数据的三大定律：价值从来不是数据本身固有的

先说说我近两年常遇到的一种情形。

一家公司投入数百万元进行数据治理，制定了标准、搭建了平台、并完成了一轮历史数据清洗。验收会议上，演示文档相当亮眼：数据完整率从62%提升至96%，一致率从71%提升至94%，还额外获得了一项行业奖项。

半年后回访时，业务部门的反馈却是：“数据仍然不准确，我们还是自己用Excel处理。”

问题究竟在哪里？

如果只盯着质量指标，这个项目算是成功的。但换个角度观察就会发现——那些干净的数据，存放在数仓的第三层。业务部门想要获取它们，需要提交工单、等待排期、跨越两个部门进行审批。等数据到手时，那场促销活动早已结束。

质量达标，距离遥远，时机已过。三个因素中，只有一个得到了认真对待。

数据的价值，从来不是数据本身固有的特性。

它由质量、距离、时间这三个因素共同决定。我称支配这些因素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

你是否考虑过这样一个问题：你现在处理的数据，早已不是最初的那份数据了。

为数据添加版本、年龄、生命周期后，你会发现它会老化、分裂、被复制、被修改。一份数据从诞生那一刻起，只要开始流转，它就不再是原来的它了。

这就是数据惯性定律：低质量的数据一旦进入流通环节，它产生的影响无法回溯，也无法避免。后续的清洗、建模工作，都只是在为最初的那次“疏忽”不断买单。

我常将数据质量比作分娩。在生成时多花些力气，得到一个健康的结果，远比事后一点点修补要划算成千上万倍。

用公式表示，质量变量Q ∈ [0, 1]，它衡量的是数据**“出生即健康”**的程度。注意其特性：源头污染是不可逆的折损。这是一个只能下降、很难提升的变量。

这条定律打破的误区是：“事后能洗干净”。

典型症状很容易识别——同一个字段反复清洗，始终无法彻底干净；每次治理项目结束后，半年又恢复原状。因为污染源没有改变，你只是在不断稀释下游问题。

行动指向：将治理动作前置到业务源头，而不是前置到入湖那一刻。 字段在哪个系统里首次被录入，治理就应该在那里进行。

二、数据互斥定律：通用性和价值，天生互斥

数据越集中越有价值？

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。用公式表示为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。

为什么会衰减？因为通用性和价值，天生互斥。

你将它抽取得越干净、越通用，它赖以产生价值的业务语境，就丢失得越多。等到它被抽象到完全脱离业务语境时，保留下来的是形态，流失掉的是意义。

这条定律有四条推论，每条都能在企业中找到对应实例。

推论一，中台悖论。 数据中台为复用而生，但复用度最高的那一层，单点价值最低。这是其设计目标决定的，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。最终变成一份人人都能背诵、但无人信任的数字。

推论三，成本放大。 在下游补救数据质量的成本，等于在上游节省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：把指标定义权还给业务。 不是让业务来评审IT的指标，而是让业务自己定义、自己修改、自己承担责任。

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。它实际上有两个黄金期。

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

第一个高峰在产生的瞬间——那时它还能影响结果。决策窗口关闭后，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，如果算出结果时交易已经完成，其准确率再高也没有意义。

第二个高峰在足够久之后——当你积累足够长的历史数据，它就能用于建模、归因、判断趋势，价值二次上升。β 是历史厚度，厚到什么程度能释放价值，取决于你要回答的问题。

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、也最不易被发现的一种浪费。

还有一条容易被忽略的推论，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——你无法用一份有缺口的序列来判断周期。

行动指向：分层存储不应只按“访问频率”设计，而应按时间价值曲线设计。 另外三件事现在就能做：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构建秒级链路；归档策略要保留一条低成本但可回热的复活通道；别为了节省存储费用而删除历史数据，那是最昂贵的一种省钱方式。

四、为什么必须是乘法：这是整套体系中最关键的一点

将三条定律合并，数据的价值函数如下：

V = Q × D × T

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

注意中间的符号：是乘号，不是加号。这一点至关重要。

如果是加法，你可以用一项的长处去弥补另一项的短板。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，没人使用，价值就是零。距离再近，过了决策窗口，价值归零——实时计算再准确，等你算出来，促销已经结束。既不脏也不远，但卡在断层带，价值最低——这条最隐蔽，也最耗费资源。

由此得出一个不太舒适的推论：数据治理不能“单点突破”。

很多团队的失败正源于此。他们将质量治理做到了90分，但数据离业务三个层级，Q = 0.9，D = 0.1，相乘结果只有0.09。投入产出比极差，然后得出“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，决定了整体价值的上限。向另外两个变量投入资源，天花板不会改变。

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。 将Q / D / T三个变量分别评分，找出你团队当前最低的那个。这一步耗时不超过两周，但能节省一年的预算。

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。 那等于将预算分散在三张桌子上，每张桌子都不够用。

第四，每半年重新诊断一次。 因为最低的那个变量会变化。质量提升后，距离往往成为新的瓶颈——这其实是好事，说明前一阶段取得了成效。

三条定律速查，建议保存下来：

[图片：数据三大定律速查图]

最后的话

讲了三条定律，其实说的都是同一件事：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的方向移动。

回到开头的企业。它的问题不在于投入不足，而在于只投资了三个变量中的一个，却期望整体价值翻三倍。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，三个变量里最低的是哪一个？评论区聊聊。

附一句：这三条定律，我各录制了一段约40秒的口播版，已发布在视频号上。想快速了解的朋友可以去那里听；想看推导和落地细节的，这篇内容都涵盖。

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。