【编者按】
数字营销是当代广告营销活动的主旋律。在数字营销的过程中,数据发挥着无可替代的重要作用。精准定位目标受众、优化广告投放、衡量营销效果、提升用户体验和预测市场趋势,这些数字营销的关键动作都离不开数据。并且,在数字营销的过程中,又会产生海量的、有价值的新数据。毫无疑问,数据要素和数字技术已经成为驱动广告营销行业加快数字化建设、实现高质量发展的两大引擎。并且,在正在加速到来的人工智能时代里,数据(算料)和算力、算法一起成为拉动人工智能发展的“三驾马车”。
既然数据是一种有价值的资源和新型生产要素,就需要对其进行合理配置、开发和利用,从而更进一步实现其经济价值和社会价值,那么,这就离不开数据要素资产化。数据要素资产化是发挥数据要素作用的重要环节。通过资产化,数据的价值得到认可,并被纳入企业或个人的资产范畴,从而可以在市场竞争中提供优势。此外,数据资产化还有助于推动数据要素市场的构建,促进数据的流通和交易,进一步释放数据的价值潜能。
当前,政府和企业都在积极推动数据要素资产化。例如,相关政策法规的制定和实施为数据要素资产化提供了法律保障和支持。同时,市场也在积极探索数据要素的交易和流通模式,以更好地实现数据的价值转化和增值。
中国商务广告协会在今年4月召开的第十一届第二次会员代表大会上提出,继续推动数字化建设将是协会今后工作的一个重点方向。这其中就包括了指导和帮助会员单位将其积累的数据要素加快实现资产化,从而将数据要素与产业升级、模式创新、品牌发展紧密关联起来,进一步提升企业的资产和投资价值以及行业竞争力,并且借助数据资产实现智能营销和个性化推荐,从而提高营销效率和客户满意度。
继去年举办《数据资源转化企业现金资产的具体操作路径》月度讲座,为会员单位讲解如何将企业的数据资源产转化为包括现金在内的企业资产之后,5月27日,中国商务广告协会特别邀请业内资深专家杨为民,以《从数字营销到数据资产——数据驱动AI狂飙》为题,深入讲解数字营销行业如何推动数据从资源向资产转化。
杨为民,数字营销专家、创业导师、第一代互联网营销传播人。现担任蓝色宇宙、Vista威信传播等多家公司战略顾问,香港大学ICB智能营销客席讲师。曾就职于蓝色光标、IPG万博宣伟、中国万网等多家知名企业,历任多家上市公司董事,溪山天使会创始成员。曾创办公关传播公司广通伟业,在业内获得过诸多个人奖项。
• 数据在营销活动中的重要性日益突出
近百年来,营销领域已经历了从1.0到4.0的显著变革。最初的产品时代,核心在于生产,消费者需求并非主导。随着产品日益丰富,我们步入了品牌时代,此时广告成为产品脱颖而出的关键。进而发展到营销3.0的认知时代,消费者的关注点转向了产品的特定性能和价值观。如今,我们身处营销4.0的数据驱动时代,用户体验决定了产品和品牌的发展。借助人工智能和大数据技术,我们能够深入洞察并按需满足消费者的个性化需求,实现了营销的精准化、智能化和平台化。
在以数据为驱动力的数字营销新时代,不仅消费者的一切行为都以数据形式体现出来,而且营销的一切活动,从调研、分析、定位、内容创意、推广、沟通、渠道建设、交易、售后等,都需要基于数据。商家密切关注市场数据反馈,并通过算法去进行实时动态改进,提升用户体验。数据在营销活动中的重要性日益突出。
• 从数据资源到数据要素再到数据资产
数据作为新型生产要素,具有无形性、非消耗性、无限供给、非竞争性等特点,还可以接近零成本无限复制。数据要素是数字经济的基础与核心,能够显著激发创新力、提升决策力、提高生产力,在赋能产业转型升级、推动经济高质量发展中发挥重要作用。党和政府高度重视数据要素在产业发展中的作用,2021年国务院印发的《“十四五”数字经济发展规划》提出“以数据为关键要素,以数字技术与实体经济深度融合为主线,赋能传统产业转型升级”。
但需要注意的是,一方面,原始数据还不能等同于生产要素,更非数据资产,就像是深埋于地下的石油。石油在被开采出来、并经过加工用于社会生产生活之前,就只是一种有价值的资源。根据最新发布的《数字中国发展报告(2023年)》显示,2023年我国数据生产总量达32.85ZB(泽字节,1泽字节约等于10万亿亿字节),同比增长22.4%,位居世界第二。另据国际数据公司(IDC)测算,预计到2025年,我国产生的数据总量将达48.6ZB,占全球的27.8%,跃居世界第一。然而,数据的价值并非仅仅在于其数量,更在于如何有效地利用如此规模庞大的数据资源,将其转化为有价值的生产要素,进而推动经济社会的发展。
另一方面,充分释放数据的要素价值,也对传统产权、流通、分配、治理等制度提出新挑战。根据中国信通院《中国数字经济发展研究报告(2023年)》当中所指出的,当前,尽管我国数据产量已居世界第二,但是真正开放、共享、使用的数据量很小,亟需构建与数字生产力发展相适应的生产关系。
为此,2022年12月,党中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》(俗称“数据二十条”),为最大化释放数据要素价值、推动数据要素市场化配置提出最新指引,为破解数据资源化、资产化、资本化过程中的基础难题、释放数据要素的基础价值和扩展价值做出高屋建瓴的顶层设计。
要“最大化释放数据要素价值、推动数据要素市场化配置”,首先要对数据确权。数据确权的一项重要工作是确定相关方具体享有什么权利,比如数据资源持有权、数据加工处理权、数据产品经营权。“数据二十条”创造性提出“三权分置”的数据产权制度框架,构建起具有中国特色的数据产权制度体系,其最大的特征就是淡化所有权、强调使用权,聚焦数据使用权流通。
其次,“数据二十条”还建立了体现效率、促进公平的数据要素收益分配制度。在初次分配阶段,按照“谁投入、谁贡献、谁受益”原则,“对各类市场主体在生产经营活动中采集加工的不涉及个人信息和公共利益的数据,市场主体享有依法依规持有、使用、获取收益的权益,保障其投入的劳动和其他要素贡献获得合理回报”,推动数据要素收益向数据价值和使用价值创造者合理倾斜。
其三,数据的使用价值高度依赖于规模质量、多源融合和应用场景。因此,数据必须通过跨平台流通、消除“数据孤岛”,才能创造出更大价值。而且,通过流通交易可以鼓励市场主体逐步探索和完善数据定价体系,用市场化的手段合理评估和量化数据的经济贡献。但数据的流通交易是以数据资产化为必要前提。
一方面,只有经过资产化的数据,才能在市场上进行流通交易,成为可交易的商品或服务。通过数据资产化,个人和企业可以明确其拥有的数据资源的价值,从而更好地参与到数据流通交易中去。另一方面,活跃的数据流通交易能够吸引更多的投资者和参与者,进一步推动数据资产化的规模不断扩大。数据流通交易为数据资产提供了变现的渠道。通过交易,数据的价值得以体现,从而鼓励更多的个人和企业将其数据资源进行资产化。
数据资产登记是实现数据资产化的必要条件。为此,在“数据二十条”的指引下,2023年8月,财政部制定印发了《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》),并自2024年1月1日起施行。《暂行规定》为数据作为资产“入表”提供了会计处理上的政策指导,进一步明确了数据资源的资产属性,加快了数据资产化的进程。
数据作为一项资产入表,第一可以改善企业的资产负债表和利润表,第二可以提升企业核心竞争力,带来新的收入来源,第三是有利于那些数据生产能力强、数据资源储备庞大的企业实现资产增值,其中当然也包括数字营销、市场研究、电子商务、大数据、人工智能、元宇宙等领域内的公司。
• 数据资产的入表、定价和价值变现
数据资产入表是一个将企业的各类数据资产进行登记、分类、评估和管理的流程,这使得数据资产的价值得以显性化,并反映在企业的财务报表中。在《暂行规定》中,对于哪类企业数据资源可以作为资产入表以及如何入表做出了相关规定。简单来说,数据资产入表有五个步骤。第一步是对数据的合规梳理和确权。第二步是数据资源的有效治理和管理。第三步是数据资源资产化可行性分析。第四步是建立统一、合理的数据资源的成本归集与分摊机制。最后一步是数据资产的列报和披露。
数据资产入表为数据要素市场的发展提供了价值基础,方便了数据资产在市场上进行交易和流通。而数据交易所是数据市场化流通的重要载体,对促进资源整合、规范交易行为、增强数据产品和资产流动性、推进标准制度建立发挥着关键作用,它还可以为数据资产入表和评估工作提供相关支持。目前,全国共有数据交易所近60家,其中北京国际大数据交易所、上海数据交易所较为活跃。
合理的数据资产定价是推动数据交易流通的重要基础。当数据的价格与其价值相符时,买卖双方更容易达成协议,从而推动数据的交易和流通。2023年底,财政部印发《关于加强数据资产管理的指导意见》,其中提出“支持探索多样化、符合数据要素特性的定价模式和价格形成机制”。概括来说,数据资产定价可以采用多种方法,如基于成本法、市场比较法、收益法和投资回报率法等。这些方法各自适用于不同类型的数据资产和交易场景,为数据交易流通提供了灵活的定价机制。
例如,对于具有直接经济价值且市场上存在类似数据资产的情况,可以采用市场比较法来确定价格;而对于能够带来直接或间接经济收益的数据资产,如数据分析工具和数据产品,则可以采用收益法进行定价。
企业数据资产的价值变现可以通过多种路径实现,例如,数据交易、数据资产入表入账、数据运营与标签化、数据产品开发、数据服务提供等。其中,数据交易是最直接的变现途径,企业可以在数据交易所内,通过公开买卖数据资产来实现价值变现。此外,数据资产入表入账不仅可以优化企业的资产负债结构,还能增厚净资产,进一步提升企业的估值。同时,数据资产入表后还可以更高效地完成出资增资、增信融资(资产抵押)等行为。
• 数字营销产业的数据要素资产化机遇和路径
数据要素资产化有着广阔的市场前景,预计将形成一个万亿级的市场规模。但就目前而言,仍处于发展的早期阶段,还存在着诸多有待化解的难题。总的来说,有八个方面的难点:数据开放共享不够、数据挖掘滞后、数据确权困难、数据内容复杂、行业认知有限、专业人才匮乏、价值评估标准化程度低、配套的法律法规尚不完善。这些数据要素资产化进程中的难点堵点,需要在今后的工作中,通过相应的工作机制和工作方法逐一攻克。
具体到数字营销领域,用更高质量的数据要素赋能品牌营销、贯通客户价值链全生命周期,将是下一阶段的重要方向。这需要品牌主、营销服务商和数据供应商三方合力推动。对于品牌方而言,数据如何切实推动业务增长是其首要考虑的问题。随着营销渠道的多样化,如小红书、抖音、微信等平台的兴起,数据整合成为一项迫切需求。品牌方渴望找到能够将这些平台数据打通的方法,以便更准确地衡量营销效果,指导未来的营销策略。
对于营销服务商而言,他们致力于构建能够拆解营销策略的数据分析架构,通过探索营销数据的应用,形成标准化的数据模型。这些模型不仅有助于提升营销效率,还为数据产品化提供了雏形。此外,营销服务商还在不断探索基于数据的营销方法论,以期在激烈的市场竞争中脱颖而出。
数据供应商则专注于确定数据应用的主要商业化场景,为品牌方和营销服务商提供有力的数据支持。他们强调数据的资产属性,致力于开发包含多种属性的综合性数据产品。这些产品不仅具有更高的价值,还能帮助品牌方和营销服务商更深入地了解市场和消费者需求。
尽管三方的关注点各有侧重,但总体目标是一致的。并且,三方可以通过协力推动营销数据产品化,迈出合作的关键一步,全面升级和改变营销服务模式。目前,市场对于营销数据产品化有着明确的需求,加之营销数据积累丰富、营销内容价值高、营销数据应用场景多,都为营销数据产品化奠定了较为坚实的基础。
在营销数据资产价值实施路径上,首先要做的是对数据资源实施基础化治理,具体工作包括数据质量管理、模型管理、安全管理和开发管理,同时,要定期对数据资源化管理流程进行审查和评估。其次,要围绕具体的应用场景进行价值开发,即根据市场需求分析,针对行业应用场景,设计合适的数据模型,以支持特定的营销场景,如用户画像、市场趋势预测、个性化推荐等,开发出数据分析报告、自动化软件、可视化工具等。并以数据包或者API端口方式,形成后端的产品形态。最后,完成数据产品合规,挂牌,评估等一系列资产化动作,并通过收入与成本归集完成,实现数据的资产化管理,甚至是金融化运营。
• 数据要素市场如何在数字营销产业落地?
推动数据要素市场在数据营销产业落地,任重而道远。当前,行业正处于建立数据要素资产化共识的先导期,在进入下一阶段数据资产逐步应用和实践的探索期之前,可以着手开展一些必要的基础性工作。这些工作主要包括以下四个方面:一是建立相关工作机制;二是企业应“以存为先”,摸底和盘点自家的数据资源;三是探索构建营销数据产品化的指数;四是加强人才培养力度。
首先,无论是企业集团、平台公司,还是行业协会,都可以探索建立数据技术委员会。这个委员会应由政府代表、法学专家、审计专家、技术专家和大学教授等多方专业人士共同组成,以为数据要素提供全方位的咨询服务。每当有新的数据要素项目时,都应先由技术委员会进行论证,评估该项目中的数据要素是否具备转化为数据资产的可能性。
其次,一方面,企业需要对当前和正在使用的数据进行全面的摸底盘点,以确保数据的完整性和准确性。在此基础上,企业应尽快完成数据的确权工作,明确数据的所有权和使用权。另一方面,针对数据的不可回溯性,必须对使用的数据进行及时、全面、尽可能多的存储。这样,在未来的应用场景中,才能有足够的数据资源可供利用。
其三,为了全面评估和提升营销数据的价值,尽快建立一套营销数据产品化指数。围绕消费者数据、内容数据、社交媒体数据、销售与财务数据、市场与竞争对手数据和知识产权与数字产品数据等六个核心维度,构建全面、动态的营销数据产品化指数,以量化方式评估企业在营销数据产品化方面的表现,进而指导企业更有效地利用数据驱动营销策略,提升市场竞争力。
最后,针对行业缺乏既熟悉营销领域又通晓数据产业的复合型跨界人才这一现状,打造面向全行业的培训体系,分别以企业一把手、具体业务负责领导和专员为培训对象,从数据资产价值、数据资产化实操路径、数据资产管理业务能力等方面,有侧重地进行知识分享、咨询服务等。
在以上四个方面的主要工作中,中国商务广告协会也将积极协调协会的专家资源,为广大会员单位提供必要的指导和帮助。
• 结语
数据要素是推动数字经济发展的关键“燃料”,被看作是未来20年甚至更长一个时期内的支柱性产业。党和政府也正通过优化数据资源配置来增加优质数据要素供给,把发展数据要素市场作为一项重要的国家发展战略。
当前,我国的数据要素市场尚处于起步阶段,但行业应用场景已成为焦点,特别是在数字营销领域,“得数据者得市场”已成为行业的普遍共识。每个新的数据要素应用场景都代表着新的商业机会,这需要我们共同思考和发掘。尽管过去十年中,数据应用在某些领域已趋向成熟,但我们仍需创造性地探索更多新的应用场景。
与此同时,营销数据的资产化才刚刚开始,其发展前景广阔但也充满挑战。我们需要通过培训等方式提升全行业对数据应用的重视和应用水平,以产生更多的优质数据资产,创造更多的市场价值。