惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Microsoft Azure Blog
Microsoft Azure Blog
GbyAI
GbyAI
P
Proofpoint News Feed
Engineering at Meta
Engineering at Meta
Recent Announcements
Recent Announcements
L
LangChain Blog
B
Blog
阮一峰的网络日志
阮一峰的网络日志
Microsoft Security Blog
Microsoft Security Blog
博客园 - 【当耐特】
M
MIT News - Artificial intelligence
D
Docker
WordPress大学
WordPress大学
J
Java Code Geeks
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
The GitHub Blog
The GitHub Blog
博客园 - 叶小钗
Last Week in AI
Last Week in AI
Stack Overflow Blog
Stack Overflow Blog
有赞技术团队
有赞技术团队
MyScale Blog
MyScale Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
MongoDB | Blog
MongoDB | Blog
博客园 - Franky

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
数据资产可能是个伪命题?
风姑娘的数字视角 · 2024-04-03 · via 人人都是产品经理

随着数据资产的入表政策发表,数据资产又成了一个热门话题。当随着时间的推移,我们会发现数据资产概念模糊,资产价值更无从确定,不禁思考:数据资产可能是个伪命题?

随着数据资产入表的政策发布,数据资产这一话题又成了很火的一个话题,很多企业都在考虑如何来组建自己企业的数据资产,市面上也已经诞生了很多数据资产管理平台,然而,随着时间的推移,很多企业会在某个时刻发现数据资产这个概念变得模糊且难以确定,资产价值更无从谈起。

一、数据资产的定义与特点

首先数据资产通常指的是企业在运营过程中产生、收集、管理和分析的各种数据资源。这些资源包括客户信息、交易记录、市场调研等,它们可以是结构化的,如数据库中的数字,也可以是非结构化的,如文本、图片和视频等。与传统的企业资产,如机器、设备和金融资产相比,数据资产的特点是无形、易复制且难以直接量化其价值。

二、数据资产与传统企业资产的区别

传统企业资产通常具有明确的物理形态和经济价值,可以直接用于生产或交易,为企业带来现金流和利润,比较直观的就是计算机设备、服务器设备,计算机可供办公人员提高工作效率,服务器是提供企业系统运行的必需载体。

而数据资产则不同,绝多数人思索良久也未必能够很形象指出它的实在落地价值,我们一直说数据价值在于其潜在的分析和应用能力,但是据大多数企业反馈他们的数据应用其实悬浮空中,并未见实型。

如果数据无法直观将价值、利润体现在财务报表,而潜在的应用价值又未很好落地,那么它被称为“数据资产”就不是很贴切,企业数据积攒多了,更贴切的称呼是企业的静态消耗资源,称之为“消耗资源”是因为积累数据是要投入系统、服务器的,存储数据还要占用设备内存空间,随着时间的推移越攒越多,很多数据内容反而会过时,最终数据资产成为耗材。

三、数据资产未能成为资产的原因

数据资产未能给企业带来价值的原因是多方面的,因为数据从生产到变现是需要经过一个完整的实现路径的,任何环节出现问题都是牵一发而动全身,容易引发蝴蝶效应。

那会有哪些原因呢?

一方面,数据的收集和存储成本高昂,需要企业进行大量的硬件和软件投入;另一方面,数据的有效分析和应用需要专业的技术和人才支持。其次企业要有数据文化,如果企业员工都不具备数据文化,就算拿出了很直观的报告他们也未必想去看。

在这些原因中,第一个问题很重要但是硬件和软件的投入变得相对简单,尽管花钱采购就可以,最难的是第二和第三,了解数据应用,能够将数据与业务结合起来的人少之又少,很多企业都是螺丝钉岗位,懂数据治理不懂分析,懂分析又不懂数据加工,这些问题直接造就企业招聘专业的数字化人才成为一大壁垒。

四、培养数字化人才

要让数据资产真正成为一项资产,而不是耗材,目前看来最重要的是数据应用能力,因为数字化的核心就是通过数据来帮助企业提本增效,数据是企业内部各业务流通的基础,也是决策者更加了解市场的基石。

当然最基础的是数据思维认知,它是企业数字化转型的基础,企业需要培养员工的数据意识,让他们习惯于用数据说话,用数据决策,这需要从企业高层做起,可以通过培训和实践,逐步建立起全员的数据思维,最终让企业员工有效提升业务理解和商业应用能力。

五、企业数据文化塑造

企业文化对于数据资产的有效利用至关重要。一个以数据驱动为核心的企业文化,能够鼓励员工基于数据做出决策,促进团队协作和知识共享。企业需要建立一种开放、鼓励尝试和容错的文化氛围,让员工敢于利用数据进行创新和尝试,实现这个过程需要企业高层重视数据,提高数据认知,应该对企业全员工进行数据应用能力培训,因为企业每个员工都应该对自己的业务非常了解。

结语

数据资产的价值并非自然而然地产生,而是需要企业通过有效的管理和应用来实现。企业要想让数据资产真正成为资产,就必须重视数字化人才的培养、企业文化的塑造。

最简单的方式就是引进较为完备的数字化培训体系,让整个公司员工都一同参与,有效提升企业员工的数据应用能力,实现数据作为生产要素参与企业经营,那么数据资产就不会是一个高挂墙上的“伪命题”。

作者:风姑娘的数字视角,公众号:风姑娘的数字视角

本文由 @风姑娘的数字视角 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。