top of page

數據資產勢成核心競爭力

Updated: Apr 28

實現數據戰略的目的之一是獲取更優質、更豐富的數據資源,其中有部分資源更具備了流通及輸出價值的可能性,因為有價值的數據既被視為企業內的重要資源,也有可能成為數碼經濟中可對外轉讓的有價資產。

什麼是數據資產呢?從經濟學視角來看,資產的類型和範圍持續被泛化,從通常認知中的土地、房產、貴金屬等,擴充到經營衍生的無形資產,比如企業品牌、智慧財產權/專利。但到數碼經濟時代,隨着大數據發展,數據的高度流通有助促進人工智能發展,數據如果能從資產的形態、範圍來定義,能加速科技發展。自從貴陽大數據交易所2015年起運作開始,我國已經走在數據資產化的前沿,但數據要真正變成可流通、可共用的資產,還要具備以下特徵:

1)通用性:數據相對於一般資產具有更高通用性,通常可以用於不同領域,比如個人的信用資訊,在很多行業都可以成為經營決策依據。

2)外部性:企業為了更具競爭力,在數據生命周期中的收集、儲存、處理、分析、共用等環節,都必須懂得從外部去補充自身數據不足,令數據資源更加豐富,同時也可以減低營運成本。

3)共用集聚:數據單一使用的價值有限,集合多維度和結構的數據,可以無限衍生新的價值而不會導致損失,形成集聚效應。

4)數據權利導致價值差異:數據權利可以包括佔有權、使用權、收益權、共用權等,數據擁有者可以同時擁有一個或多個權利。

在未來數碼經濟中,稀缺的數據資源將逐步資產化,成為企業競爭力的核心部分。數據資源毫無疑問是實現企業價值的重要組成部分,影響企業的經營決策和戰略方向。但數據資產也會變成企業合作的條件,或者造成競爭者的進入門檻。

無論如何,數據資源或者資產的獲取均離不開企業對整個數據生命周期的理解,甚至可以說,數據資產本身就是在數據生命周期運行過程中,良好治理的重要產出。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page