数据的三大定律：价值从来不是数据本身固有的

近两年来，我频繁遇到一个类似场景。

某企业投入数百万元开展数据治理，制定了标准、搭建了平台、清洗了历史数据。项目验收会上，演示材料显示：数据完整率从62%提升至96%，一致率从71%提升至94%，还获得了一项行业奖项。

半年后回访时，业务部门反馈：“数据仍然不准确，我们还是用Excel手动处理。”

问题究竟出在哪里？

若仅从质量指标看，该项目堪称成功。但换个视角审视——那些干净的数据存储在数仓第三层。业务部门要获取它们，需要提交工单、等待排期、经过两个部门审批。等数据到手时，那场促销活动早已结束。

质量高、距离远、时间已过。三个变量中，只有一个被认真对待。

数据的价值，并非其本身固有的属性。

它由质量、距离、时间三个变量共同决定。我称支配这些变量的规则为数据的三大定律。

一、数据惯性定律：质量账只能算在源头

你是否思考过：你当前处理的数据，早已不是最初那份数据。

给数据添加版本、年龄、生命周期，你会发现它会老化、分裂、被复制、被改写。一份数据从诞生起，只要开始流转，就不再是原来的它。

这就是数据惯性定律：低质量数据一旦进入流通环节，其影响不可回溯，也无法避免。后续的清洗、建模，只是在为最初的那次“偷懒”反复买单。

我常将数据质量比作分娩。生产时多花些力气，得到一个健康的孩子，远比事后一点点弥补要划算成千上万倍。

用公式表示，质量变量Q ∈ [0, 1]，衡量数据的**“出生即健康”**程度。其特性为：源头污染是不可逆折损。这是一个只能下降、难以提升的变量。

该定律破除的误区是：“事后能洗干净”。

典型症状是：同一字段反复清洗，始终无法彻底净化；每次治理项目结束，半年后问题重现。因为污染源未动，你只是在下游不断稀释。

行动指向：将治理动作前置到业务源头，而非入湖那一刻。 字段在哪个系统首次被录入，治理就应发生在那里。

二、数据互斥定律：通用性和价值，天生互斥

数据越集中越值钱？

恰恰相反——离业务越远，它就越不值钱。

数据每远离业务现场一层，价值就衰减一次。公式为V(d) = V₀ · e^(−λd)：V₀是数据在业务现场产生瞬间的价值，d是距业务现场的层级数（业务系统 → 采集 → 清洗 → 建模 → 报表 → 决策），λ是语境衰减系数。

为何会衰减？因为通用性和价值，天生互斥。

你将其抽取得越干净、越通用，它赖以值钱的业务语境流失得越多。当它被抽象到彻底脱离业务语境时，保留的是形态，流失的是意义。

该定律有四条推论，每条都能在企业中找到对应物。

推论一，中台悖论。 数据中台为复用而生，但复用度最高的一层，单点价值最低。这是设计目标决定的，并非实施不到位。

推论二，口径僵化。 离业务越远的口径，越没人敢改，也越没人敢用。最终变成一份谁都能背、但谁都不信的数字。

推论三，成本放大。 在下游补救数据质量的成本，等于在上游省下的成本乘以经过的环节数。这与第一条定律是同一件事的两面。

推论四，最后一公里。 数据九成的价值，只产生在回到业务动作的最后那一公里。

行动指向：将指标定义权还给业务。 不是让业务评审IT的指标，而是让业务自行定义、修改、承担责任。

三、数据的时间价值定律：两个黄金期，中间是断层带

数据越新越值钱？

错。它有两个黄金期。

公式为V(t) = A · e^(−αt) + B · (1 − e^(−βt))，两项相加，形成双峰。

第一个高峰在产生瞬间——那时它能改变结果。决策窗口一关，价值断崖式下跌，α是业务节奏，节奏越快，衰减越猛。一个实时风控模型，若算出结果时交易已完成，其准确率再高也无意义。

第二个高峰在足够久之后——当积累足够长的历史，它又能用于建模、归因、判断趋势，价值二次上升。β是历史厚度，厚度达到何种程度能释放价值，取决于要回答的问题。

麻烦的是中间那段。既不新鲜，也不够老——这就是价值的断层带。

多数企业的数仓中，80%的存储成本，压在这段价值最低的数据上。

这是最常见、也最不易被发现的浪费。

还有一条易被忽略的推论，我称之为连续性溢价：历史数据的价值在于“连续”。断掉一年的历史，损失远不止1/N，因为规律推断直接失效——你无法用有缺口的序列判断周期。

行动指向：分层存储不应仅按“访问频率”设计，应按时间价值曲线设计。 此外，三件事现在可做：实时化投入先看决策窗口长度，只有窗口以分钟计的业务才值得做秒级链路；归档策略要保留低成本但可回热的复活通道；别为节省存储费删除历史，那是最昂贵的省钱方式。

四、为何必须是乘法：这是整套东西中最重要的部分

将三条定律合并，数据的价值函数为：

V = Q × D × T

展开为V(d, t) = Q · V₀ · e^(−λd) · [A·e^(−αt) + B·(1−e^(−βt))]。

请注意中间的符号：是乘号，不是加号。这一点至关重要。

若是加法，可用一项的长板弥补另一项的短板。但乘法不行。

质量再好，离业务太远，价值仍趋近于零——一份完美干净却躺在数仓三层之外的表，无人使用，价值为零。距离再近，过了决策窗口，价值归零——实时计算再准确，等结果出来，促销已结束。既不脏也不远，但卡在断层带，价值最低——这条最隐蔽，也最烧钱。

由此得出一个令人不适的推论：数据治理不能“单点突破”。

许多团队的失败正在于此。他们将质量治理做到90分，但数据离业务三个层级，Q = 0.9，D = 0.1，乘积仅为0.09。投入产出比极差，从而得出“数据治理无用”的结论。

这其实是最小因子定律（李比希定律）在数据领域的映射：三个变量中最低的那个，决定整体价值的上限。向另外两个变量投入资金，天花板不会移动。

五、如何应用：先诊断，再投入

四条实操建议，按顺序执行。

第一，先诊断，别先立项。 为Q / D / T三个变量分别打分，找出团队当前最低的那个。此步耗时不超过两周，但能节省一年预算。

第二，最低的那个，就是当下唯一值得投入的方向。 不是“重点投入”，而是“唯一”。其他两个维持不恶化即可。

第三，不要同时铺开三个变量。 那等于将预算摊薄在三张桌子上，每张桌子都不够用。

第四，每半年重新诊断一次。 因为最低的变量会变化。质量补上来后，距离往往成为新瓶颈——这其实是好事，说明前一阶段做对了。

三条定律速查，建议保存：

（图片链接）

最后的话

讲了三条定律，其实说的是同一件事：数据的价值，从来不是它本身固有的。

它是质量、距离、时间三个变量的函数。而治理的全部工作，就是让这三个变量同时朝有利方向移动。

回到开头那家企业。问题不在于不舍得投入，而在于只投入了三个变量中的一个，然后期待整体价值翻三倍。乘法世界里没有这种好事。

所以下次再有人问“数据治理到底有没有用”，我建议先反问一句：你团队现在最低的那个变量，是哪个？

答不上来，说明还没开始。

你所在的团队，三个变量中最低的是哪一个？欢迎在评论区讨论。

附：这三条定律，我各录制了一段约40秒的口播版，已发在视频号上。想快速了解的可去那边听；想看推导和落地动作的，本文已涵盖。

本文来自微信公众号“数据驱动智能”（ID：Data_0101），作者：王建峰，36氪经授权发布。在使用开云平台进行数据管理时，上述定律同样适用。