊(duì)探尋了商業(yè)銀行場(chǎng)景下顧客進(jìn)行投資組合調(diào)整的決策機(jī)制。研究團(tuán)隊(duì)認(rèn)為，調(diào)整投資組合是一個(gè)尋找解決方案的過(guò)程，目的是縮小當(dāng)前投資組合與風(fēng)險(xiǎn)偏好之間的差距。金融信息搜索被視為是影響投資組合調(diào)整速度的關(guān)鍵因素，調(diào)整方向和熟悉度也被認(rèn)為是關(guān)鍵情境因素。因此，研究團(tuán)隊(duì)構(gòu)建了動(dòng)態(tài)調(diào)整模型和工具變量，以深入研究顧客進(jìn)行投資組合風(fēng)險(xiǎn)調(diào)整的決策機(jī)制。

基于開(kāi)發(fā)的風(fēng)險(xiǎn)偏好測(cè)量工具和發(fā)現(xiàn)的投資組合風(fēng)險(xiǎn)調(diào)整規(guī)律，研究團(tuán)隊(duì)設(shè)計(jì)了面向顧客投資組合調(diào)整的營(yíng)銷(xiāo)策略。通過(guò)電話(huà)營(yíng)銷(xiāo)的實(shí)地測(cè)試發(fā)現(xiàn)，與基于高頻瀏覽的推薦策略相比，基于風(fēng)險(xiǎn)偏好的推薦策略使購(gòu)買(mǎi)轉(zhuǎn)化率提高了十倍。

最后是智慧的形成。研究團(tuán)隊(duì)為商業(yè)銀行生成數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)偏好測(cè)量方法，深化了對(duì)風(fēng)險(xiǎn)投資組合調(diào)整決策機(jī)制的理解，為商業(yè)銀行實(shí)現(xiàn)智能化營(yíng)銷(xiāo)提供了參考和指導(dǎo)。這些理論和實(shí)證研究為企業(yè)更好地理解和滿(mǎn)足不同顧客群體的需求，為進(jìn)一步開(kāi)展精準(zhǔn)營(yíng)銷(xiāo)提供了有力支持。

STEP：應(yīng)對(duì)數(shù)智流構(gòu)建的挑戰(zhàn)

在構(gòu)建數(shù)智流過(guò)程中，大多數(shù)企業(yè)都會(huì)遇到如下問(wèn)題。首先，從“數(shù)智流”技術(shù)的底層架構(gòu)來(lái)看，核心在于將各個(gè)領(lǐng)域的數(shù)據(jù)結(jié)構(gòu)化，然而，現(xiàn)實(shí)中企業(yè)往往面臨數(shù)據(jù)交互問(wèn)題。數(shù)據(jù)要素?zé)o法互聯(lián)互動(dòng)、互信互認(rèn)、開(kāi)放共享，造成數(shù)據(jù)碎片化。其次，從原始數(shù)據(jù)中提取出的信息由單個(gè)業(yè)務(wù)專(zhuān)有，可復(fù)用程度低。再次，企業(yè)往往從直覺(jué)出發(fā)進(jìn)行決策，缺乏科學(xué)理論指導(dǎo)。最后，企業(yè)往往很難科學(xué)嚴(yán)謹(jǐn)?shù)卦u(píng)估數(shù)據(jù)資產(chǎn)，無(wú)法準(zhǔn)確衡量數(shù)字經(jīng)濟(jì)價(jià)值。

對(duì)于構(gòu)建數(shù)智流過(guò)程中的挑戰(zhàn)，可以從STEP四個(gè)維度來(lái)應(yīng)對(duì)，即組織結(jié)構(gòu)（Structure）、手段工具（Tool）、經(jīng)濟(jì)機(jī)制（Economic mechanism）、方式流程（Process）（見(jiàn)圖9）。

組織結(jié)構(gòu)

企業(yè)數(shù)字化轉(zhuǎn)型是從底層架構(gòu)到業(yè)務(wù)模式、組織架構(gòu)再到制度等多個(gè)層面的整體的轉(zhuǎn)型升級(jí)，是牽一發(fā)而動(dòng)全身的變革。要做好數(shù)字化運(yùn)營(yíng)，首先需要厘清企業(yè)價(jià)值鏈全流程中的智能化應(yīng)用場(chǎng)景，通過(guò)體系化的設(shè)計(jì)，從根本上對(duì)價(jià)值鏈各個(gè)環(huán)節(jié)進(jìn)行數(shù)智變革。構(gòu)建企業(yè)的“數(shù)智價(jià)值鏈”，促進(jìn)數(shù)據(jù)要素價(jià)值化、資產(chǎn)化。

數(shù)智價(jià)值鏈就是在波特提出的經(jīng)典價(jià)值鏈（見(jiàn)圖10左）基礎(chǔ)上增加一個(gè)數(shù)智活動(dòng)（見(jiàn)圖10右）。“數(shù)”指企業(yè)在運(yùn)行過(guò)程中產(chǎn)生的大數(shù)據(jù)，“智”指人工智能等分析技術(shù)。在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)智活動(dòng)將成為企業(yè)價(jià)值鏈必不可少的價(jià)值增值活動(dòng)，成為企業(yè)價(jià)值鏈中的關(guān)鍵一環(huán)。總體來(lái)看，數(shù)智價(jià)值鏈中的數(shù)智活動(dòng)具有三個(gè)職能。

一是數(shù)據(jù)，從價(jià)值鏈各個(gè)活動(dòng)采集并整合數(shù)據(jù)資源，并在此基礎(chǔ)上完成數(shù)據(jù)加工和特征工程。此過(guò)程對(duì)應(yīng)DIKW體系中的數(shù)據(jù)和信息。數(shù)據(jù)整合及內(nèi)部流通涉及用戶(hù)隱私保護(hù)問(wèn)題，企業(yè)可以借助新技術(shù)（如差分隱私技術(shù)），促進(jìn)不同商業(yè)組織和部門(mén)間的數(shù)據(jù)流通和隱私保護(hù)。

二是計(jì)算，基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等先進(jìn)的算法和模型，以企業(yè)具體的業(yè)務(wù)需求為導(dǎo)向，在理論的幫助下，從大數(shù)據(jù)中挖掘商務(wù)智能，賦能科學(xué)決策。此過(guò)程對(duì)應(yīng)DIKW體系中的知識(shí)層面。

三是評(píng)估，科學(xué)衡量數(shù)智化項(xiàng)目產(chǎn)生的經(jīng)濟(jì)價(jià)值。數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估已成為推動(dòng)數(shù)據(jù)資產(chǎn)化、價(jià)值化不可或缺的重要環(huán)節(jié)。構(gòu)建科學(xué)的資產(chǎn)估值體系以及制定完善的數(shù)據(jù)資產(chǎn)定價(jià)機(jī)制對(duì)促進(jìn)數(shù)據(jù)要素市場(chǎng)健康發(fā)展具有至關(guān)重要的意義。