首席数据官应知道的数据价值评估六种模型

首席数据官知道数据有价值，关键是弄清楚到底有多少价值。这就是数据经济学的用武之地。数据经济学是 Gartner 的 Doug Laney 于 1990 年创造的术语，可以帮助首席数据官对数据进行基线评估，以及如何随着时间的推移对组织的数据进行评估。该领域的目标是给数据贴上价格标签，将多年来许多人认为只是业务副产品的数据变成企业资产。

首席数据官们都熟悉这句古老的格言：“你无法管理无法衡量的东西。” 他们了解数据管理和治理的重要性，这两者都是Laney数据经济学的基础。但不仅将数据视为一种资产，而且将其视为一种资本，这也具有良好的商业意义。

以数据为中心的市场价值

像谷歌这样重视数据的企业似乎享有更高价值的股价；像克罗格公司这样将数据产品化的公司正在建立新的业务线和收入来源；像圣地亚哥斯克里普斯健康中心这样的组织将数据经济学视为引导数据治理改革的框架。

但公司在数据评估过程中走了多远？你可能比你的数据资产更清楚地了解你的桌椅，但是哪一项实际上为您的公司创造了更多价值？虽然很少有公司将数据作为资产记录在资产负债表上，但市场确实对“以数据为中心”的公司给予了重视。根据 Laney 的定义，这些公司通过聘请数据科学家或首席数据官，或者通过建立数据科学组织或数据治理职能来投资数据。符合这些标准的公司，包括 Netflix、葛兰素史克、诺基亚、苹果、美国运通和福特，其市场价值与有形资产或账面价值的比率比正常水平高出两到三倍。我不会说存在因果关系，但这确实是一种值得注意的相关性。

根据Laney的研究，数据产品企业，或者以一种或另一种形式出售数据的公司，拥有更高的市值。例如，谷歌、雅虎、穆迪、TripAdvisor、Harte Hanks 和 Dun & Bradstreet 的市场与预期比率比正常水平高出四倍多。

数据评估是每个人的事

为了避免首席数据官们推断数据交易只是数据经纪人或互联网巨头的专利，Laney的研究还发现了已经弄清楚如何将数据产品化的传统企业。以克罗格公司为例，通过出售其库存和销售点数据并将其作为联合数据提供商提供，每年可产生 1 亿美元的增量收入。

像这样的故事将会慢慢变得更加普遍。事实上，Gartner 研究副总裁 Frank Buytendijk 表示，公司应该认识到对数据产品不断增长的需求是竞争优势的潜在来源。他还提到了通用电气等老牌公司。拥有 126 年历史的该公司正在努力重塑其服务业务，利用传感器数据来预测喷气发动机和风力涡轮机等工业设备何时需要维护。即使是像英国海鲜罐头制造商 John West 这样看似技术含量较低的公司，也在研究如何利用数据估值来增强客户体验。为了让人们了解其可持续发展实践，该公司对其捕获的鱼进行标记，收集有关其捕获鱼的地点的数据，然后将这些数据提供给消费者。Buytendijk 表示，“通过数据和主数据管理，就可以识别产品和客户之间的某些接触点”。消费者可能不会直接购买公司数据，但这些数据有助于销售产品。

创建共同语言

产品化数据可以带来创新，但数据经济学也可以重塑公司文化，包括高管动态。它在 IT、业务领导者和首席财务官之间创建了一种共同语言。Laney与一家金融服务公司的首席财务官合作创建了内部资产负债表，以帮助数据管理员和所有者指定组织的数据估值。

“如果我告诉你，你负责我们的客户数据库，而你负责我们 5000 万美元的客户数据资产，想象一下会有什么不同，”Laney说。“这是一种可以形成的态度转变。”

对于 Scripps Health 企业数据仓库联络员 Jimm Johnson 来说，在数据上放置美元符号以创建跨企业的通用语言是一个有趣的想法。

“我们说我们必须成为一家数据管理公司，”约翰逊说。“我们正在努力扭转局面，让人们明白，无论你在组织中的哪个位置，你都需要数据。”

他在数据评估过程中的第一步是实施数据治理计划。约翰逊说，大规模的医疗改革，包括采用电子病历，都需要它。但“向最高管理层解释什么是数据治理、什么是数据管理——任何这些概念都是很困难的。”

数据源通常是孤立的，在某些情况下甚至是重复的，并且事实的多个版本很常见。“我们如何纵观整个企业并让每个人都了解所有数据？” 约翰逊说。他认为，拥抱数据经济学可能有助于将无形的概念“数据的估值”变得有形。

他说，在斯克里普斯工作一年半后，他开始看到进步和势头。“我们还有很长的路要走。但我认为，如果你能以连贯、客观的方式并用具体的例子来阐述论点，那么它就会开始对人们有意义。”

六种数据估值模型

首席数据官可以通过将数据经济学实践应用于企业数据来帮助从其数据资产中创造更多价值。Gartner 的Laney与零售、金融服务和技术领域的客户合作，开发了六种模型，旨在帮助企业进行数据评估流程。

他将估值模型分为两类：第一类是一组非金融或非经济模型，这些模型不对数据贴上价格标签。“我们的一些客户只是想优先考虑或创建数据质量特征的聚合，以了解其相对或内在价值是什么，”Laney说。第二类是借鉴既定会计实践的一套财务模型。

这里简要描述了有助于首席数据官确定数据估值的六种模型：

非财务方法

1.数据的内在价值。Laney说，这个模型“根本没有考虑商业价值”，而是关注数据的内在价值。该模型通过将数据质量分解为准确性、可访问性和完整性等特征来量化数据质量。对每个特征进行评级，然后计算出最终分数。

Laney 与 Gartner 的 Ted Friedman 合作量化了十几个数据质量特征，其中包括稀缺性。Laney说：“我们相信，对于组织来说更加独特、并且竞争对手或更大的市场无法获得的数据有可能为您提供更多价值。” 他说，与六种数据评估模型中的任何一种一样，这个模型可以根据公司量身定制，例如可以为每个特征“分配权重因子”。

2.数据的商业价值。该模型测量与一个或多个业务流程相关的数据特征。例如，评估准确性和完整性，以及及时性，“因为即使数据与业务流程相关，如果不及时，它到底有多大价值？”该模型可以根据组织的需求进行定制，甚至可以应用于特定的数据类型，例如非结构化数据或第三方数据。

3.数据的表现价值。该模型“本质上更加实证”，因为它衡量数据随着时间的推移对一个或多个关键绩效指标(KPI) 的影响。以销售部门为例。“如果您的销售人员能够访问竞争对手的定价数据，他们完成销售的速度会快多少？”。企业可以通过比较无法访问竞争对手定价数据的对照组与实验组的表现来进行实验。或者，如果企业既没有时间也没有能力进行实验，他们可以用代理数据代替对照组数据。

财务方法

4.数据的成本价值。该数据评估模型衡量“获取或替换丢失数据”的成本。911恐怖袭击之后，当客户开始询问如何从某些情况下的数据完全丢失中恢复过来时，他们开发了一种基于会计师“所说的‘重置成本’来量化数据价值的方法”。通过衡量收入损失以及获取数据的成本来为数据分配一个值。这是估值专家对大多数没有明显市场价值或正在产生市场流的无形资产进行估值的方式。

5.数据的经济价值。该模型衡量数据资产如何为组织的收入做出贡献。这又是我们的 KPI 模型，但我们关注的是收入，而不是任何给定的 KPI。以销售为例，实验组可以访问竞争对手的定价数据，而对照组则不能。“我们不是关注销售时间，而是关注任何特定销售人员在特定时间内产生的收入”。“这将使我们更好地了解这些数据的价值。”首席数据官应该考虑获取、管理和“将这些数据植入销售人员正在使用的系统中”所需的成本。他们还应该考虑数据的生命周期。例如，竞争对手的定价数据有保质期，

6.数据的市场价值。该模型衡量“出售、出租或交换”公司数据所产生的收入，这是从数据资产中获取价值的最佳方式之一。问题是大多数数据资产没有会计师所说的“开放的公平市场”，或者数据在公开市场上的价格。解决这个问题的一种方法是弄清楚来自联合数据提供商或竞争对手的类似数据的用途。在确定数据的溢价后计算出折扣值。当我们出售数据时，我们并不是真正在出售它而是授权它。折扣率将根据公司出售数据的次数和其他因素而有所不同。

数据资产在负债表项的示例：