数据要素产业链的价值分配大体沿“加工—分析”两个阶段展开：数据加工属于数据资源化环节，技术门槛相对有限，价值分配更多由人工与规模驱动；数据分析属于数据价值化环节，附加值更高，价值分配向掌握数据获取能力与技术平台的服务商倾斜。拓尔思（A股首家上市的大数据技术公司）正处在数据分析这一环，依托自主研发的大数据基础平台与 TRS（文本检索系统）人工智能平台，以及日均亿级数据获取能力，形成从数据获取、检索到分析的完整挖掘链路。

产业链价值分配：加工与分析的附加值差异

数据加工是数据资源化的第一步，主要对企业采集和存储的数据进行筛选处理，提高可用性，过程包括数据清洗、数据标注、数据审核和数据融合。这些环节整体较为成熟，技术难度不大，很多数据运营商可以自主完成。

其中数据标注因人工智能训练需求而增速更高，具备一定技术门槛，不少数据运营商选择外包，第三方服务商由此获得分工位置。但总体看，加工环节的价值更多来自人力与流程效率。

数据分析则是释放数据要素潜力、将数据资源价值化的过程，利用工具、手段、方法或思维，从海量和异构数据中发现规律，揭示数据背后的真相，为决策提供依据并指导业务发展。它能挖掘数据要素中潜在的价值信息与不同数据间的相关关系，创造新的经济增长点，达到提高生产销量、降低生产成本的效果——这正是附加值更高、更依赖技术积累的一环。

拓尔思的价值捕获方式

拓尔思成立于 1993 年，在大数据、人工智能和数据安全产品及服务领域拥有三十年技术积累。公司以“数智+赛道”为主要发展战略，专注于自然语言处理（NLP，即人与计算机交互的语言技术），在业内处于领先地位。

其价值捕获建立在三层能力之上：

  • 数据底座：自主研发的大数据基础平台与 TRS 人工智能平台，具备数据获取、数据检索、数据分析等全面的数据挖掘能力。
  • 产品矩阵：核心软件产品包括企业搜索、内容管理和文本挖掘等相关平台和应用软件，并提供基于云计算技术的非结构化信息智能处理技术软件。
  • 数据资产：经过多年行业耕耘，已形成价值丰厚的可运营大数据资源、海量数据资产，以及日均亿级数据获取能力。

这些资源在支撑公司数据智能服务的同时，也为政府、媒体、金融、公安、商业等多行业主体赋能。换言之，拓尔思并非停留在加工外包的分工位置，而是以数据获取能力为入口、以 NLP 技术平台为杠杆，切入数据分析这一高附加值环节。

常见问题

数据要素产业链中，哪一环附加值更高？

数据加工是数据资源化的第一步，环节成熟、技术难度相对不大，价值更多由人工与规模驱动；数据分析则是将数据资源价值化的过程，需要从海量异构数据中发现规律、支撑决策，更依赖技术积累，附加值相对更高。

拓尔思日均亿级数据获取能力处在产业链哪一环？

这一能力属于数据分析环节的入口。拓尔思依托大数据基础平台与 TRS 人工智能平台，具备数据获取、数据检索、数据分析等全面挖掘能力，并以企业搜索、内容管理、文本挖掘等产品矩阵，将数据资源转化为面向多行业主体的智能服务。

拓尔思的商业模式核心是什么？

核心是以“数智+赛道”为发展战略，专注自然语言处理技术，通过自主研发的平台型软件产品与可运营大数据资源，向政府、媒体、金融、公安、商业等多行业主体提供数据智能服务，价值捕获点落在技术平台与数据资产而非单纯人力加工。