商业范式转变：重建数字经济的新优势
2024年1月5日，为进一步促进数据要素价值的释放，国家数据局出台了《“数据要素×”三年行动计划（2024—2026年）》，强调“发挥数据的基础资源作用和创新引擎作用”，选取数据要素的重点应用领域，加速数据要素的整合、开发与利用，赋能经济社会发展。未来，数据要素将会持续且深入地融入到社会生产生活的各个环节中，对社会生产力发展起到不可忽视的重要作用。
近年来，随着物联网、云计算等技术不断发展，数据的可用性不断提高，数据技术为满足不同的业务需求在不断演进（如图1）。数据要素已经成为企业实现持续发展和竞争力有效提升的关键要素之一。
具体来说，数据要素贯穿于企业的每一个环节，承载着企业的运营信息和客户需求，为企业决策和创新指引方向。企业通过对数据的深入分析与挖掘，能够更精准地把握市场动态，更快速地响应客户需求，更有效地优化资源配置，从而在激烈的市场竞争中赢得一席之地。在辅助现有商业流程的基础之上，数据要素也不断催生新的商业逻辑，促发商业范式的转变。
为此，企业必须充分重视数据要素价值，不断加强数据技术能力，深入理解数据要素在商业中的变革作用，提升企业竞争力，实现高质量的企业管理与商业创新，建立数字经济新优势。
数据要素是重要的战略性资源
数据要素正在成为现代商业竞争的重要资源。根据美国哈佛大学迈克尔·波特的竞争优势理论，低成本和差异化是两种重要的获取竞争优势的策略。表1列举了企业于内于外执行这两种策略的典型方式。数据要素可以优化每一个单元内竞争策略的执行。
数据要素数量趋于无穷、流动性强、格式多样、应用价值高等特殊属性使得企业可以更轻松地实现成本优势和差异化优势。例如，通过大数据分析，企业可以更准确地预测市场趋势，优化生产和供应链管理，从而降低成本，实现成本优势；通过深度挖掘和分析数据要素，可以了解消费者需求，从而开发出更符合市场需求的产品和服务，实现差异化优势。
作为企业的重要资源，数据要素融入企业生产经营的各个环节，提升企业资源配置效率，促进技术创新，实现对传统要素价值放大的乘数效应，为经济增长提供源源不竭的内生动力，是企业建立独特持久竞争优势的根基。
优化运营、降低成本、提升效率
数据要素的有效管理和利用可以提升效率，降低成本。传统运营模式下，企业可获得的数据十分有限，难以对所有可能改变生产要素使用现状的结果进行全面分析，企业只能通过经验积累改进旧的生产运营流程，学习时间比较长，要素使用效率提升比较缓慢。具备丰富数据要素和强大数据处理能力的企业，可以对生产过程进行实时监控和效率分析。
数据生产力时代实现了生产全流程、全生命周期管理，全产业链数据可获取、可分析、可执行。在这些数据基础上，企业可以迅速发现并改进要素使用不当的具体环节，挖掘各要素潜在价值，作出更加明确的决策，提高工作效率。通过数据技术分析与优化各生产要素，也可以大幅度降低资源和成本的浪费。
企业可以通过数据要素从指标导向、闭环管理、可视化管理、分级管理等四个维度优化运营，提升生产效率。企业可以利用大数据等技术实时获取市场需求、生产流程、生产计划和实时库存等信息，并及时给出相应的反馈或进行调整，从而持续改进生产运营管理。因此，相较于传统企业，在生产经营中应用数据要素的企业具有更强的竞争优势。
增强价值链各环节的价值创造
迈克尔·波特在1985年提出价值链这一概念，目的是帮助企业识别其业务活动中可以创造最大价值和竞争优势的领域。价值链包括一系列的活动，从原材料采购、产品设计和生产到营销、销售和售后服务。每个环节都有潜在的增加企业价值的机会，企业要保持竞争优势，关键是在价值链各环节上具有优势。
企业可以在价值链生产、运营、产品与服务的改进和创新等不同的战略环节发挥数据要素的作用以优化价值创造，提升企业的竞争优势。例如，在原材料采购和生产中，数据要素可以帮助企业优化供应链管理，通过预测需求和监控库存水平来减少库存成本和避免生产中断；在人力资源管理中，数据要素可以帮助企业找到更优秀的员工。
一个经典的案例是亚马逊利用数据要素增强其价值链。亚马逊是一家全球领先的电子商务和云计算公司，它通过深度整合数据分析赋能业务运营，优化了整个价值链——从供应链管理到客户体验，再到后端物流和分发。在供应链管理方面，亚马逊利用大数据分析预测市场需求，调整库存水平和补货策略，减少了库存过剩或不足的情况。这种预测能力使得公司能够更有效地管理全球分布的仓库，确保产品能够快速且低成本地到达顾客手中。
在客户体验方面，亚马逊使用数据优化会员服务，通过分析会员的购物习惯和偏好，提供更加定制化的服务和优惠，增强用户黏性。在物流和分发方面，亚马逊利用复杂的算法和数据分析优化配送网络。通过分析订单数据、交通模式和天气信息，亚马逊能够动态调整配送路线和时间，提高配送效率，减少成本。这种高效的物流系统是亚马逊能够提供当日或次日送达服务的关键。通过这些方式，亚马逊展示了如何利用数据要素全面增强价值链的各个环节，从而提高效率、降低成本、增强客户体验和推动业务增长。
增强企业创新能力
随着数据技术的高速发展，人类社会认识客观世界的方法论已经由初期“假设+实验+归纳”的实验验证阶段进入到“海量数据+科学建模分析”的大数据阶段，通过大数据去发现物理世界的新规律。
在传统模型下，技术、产品、生产流程及商业模式的创新都要经过大量实验验证。实验验证过程复杂、周期长、费用高，需要大量的人力、物力和设备投资，回报率相对比较低。数据技术不仅有助于企业丰富研发创新的方式和方法，还有利于产生数据驱动下的创新策略。数据技术对人类社会最大的改变，就是将世界不断数字化，在赛博空间中创造出虚拟镜像，形成平行的数字孪生世界。这种基于数字孪生的“模拟择优”技术，大幅缩短了新产品的研发周期，降低了研发创新的成本。
以数据要素为基础的创新变得更加便利和灵活。例如，人工智能制药产业正在快速发展壮大。人工智能在新药研发中起到重要的推动作用，几乎参与了从药物靶点发现到临床试验的整个流程。研究人员使用人工智能技术和大数据，能够快速分析出潜在的候选药物靶点、预测合适的药物剂量等，提高药物研发的成功率，同时节约研发时间和成本。引入人工智能技术之后，药物研发成本已经减少数亿美元，且研发周期通常可以缩短一半以上。
在数据要素作用下，产业创新正在逐步从生产者主导向消费者为中心转变。天猫新品创新中心（TMIC）结合大数据分析和小样本调研，对消费者数据进行研究，深挖用户需求。平台在大数据沉淀赋能新品研发环节具有独特价值，显著提升了研发效率，已服务众多品牌和商家。数据显示，截至2023年，有两千多个头部国内外大牌与TMIC达成合作，有五千多个企业与TMIC达成测款合作。每年有超过15万新品测试，其中百万规模新品2500个，千万规模新品350个。
洞察需求、改进产品与服务
企业通过理解、分析数据要素，能够更好地了解客户需求和市场趋势，提高产品和服务质量；基于用户使用产品或服务的反馈数据，持续为产品增值，给用户提供更好的体验。
传统企业在进行产品或服务设计时，往往会因为信息不对称而无法第一时间找准市场发展趋势。在数据要素支持下，企业可以及时获取上下游企业及客户的重要信息，第一时间满足其需求。企业还能够从数据中学习，获得持续改进产品和服务的能力。此外，基于人工智能技术，企业特别是平台企业能够利用过去和现在的数据生成有关未来的信息，如市场发展趋势、用户喜好变化等，为决策及行动提供重要依据。
伊利集团是直接面向消费者的企业，数据要素对其产品改进发挥了重要作用。伊利集团建立了一个端到端的消费者智能洞察大数据平台，整合超过420个数据源，掌握全网声量95%的有效数据。大数据平台旨在深入了解消费者需求、收集反馈以及预测市场走势，从而不断提升产品和服务的品质。
大数据平台为伊利提供了强大的预测能力。平台对不同地区、不同人群评价反馈的追踪，为伊利创造更多符合个性化需求的产品和服务提供了重要依据。例如，伊利通过深度分析大数据平台上的消费者需求，推出了香菜、菠萝、丹东草莓等不同口味的安慕希常温酸奶。在冷饮业务领域，伊利推出有多种口味的高端品牌“须尽欢”。这些产品都深受消费者喜爱，成为市场上的明星产品。
结论与启示
企业需要注重数据要素，提升数据能力。数据要素作为一种强大的战略资源，对不断探寻长期竞争优势的企业而言十分重要。数据能力是指企业采集、处理、分析及深度应用数据的能力，对推动企业技术创新和战略决策起到关键性作用。一个具备优秀数据能力的企业，能够更好地挖掘数据的潜在价值，并将其转化为企业生产和经营实际业绩。
企业要准确、高效地采集各类数据。企业可使用传感器和各类信息化办公软件采集内部设备运营数据，如用传感器实时监测设备的温度、压力等性能数据以快速发现设备潜在故障。同时，企业可以利用互联网平台和爬虫技术等采集外部数据。例如，互联网平台可以提供市场动态、用户反馈、消费偏好等重要信息；爬虫技术可以爬取网页中的非结构化数据。掌握基本的数据采集工具和方法，提升数据采集能力，是企业后续进行数据分析和提出决策建议的重要前提。
企业应深度挖掘数据资源，从中获取有价值的信息。挖掘数据实质上就是将原始数据资源转化为对企业决策和运营具有实际指导意义的数据要素。这要求企业拥有专业的数据处理软件，掌握基本的数据分析技术，如开发数据网络挖掘、特异群组挖掘等新型数据挖掘技术，突破基于对象的数据连接、相似性连接等大数据融合技术，突破用户兴趣分析、网络行为分析等面向领域的大数据挖掘技术。
当然，最重要的是要有具备行业专业知识或从业经验的数据分析师，甚至是能够从战略上运用数据要素的首席数字官。
企业应在业务场景中深度应用数据。数据应用是将数据转化为生产力、实现数据价值释放的最终步骤。只有企业成功地将数据融入业务流程和决策中，数据才能真正发挥其潜力，为企业带来实际收益。具体来讲，数据能力要与企业决策等经营行为相结合，将数据分析结果融入到战略规划和日常决策中。通过深度应用数据，企业可以提升资源配置效率，提升创新能力，达到降低成本、提高效率和促进价值创造的效果。
企业在不断推进数据要素使用时应注意数据安全问题。数据要素对企业发展有巨大价值，同时也存在隐私保护、流通管控、共享开放等多个方面的问题。消费者越来越重视企业在数据安全方面的可信赖程度。
因此，企业在使用数据技术时，应实行强有力的数据安全策略并遵循隐私设计原则和安全设计原则，以防范内部威胁和人为错误。我们既要鼓励释放数据要素价值，不断进行产业探索创新，也需要完善制度，加强监管数据合规使用，保护消费者个人权益。