所谓价值（Value）：是为一件事物的付出的成本和通过它获得收益的差额。
数据价值的评估具有一定的挑战性#
对于一般的事物，如一个实物存在的商品，我们可以很轻易的计算出它的价值：售价 - 成本价。
但在数据场景中，对数据进行价值的计算就会变的异常艰难，因为数据的成本和利润并没有统一的标准来定义。而且每个组织中，数据都是唯一的，一个组织中的数据只存在于这个组织中，在别的地方并不存在，所以我们不能根据外部的评估标准来评估自己的数据，应该从内部来计算为这份数据付出的一般性成本和各种收益：
成本：
- 采集和存储数据的成本；
- 数据丢失的弥补成本和对组织生产业务的影响【风险成本】；
- 维持高质量的成本；
收益：
- 数据给业务带来的增长；
- 数据给业务活动带来的提效和降本；
- 竞争对手为数据付出的成本；
- 数据潜在的销售价格和预期收入；
即使说到这里，也能感觉到评估以上的项目就已经不是一件简单的事情了。其主要的挑战是：
数据的价值是依赖他所处的环境的，比如同一份数据在A部门是有价值的，但在B部门就一文不值，数据的价值并不存在普适性。
数据的价值是有时效性的，一份数据在今天是有价值的，而明天它就变的过时了，完全没有价值。
不过，即便如此，一些数据的价值还是有一定的一贯性，比如客户的数据，甚至还有可能随着时间的积累，它的价值还在不断升值。
数据既然做为一种资产，如何用财务价值口径去量化？#
我们首先想到的是如何让财务价值与数据建立联系，组织需要从财务的视角去了解数据资产，以便作出一致的决策。而数据价值的评估过程也可以视为变更管理的一种方式。这点需要数据管理的专业人员向他们所服务的业务方去了解业务的财务意义，这样可以帮助组织更深刻的理解自己的数据，并通过这样的理解改进对数据的管理办法。
所以数据价值的财务口径应该是这样建立联系：
数据 → 业务活动 → 财务价值
理解数据给业务带来的财务价值，就是理解数据在企业中价值#
当我们理解数据服务的对象是谁，以及能给服务的对象带来什么样的收益的时候。我们自然就会有以下几个结论中的一个：
- 该数据对于当前的业务团队来说毫无价值；
- 该数据对于当前的业务ROI有重要意义，例如可以缩减业务人员的人力成本，可以让业务的营收增加10%；
- 该数据对当前业务的的意义在于为业务开拓的新的方向，由原来的100万目标调整为150万，那么这份数据带来的收益就是50万；
在不同的组织中，同一份数据会重复创造价值，如果生产和维护数据的成本为一次性成本，那么它在未来会持续创造业务收益，那么在这份数据的生命周期结束前，数据给业务带来的全部收益都可以做为数据价值的财务衡量。
好的，今天就先说这么多。希望能对您有所启发。
接下来我会把我在过去的职场中积累的经验总结成小册，编入到我们的大数据从业者知识库中，敬请期待！
也欢迎大家关注我们。我会不遗余力的分享，让这里成为一个干净纯粹的大数据相关知识的交流社区。