企業(yè)價值是通過“價值鏈”創(chuàng)造出來的。在數字經濟時代，企業(yè)需要建立“數智價值鏈”。

【資料圖】

邁克爾·波特提出，一個企業(yè)的價值鏈由一系列價值創(chuàng)造活動組成，企業(yè)的總體價值，就是所有價值創(chuàng)造活動創(chuàng)造出來的價值的總和。這些價值創(chuàng)造活動可以分為基礎活動（包括面向上游的供應鏈和物流、內部的生產、再到面向下游的銷售和服務）以及支持活動（包括金融、財務、人力資源管理等）。

數智價值鏈就是在波特提出的價值鏈基礎上，增加一個數智活動。“數”指使用大數據，“智”指使用智能分析技術（機器學習等）。在數字經濟時代，數智活動將成為企業(yè)價值鏈必不可少的價值增值活動，就像營銷、生產、人力資源等等，成為企業(yè)價值鏈中的關鍵一環(huán)。

走出數字化建設誤區(qū)

提出建立數智價值鏈，是因為在數字化轉型過程中，我們觀察到很多企業(yè)陷入了“只見樹木不見森林”的誤區(qū)。所謂樹木，就是具體的數字化轉型項目。很多企業(yè)為了推進數字化轉型，瞄準業(yè)務痛點，積極推進具體的數字化運營項目，例如智能營銷、數字化物流等（樹木），但是忽略了從根本上對企業(yè)價值鏈進行數智化變革（森林）。

企業(yè)推進數字化轉型中遇到的挑戰(zhàn)，往往就是因為“只見樹木不見森林”導致的，例如：

? 數據孤島：一個需要跨整個價值鏈數據支持的數智項目，卻因為企業(yè)內部沒有一套完整的數據要素流通機制而無法落地。

? 重復基建：多個項目分屬價值鏈的不同活動，由不同的業(yè)務部門負責管理，結果導致重復基建。例如，多個部門在收集同樣或類似的數據，導致大量軟硬件的重復投資，以及沉重繁瑣的重復勞動負擔。

? 人才缺失：業(yè)務部門缺乏處理大數據并進行智能分析的專門人才，對大數據的分析往往流于表面，無法深度加工利用數據要素，無法實現數字化資產的價值增值。

? 激勵錯位：由于難以衡量數智項目的經濟價值，從而難以在部門間進行合理的價值分配，導致參加數智項目的數智部門和業(yè)務部門無法形成高效協(xié)同。

如今，許多企業(yè)已經經歷了相對長期的數字化轉型過程，基本完成了“數字化基建”的階段。然而，當這些企業(yè)想要進入下一階段，也就是“數字化價值變現”階段時，上述挑戰(zhàn)便凸顯出來。這時，企業(yè)需要盡快系統(tǒng)化建設數智價值鏈，重塑數字化管理、運營邏輯，從而使數字化基建的投入產出最大化。

總結來看，數智價值鏈中的數智活動包括三個職能：

數據整合：完成三項整合目標

數據整合職能即從價值鏈各個活動中采集并整合數據資源，并在此基礎上完成數據加工和特征工程，促進企業(yè)內部數據要素的流通使用。例如，銀行業(yè)實施智能營銷項目，需要整合顧客的賬戶活動、投資理財、消費、過往的營銷互動、在網銀上的點擊流等數據，再進行智能分析。

基建階段，數據整合職能面對的突出挑戰(zhàn)是純粹技術層面的，例如如何有效存儲海量數據。進入價值變現階段，數據整合職能應完成數據采集、數據加工和特征工程三個目標。數據采集和數據加工的概念相對清晰。特征工程指從原始數據中提取具有商業(yè)價值和管理意義的數據特征項，從而讓智能分析項目直接使用這些特征，大大加速智能分析的效率。同時，這些工作應該集中在企業(yè)層面完成，避免某個業(yè)務活動缺乏全局數據、不同業(yè)務活動對數據重復提取的問題。

當下，數據整合職能面對的一個突出挑戰(zhàn)是如何合規(guī)采集數據，如何在數據整合以及內部流通過程中保護隱私信息。這一挑戰(zhàn)直接影響著三類數據整合目標的實現。面對這一挑戰(zhàn)，企業(yè)往往為了保證數據安全（例如使用物理安全房等），而損失了數據使用效率。

企業(yè)應該積極擁抱科技賦能的新方案，例如利用最新的技術，如差分隱私技術（differential privacy，DP）。DP可以促進不同商業(yè)組織和部門間的數據打通與隱私保護。例如，當一家金融集團的個人信貸部門需要使用信用卡部門的顧客消費數據，而信用卡部門又對共享顧客消費數據（隱私信息）有擔憂時，就可以使用DP對要共享的數據進行處理。處理后的每一條消費數據已不含有顧客個人隱私信息；與此同時，一個顧客群體的統(tǒng)計屬性（例如消費能力、購物習慣等）依然被很好地保留了下來，可以為個人信貸部門基于顧客群體制定信貸政策提供決策依據。

智能計算：融合業(yè)務知識與計算能力

智能計算職能是以業(yè)務需求為導向，基于以機器學習為代表的計算方法，從大數據中挖掘商務智能，賦能科學決策。智能計算以服務業(yè)務為目的，提供所需資源，包括人員配置、專業(yè)知識和計算能力。

基建階段，企業(yè)可能更多關注計算能力的提升。而進入價值變現階段，突出的挑戰(zhàn)是如何融合業(yè)務知識和智能計算能力。從企業(yè)資源觀的視角看，這種融合性能力難以被模仿，有潛力構成企業(yè)的長期競爭優(yōu)勢。然而，要實現二者的深度融合，關鍵挑戰(zhàn)在于如何讓數據分析人員融入到業(yè)務活動之中，形成對業(yè)務需求的敏銳洞察，培養(yǎng)起積極探索分析方向的主動意識和有效梳理分析邏輯的綜合能力。

在現實中我們經常觀察到，面對同樣的業(yè)務問題，有經驗和有主觀能動性的數據分析和建模人員可以更快地理解業(yè)務特點，主動學習和掌握業(yè)務知識并將其應用在分析和建模過程中。智能分析和建模的結果往往依賴于建模過程的調參和試錯過程。另外非常重要的一點是，如何有效協(xié)同業(yè)務部門和數智部門的激勵與分配機制（這直接影響了數據分析和建模人員的激勵），是建立并治理好數智價值鏈的一個關鍵。

解決方案的關鍵是針對企業(yè)數智部門提供的數據和計算服務設立有效的成本分攤（chargeback）機制：即建立一套有效的機制，讓使用了數智服務的業(yè)務部門為所使用的服務“埋單”。

為此，企業(yè)需要制度創(chuàng)新。比如數智部門作為獨立公司運營，各業(yè)務部門以數據參股并獲得分紅，這樣可以激勵各業(yè)務部門參與數智部門的數據搜集和整合工作。數智部門為業(yè)務部門實施智能項目，業(yè)務部門付費，這個機制可以強化業(yè)務部門以價值創(chuàng)造為導向并有效使用企業(yè)數智資源的意識，并以市場機制為數智部門提供的服務“埋單”。

價值評估：科學衡量無形資產價值，完善價值貢獻激勵機制

科學衡量智能管理項目產生經濟價值，需要建立企業(yè)統(tǒng)一的價值評估平臺。它將幫助企業(yè)更好地解決智能計算職能中面臨的挑戰(zhàn)：數智部門提供的數據和計算服務是無形資產，衡量無形資產的價值是企業(yè)長期面對的難題。不解決這一難題，企業(yè)很難建立起基于價值貢獻的激勵機制與分配機制。

以對照實驗為代表的因果推斷方法，為科學評估數字化運營的經濟價值和投資回報率提供了有效途徑。對照實驗的核心邏輯在于通過完全隨機化過程，將項目單元分為若干個實驗組和對照組，并在每個組實施不同的策略，從而觀察對比不同組最終實現的業(yè)務目標，得到不同策略的經濟價值估計。

線上對照實驗作為數據驅動因果推斷的黃金準則，在過去20年內推動了包括谷歌、亞馬遜、微軟、臉書在內眾多科技公司的數字化運營。例如，谷歌在改進廣告排序系統(tǒng)算法時，要依靠上百個對照實驗和多次迭代；微軟搜索引擎團隊每年要運行上千個實驗，目的是為了將相關任務營收指標提升2%；在我國，越來越多的科技公司都開始建立專門用于對照實驗的企業(yè)級基礎設施。一些企業(yè)，如騰訊和快手，通過每年幾萬至幾千萬次的對照實驗來改善產品、優(yōu)化決策、評估效益，進而增強企業(yè)的盈利能力。

傳統(tǒng)行業(yè)在數字化轉型過程中需要擁抱對照實驗，它是理解復雜現象和評估“數智價值鏈”活動價值的理想工具。科技公司也應該主動進行科技輸出，推動數實結合，加快傳統(tǒng)企業(yè)建立和應用以對照實驗平臺為代表的科學管理平臺。

數智價值鏈是對企業(yè)價值鏈的一個根本改造，建立數智價值鏈需要有效融合長期主義和短期價值。在企業(yè)層面建立數智活動的三個職能，涉及到企業(yè)所有部門，需要制度創(chuàng)新并建設企業(yè)層面的科學管理平臺，缺乏長期主義是難以成功的。也正是因為建設數智價值鏈不會一蹴而就，企業(yè)需要選擇易于實現數智價值的業(yè)務活動作為突破點，圍繞這個突破點試點數智職能，從而建立起全企業(yè)對數智變革的信心和文化。

徐心、孫辰朔、郭迅華 | 文

徐心是清華大學經濟管理學院副院長，管理科學與工程系教授。孫辰朔是清華大學經管學院人工智能與管理研究中心訪問學者，新加坡國立大學助理教授、博士生導師。郭迅華是清華大學經管學院管理科學與工程系教授。

《哈佛商業(yè)評論》中文版 聯(lián)系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org

關鍵詞： 對照實驗 經濟價值 計算能力