在开始谈论数据要素在数智化转型的作用之前，首先我想厘清一下数字化与数据化之间的关系。最初数字化为人类带来的机遇，来自信息从产生到成为知识过程的加速，因为被数字化后，信息更能快速传递，储存容量的激增能让知识的积累变得极为方便。甚至搜寻信息的成本也得以大幅度降低，这些能力在上一世纪以来都在是创新的重要原素。
直到互联网出现了前所未有的飞跃，记得在互联网发展的初期，最为深刻的是大量的存量信息被数字化，此时的数字化（Digitization）所指的是信息被转化成数码格式并放到互联网上，让人类第一次尝到足不出户能知天下事的便利。随着信息量不断增加并冲破了临界点，大量用户及企业开始察觉到数字化（第一阶段段）的力量，初次感受到充份利用高度流通的网络化信息的机遇，无形中高质量信息提升了决策的精确度。
随着互联网吸引了大量用户及信息，自然地推动了信息产品的快速开发，包括了门户网站、搜索引擎、通讯工具、电子商务和网络游戏等，于是大量用户的行为数据正式搬到线上，成为日后大数据的重要组成部分。这次的数字化（第二阶段：Digitalization）牵引了改变了人类生活方式的数字化应用的面世，让数字化变得更普惠及简单便捷，同时让数据量得到指数的上升，这个阶段的数字化不单单是信息获取，而是蓄发了一种崭新的数字经济动力，产业数字化由此而蓬勃起来。
如前所述互联网的发展积累了海量信息，这些不仅是内容的纪录，在智能终端出现后（包括智能手机等），用户在在获取信息或应用时，准确的位置及行为数据都被同时收集，这些用户关联资料正是互联网巨企们能快速成长的生产要素，从业务分析到产品管理、用户功能出发及体验测试、风险管控都无不直接或间接使用数据作为依据。在这次数字化的第三个阶段，数据要素与数字应用场景的增长速度形成了层层递进的关系。这时的数据要素所指应该并非仅有数据资源本身，而是承载着数据如何作为生产资源到成为生产力所需要的技术与治理水平。数据化巳经作为数字化发展的核心，没有数字化就没有数据化，但数据化做得不充份数字化也做不好。
我想用下面的例子去解释数据在企业数字化过程中的具体作用。
每当多一个用户使用数字产品的同时，就会获得更多收集数据的机会，有了更多数据之后，就更有可能使用机器学习或数据分析更敏锐的洞察用户需求，从而开发出更优良的产品功能，于是又会吸引更多的新用户，雪球越滚越大，周而复始。这样的一个数据资源与数字应用的正循环操作，表达了优质数据作为生产要素的核心竞争优势。这时第四阶段的数字化应该最接近数智化的主题，数据要素与人工智能的融合突显了数据作为生产力的优势。但不可不知的是智能化的过程中，人类与机器互动的方式巳经出现了主客难分的现象，这刻数据的产生还是完全人类所驱使吗？不管怎样以上的现象正合乎最近学者提出“数据网络效应”（Data Network Effects）的说法，企业拥有的数据越优质，就越有可能利用这些数据和人工智能算法创造出更好的产品，吸引更多的客户，收集更多的数据。在下面图中大家可以看到一方面新的科技包括各种智能终端以及通讯技术都会影响着数据的使用场景的改变，也影响着数据收集的方式、数量及分布。另一方面开放数据平台和第三方数据交易平台也为数据网络效应提供了外部的数据资源。由于大数据具备外部性，如果能在数据要素的基础上保持领先，就更能充分发挥数据网络效应，谁就有可能获得明显的先行者优势。
随着数字化转型的兴起，数据将发挥越来越大的作用带来无限可能。但我认为找出数据网络效应的切入点，可以成为企业数智化的最佳加速器。加快完善企业在用好数据及治理好数据的闭环。我相信数智化之路是一个迭代过程，下面介绍一下我在这方面的思考与经验
步骤1：找出潜在数据网络效应的数字应用场景，定义需要改善的业务目标，并为此制定MVP及成功的衡量标准;
步骤2：跟据MVP的目标，制定所需的数据资源及技术方案，经过盘点然后改善巳收集及可被收集的相关数据资源（包括内部或外部）是否与算法（机器学习或数据分析）匹配;
步骤3：在扩展MVP之前根据衡量标准对效果进行评估，若不满意，则返回步骤1及2作出修订;
步骤4：在持续改善应用埸景的同时，加强对数据治理的能力，加速数据资源的沉淀并与整体数据资源作融合;
在此之外，企业应该吸取经验实现长线的数据要素培养如：
步骤5：主动发掘和管理有用、好用数据，建设数据资源的战略性全方位储备;
步骤6：培养技术和组织能力，搭建数据中台，牵头进行集中协调，实现更大规模的跨部门之数据获取、协作和治理;
步骤7：提高数据素养，培育数据驱动文化，使数据的复用、共创、共享以及协作变得简单容易;
步骤8：与外部合作伙伴建立全生态协作机制，加强数据和技术上的合作。
在表面看来以上的步骤都并非难事，但是在实际的数智化转型过程中却可能会出现很多问题，导致许多企业半途而废。
相关调查数据显示，有许多公司的高管表示，他们并没有从数字化中获得令人满意的回报。主要原因在于缺乏对数据要素的战略考量以及企业文化带来的巨大阻力。大部分的企业在此过程中发现了一个类似的问题：在所有这些案例中，遇到的问题都很类似，有些问题甚至反复出现。首先数智化转型的第一要务不是选择什么技术工具，而是找出更清晰的业务逻辑，明确如何通过数智化转型触动发展的拐点，并探索新的商业模式、趋势和业态，然后围绕此目标制定实践方案。
