第3章 义：3点产生必要
1、数据资产可复用
标签类目体系是中台概念的核心落地点。
1.1 前台、中台、后台三者之间的关系
企业的业务库、信息库、资源库等就是企业的后台，前台由业务、应用等组成。随着数字化转型的深入，消费者诉求的转变以及市场竞争的日趋激烈，前台业务形态逐渐向场景化、灵活化、精细化转变。前台和后台之间的某些属性是相矛盾的：
- 前台要灵活，后台要稳定；
- 前台要连接打通，后台资源有时天然打不通；
- 前台越拆越小，要的是速度，因此是小前台；后台越建越大，要的是全面，因此叫大后台；
前台和后天需要需要一个中台来承接、消弭它们之间的差异。
1.2 数据中台的两大要义
- 在底层数据打通后，把经常用到的数据资源提炼、沉淀下来放在中台。中台最核心的目的就是完成前台业务对后台资源的快速调用、快速试错。标签作为可复用的数据资产的最佳载体，是数据中台理念的落地核心。
- 前台业务调用数据资源时中台能快速响应、无缝连接。
2、面向业务可理解
2.1 需要更具价值的数据资产
- 企业需要找到一种更具价值（能让业务用起来，帮助业务人员解决问题）的数据资产建设办法，把数据资产封装成业务人员能理解的形态是后续资产价值比的必要前提。标签类目体系方法论通过“标签”这种载体将数据资源转化为业务人员能理解的资产形态。业务人员可通过标签的定义、逻辑、值字典、常见应用类型、使用效果等纬度来全面简单地理解数据资产。
- 在工具平台打造得非常顺畅和智能后，业务人员可在一天内完成标签的申请到使用。在标签使用过程中，也可以根据实际情况修改、删除原有标签，同样在一天内生效。此时业务部门对数据的使用效率就会非常高，试错成本非常低，最终以较低的成本找到数据价值路径。这样业务部门就有意愿主动完成数据业务化的转型工作，同时以业务的高频使用来试验标签质量，带给数据部门最真实的反馈信息。
2.2 好数据资产设计办法的特征
- 好的数据资产设计办法是桥接数据和业务的中间逻辑层，让数据变得可阅读、易理解。
- 好的数据资产设计办法是一种统一的对象数据描述办法，应该把个体刻画升级为群体刻画。
- 好的数据资产设计办法具有第一性原则，通过学习方法论+演绎推导即可构建具体的企业资产，而非经过大量实践后在归纳总结。
标签类目体系方法论可满足以上3个特征要求：
- 标签作为面向业务的数据资产载体，一方面以标签的形式串联业务端的理解和操作。另一方面每一个标签都会与底层数据字段相映射，以实现底层数据的切割、相连、操作等。
- 标签类目体系是一种以对象为基础的数据资产梳理方式，对某一类对象的标签类目体系的构建实际上是完成了对某一类对象的模式设计。
- 标签类目体系有自己的第一性原理，根据第一性原理，得出具体的方法、标准、实施步骤和模板工具，而不是某一场景中数据信息的简单收集和罗列。
2.3 数据资产必然走向业务导向
- 要打造哪些数据资产，数据资产怎么用，需要发挥业务人员的群体智慧，根据大量的业务行为进行群体决策，这符合数据来判断的主旨。
- 所谓业务想到，并不是说听业务专家的意见，而是要听业务流程、业务人员、业务数据所表达出来的意见。
- 真正能够发挥数据价值的地方在业务前线。必须以数据的最终价值来驱动数据的全链路运营过程。真正持久的数据资产建设一定不是从治理出发，干的都是苦活累活但是效率却不显著，业务并不为劳苦买单，而要从价值推倒，让业务部门通过收获数据红利来反向醋精数据部门治理和优化数据，并按需主动提供新的数据源。
2.4 数据操作系统下的数据资产流向
以标签作为数据资产价值载体的标签类目体系方法论，其目的是激发业务诉求，寻找并发挥数据价值，是面向业务全程的。在数据操作系统模式下，业务人员向系统发出语音指令的动作是高频的，说明业务需求活跃；而数据开发工程师预设数据库和标签、创建映射的动作应该是相对低频的：在保障稳定的同时，让更多工作由系统自动化完成，可防止全流程卡在数据开发工程师一侧。
3、数据价值可衡量
3.1 什么是数据商品化
- 数据资产化的核心前提是数据商品化，如何将数据切割清楚、组织封装、服务配套成独立的商品单元，并形成数据商品售卖、使用、售后等全链路的运营闭环，将是这几年大数据领域中的研究重点。
- 一定不能直接将数据信息打包售卖，这种粗暴、低价值的售卖方式容易碰触信息安全的红线，不利于数据价值的衡量。
- 标签对数据的业务导向封装正好匹配了数据商品化的思路：将数据拆解成最小粒度单元，既具备某一对象的共有属性，又有丰富的多样性。通过标签这种组织方式，可实现对数据资产的管理、使用、衡量的全链路闭环，因此标签完全符合数据商品化的载体要求。
3.2 数据价值分配模式
数据商品包含数据本身和数据服务，数据本身不能直接售卖，必须通过数据服务才能让最终用户接触到并使用，因此能定价交易的是将数据封装在数据服务中的组合商品形态。数据商品在参与价值分配时，不能直接对数据本身定价或分配价值，只能对带有具体数据的数据服务形态定价或分配价值。
3.3 标签是数据商品最适合的颗粒度
数据商品包含数据本身根据不同的颗粒度可分为对象层、表层、字段层、字段取值层。字段粒度是刻画某一对象群体通用特征的最小粒度。在标签类目体系方法论中，对象对应于根目录，多重表对应于多级目录，属性/字段对应于标签，属性/字段值对应于标签值。
| 数据粒度 | 示例 | 标签方法论 |
|---|---|---|
| 对象层 | 用户 | 根目录 |
| 表层 | 用户基本信息 | 类目 |
| 字段层 | 职业 | 标签 |
| 字段取值层 | 教师 | 标签值 |
3.4 数据商品化全流程运营
以标签为核心的数据商品化全流程运营过程如下：
（1）根据业务场景需求，按照标签类目体系方法论设计标签集。
（2）标签创建后生成标签开发任务，分配给数据开发工程师或算法工程师。当具体字段开发完成后，将数据字段与标签进行关联映射。至此，标签设计完成，经过审核后可以在标签集市中上架，作为商品信息呈现。
（3）业务人员可搜索、浏览、查看标签化的数据商品信息，包括标签名称和标签详情、功效、可应用场景、用户评价等。
（4）通过服务化工具，可将选中的标签集合快速配置成数据服务或数据应用，供业务部门使用。
（5）业务使用过程中所沉淀的日志、反馈、事故等信息都可以用来更好管理标签和服务，帮助优化数据商品的质量。
（6）标签管理过程可更好优化现有标签设计。eg：对于质量不高且无人使用的标签，可吸取教训，避免以后再设计类似的标签；对于质量不高但需求高的标签，寻找更好的设计思路来提升标签质量；对于质量高且需求不高的标签，分析原因后修正标签设计思路；对于质量高且需求高的标签，可不断优化或设计出更多类似特征的标签。
通过标签化的数据商品参与价值分配，可预见以下几个结果：
（1）数据部门将会从成本中心变为利润中心。数据部门生产的数据商品会在业务中发挥价值，并通过商品化进行价值衡量与结算，而不产生价值的数据都UI被下架以减少成本支出，最终数据部门会收支平衡，乃至变成一个以数据作为核心生产要素的产能工厂，实现数据变现。
（2）数据部门中的标签运营部门会成为重中之重。标签运营部门的人员包括数据产品经理或标签设计师、标签管理员、标签运营专员等。标签运营部门会以业务为导向，以实现数据价值为目标，全链路开展标签价值的测算、计量和扩大化的工作。
（3）通过价值才能真正解决数据打通、治理、使用等“老大难”问题。数据打通是数据资产化的前提，但因为存在部门墙、信息孤岛等问题，大家对原始数据过度保护了。DT时代，谁掌握了数据谁就有制胜权，没有使用上数据的公司、业务只能被动受限。在数据价值展现后，业务部门会主动与数据部门沟通数据源打通、数据质量提升优化、数据场景化使用等问题。
（4）数据价值运营是一个持续运作、坚持不懈的过程。数据价值运营是一个艰辛、持续的运行态。数据问题不是解决一次就能“长治久安”的，数据事业是一条需要长期耕耘、时刻警惕的艰辛之路。