變現。數據，終將成為企業的核心資產。但是要落實以數據為核心的改變、讓數據發揮策略性的價值，在實際運作上還有許多環節要打通。
企業建立以數據驅動為核心的智慧商業模式，包括：如何從工作流中尋找數據化的切入點、如何設定數據收集策略與數據流通策略，已成為重要致勝關鍵。
數據像電力一樣不可或缺
而隨著計算與儲存能力的增強，數據資源的供應將如同電力一樣不可或缺，為企業提供源源不斷的優化能力。既然是核心資源，數據資產的營運就變得日益重要，對建立在數據基礎上的互聯網公司來說更是如此。盤點這些資源並不簡單，我在阿里工作時共做過三次，並歸納了一些經驗：
1. 什麼樣的數據用量大、覆蓋率高？—具公共屬性的數據。
2. 什麼樣的數據稀缺、但重要？—具戰略性的數據。
3. 重要數據不可再生，因此必須備份的數據。
4. 數據資源用完可以再用，因為複製成本極低。
5. 大數據的關聯特性，使得數據權屬的邊界變得越來越模糊。
幾次的資產盤點讓我認識到，數據的盤點與實物不一樣，數據可以無限衍生，而且，多並不代表有用。
對傳統產業來說，擁有數據資源，將使企業擁有創新的可能性，並降低被淘汰的可能性，可以更好地適應高速變化的市場環境和用戶需求，從而更具競爭力。可惜的是，傳統產業往往在資訊化和數位化建設方面存在缺失，彌補短處是當務之急，當然，這急切性往往與公司的經營方向相關。
無論是新興產業還是傳統產業，選擇人工智慧與大數據的切入點，場景尤為重要。在執行智慧專案時，必須考慮數據是否足以成為解決問題的要素，同時，場景的業務邏輯穩定性相當重要。
數據讓企業實現商業價值
數據作為資產，能夠幫助企業更有效地進攻及防守。有效地創建、生產智慧工具及產品，強化顧客關係，預測顧客的消費習慣趨勢及流失，靠近並滿足消費者的需求。用大數據做行銷，已經是許多企業的常規性行銷手段，也就是利用數據加強對顧客的獲取、活躍、保留等服務能力。
在互聯網領域，數據的規模、活躍程度以及收集、運用數據的能力，已經成為企業的核心競爭力之一。要深入洞悉市場、快速精準地找出應對策略時，數據已經成為企業實現更大商業價值的最強驅動力。當然，數據作為一種企業資產，需要與其他資產，如人力資源、硬體等相互組合，才能發揮出最大的價值。
大數據是來自多源異構的資料，「亂」是其特性，為避免出現無用輸入、無用輸出（garbage in, garbage out）的問題，在使用數據之前，需要對數據資產進行加工，從而帶來了「數據治理」這一重要課題。
大量、來源廣泛的數據，看起來往往是一團亂麻，我還記得，2013年時，我當時的老闆淘寶網總裁三豐就跟我說過：「我們不能總坐金山吃饅頭。」企業採集和儲存PB（千兆位元組）級別數據的成本卻是分文不少，而且有越演越烈的趨勢。一方面要治理數據資產，同時也要證明數據有大價值。
今天，數據的價值其實已無須再多言。開發AlphaGo而一舉成名的DeepMind團隊，被收購後，成功地幫助Google數據中心的冷卻系統節約用電40%，未來幾年還將會幫助Google省下數億美元支出，而據說，該專案僅有五、六個團隊成員。
難怪《人類大命運》（Homo Deus）的作者哈拉瑞（Yuval Noah Harari）認為，我們將會進入一個無機智慧（inorganic intelligence）的世界，未來，我們可能受演算法主宰。當機器具備深度學習的能力之後，人工智慧的定義有可能被改寫，人類的感知和普世價值也會改變，商業元素也將會發生巨變。就如我在《大數據的關鍵思考》一書中所說：未來，人與人之間的差別，拚的是他可使用的數據量和演算法。
企業「養」數據的六大要點
人工智慧因大數據而重生，但制約人工智慧在各領域實現更廣泛應用的，並不是演算法不夠先進，而是缺乏高品質的數據。若想開發最先進的機器學習技術，能否獲得高品質的訓練數據極為關鍵，如何啟動是大部分企業的一個難題。
對於從事機器學習研究的初創公司來說，起步時數據十分有限，難以建立起高品質的大數據資源。甚至有些企業在聘請數據科學團隊、購置昂貴的設備之後，才知道還未制訂「養數據」的策略。
數據來源的選擇必定與商業模式相關，我的經驗是，從小問題入手，弄清楚問題的本質，往往是選擇數據和演算法的前提。每家公司的數據獲取策略不盡相同，但回想這麼多年我在阿里也算面對了不少類似的困難，拋磚引玉與大家分享幾點：
1. 要從零開始創建好的專有數據集。
幾乎永遠意味著，要預先投入大量人力收集數據。但更痛苦的是，在業務變化的同時，數據結構也需要時時更新，正如前輩所說：「數據集成的同時已經在斷裂。」
2. 即使表面上擁有很多數據，但在運用機器學習時，仍會發現數據量不足。
你需要的數據量與你試圖解決的問題緊密相關。
3. 數據的收集、處理、運用，短期來說肯定是越貼近業務越有效率。
從長遠看並不利於數據的標準化及重複使用，將導致開發週期變得漫長。我的經驗是，起點可以從最小化應用做閉環，基於眾多應用做長線規畫。
4. 確保早期創造的應用有足夠的吸引力，讓業務方及使用者甘願交出他們的數據。
讓大數據落地，除了關乎技術問題，亦繫於業務方及個人的意願是否足夠，只有互利互惠，才有長久合作。
5. 在大範圍使用大數據之前，必須嚴肅地面對數據的標準和品質問題，否則後果堪憂。
數據驅動型企業必須明白，數據品質是全部員工的責任，並不僅僅是技術問題。
6. 大數據安全是一個命門，數據越多，責任越大。
有時候會超出你的想像，原以為很安全的數據，拼合其他數據之後，可能成為機密級別。
我曾經對朋友說，我在阿里的數據治理過程可謂九死一生，很多人聽了不明白，看到上面的內容，再設想我要面對幾十個不同業務方的情境，你可能就了解了吧。
出自：《數據的商戰策略》／天下雜誌出版社（本文經編修）