数据的价值到底如何评估？

大数据对内支撑的时候，往往会被投资部门质疑，你的数据为什么要存储这么长时间，这些数据到底能产生多大的价值？请给个理由？

说来也奇怪，我们做数据的，以数据为谋生手段，却很难评估自己的数据的价值？

有一种评估数据价值的方法肯定是错的，即基于数据的类型、周期、粒度、硬件及人工成本等维度。

记得刚做变现的时候就想着把数据的生成和建模成本计算出来，由此作为定价的依据，姑且不说能否倒腾出什么计算公式，即使有了公式其实意义也不大，最终还是随了市场的行情或是与客户博弈得到一个妥协的结果。

为什么呢？

我们还是要回到每个人就应该知道的答案上吧：在市场上，决定价格的最重要因素，是需求，数据也一样。

千万不要误以为价格和成本直接相关，它们只是间接部分相关，人们为某个标签付钱，是因为他们真的需要，而不是因为这个标签的制作成本有多高。

传统企业做对外大数据价值变现有各种驱动，包括获得更多的收入、更大的影响力等等，但有一个好处是隐性的，即获得了一种最为客观评估数据价值的方法。

客户的需求和获得的收入就像是一座灯塔，指引着企业所有的数据资源向这边倾斜，无论是人力成本、软件成本还是硬件成本。

比如做对外拓客，建模师就可以非常好的量化自己的贡献，客户买的单就是最靠谱的依据，这是巨大的进步。

但对内就非常困难了。

这是当前BI、经分、大数据对内运营中的一个困惑，虽然也许我们仍然无法准确评估数据对内的价值，但有了对外评估的参照，我们起码可以知道为什么对内评估会这么难 ？

首先，数据对内变现跟对外有个最大区别，就是对内不是市场化的运作，供需关系导致的价值体系完全失效，对内无论是数据、模型还是产品，业务人员既可以随便使用，也没有选择的余地，企业内搞虚拟结算又往往显得自说自话。

其次，对内数据的使用过程往往是个长流程，数据嵌套在公司的生产流程中的确发挥了价值，但其所占的比例很难说清楚，这里又可分为以下一些价值体现方式，当然不仅限于这几种：营销、报告和产品：

针对营销数据，比如要评估一个外呼拓客的总收益，可以根据获得的客户数乘以未来预期价值大致能测算出来，但到底多少算是外呼渠道的贡献，多少算是营销清单的贡献呢？

假如将总体收益当成数据的价值，就会形成评估泡沫，毕竟企业的营销成本可是刚刚的，亲兄弟还是要明算账。

比较科学的方法是做AB测试，所有条件保持一致的条件下，通过数据的改变（比如准确度）来评估提升的效益，但对于大多企业来讲，实施成本还是太高了，特别是线下的场景，虽然点的评估有时一鸣惊人，比如某次营销成功率提升100倍，但那又怎么样，无法说明数据对于企业的整体价值有多大。

针对报告数据或数据产品，其价值更是取决于人，业务人员从这些数据和产品使用中获得了多少额外的收益，没有人能说得清楚，很多企业希望以报表、产品点击量来作为评估数据价值的一个依据也是无奈之举，但对内点击流量的价值并没有公允的评判标准，业务人员点击一次报表算多少钱？显然没有答案。

可以看到，一旦数据脱离了市场定价体系，对内数据的价值评估方式必然跟企业的流程、机制及数据价值呈现方式相关，而其中每一项都不是那么容易计算的。

再次，作为使用者，决策者或业务人员其实是最有发言权来评估数据价值的，但他们的驱动力要么不高，要么就流于定性判断。

比如投诉某个数据不准，但到底是以点否定了面，还是只是希望更精进些，反正是模棱两可吧，这个时候，数据提供方为了证明自己的价值，有时要越界到前端去说明自己的贡献，但既当运动员又当裁判员，显得名不正言不顺。

在总体的业务贡献前，数据价值就像害了羞的媳妇那样出不了门，而每个数据提供者的梦想就是希望业务人员在提业绩的时候别忘了自己。

就这样陷入了数据评估的僵局。

大数据时代，大家都看到了数据的巨大潜在价值，但企业再有钱，也不可能无限制的投入，需要给投资一个信服的理由。

对外数据变现虽然处于起步阶段，但其对于数据的利用将是高效的，诸如金融验真查询一次多少钱不是根据成本算出来的，而是由需求决定的，数据产品也一样，市场就像一只看不见的手决定着数据该有的价格，决定着企业未来数据投资的方向。

对内数据价值评估则复杂的多，一种方法是根据不同的数据价值体现方式给出不同的评估标准，营销类的需要针对各种营销模式进行梳理，比如按渠道、政策等类型给出短信流量类营销（比如随机）基准水平值（比如成功率），通过AB测试出精准数据的额外价值（注：不考虑成本的营销就是啥流氓了），以后凡是超出这个基准值的部分就算是数据的价值了，但越复杂的市场营销体系就意味着越复杂的计算方式，管理成本太高了，对内数据类产品就只能根据UV，PV来计算了，但每一类产品的UV，PV单价又是不一样的。

还有一种就是将数据服务部门独立出来，按实结算，回归市场体系，比如BI集成商评估自己的数据服务价值就非常容易，合同额大小呗，但弊端就是对于创新性的数据服务工作，企业的交易成本会非常高，反倒会影响了创新，似乎也不是理想的选择，没看到BAT把自己的数据服务部门独立出来吧。

无论如何，对内数据的价值评估，数据提供者的确有举证的职责，对于自身的发展也有利，就好比天使投资，人家不奢望你马上赚钱，但也有义务画个饼，同时只有客观的评估才能有改进的机会。

比如机械的做报表而不去评估报表的使用情况，疯狂的取数却不去关注取数的目的和效果，好不容易做了标签库却对访问人数停滞不前无动于衷，好不容易开发了模型却不去常态化的跟踪效果，而对外变现的市场机制显然会保证这一点。

但无论怎样，数据价值的评估就如同灯塔，只有它才能指引我们走在正确的道路上。

作者：傅一平 来源：与数据同行