企业数字化转型,不仅是技术能力,更是业务和组织的问题

关注
数字化之所以现在才火起来,是因为我们如今面临着一个非常大的变局——数据量的指数级增长,所以本文要对数字化转型有个重新的定义。

封面(320_200).png

BangTalk︱第5期

讲师︱何夕 奇点云副总裁

主题︱数据中台建设之道

自今年8月开始,数据中台相关搜索词有了一个飞速的增长,但数字化转型这个词已经大概有20多年的历史了,包括现在我们使用的一些评估法。

数字化之所以现在才火起来,是因为我们如今面临着一个非常大的变局——数据量的指数级增长,所以本文要对数字化转型有个重新的定义。

图1.jpg

现在很多讲技术、数字化的时候,更多的是讲云计算、大数据和人工智能技术,只有在这些基础之上,我们才能站在技术发展的层面上看数字化转型的本质。

在过去10年的工业改革生产力里,机器慢慢代替了人,所以现在来看,更多指向是数字化转型的未来,是人工智能的未来。

如何去定义人工智能的未来?

如何理解数字化转型的本质?

数字化转型的最终它是让人做人该做的事情,让机器做机器该做的事情,人类与机器的脑力和算力协同。

比如:传统的数据分析是刀耕火种的状态,要进行手工的数据提取、数据清洗、透视和分析、生成可视化图表去汇报,在这个过程中你会发现,透视和分析是人工做的事情,但其他流程可以通过BI工具来完成。

图2.jpg

《富足》这本书讲的是:当人类社会物资材料,从供不应求到供过于求的富足状态后,商业模式和商业逻辑都会发生巨大的变化。

2015年是人类社会数据增长的一个关键节点,因为在2015年,其一年产生的数据量是人类过去历史上产生的数据量的总和。

2015年之后,数据量每年增长40%-50%,就表明整个数据量进入了指数级增长,然后它会给我们带来巨大的挑战。

应用到业务里,该如何面对解决呢?

图3.jpg

2009年,阿里巴巴成立阿里云,并带着以下问题正式开启去IOE路程。

如何连接买家和卖家

如何让系统运行更平稳

如何提升效益/降低平台交易成本

阿里收集的大量数据中90%是非结构化的日志数据,但他们想知道:用户从哪来、喜欢买什么、多长时间来一次、因为什么导致购买/不购买、用多长时间去支付,类似这样的分析问题,给阿里带来巨大的数据挑战。

2012年,阿里搭建了第1个数据仓库,来解决OLAP联机分析处理的需求,也就是现在所谓的数据分析BI。

搭建后50%的服务器已经不再处理任何事务,而仅仅用于处理数据,当时TCIF(淘宝消费者数据工厂)的创建者是现在奇点云的创始人行在,并打通了淘宝、天猫、聚划算、所有阿里系的消费者数据,完成了3000+标签体系的建设。

阿里是第一个设立首席数据官CDO的公司,第一任CDO是陆兆禧(顺带一提,老陆也是奇点云的天使投资人),所以他们在2012年标志性事件是拥有了TCIF,所谓的人群定向技术。

比如:一个母婴的卖家/品牌商,需要做全渠道通投触达人群,但同1个用户可能在Top20的母婴网站上都有账号,她会分时间段访问A、B、C不同的网站,以前是20个网站都要投一遍,但用了人群定向技术,那么只需要投放3次,就可以代替原来的全渠道通投,这样会给投放带来极大的效率提升。

阿里在存储和计算的消耗上,人群定向已超过了BI,他们知道了用户的购买频次、喜欢的服饰风格、消费水平,就能很轻松的预测用户下一步会有哪些购买需求,所以后来阿里的小二、运营都依赖这些数据去做决策,但后来,他们在日常工作中发现有40-50%是要分析表格、提取数据,所以他们又提出了让机器人处理高频、重复工作的诉求。

2015年阿里推出千人千面的推荐算法,现在当你打开阿里系的任何一个APP,每个人看到的页面都不一样,阿里有70%以上的GMV是有机器来运营的,流量由机器来精准分配。

比如:做投放时,阿里会帮助商家做自动化编辑文案、抠图的工具,在素材生成的过程中,可以快速进行AB test,看哪张图片最符合CIP。

在2015年后,阿里跨越到了一个非常重要的节点,从人指挥机器到机器指挥人。

同年阿里又做了一个标志性的举动,成立了阿里云的数加平台,阿里历史上第1次把内部的这种技术用到社会上赋能给企业使用(数加平台也是由奇点云的创始人行在来创立的)。

图4.jpg

在各个企业里面,都是部门按照自己对于数字化转型的理解来开展转型工作,比如,财务部只想要个数据仓库,营销部需要数据管理平台,导致行动不一致,而企业希望少预算覆盖多需求。

根据项目管理三角来说,这种项目质量通常会很差,所以企业要有战略目标的格局,梳理项目优先级,才能最大化利用现有资源和技术。

图5.jpg

SKOTT评估法来避免风险

重点关注5个领域:战略、KPI、组织、技术(算例、数据、算法)、人才

数字化转型的利润占比是多少?

是否有相应的算法工程师、架构师、数据分析师....的储备?

图6.jpg

在转型的过程中,企业要建立明星项目,找到业务的突破口。

企业要找到哪些领域的数据能够快速、有效、标杆性的产生业务价值而增值,这个过程要不断去修正业务方向。

阿里和华为是罕见的组织先行,因为他们有了足够强大的数据和技术支持能力,他们接下来要做的事情就是预测未来。

阿里当时提出做新零售,他们把所有跟新零售相关的组织职能,进行了线上线下的汇集,然后才去做了相应的业务和其他安排。

企业会经历这样三个发展阶段:

1、低成本在线:从数据分析开始,辅助决策,提升业务水平,建立数据资产,预测未来;

2、高水平重复:MVP开发模式,在基础上不断的迭代去推广,用机器来处理高频、重复的劳务性工作;

3、通过机器的方式,建立内外部自动化协同,提升运营效率。

一旦进入到这三个阶段,组织会变得非常有活力,称它为前端创新阶段,当企业有了足够多的数据工具和数据资产,去支撑前端业务小步快跑,那么这种创新就会源源不断的涌现出来。

图7.jpg

360°数据诊断方法论:

对企业数据成熟度的评估,总共分成8大模型、8大模块,然后36个小维度,对企业整个数据现状进行有效的诊断,并去清理它数据和业务的差距。

图8.jpg

企业内部要创建数据门户

在与其他企业咨询的过程中发现,因对方按照传统的流程建设,有好的想法也会被埋没,所以需要数据分析来支撑好的想法,所以公司内部要创建数据门户,它的核心价值是厘清差距明确方向。

图9.jpg

企业需要ETL工具,来建立自动化的数据处理和清理工作

每天的工作需要60张的报表,其中30张是常规报表,从人力成本上来讲培养一个分析师要1-2年的时间,那么这些工作就可以通过机器规模化产出的方式,让分析师去做更有深度的事情,当这个机器转化成算法模型,去赋能整个前端的业务。

图10.jpg

那么,首先要解决数据源问题,并且在这个基础上去建平台、立规范,然后确定具体的业务场景,根据业务场景去提升技术端的能力。

并不是单纯把所有数据管起来就可以了,到最后你也不知道是做什么用的。

可以从数据能用起来的角度管理,比如,有什么样的业务场景,需要用到哪些数据,那么后期就可以很好的数据治理,变成数据资产价值,当企业具备了这样的数据管理能力,就可以去赋能业务了。

图11.jpg

DR三支柱模型

帮助企业更好的去完成整个系统建设到数据处理的能力建设。

传统企业的系统建设工作,都是业务向IT提需求,IT会通过自行开发或者投标来完成项目,交付后,IT对系统的使用情况并不了解,可能还会出现数据不通的情况,称为烟囱式建设。

所以从未来的角度来看,企业一定要通过小型的团队来解决数据资产沉淀、数据资产治理、管理、运用的问题。

在这个过程中,要进行职责上的分工,首先需要一个共享服务中心来关注通用能力建设,同时需要ITVP/ITBP,他的职责是站在业务角度来关注技术建设,有效的管理业务数据资产和IT资产,他要跟业务一起发现业务的实际痛点、需求,并且由专家去设计方案,然后完成交付。

图12.jpg

ITBP如何推动业务迭代运营?

业务需要确定提升和改善的指标,数据分析师要提供初步的评估,让大家达成总体目标设计。

在这过程中,业务要考虑和解决,缺什么样的人才、流程、管理工具和某数据的采集。

而ITBP要基于业务的需求进行平台通用能力的建设,比如,业务还在手工提取数据和运算处理,那么ITBP就要提供相应的建模工具和BI工具,通过业务验证和策略优化的过程,持续提升对应的指标。

图13.jpg

奇点云独创「云+端」的数据中台解决方案

阿里巴巴在整个发展过程中,有90%非结构化的日志数据,传统企业要解决这些非结构化数据的采集问题,企业需要有智能硬件终端去收集数据,在这个基础上集成所有结构化数据和其他来源数据,在数据中台进行有效的数据治理和管理,然后转化成前台数据洞察,将这些数据提供给业务场景使用。

奇点云「云+端」所提供的是一个全场景智能化的企业转型服务。借助AI驱动的数据中台,帮助企业既解决数据生产的问题,又解决数据使用的问题。旨在帮助客户真正实现数据化企业运营,盘活企业的数据资产,创造更多商业价值。

图14.png

本文为创业邦原创,未经授权不得转载,否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问,请联系editor@cyzone.cn。


反馈
联系我们
推荐订阅