基于价值驱动的铁路数据服务能力提升策略研究.pdf

铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 09 期基于价值驱动的铁路数据服务能力提升策略研究Research on Value-Driven Improvement Strategy of Railway Data Service Capability李文文，苟娟琼，穆文歆LI Wenwen，GOU Juanqiong，MU Wenxin（北京交通大学 经济管理学院，北京 100044）(School of Economics and Management,Beijing Jiaotong University,Beijing 100044,China)摘要：受限于数据规模和数据源种类的丰富程度，多数企业应用数据服务刚起步，对于隐藏在数据中的价值认识还不够充分，影响数据资产的开发利用，因而数据服务能力受限。针对铁路数据管理现状，通过分析数据价值和数据服务，提出价值驱动的数据协同服务模式，借助协作场景元模型阐述以“数据需求-数据融合-数据服务-战略目标”的敏捷迭代数据价值释放逻辑，探讨以最大化释放数据价值为驱动的数据服务能力提升方法过程，以期为铁路企业主动提升数据服务能力提供参考。研究发现，提升铁路企业数据服务能力应重点关注：与业务深度融合的数据价值释放、协作网络中参与者的综合能力和数据服务能力提升过程中的各阶段特征目标。关键词：价值驱动；数据价值；数据管理；数据价值释放；数据服务能力Abstract:Limited by the scale of data and the richness of data source types,most enterprises have just started to apply data services,and they do not fully recognize the value hidden in data,which affects the development and utilization of data assets,and thus data service capability is limited.Aiming at the current situation of railway data management,this paper proposed a value-driven data collaborative service model by analyzing data value and data service,expounded on the agile iterative data value release logic of“data demand-data fusion-data service-strategic goal”with the help of collaborative scenario metamodel,and discussed the process of data service capability improvement driven by maximizing data value release,so as to provide suggestions for railway enterprises to actively improve data service capabilities.The study finds that improving the data service capability of railway enterprises should focus on the data value release with deep integration of business,the comprehensive ability of participants in a collaborative network,and the goals that characterize the stages in the process of improving the data service capability.Keywords:Value-Driven;Data Value;Data Management;Data Value Release;Data Service Capability 文章编号：1003-1421（2023）09-0112-07 中图分类号：U29 文献标识码：ADOI：10.16668/ki.issn.1003-1421.2023.09.16引用格式：李文文，苟娟琼，穆文歆.基于价值驱动的铁路数据服务能力提升策略研究J.铁道运输与经济，2023，45(9)：112-118.LI Wenwen，GOU Juanqiong，MU Wenxin.Research on Value-Driven Improvement Strategy of Railway Data Service CapabilityJ.Railway Transport and Economy，2023，45(9)：112-118.-112李文文 等 基于价值驱动的铁路数据服务能力提升策略研究0引言万物互联时代，各行业已经积累大量的数据资产，亟待发挥重大价值。数据资产管理实践白皮书(4.0版)指出受限于数据规模和数据源种类的丰富程度，多数企业应用刚起步，对隐藏在数据中的价值认识还不够充分，对数据服务和数据应用缺乏合规性指导，没有找到一条释放数据价值的“最优路径”，以推动企业数字化发展。铁路作为国家经济大动脉，数据对企业的重要性自然不言而喻，中国国家铁路集团有限公司“十四五”发展规划(铁发改202269号)指出要以信息化驱动发展方式和治理方式变革，推进数字经济与铁路业务融合发展，助力铁路数字化转型。而数据服务作为满足用户多样化需求的服务产品，对于提高业务效率、最大化释放数据价值、赋能企业数字化转型至关重要，提升数据服务能力是加快这一进程的重点方向。现有各领域对数据服务能力提升的探讨主要集中在供给侧层面1，通过构建数据管理服务能力成熟度模型2和数据服务能力评价体系3，识别评价现有数据服务能力水平，以实现数据质量和服务能力的管理、改进和提高，但被动管理效果不显著，无法最大化释放数据的真正价值，影响数据服务开发利用。鲜少有研究从促使数据价值应用落地、最大化释放数据价值出发，主动挖掘数据管理和数据服务过程中的薄弱环节，以提升数据服务能力。针对铁路数据管理现状，分析数据价值和数据服务，提出基于价值驱动的数据服务能力提升策略，最大化释放数据真正的价值，寻找主动提升数据服务能力的方法，以期为提升铁路企业数据服务能力提供参考，推动铁路数字化发展。1数据价值和数据服务分析作为一种具有重大价值的无形资产，数据具有非竞争性和零边际成本等特性，数据价值时效性强4，不确定性较高，具有典型的价值后验性5。Enders6对数据价值的关注在于“数据本身”，提出通过查看数据源可以对数据的潜在价值进行评估。陈虎等7认为数据价值在很大程度上取决于数据的应用价值，同样的数据在不同持有者手里会发挥不同的作用8。基于数据治理价值链模型，黄科满等9确定数据价值释放所具备的基本活动和辅助活动，提出数据服务是数据价值释放的载体，数据服务的持久化运营需要实现数据价值的充分释放。数据使用的越多，越能“倒逼”企业提高数据质量，提升数据服务能力10。需要围绕业务活动开展数据治理，提高数据质量，构建数据价值链，将数据转化为产品和服务，辅助企业业务决策11。根据唐要家等4提出的数据价值释放理论逻辑，数据价值链可以理解为：围绕企业业务活动，从数据源到数据应用的全生命周期活动为数据价值链的主要活动，组织的资源环境等为数据价值链的辅助活动，以此释放数据真正的价值。综上所述，对数据价值和数据服务的理解如下。（1）数据价值时效性强，不确定性高，后验性典型，对于数据源本身来说，数据固然有潜在价值，但不结合业务场景讨论数据价值便会没有意义，因而数据源作为交易主体的直接价值不是研究的重点。（2）研究理解的数据价值是由业务活动中产生的数据，经过一系列创造性活动，又反馈到业务场景中的数据应用价值。基本思想是：在企业经营活动过程中产生的数据，通过数据模型的构建形成数据服务，最终服务于企业业务活动决策而产生的价值，才是研究的重点内容。（3）数据质量是数据发挥价值的基础，数据服务是数据发挥价值的有效载体，数据价值释放须借助数据管理和企业业务活动，数据使用的越多，数据价值越能充分发挥，越能提升企业数据服务能力。2铁路数据管理现状铁路数据相较于其他领域的数据，具有数据总量大、数据类型多、数据关联强、数据价值高等特点。目前，各领域信息系统基本实现业务场景全覆盖，中国国家铁路集团有限公司(以下简称“国铁集团”)及所属铁路局集团公司纷纷推进数据管理相关工作，以推动智能铁路信息化建设。研究借鉴数据管理能力成熟度评估(DCMM)模型12评估指标，对国铁集团所属的288份信息系统设计文件等相关资料进行梳理，以了解目前铁路数据管理现状。经-113李文文 等 基于价值驱动的铁路数据服务能力提升策略研究去重检查，业务支撑类系统100个，终端采集类和专业问题数据分析类系统17个。铁路数据管理现状如表1所示。根据以上分析表明，铁路数据作为组织内部的重要资产，有力地推动铁路运营工作，铁路信息化取得了很大进展，已建设铁路数据服务平台对铁路各业务领域数据资源进行集成整合，逐步打破各应用系统间的数据壁垒，数据标准、质量有了较大的提升，数据分析也逐渐地从单一专业向多专业融合发展，支撑各领域大数据分析应用的开展。基于铁路数据特点和数据管理需求，需要结合多专业知识、多专业系统数据融合来提升数据的价值，现有数据管理方式无法最大化盘活数据资产，对于复杂的分析业务无法起到有效的应用支撑，数据价值难以发挥。对各业务领域数据进行有效管理，形成满足业务应用的数据质量，最大化释放数据价值，是提升铁路数据服务能力急需解决的重要问题。3基于价值驱动的数据服务能力提升研究3.1基于价值驱动的数据协同服务模式场景思维要求从用户服务角度出发，动态感知用户需求，智能匹配用户需求与数据资源，并相应地提供主动式的数据服务，从而达到辅助业务决策、实现组织目标的目的13。研究所提出的基于价值驱动的数据协同服务模式如图1所示，与以往数据服务能力提升方法过程最大的不同在于：是从最大化释放数据真正价值出发的主动提升模式，围绕企业业务活动，将从业务中产生的数据，经过一系列创造性活动，最后回嵌到业务过程当中，并通过释放数据应用价值的敏捷迭代逻辑，自顶向下分析组织业务过程中的薄弱环节，以提升数据质量和数据价值，进而提高组织数据服务能力。研究提出的基于价值驱动的数据协同服务模式主要分为围绕数据价值链思想的数据管理活动、数据协同服务涉及的利益主体和敏捷迭代的数据价值释放逻辑 3 个部分。（1）围绕数据价值链思想的数据管理活动。底层为业务人员在企业业务运营过程中所需要的内外部数据和在业务过程中产生的数据。其中，原始数据是数据价值的初始形态，反映的是数据的潜在价值。在以提高数据质量为核心的数据治理层，拥有核心知识经验的数据管理人员利用组织内资源对数据进行加工处理，可以参考数据互操作方法13-14，实现多源异构数据融合，促进数据在“安全合规”的情况下开发共享，形成组织业务发展需要的可应用数据。衍生数据是数据价值的中级形态，主要反映的是数据采集汇聚、加工处理后产生的价值。综合底层的业务需求和数据支持，对数据进行进一步的开发利用，形成数据知识地图，搭建数据服务平台，数据模型和服务交换共享，同时对数据服务应用效果所产生的数据价值进行评估，明晰数据管理活动的有效性带来的数据价值提升程度，在组织战略的指引下，指导组织业务决策。数据驱动的应用，是数据价值的高级形态，反映的是数据创新性应用的创造性价值。（2）数据协同服务涉及的利益主体。在整个数据服务形成过程中，原始数据的收集和数据需求的发现，一般需要依靠业务人员的专业业务能力和敏锐的洞察力，组织需要规范数据采集标准，保证原始数据质量，并将需求有效转化为服务。在数据治理过程中，数据管理人员结合业务需求，协调各方资源，提升自身核心数据处理能力和团队协作能力。在数据应用过程中，高层管理人员需要具有良好的顶层设计能力，在组织内形成价值驱动的数据管理理念，制定适合组织发展的业务战略和数据战略。在组织战略的指引下，业务人员通过已形成的数据服务应用开展业务活动，反馈给数据管理人员表1铁路数据管理现状Tab.1Current situation of railway data management系统名称XX系统资料名称XX资料智能数据/服务席位智能管理数据质量数 据 质 量检查、提升数据生命管理周期主要是 XX等，未涉及数据退役等元数据管理依据XX进行元数据管理主数据管理铁路主数据中心对 XX管理数据字典基础数据字典管理数据标准涉及业务术语数据安全按系统级别设置密级等数据共享/交换统 一 的 数 据共享集成平台与 各 个 系 统实现交换共享数据管理设计主数据管理等数据战略XX指导数 据 战 略布局和实施-114李文文 等 基于价值驱动的铁路数据服务能力提升策略研究评估增值后的数据价值效能，进而评估数据服务提供过程中各项活动的有效性，以挖掘数据管理和数据服务过程中的薄弱环节。（3）敏捷迭代的数据价值释放逻辑。数据价值释放遵循“数据需求-数据融合-数据服务-战略目标”的敏捷迭代逻辑，自底向上从底层业务出发，围绕研究提出的数据价值思想，以数据应用价值落地为驱动力提出数据需求。各利益主体充分利用组织内资源，跨越组织边界，以促进多源异构数据融合为目标，开展数据协同治理，将业务实践融入数据分析，促使数据业务化，为开展数据服务提供必要的数据支持。数据服务又为组织设定的战略目标实现提供数据服务平台，构建业务数据知识化赋能应用体系，开展业务活动，将由业务产生的数据回嵌到业务过程当中，促进业务智能化，使数据应用价值落地。自顶向下又以组织设定的业务战略和数据战略目标为驱动力，主动规划改进数据服务，以数据服务价值驱动力为数据融合提供新的任务，“倒逼”组织挖掘数据服务提供过程中的薄弱环节，进而改善组织数据处理流程，推动日常业务数据化，赋能业务智能化。业务效率增加又产生新的数据需求，在增量业务需求下推动更深层次的数据协同治理，提供新的数据服务，进而提高组织战略目标。对于数据服务能力提升策略来说，该过程是数据服务价值的双向良性循环，在此过程中提升组织的数据服务水平，达到数据价值的最大化释放。3.2基于协作场景元模型的数据价值释放数据价值释放需要多个利益主体配合开展数据协同服务来实现，以达到数据最大化开发利用，更好地将数据沉淀为知识。由Benaben等15于2016年提出的协作场景元模型，描述了复杂协作网络的组成要素，该模型主要由场景、参与者、目标、行为4部分组成，具有一定的普适性，广泛适用于各类型的业务协作网络。基于协作场景元模型的数据价值释放如图2所示，研究重新解构各个要素，以解释复杂协作网络中的数据价值释放逻辑。针对研究提出的“数据需求-数据融合-数据服资源 参与者 参与者目标 协同活动 场景 数据治理 数据安全 数据共享 数据管理-数据质量-数据融合 数据知识地图 数据服务平台 服务运营 数据服务设计与实现 协同活动 业务目标 数据管理目标 参与者目标 参与者 数据 知识经验 数据需求 评价指标 数据价值评估 资源 组织内外环境 场景 图2基于协作场景元模型的数据价值释放Fig.2Data value release based on collaborative scenario metamodel业务运营链条 内部数据 外部数据 数据源 数据治理-数据质量 数据安全 资源支撑 制度流程 数据人员能力 组织业务战略+数据战略 战略目标 数据服务 数据融合 数据需求 数据应用 数据知识地图 数据服务平台 数据价值评估 业务人员 数据管理人员 数据管理人员+业务人员 利益相关主体 数据协同治理 数据业务化 数据知识化 战略驱动 价值驱动 业务数据化 数据价值链 数据共享 高层管理人员 数据驱动的应用 衍生数据 原始数据 数据价值释放 图1基于价值驱动的数据协同服务模式Fig.1Value-driven data collaborative service model-115李文文 等 基于价值驱动的铁路数据服务能力提升策略研究务-战略目标”数据价值释放逻辑，协作场景元模型良好地体现了协作网络中的多个利益主体，以协作网络内参与者目标为指导，根据自身所处的业务场景和所拥有的数据、知识经验等资源提出数据需求，开展数据协同服务，促使数据业务化、知识化，建设满足组织战略发展需要的数据服务产品，推动业务智能化发展。（1）场景：数据价值释放所包含的环境特征。组织的内外环境是数据价值释放的重要前提条件，包括人、物、社会环境等。对于数据价值释放来说，清晰的数据流程和程序有利于明确各方职责与权力，从上层建筑层面统一调配组织人、财、物资源，有利于统筹制定数据管理和数据服务应用建设内容。（2）参与者：数据价值释放的主要执行者。参与者是储备一定数据、知识经验，拥有协作网络内资源的多个利益主体。协作网络内的一切活动都需要人来调配业务场景内的资源，参与者是协同网络中最具创造力的因素，对于数据价值释放有不可替代的作用，是整个协作网络的核心。（3）目标：参与者以最大化数据价值释放为目标。目标在协作网络中有很多种，业务目标、数据管理目标等，各个目标之间具有关联关系，有依赖，有冲突，参与者需要综合协调所处业务场景中各目标之间的平衡。在目标的指导下开展协同活动，确定数据管理和数据价值释放的重点方向。（4）行为：行为主要和参与者目标之间存在关联，在目标的指导下参与者进行一系列协同活动，活动对于目标的效果采用评价指标进行评价检验。在目标的指引下，协同网络内的多个利益主体协同开展以提高数据质量，促进数据融合的数据管理活动，在保证数据安全的情况下开发共享，提供数据服务产品，在应用过程中以数据价值评估对协同活动评价检验，以达到数据应用价值最大化释放。研究以铁路货运计量安全监测领域为例，进一步阐述数据价值释放逻辑。货运计量安全监测参与者主要是铁路货运管理人员。参与者围绕所处业务场景，以保障货运安全、最大化释放数据价值为目标，提出的主要需求为货运安全检测监控管理、风险管控与决策支持等多个方面。综合需求分析和数据资源，驱动数据管理人员和各业务单位开展跨专业、跨领域的数据协同治理，通过各业务领域信息的融合处理、重构、共享及综合分析，实现对全路车辆货物装载状态的全面掌控，深入挖掘风险隐患演变规律，逐步实现风险故障预警预测，再通过智能化安全服务平台等途径，将风险预警微服务产品嵌入到各专业业务系统中去，实现风险预警微服务智能化推送给各利益主体。将所形成的风险预警微服务应用到实际业务过程，释放最终数据价值，通过分析既有风险隐患，借助所推荐的数据服务，业务人员对风险进行预警预控，并将风险管理经验存储在知识库中，提升安全管理效率，同时在业务过程中评估数据价值释放效能，推动服务能力提升。在此过程中数据赋能业务智能化，重构业务流程，数据价值得以增值，服务价值得以升级。业务智能提高协作网络战略目标，通过数据汇总与综合分析，为制定、调整铁路规章制度提供辅助决策依据，驱动高层管理人员主动规划改进数据服务，挖掘业务过程中的薄弱环节，进而改进协作网络中的数据管理和数据服务实现方式，搭建铁路数据服务平台，规范数据标准，形成数据知识地图，实现数据资源的精细化管理。铁路数据服务平台从既有各业务系统采集数据，同时又为各系统提供数据交换、数据分析服务，进而不断挖掘数据潜在价值。在服务运营过程中不断提出新的数据需求，开展高层次的数据管理活动和数据服务设计，促使货运安全监测形成有机整体，监控人员与系统之间形成完整的信息反馈链条，进一步提升参与者拥有的数据、知识经验质量，促使数据价值进一步增值，服务价值进一步升级。形成数据服务价值双向良性循环，在协作过程中不断推进数据价值最大化释放，最终提升组织数据服务能力，为全路货运检测监控与管理提供综合应用服务，保证货物运输安全。3.3基于价值驱动的数据服务能力提升过程通过对数据价值和数据服务的讨论，提出基于价值驱动的数据协同服务模式，并基于协作场景元模型阐述数据价值释放的理论逻辑，由此，可以构建基于价值驱动的数据服务能力提升过程模型如图3所示。通过该模型可以得出以下主要结论。（1）数据价值释放驱动形成的数据服务产品，以业务流程嵌入数据化业务，对数据服务能力提升-116李文文 等 基于价值驱动的铁路数据服务能力提升策略研究具有促进作用，不能离开业务场景讨论数据服务能力的提升。自底向上以数据应用价值为驱动力，深度挖掘数据需求，提高数据质量，满足业务应用；自顶向下以服务价值升级驱动组织主动挖掘数据管理和数据服务过程中的薄弱环节，综合利用数据、组织与技术等多种资源，有针对地主动开展数据协同服务，提升组织数据服务能力。（2）在数据价值最大化释放的协作网络中，人的能力和行为是最具创造力的因素。人是数据价值释放和数据服务设计运营的主要执行者，是整个协作网络的核心，各利益主体的顶层设计能力、协作能力、敏锐洞察力和业务能力等，对于挖掘数据需求、协同开展数据治理、推动数据服务升级、提高组织战略目标等发挥着不可忽视的作用。在数据价值释放过程中不断提高组织人员的综合能力，以最终提升组织数据服务水平。（3）需求价值挖掘、数据价值增值、数据服务升级和战略价值提高是数据服务能力提升的各阶段特征目标。需求价值挖掘是数据服务能力提升的起点，数据价值释放带来的数据价值增值对于数据服务提升发挥着支撑和驱动作用，服务价值升级是数据服务能力提升的显性表现，战略价值提高是数据服务能力提升的最高层次。遵循敏捷迭代的数据价值释放逻辑，数据服务能力提升是持续动态的、良性循环的螺旋式上升过程。4结束语在数字化时代，提升组织数据服务能力是铁路智能化发展的重点方向，符合铁路企业数字化转型和智能化发展要求16。数据服务能力提升是一个长久的、动态的过程，需要组织结合实际发展需要，围绕“数据需求-数据融合-数据服务-战略目标”的数据价值释放逻辑不断改进更新，主动发现数据管理和数据服务提供过程中的薄弱环节，提升数据服务水平。研究基于价值驱动的数据服务能力提升过程，探讨组织主动提升数据服务能力的方法过程，相较于传统数据服务能力提升模式而言，为铁路企业提升数据服务能力提供新视角。但未对数据服务能力提升过程各环节做更深层次的具体描述，未来可以进一步细化基于价值驱动的数据服务能力提升过程颗粒度，以用促建、建促并进，实现数据服务升级，从而推动组织数字化发展。参考文献：1 章岸婧，谭必勇.供需视角下文化遗产智慧数据资源服务模式研究J.北京档案，2022(3)：11-15.2 叶 兰.高校图书馆科学数据管理服务能力成熟度模型构数据化业务 数据需求 数据融合 数据服务 价值驱动 需求价值挖掘 数据价值增值 服务价值升级 数据治理 数据安全 数据共享 数据管理-数据质量-数据融合 数据知识地图 数据服务平台 服务运营 数据服务设计与实现 协同活动 业务目标 数据管理目标 参与者目标 参与者 数据 知识经验 组织内外 环境 场景 数据 需求 数据价值评估 数据服务 数据价值释放 业务流程嵌入 数据服务能力提升 资源 战略目标 战略价值提高 图3数据服务能力提升过程模型Fig.3Data service capability improvement process model-117李文文 等 基于价值驱动的铁路数据服务能力提升策略研究建与应用研究J.图书情报工作，2022，66(6)：3-14.YE Lan.Research on the Construction and Application of the Service Capability Maturity Model for Research Data Management in University LibrariesJ.Library and Information Service，2022，66(6)：3-14.3 吴雅威，张向先，卢 恒.面向智库需求的智慧数据服务能力评价体系研究J.情报理论与实践，2022，45(1)：77-85.WU Yawei，ZHANG Xiangxian，LU Heng.Research on the Evaluation System of Intelligent Data Services Capability Facing the Needs of Think TanksJ.Information Studies：Theory&Application，2022，45(1)：77-85.4 唐要家，唐春晖.数据价值释放的理论逻辑、实现路径与治理体系J.长白学刊，2022(1)：98-106.TANG Yaojia，TANG Chunhui.The Theoretical Logic，Implementation Path and Governance System of Data Value ReleaseJ.Changbai Journal，2022(1)：98-106.5 程树仁，杨林涛，张 玮，等.基于数据价值的财务精益化转型：国网山西管理培训中心精益化探索之路J.会计之友，2022(13)：57-61.6 ENDERS T.Exploring the Value of Data-A Research AgendaC/OL.(2018-09-13)2022-09-01.https：/doi.org/10.1007/978-3-030-00713-3_21.7 陈 虎，孙彦丛.DT时代基于数据价值链的财务变革J.财会月刊，2022(10)：41-45.8 李清逸，罗敬蔚.数据价值链视角下数据要素定价机制研究J.价格理论与实践，2022(3)：94-97.LI Qingyi，LUO Jingwei.Research on the Pricing Mechanism of Data Elements from the Perspective of Data Value ChainJ.Price：Theory&Practice，2022(3)：94-97.9 黄科满，杜小勇.数据治理价值链模型与数据基础制度分析J.大数据，2022，8(4)：3-16.HUANG Keman，DU Xiaoyong.Value Chain Model of Data Governance and Its Application on Data Governance Regulation AnalysisJ.Big Data Research，2022，8(4)：3-16.10 李 超，邓 果，余 琳，等.高校数据服务水平提升路径的研究J.实验室研究与探索，2021，40(5)：252-256.LI Chao，DENG Guo，YU Lin，et al.Research on Improvement Path of University Data Service LevelJ.Research and Exploration in Laboratory，2021，40(5)：252-256.11 陈 虎，郭 奕.数据价值体系推动财务数字化转型J.财会月刊，2022(8)：37-42.12 李 冰，宾军志.数据管理能力成熟度模型J.大数据，2017，3(4)：29-36.LI Bing，BIN Junzhi.Data Management Capability Maturity ModelJ.Big Data Research，2017，3(4)：29-36.13 庞贝贝，苟娟琼，张 雷，等.基于主题分析和语用情境融合的多义术语识别研究J.情报理论与实践，2022，45(1)：177-186.PANG Beibei，GOU Juanqiong，ZHANG Lei，et al.Research on Polysemy Recognition Based on Topic Analysis and Usage Context FusionJ.Information Studies：Theory&Application，2022，45(1)：177-186.14 PANG B，GOU J，AFSARMANESH H，et al.Methodology and Mechanisms for Federation of Heterogeneous Metadata Sources and Ontology Development in Emerging Collaborative EnvironmentJ/OL.(2021-05-31)2022-09-01.https：/ BENABEN F，LAURAS M，TRUPTIL S，et al.A Metamodel for Knowledge Management in Crisis ManagementC/OL.(2016-03-10)2022-09-01.http：/ieeexplore.ieee.org/document/7427199.16 吴 江，马小宁，邹 丹，等.基于AHP-FCE的铁路数据资产价值评估方法J.铁道运输与经济，2021，43(12)：80-86.WU Jiang，MA Xiaoning，ZOU Dan，et al.Value Evaluation Method for Railway Data Assets Based on AHP-FCEJ.Railway Transport and Economy，2021，43(12)：80-86.收稿日期：2022-10-06通信作者：苟娟琼(1970)，女，北京人，北京交通大学经济管理学院教授。基金项目：中国国家铁路集团有限公司科技研究开发计划课题(N2021S009)责任编辑：李丹丹-118