4 数据导向的多维组合成本

一、数据资产的价值

2012年5月,全球最大的社交网络公司Facebook在NASDAQ上市,上市前投行对其定价是每股38美元,总估值1040亿美元,相当于波音公司、通用汽车和戴尔电脑三家市值之总和。Gartner公司副总裁DougLaney研究了Facebook在IPO(首次公开募股)前的数据,估算出从2009年—2011年其共收集了2.1万亿条有用信息,每条信息以其IPO估值衡量有5美分左右的价值,每位用户有100美元左右的价值。也就是说能把Facebook评估到上千亿美元,很大程度上依据的是其获取的用户数据。

在互联网发展重点从消费级向企业级转移的新阶段,很多公司对未来的商业模式进行了全新思考和探索,对数据产业链中企业数据的价值进行了重新定位和评估,开始像GE一样尽全力收集一切数据,包括眼前看上去没有价值的垃圾数据,为的就是在一个新时代面前有所准备。

2015年4月贵阳大数据交易所正式运营,推动了政府数据公开和行业数据价值发现。观念是随利益变化的,可以想象,在有安全保障的前提下让渡部分数据权利如能给企业带来收益,企业就会逐步参与,数据产业链的良性循环就会逐步形成。多维组合成本项目,不仅因为支持政策制定从而具有管理上的间接价值,而且由于本身的海量数据从而具有数据上的直接价值。

多维组合成本的数据量很大,可以通过与传统成本的对比进行大致估算。例如:

(1)医药生产企业。传统成本计算以药品为成本对象,大概100多种,即成本对象100个;多维组合成本以“生产批号+作业”为成本对象,按一个月30天,每种产品每天平均3个批次,平均工序有5道等来计算,每月成本对象就有30×100×3×5=45000个,相对于传统成本数据增加了450倍左右。

(2)医药流通企业。传统成本计算对药品为成本对象,大概3000多种,即成本对象3000个;多维组合成本以“客户+产品+作业”为成本对象,按100家客户,3000种产品,平均作业有5项等来计算,成本对象就有100×3000×5=150万个,相对于传统成本增加了500倍左右。

(3)快递服务公司。传统成本计算按部门归集成本费用,如果套用成本对象的概念,大概就是200个;多维组合成本以“客户类型+货物类型+路由+作业+部门”为成本对象,按5种客户类型,20种货物类型,100个路由,200个部门,平均作业有5项等来计算,成本对象就有5×20×100×200×5=1000万个,相对于传统成本增加了50000倍左右。

尽管这只是理论上的估算,在实务中很多维度的组合可能是无效的。例如不会向每位客户销售所有的产品,不会由每个部门提供所有的作业等,但即便如此,各类型企业应用多维组合成本后的数据量仍将有几何级数的增长,业务处理系统GB级的数据量在相应的多维组合成本系统很容易就是TB级的。

多维组合成本的分摊标准数量很多且形态多样,让我们重视并采集以往被忽略掉的数据,如作业的工时,运输的距离,广告的次数等。

大量的多样的数据,在工业化时代可能是个恼人的累赘,但在大数据时代却是宝贵的财富。多维组合成本,开拓了新的数据源泉,形成了新的数据宝藏,提供了新的数据价值。

二、数据部门的作用

随着社会转型和产业升级,不同行业不同领域之间的边界越来越模糊,内容越来越交融。以往,随着信息化发展,有种说法“所有公司都是IT公司”。后来,随着互联网发展,有种说法“所有公司都是互联网公司”。现在,随着互联网的发展进入大数据时代,有种说法“所有公司都是数据公司”。尽管这些说法可能有商业噱头或概念炒作的成分,但数据的重要性目前已形成共识,很多公司成立了数据部,设置了首席数据官,专门负责运营数据资产。

过去,信息化项目只是给公司增加投入的项目,信息化建设强调业务部门主导,IT部门配合,信息化部门只是后勤部门。它们是花钱的,产生的效益在别处。

现在,数据部门的出现,使技术不仅是应用的支撑,而且是应用的先导。在多维组合成本项目中,IT部门通过对业务数据的加工处理支持成本计算,数据部门通过对海量数据的分析挖掘指导成本管理和业务开展。