正文
提升大数据的价值，目前主要有数据挖掘、数据共享、数据流通三个主要途径。
✔
通过数据挖掘，企业可以发现一些可能忽视的或者依靠主观经验判断错误的信息，及时调整数据的相关业务和应用，从而提升企业的数据价值。淘宝、京东等电商平台利用积累的数据构建用户画像，帮助决策者更精准把握用户特征，实现精准销、精准服务。
✔
通过数据共享，将开放数据供给社会进行增值开放和创新应用，可以激发大众创业、万众创新。企查查、航旅纵横等就是应用政府开放的数据，通过移动互联网为用户提供服务，产生了极大的社会和经济效益。
✔
通过数据流通，实现对不同属性的数据进行关联，促使数据间发生“聚变反应”，通过整合不同数据间的信息提升数据价值。上海数据交易中心通过整合多方数据，形成中国超过5亿的线上活跃受众的静态与动态的画像标签，帮助移动广告实现精准营销，促进了数据交叉应用。
2、数据价值的“度量衡”
麻省理工学院信息系统研究中心指出:数据价值评估可以帮助企业将数据当作一种战略资产进行观察和治理，帮助企业发现数据中潜在的价值。
那么，如何构建统一的“度量衡”，评估这些原始数据中的价值呢？
国内外在数据价值评估这方面的研究仍然比较欠缺，不少企业结合实际需求，也在尝试开展数据价值评估。
大数据一定程度也是一种无形资产，目前数据价值评估多数还是参考无形资产价值评估的方法，比如市场法、收益法、成本法以及层次分析法等。
例如，阿里巴巴、国家电网在对数据资产价值构成及其主要影响因素分析的基础上，引入层次分析模型构建指标评价体系，建立了基于成本和应用考虑的数据价值评估模型。这些方法的适应场景，总结如下：
✔
成本法以数据形成过程中所产生的成本费用来反映数据价值的大小，不能评价未来数据资产应用带来的价值；
✔
市场法需在相对成熟的市场上寻找近期成交的类似数据交易作为参考，并对有差异的因素加以调整得出相应评估值，目前阶段存在较大局限性；
