文章来源：数字化企业
作者： 安筱鹏博士
封图来源：摄图网
当我们去追问数据到底是怎样创造价值的，或许我们可以先追问数字化的本质到底是什么？在我看来是两场革命：一个是工具革命，一个是决策革命。
2023年12月22日，在北京市“马连道·数据街”合作发展联盟成立大会上，安筱鹏博士分享了智能时代数据如何创造价值的理解和洞察，以下是发言要点。
1
讨论数据要素的“锚点“是什么？
当下人们围绕“数据要素”有许多讨论的议题，如权属、流通、交易、市场、跨境、隐私、安全、治理等，各界有许多共识、也有些分歧。我们需要探讨的是，人们讨论数据这一议题的“锚点”是什么？“前提”是什么？没有“锚点”和“前提”，就没有对数据议题对错、利弊、好坏、优劣、得失的评价标准。
“如何促进数据要素创造价值”是讨论数据要素议题的“锚点”，而系统科学理解“数据要素如何创造价值”是“前提”。这个“前提”是，人们要清晰地理解，在微观具象世界中数据要素创造价值的技术、原理、路径、模式，在宏观抽象世界的数据要素创造价值的机理、逻辑和意义。事实上关于数据这个议题，我们无论对具象世界的深度观察，还是对抽象世界的规律认知都是不充分的。
历史上，人们对生产要素的讨论首先关注的是，它是如何创造价值、促进人类生产力进步。400年前威廉·配第（1623-1687）提出，“土地是财富之母”、“劳动是财富之父”，后来“资本”“技术”先后成为当年新的生产要素的原因，首先是在实践中资本、技术在为人类物质财富创造、生活水平提高及生产力进步做出巨大贡献，这些生产要素成为人类创造价值不可或缺的必要充分条件。
相对于土地、劳动、资本、技术创造价值的机理和逻辑，数据如何创造价值是复杂的。这种复杂性来自于，数据要素既会作用于生产力，也会作用于生产关系；既会作用于看的见的物理世界，也会作用于看不见的赛博空间；既会作用于传统单一要素的价值倍增，也会作用于整个生产要素的资源优化；既会突显单一场景的价值，更会呈现全局系统的意义；既会呈现有形可见的现实价值，也会沉淀无形的潜在优势。
从这个意义上讲，学习《“数据要素×”三年行动计划》征求意见稿，重要的体会是，它重新定义了数据要素议题的“锚点”，夯实了数据要素议题讨论的“前提”，校准了数据要素工作部署的“方向”，将数据要素工作的重心放在“数据如何创造价值”上，回答了数据要素的作用机理、核心瓶颈、优先领域、价值导向、实现路径等重大议题。将数据要素的主流话语体系聚焦在如何加快应用上，锁定在如何服务中国现代化全局上。
2
实践中数据到底是如何创造价值的？
实践是检验真理的唯一标准，应用是检验数据价值的唯一标准（姜奇平），如何理解数据，还是回到技术和商业的一线，回到数据创造价值的现场。我们从快递物流、生产制造、宾馆服务、国防军事等好像没什么关系的几个领域，看看数据是如何创造价值的。
1、快递物流。10多年前，国内一家物流公司每天的快递订单量达到1500万单，之后尽管采取了各种方法，但订单量很难有大的突破。过了几年快递行业出现一项新技术——电子面单，快递公司在车辆、人员、仓库等实物资源没有大的变化背景下，每天订单量达到5000万单、提高了3.3倍。电子面单最大的价值是实现了快递订单端到端的数字化，以数据流优化了物流资源配置效率。
2、制造行业。10年前的时候，马斯克在他的网站上发表了一片文章，文章的标题是“why the US can beat China : the facts about SpaceX cost”，在所有人都认为中国是全球成本最低的国家时，马斯克说“我要把美国航空发射器的成本降到中国的1/7”。这个10年前的预言今天实现了。SpaceX每公斤发射成本从18500美元降到2720美元。这背后的一个重要因素在于：SpaceX在产品开发早期阶段，通过数据+算法的模拟择优，替代传统实物试验，大幅降低了研制成本、缩短周期，提高研发效率和产品质量。
3、宾馆服务。旅游宾馆行业是一个非常传统的行业，但国内有一家公司，它拥有的房间数量不是全国第一，但是市值最高的时候是这个行业第2到第9名市值之和。这背后是什么原因呢？背后是数据驱动的决策，重新构建了一套系统性运营体系。它针对客户提供差异化的极致服务，私域拥有会员就数达1.7亿，86%的订单来自于私域流量渠道。就像他们董事长所说的，以前这个宾馆连锁企业是最懂技术的酒店管理公司，未来是最懂酒店的技术服务公司。
4、国防军事。2020年10月，美国国防部发布了首份《数据战略》报告，最重要的一句话是：基于数据决策重新定义美国国防部。美国防部的愿景是“成为一个以数据为中心的机构，通过快速规模使用数据来获得作战优势和提高效率。”在美国国防部看来：数据日益成为国防部各个流程、算法和武器系统的“燃料”；数据的价值在于，在联合全域作战上，在战场上形成数据优势；在高级领导决策支持上，利用数据改进国防部管理工作；在具体业务分析，使用数据推动所有层级的明智决策。说来说去，核心就是用数据推动所有美国国防部各层级的科学决策。
概括起来，无论是制造行业、快递物流、宾馆服务，还是国防军事，数据作为一种要素的底层逻辑是一致的，就是基于数据+算法的科学决策，优化资源配置的效率，提升核心竞争力。
3
数据创造价值的本质是两场革命
工具革命和决策革命
当我们去追问数据到底是怎样创造价值的，或许我们可以先追问数字化的本质到底是什么？在我看来是两场革命：一个是工具革命，一个是决策革命。
什么叫工具革命呢？
马克思曾说“手推磨产生的是封建主的社会,蒸汽磨产生的是工业资本家的社会”，“各种经济时代的区别,不在于生产什么,而在于怎样生产,用什么劳动资料生产。”
回到今天的数字时代和智能时代，我们看到：传统的机器人、机床、专业设备等传统工具正升级为3D打印、数控机床、自动吊装设备、自动分检系统等智能工具，传统能量转换工具正在向智能工具演变，大幅提高了体力劳动者效率；同时CAD、CAE、CAM等软件工具提高了脑力劳动者的效率。无论是体力劳动者，还是脑力劳动者，通过新的工具，提高了生产、研发效率。“工具革命”的核心价值在于帮助人们“正确地做事”。
什么叫决策革命呢？
但光“正确地做事”还远远不够，更重要的是“做正确的事”。今天我们讨论数据，数据带来的是一场决策的革命——“决策革命”，帮助人们做正确的事儿。就像图灵奖和诺贝尔经济学奖获得者西蒙所说，管理的核心就是决策。决策可以分成两类：程序化决策和非程序化决策。
程序化决策，是常规的、有规律可循的决策，可以制定出一套规则流程，可以用数据+算法进行描述的决策，是有确定性答案的决策。今天数字化一个重要方向就是在企业研发、设计、生产、运营、管理过程中的每一个决策行为，无论是人的决策还是机器的决策，都在尝试通过数据+算法的方式进行替代。这就是基于历史经验的、有规律可循的程序化决策，这种决策可以称为经理人决策。
非程序化决策，过去尚未发生过，或其确切的性质和结构尚捉摸不定或很复杂。比如企业家的决策，企业家 (entrepreneur)是敢于承担一切风险和责任去开创并领导一项事业的人。企业家的决策是基于未来洞察的决策，无法用数据+算法来描述，事前没有标准答案。过去可能没有发生或者它的性质和规律还没有被发现的决策领域，主要靠企业家们去做决策。
所谓的数字化，就是不断地把经理人对管理的、物流的、采购的、研发的规律，不断的模型化、算法化、代码化，用数据驱动构建一套新的决策体系。
基于数据决策的三个核心要素：在线实时+端到端+科学精准
对于这套用数据驱动构建的新的决策体系，我们可以从制造业的场景中感受一下：在一个制造业的物理场景中，无论是生产一辆汽车、一架飞机、一件衣服还是一部手机。当你获得一个个订单后，这个订单信息就会在企业的经营管理、产品设计、工艺设计、生产制造、过程控制、产品测试、产品维护等等各个环节去流动。而流动的背后是决策。什么叫决策？就是你能够把正确的数据、在正确的时间、以正确的方式、传递给正确的人和机器，以这种方式优化资源配置的这样的一个效率。
过去我们经常讲什么叫智能制造。智能制造的核心和本质不在于你有更多的机器人、数控机床、AGV小车以及先进的各种设备，而在于数据在企业各个环节的流动过程中，是不是可以越来越少的不需要人去参与，这才是智能制造的最本质的核心。
所以，当我们讲数据驱动决策的时候，面对一个复杂的业务场景，我们要提出三个基本的核心要素。
第一，你的数据是不是实时在线的。
第二，你的数据是不是端到端的。
第三，你的数据是不是科学精准。
基于这三个要素，才能真正地实现数据在正确的时间、以正确的方式、传递给正确的人和机器。
数字化转型的本质：基于数据+算法的决策重构运营机制
今天对于数字化转型来说，数据要素在实体经济中发挥作用的核心在于：基于数据+算法的决策重构企业的运营机制。今天无论是C端还是B端，无论是对消费者的洞察，还是对企业客户的洞察，不仅仅是需要升级你的客户关系管理系统、制造执行系统、PLC等等各类软件系统，更重要的是，数据驱动的核心在于：今天所有的企业决策应当是基于需求的动态决策。
无论是产品研发创新、智能制造、渠道管理、销售和分销、品牌建设、数字化营销还是用户运营，所有的决策都是基于对客户需求的精准决策。不仅可以在前端（C端）实时感知客户的需求，同时可以在B端迭代自己的解决方案，更重要的是它可以基于对客户的感知，满足客户的实时需求。而这个才是数据发挥作用的核心，也是数据要素创造的价值所在。
4
数据要素创造价值的三种模式
价值倍增、投入替代、资源优化
数据要素创造价值不是数据本身，数据只有跟基于商业实践的算法、模型聚合在一起的时候才能创造价值。数据和算法、模型结合起来创造价值，主要有三种模式：
第一种模式：比特引导原子（价值倍增）。数据要素能够提高劳动、资本、技术等单一要素的生产效率，数据要素融入到劳动、资本、技术等每个单一要素，使得单一要素的价值产生倍增效应。
第二种模式：比特替代原子（投入替代）。数据可以激活其他要素，提高产品、商业模式的创新能力，以及个体及组织的创新活力。数据要素可以用更少的物质资源创造更多的物质财富和服务，会对传统的生产要素产生替代效应。移动支付会替代传统ATM机和金融机制的营业场所，波士顿咨询（BCG）估计过去10年由于互联网和移动支付的普及，中国至少减少了1万亿传统线下支付基础设施建设。电子商务减少了传统商业基础设施大规模投入，政务“最多跑一次”减少了人力和资源消耗，数据要素用更少的投入创造了更高的价值。
第三种模式：比特优化原子（资源优化）。数据要素不仅带来了劳动、资本、技术等单一要素的倍增效应，更重要的是提高了劳动、资本、技术、土地这些传统要素之间的资源配置效率。数据生产不了馒头，生产不了汽车，生产不了房子，但是数据可以低成本、高效率、高质量地生产馒头、汽车、房子，高效率地提供公共服务。数据要素推动传统生产要素革命性聚变与裂变，成为驱动经济持续增长的关键因素。这才是数据要素真正的价值所在。
5
AI大模型
是数据创造价值的最短路径
数据只有被计算才能产生价值。从数据流动的视角看，数字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化解决了“自动流动”的问题。数据流动的自动化，本质是用数据驱动的决策替代经验决策。
基于数据+算力+算法可以对物理世界进行状态描述、原因洞察、结果预测和科学决策。“数据+算法”将正确的数据（所承载知识）、在正确的时间、传递给正确的人和机器，以信息流带动技术流、资金流、人才流、物资流，优化资源的配置效率。
当AI大模型到来的时候，这套逻辑体系发生了什么变化呢？
第一个变化是：AI大模型产生高质量、在线、精准的数据。例如在自动驾驶领域，Corner cases(长尾场景)是指自动驾驶场景中那些不常见或一些极端的场景数据，数据比例可能只有1%，难以获取，影响自动驾驶的有效检测能力，可能引发很多安全问题。而AI大模型可以生成数百万个 Corner Cases，助力完成算法训练、测试验证和迭代优化。
第二个变化是：AI大模型自动生成高效率、场景化、高质量算法。2023年11月，特斯拉宣布已开始向员工推出完全自动驾驶（FSD）V12版本，FSD V12的C++代码只有2000行，减少了车机系统对代码的依赖，相比之下，FSD V11有30多万行代码。背后是FSD V12完全采用神经网络进行车辆控制，从机器视觉到驱动决策都将由神经网络进行控制。FSD V12有望打造自动驾驶领域的基础底座，引领视觉算法的GPT时刻。
6
智能时代
数据+算法的“两个不等式”
自从2022年11月ChatGPT推出后，经常有人会问“为什么中国没有ChatGPT?” 如果你想真正找到答案，正确的提问姿势是“中国为什么没有OpenAI？中国为什么没有Snowflake?中国为什么没有Palantir？”今天，我们把所有的聚光灯都聚焦在ChatGPT上。
在我看来，ChatGPT只是美国数字技术创新森林里的一棵树上的两片叶子，今天我们把所有的聚光灯都聚焦在这片叶子上，把这片叶子都快烤黄了。我们需要思考的是：这棵树是什么样子？树根长成了什么样子？它有什么样的土壤？创新的森林生态是什么样子？只有我们把这片森林、这片土壤、这片树的规律都搞清楚了，我们才能找到这一轮数字技术创新的底层逻辑和规律。为什么美国会有这么多数字创新企业？原因有很多，但在我看来，最重要的原因是：“云计算+AI+数据”已成为数字时代创新的基础设施，是孕育孵化新企业、新产品的摇篮。
在这个新的创新基础设施之上，如果我们把时间尺度放到5年、10年或者15年，智能时代数据要素创造价值的方式，将与两个重要的“不等式”密切相关。
第一个是“数据不等式”：未来AI生成的数据量，将远远大于人类生产的数据量。AI过去一年生成的图像，超过过去150年人类拍摄的所有照片数量。欧盟执法机构“欧洲刑警组织(Europol)”的一份报告预测,到2026年互联网上多达90%的内容是由AI创建或编辑的。
第二是“算法不等式”：AI生成的代码量，将远远大于人类编写的代码量。ChatGPT已经通过了谷歌L3级代码工程师（入门级，18万美元年薪）测试。国内研究机构CSDN测试结果是，GPT-4的软件编程能力相当于中国月薪3万元人民币的程序员水平。GitHub的一项测试表明，完成同样的一个软件最小可行产品（MVP）开发任务，AI工具帮助一位只有4年编程经验的巴基斯坦程序员，只用两周就完成了开发任务。而另一位拥有19年编程经验的资深程序员，因为没有使用AI工具，完成同样任务花费了5倍的时间，20倍的成本。
数据要素的问题要看当前，更要看长远。未来，更多的数据叠加更多的算法，意味着AI将彻底改变数据要素创造价值的方式，并带来指数级的价值增量。
7
美国以公共数据开放
强化AI大模型垂直行业应用的领先地位
今天的AI竞争不是单一技术的竞争，而是一场体系化竞争。美国不仅有芯片、模型、云计算，我们还观察到，在数据开放领域，美国公共数据的开放力度更大。目前美国已经将发明专利、金融数据、科研论文书籍、历史文化、交通运输、医疗健康、气象海洋、航天航空等高质量数据开放出来。
发明专利：美USPTO 商标与专利局 开放大量科学、技术和商业记录，包括数百万项专利、已发布的专利申请和注册商标，提升模型对问题产生解决方案的能力。
金融数据：美SEC 证券交易委员会开放上市公司财务报表及注释数据，用于提升模型金融领域的知识水平。
科研论文书籍：美NLM 国家医学图书馆（由国家卫生局维护）开放最著名的是PubMed论文索引数据库，记录3600万+生物医学文献的引用和摘要及原文链接。
交通运输：USDOT 国家交通运输部开放事故发生数据、公路清查数据、交流流量数据等高质量的标准化数据，分析评估影响公路安全的因素。
医疗健康：美NIH 国立卫生研究院开放包含138个数据库，涵盖了生物医药领域的科研和基因组数据，如蛋白质结构、癌症纳米技术等 。
气象海洋数据：美NOAA 国家气象和海洋局开放从卫星、雷达、船舶等来源每天新产生数十TB数据，数据存储在云端方便数据处理和公众使用，按季度更新150个数据集
8
范式迁移
数据驱动重构人类认识世界的方法论
进入新的智能时代，如何来理解数据驱动？它带来的不仅仅是成本的降低和效率的提升，它还是人们认识和改造世界方法论的一个新的阶段：
从牛顿、爱因斯坦的“理论推理阶段”，人们通过观察、抽象和数学认识这个世界；到爱迪生在一百多年前发明电灯泡，这是一个“实验验证阶段”，通过假设、实验、归纳总结来认识这个世界；然后再到了80年代进入到“模拟择优阶段”，大飞机的研发，高铁的研发，基于样本数据和机理模型，通过数字仿真的方式去认识和改造这个世界。
到今天，以AI为代表的“大数据分析”形成一种新的范式。如果说模拟择优是基于对机理模型的认知，那么今天对于大数据分析来说，很多的模型，我们其实搞不清楚它为什么会有涌现，为什么会有泛化。虽然我们还不能完全搞清楚，但可以肯定的是，新的认识和改造世界的方法论已经出现，而且必将深度影响人类经济社会的发展。
关于托比网：
托比网创始于2012年10月，是以媒体、研究、活动为主体的国内专业的产业数字化服务平台，致力于推动中国产业数字化的发展。10余年深耕，托比网建立了业界全面、系统、深厚的行业关系，在产业数字化服务上有着极大的影响力。