这篇文章要拆解得明明白白：数据空间不是一个成本中心，它的价值创造有两条清晰的路径——一条面向业务赋能（数据→信息→知识→智慧），一条面向资产增值（数据→资源→资产→资本）。不理解这两条路径的区别和衔接，你永远算不清数据空间投入的ROI。
“这个数据空间建成后，谁付钱？谁赚钱？凭什么赚钱？”
不是说数据空间没有价值，而是大多数方案把”价值”当作一个模糊的必然——”数据流通了自然就有价值”——这是一种危险的想当然。
钻石模型：五种空间 × 三个属性
先把框架搭好。数据空间的”价值钻石模型”用一个四角结构来表达：
顶部五个面——EDS（企业）、IDS（行业）、CDS（城市）、PDS（个人）、TDS（跨境）五种数据空间类型。
左侧：互联互通。数据空间的基础层价值。数据被连接在一起，形成可访问的网络。
中部：可用、可信、可控、可计量。数据空间的核心层价值。数据不只能被访问，还能在可信环境下被使用，使用过程可控、可追溯，价值可计量。
右侧：价值共创。数据空间的高层价值。不是单向的数据交易，而是多方参与者共同创造新的数据产品和数据服务。
三种支撑属性不是平行的，而是递进的：互联互通是前提（数据连起来了才有后面的故事），可信可控是保障（没有安全就没有流通），价值共创是目的（最终释放的是协同创新的价值）。
双塔模型：两条独立且衔接的价值链
理解钻石模型后，最关键的一步是看懂双塔模型。它揭示了数据空间中两条核心价值链——DIKW塔和DRAC塔。
DIKW塔：面向业务赋能。
DIKW是信息科学中的经典模型：Data（数据）→ Information（信息）→ Knowledge（知识）→ Wisdom（智慧）。
在数据空间中，DIKW塔描述了数据从原始状态逐级提炼为业务洞察的过程：
这条价值链的实现依赖的是数据空间的互联互通能力——数据必须在不同系统、不同组织之间流通，才能完成从数据到智慧的跃迁。应用场景是降本增效、精准营销、风险预警、智能决策等——这些都是企业非常熟悉的”数据驱动业务”的故事。
DRAC塔：面向资产增值。
DRAC是另一个模型：Data（数据）→ Resource（资源）→ Asset（资产）→ Capital（资本）。
注意这一塔的起点也是”Data”，但它的跃迁路径完全不同：
资源经过加工和评估变成”资产”（数据资产入表、形成可交易的数据产品）
资产通过交易和金融化变成”资本”（数据作价入股、数据资产质押融资、数据证券化）
这条价值链依赖的是数据空间的价值共创能力和可信可控可计量属性。应用场景是数据资产入表、数据交易、数据金融服务——这些是企业相对陌生的”数据金融化”的故事。
DIKW和DRAC的关系
双塔模型最有价值的地方，不在于两条价值链各自多么清晰，而在于它揭示了两者之间的衔接关系：
DIKW塔解决的是”数据能干什么”（业务价值），DRAC塔解决的是”数据值多少钱”（资产价值）。
一个常见的企业误区是：只建DIKW、不看DRAC。数据中台建了，BI看板做了，降本增效的效益也体现了——但没有同时铺DRAC的轨道：数据没有确权、没有资产化、没有定价。
结果就是：数据创造了业务价值，但没有形成资产价值。业务效益是流动的——今年降了本明年可能成本又弹回来了；资产价值是累积的——资产一旦形成就可以持续增值和交易。
反之亦然。如果只铺DRAC、不建DIKW，数据资产入表了但没有业务价值支撑，资产定价就是空中楼阁。
数据空间的独特价值在于：它提供了DIKW和DRAC两条价值链同时运转的制度和技术环境。这不是两个独立项目的机械相加，而是在同一个基础设施上、同一套规则框架下、同一条数据流上，同时实现业务赋能和资产增值。
一个算账思路
对于企业高管来说，理解价值模型的最直接用途是算ROI。
DIKW侧的投入回报：数据打通减少了多少重复建设？数据驱动的决策提升了多少运营效率？数据产品创造了多少新增业务收入？——这些是可以放在业务部门的P&L里去算的。
DRAC侧的投入回报：数据资产入表增加了多少账面资产？数据产品交易产生了多少直接收入？数据资产化后融资成本下降了多少？——这些是可以放在财务部门的资产负债表上去算的。
数据空间的真正价值，不在于”让数据流通”本身，而在于”让数据同时在两条价值链上升值”——一条面向业务，让数据成为竞争力；一条面向资产，让数据成为资本品。
BSN联盟成员。十年区块链与隐私计算的产品开发和方案咨询，先后参与多个国家重大课题，亲手建过区块链、隐私计算、可信数据空间的落地项目。不追概念，写真的。
