近两年，关于数字经济，都在谈数据资产、数据要素这些概念，本质上是重新审视了数据对企业管理决策以及生产经营的重要价值。

那么，数据的价值到底应该如何实现呢?

如果不了解企业数据价值的实现方式，就没法认识到数字化转型的重要性，同时也没法找到转型的真正“抓手”。

于是，为了说服数字化项目启动，必须要先梳理清楚从可见的数据资源到最终的业务提效，这个完整的信息转化链路。

第一种路径，数据作为关键业务活动的知识。

这也是最直接的价值实现方式，数据本身即价值。

文档也好，某个业务指标数据也好，如果在业务监测跟踪、综合决策、咨询服务中，很明确地知道需要用到某个关键的数据或文件，那么在日常经营中应当关注这类信息的采集和存储。

一方面，需要对现有的知识库，以及数据ETL功能进行完善;另一方面，还应当关注信息检索技术的提升优化，以及面向特定专题任务的个性化内容推荐算法的设计实现。

除此以外，可视化技术对于数据价值释放也尤为重要。

通过大数据可视化可以显著增强人对数据中蕴含决策信息的感知水平，提高数据分析效率。

第二种路径，数据作为建立有效链接的依据。

“链接”，是数字经济时代业务价值实现的重要方式，核心在于资源的高效合理配置。

例如，将产品、服务、内容向客户进行精准推荐;在创新的工艺方法引用到新产品的设计环节中;在招聘网站、交友网站中，通过人物画像标签进行自动化快速匹配。

通过数字化的方式，可以对不同客观实体进行建模，把复杂的业务对象进行抽象化、结构化表示，达到可计算、可关联的业务效果。

在这类价值实现方式下，应当关注业务对象的实体特征抽取与更新维护，主数据治理成为关键的数字化任务。

同时，还需要为不同业务场景的“关联”算法进行定义，以保证“链接”的有效性——如匹配度、成交率、稳定性等。

第三种路径，数据作为标准业务流程的载体。

数字化不仅可以对业务对象进行建模，也可以对业务活动、业务流程进行建模。

如果能对业务流程进行标准化、结构化的定义，意味着这类业务已经具备数字化变革的重要条件。

在数字孪生世界，以数据为载体，把物理世界已经“固化”的、被验证有效的流程重新实现一遍，即完成了业务的线上化、自动化，甚至实现一定程度的智能化效果。

此时，数字技术本身并不是瓶颈，关键在于确定流程的表示形式，并率先完成对业务活动的治理和规范化改进。

第四种路径，数据作为业务决策推断的条件。

为了提高业务的自动化水平，除了对确定性的流程进行定义，还需要处理一些不确定性程度较大的场景问题。

例如，对订单需求进行预测，对质量缺陷进行告警，对事故风险进行排查等。

这虽然属于AI技术讨论范畴，但是以“数据”为中心来看，带有时间属性的业务信息能够帮助人们对未来的情景或趋势进行判断。从而做出更有利的决策。

任何智能算法的可靠运行都需要有“数据”作为关键的输入条件，即对已知现状详尽的描述。

除了作为算法引擎的推理条件，数据在AI建模的过程中也是关键的“信息养料”。

单条的数据只能作为个体信息参考，而多条在业务上相关的数据所形成的集合，将包含重要的统计学规律，这些统计学规律则是数字化场景中不可或缺的宝贵产业经验!