2016年3月份，MIT科技评论与ORACLE合作撰写了报告《数据资本的兴起》，将数据描述为与人力和金融一样重要的资本，认为数据将成为未来公司重要的竞争优势来源。
数据已经成为一种资本，和金融资本一样，能够产生新的产品和服务。这种变动会影响到所有公司的竞争策略及为其提供支持的计算架构。和传统认知不同，数据并不是一种冗余资源，相反它具有巨大的稀缺性和独特性。零售商如果缺少必要的融资就无法进入新的市场，同样，没有必需的数据，他们也无法创造新的定价方法。在几乎所有的行业中，公司都正在为建设独特的数据资本库存及其使用方式展开竞赛。仍然将数据视为原材料的公司面临着巨大风险。
数据巨大的差异性以及利用这些数据进行的决策和操作需要一种新的计算架构。这种架构包括三个主要特性：数据平等性、流动性和安全性。对这些特性的追求，使得企业开始投资于一些方便购买和使用的企业计算服务。一些服务以公有云的形式通过互联网交付，其他一些公司的数据源则配置为私有云，两者需通力协作。基于这种新架构会产生新能力，例如数据驱动的量身定制产品和服务。这些能力不仅会极大地改进运营效率，而且会提供新的竞争优势资源。
数据资本创造新的价值
2013年，一个国际犯罪组织攻击了全球最大的在线票务公司之一。但是他们并没有犯下诸如入侵和窃取客户信用卡信息等明显的犯罪行为，而是用窃取的身份认证信息挟持合法的客户账户，使用客户的支付方式购买体育运动和音乐活动的门票，然后重新出售这些门票换取现金。
这种类型的在线盗窃是一门大生意，2015年影响到了美国的1310万民众。仅此一项耗费的成本即达到150亿美金。由于数字盗窃隐藏在普通的交易中，以合法客户身份执行欺诈性交易，因此很难察觉。
发生此次盗窃事件时，票务市场拥有将近4000万个账户。公司如何从中发现哪些账户被窃取?公司的数据科学家分析了整整八年的交易和客户历史，才确认出其中的异常账户。
但是欺诈检测就像一场猫鼠游戏，一旦犯罪分子知道被调查，他们就会尝试新的方法。算法检测是唯一一种能够跟上犯罪分子节奏的方式，而依托海量数据进行训练是算法能够区分合法和非法行为之间差异的唯一方式。自2013年以来，算法的改善已经将票务市场的欺诈尝试降低了95%。
在这样的案例中，我们很容易可以发现算法扮演着关键角色，但其实算法只是引擎，数据才是燃料。没有数据，欺诈检测能力无法独自存在。
这种简单思路蕴含着巨大的含义，这意味着数据已经成为一种资本，能和金融与人力资本一样平起平坐，可以创造新的产品和服务。企业需要对数据资本给予特别的关注，因为它是全球经济附加值的主要来源之一。MIT数字经济倡议董事Erik Brynjolfsson认为“经济中越来越重要的资产不再是由原子，而是由比特组成。”事实上，很多轻资产公司已经在数据上进行了大量投入，例如，Airbnb、Facebook和Netflix。这已经重塑了其所在行业的竞争态势。尽管很多公司拥有大量的数据，但是并没有充分利用这些数据。这些公司必须养成一种新的思维习惯，应当将数据视为一种资产。
数据的经济身份
将数据称为一种资本并不是比喻手法，而是实际情况。在经济学中，资本和自然资源相反，是一种生产性商品，是生产另一种商品或服务的必需品。数据资本是生产商品和服务所必需的有记录的信息。它和诸如建筑、设备等实物资本一样，拥有长期的价值，但是数据资本也具有不同于其他资本的特性，主要反映在以下三个方面：
•非竞争性：实物资本不能多人同时使用，数据资本则不存在这个问题。
•不可替代性：实物资本是可以替换的，例如你可以用一桶石油替换另一桶石油。数据则不行，因为不同的数据含有不同的信息。
•体验性：诸如电影和书籍等体验性商品只有在体验后才能体现其价值。数据也是一样，只有使用后才知道其意义所在。
数据经济的颠覆性
数据是创造新价值的原材料。它们会颠覆现状，对行业进行彻底的重组。
新技术可以采取两种颠覆性创新战略：第一种是低端颠覆战略，即新进者直接与现有企业进行价格竞争，例如书籍零售行业的亚马逊;第二种为新市场颠覆战略，即公司直接针对此前没有时间、技术或金钱来消费某种产品或服务的客户群体，例如，NetFlix首创的邮寄DVD服务。
颠覆性创新的一个重要特性是，尽管以传统方式衡量，它们可能并不如现有产品那样出色，但可以通过其他方面进行弥补，例如价格、便利性和新的功能。当这些产品在保持这些优势的同时，其品质也达到与传统商品没什么差别的时候，这种优势就会变成颠覆性的优势。
但是如果颠覆性战略已经广为人知，那其为何仍具威胁?新的企业如何出其不意地战胜现有企业?原因可以归结为一个词 ——速度。传统行业的增长极为缓慢，相反，短短六年之内，Uber的估值就超过了500亿美元。得益于网络效应、低分销成本和数据驱动的学习曲线，数字服务以令人目眩的速度增长，但同时其价值的消失速度也会和其扩张速度一样迅速。数字经济具有巨大的波动性，是一个赢者通吃的市场。
数据资本及其应用的三原则
哈佛商学院的教授迈克尔波特说，竞争战略意味着以独特的方式创造独特的价值。公司仅仅提供独特性的产品并不足够，还需要用一种其竞争者无法轻易复制的方式来提供这些服务。在其1996年经典的文章《什么是战略》一文中，波特将这种难以复制的价值创造方式描述为公司的“行为系统”。公司所有行为都是金融、技巧、技术、信息和处理资源的结合。由于信息是公司所有活动使用或生产的唯一来源，因此公司日常活动的数字化和数据化对于其竞争战略具有重要影响。以下三个原则是应用数据资本获得竞争优势的重要基石：
•原则一：数据来自于行为
从数据生产的角度来看，行为就像是一块等待发掘的荒地。谁先掌握它们，就能获得更多数据。但并非所有的数据都有相同的价值。要判断哪些行为可以产生最具价值的数据并不容易。一般而言，公司应当聚焦于能够强化其竞争优势的行为上。
•原则二：数据会产生更多数据
用于定价、寻找目标客户、存货管理和欺诈检测的算法会产生有关其自身性能的数据，从而进一步改善其未来的表现。数据资本的这种飞轮效应可以创造一种让对手难以模仿的竞争优势。
•原则三：平台致胜
数字服务的网络效应会加大两极分化，导致赢者通吃，而平台将成为其中制胜的关键。日常行为的数据化和数据化将使得平台相较实体经济行业具有更多竞争优势。公司必须针对平台威胁重新评估其战略定位。
数据资本和企业架构
数据资本的兴起需要一个全新的企业计算架构。加强IT的单一层级，例如分析工具或数据管理工作只会创造新的瓶颈。云计算的出现标志着企业计算能力的全面复兴。大型企业正在通过云基础设施提供的一系列服务重组公司计算环境。混合云环境是数据资本计算的基础。重新配置后的数据管理、集成、分析和应用能力需要遵循三大原则：数据平等性、流动性、安全性和治理。
•数据平等性
数据拥有格式，过去四十年来最常见的格式是关系数据库中的矩形表。这种我们所熟知的行列结构是观测现实世界的一种有效方式，应用非常广泛，但是这种简化的方式已经不足以满足数据时代的要求。照片、音频文件、传感器日志、地图、网络关系和其他各种类型的信息都在创造数据，而这些数据无法纳入到行列结构中。数据的平等性意味着以数据本来的格式和状态保存数据。新一代的数据管理软件可以更加方便地容纳形态各异的数据，例如Hadoop、NoSQL等。这些系统同等重要，而且必须无缝合作，使得分析师、数据科学家和开发者无需了解哪些数据保存在何处。
•数据流动性
但是数据平等性也会带来新的问题。多元化的数据会导致算法、分析和应用差异过大。这一问题的答案就是数据流动性，以最少的时间、成本和风险将所需的数据转换成所需要的格式。数据流动性不仅仅意味着民众拥有更多的灵活性，算法也会从中受益。
•数据安全和治理
以数据为中心的安全方式依旧采用传统的加固边界等安全措施，但同时也须承认数据资本的现实，即数据并非静止不动，而是四处流通，由不同的人在不同的系统中使用。因此保障数据资本的安全意味着需要引入新的技术，例如Hadoop和Spark以及新的云环境。现有的授权、接入、审计和加密技术必须延伸到全部的数据资本计算环境中。同时在前所未有的严格的监管要求下，建立有效的数据治理政策对公司来说就变得日益重要。但是对很多公司来说，这一事项依然保留在计划列表中。
展望：
数据的重要性会持续上升。根据Gartner的报告，2016年，物联网将连接64亿台设备，到2020年将增长到200亿台以上。这些设备将产生越来越多的数据，同时也会带来更多的挑战。历史上，决策者一般依靠直觉，而非数据来进行决策。这一情况正在发生改变。依靠数据进行决策是一种全新的文化。除了辅助人类进行判断以外，数据资本也将拓展算法决策的范围。传统上严格属于人类领域的选择权也将为机器所有。在营销建议、卡车路线设定和信贷审批领域，这已经变成现实。诸如癌症筛查图像算法等今天仍然处于试验阶段的分析算法也将成为未来的常态。
