“AI 技术+人才”如何成为企业增长新引擎?戳此了解>>> 了解详情
写点什么

数据中台元年,破除数智化转型中的四大常见误区

  • 2019-10-12
  • 本文字数:2191 字

    阅读完需:约 7 分钟

数据中台元年,破除数智化转型中的四大常见误区

2019 年可谓是“数据中台元年”,过去几年企业市场对大数据的不断积累与沉淀,人们对数据中台、数智化转型的讨论也是非常火热。几乎每个企业都在关心如何构建自己的数据中台,如何利用数据中台构建企业自己的数据银行。


01 从 IT 到 DT 时代,亟需 AI 赋能

IT 时代由人编辑数据库,而在 DT 时代由机器编辑数据库。三年前马老师讲,DT 时代中国是可以直道超车的,因为中国有人口基数的优势,产生的数据最多。阿里巴巴 CEO 张勇也提到了我们从五新迈向了百新,五新里面最核心的是新能源,而新数据就是新能源。中国有十几亿人口,每天产生新能源、新数据也最多,所以人工智能一定在中国先诞生,并且人工智能的技术会复制到全球,全球优秀的企业都会采用中国的大数据和人工智能技术。同时,数据中台将是每一个企业做战略转型和整个业务转型的一个基础设施。企业数字化、智能化就是一种必然的趋势。

02 数智化转型中的四大常见误区

1、拿来主义

在拜访客户时,客户会问有没有数据可以给自己用,这着实有些让人哭笑不得,答案想必是否定的。因为数据是最核心的资产。自己业务系统产生的数据先用起来,形成闭环以后才能慢慢地看怎么把三方的数据融合起来,并把自己的数据和别人做简单的碰撞和交换,数据一定是和应用场景相结合才能被应用起来,拿来主义要不得。

2、业务和 IT 部门谁主导

数智化转型过程应人人参与,各司其职。其实 IT 很多时候是对业务的理解,只是在前面十年 IT 的建设中对业务有很强的理解,以往业务和 IT 之间的沟通有所限制。事实上 IT 在整个过程中通过机器发现了很多业务,这个时候需要有一种新的机制和组织来保障运行,应是一个相辅相成的关系。IT 要更多地理解业务痛点,通过跨部门的协作和整个行业内的数据协作找到业务曾经发现不了的规律。

3、切入点怎么找

在找切入点的过程中,经常说先建一个平台,把所有数据聚进来,再慢慢清洗整理,或是先做一个小的数据应用看它跑得如何。我们说人都是千人千面的,每一家企业当然是不一样的,切入点通常是在大家共同的探讨之后,通过一些方法论找到最适合自己的切入点。企业要做的首先是把不同的业务部门的数据做体系化的梳理,并且找到创新业务最需要的业务应用点,再反推到怎么建数据中台。所以我们常说以用带通、以通带存,以存带采。

4、有存、无通、想用

现在大部分企业有把数据存下来的意识,他们也会找一些数据公司把存量的数据用起来,但所有的数据都没有通起来,真正能够通起来的企业非常少。很多客户觉得数据只有大而全才可以用,其实不然。我们发现其实数据是有多少就可以用多少,关键看你怎么用。


解开以上四大误区的五个方子:


1、采集并用好自有数据,再结合三方


2、IT 与业务深度融合


3、以用带通、以通带存,以存带采


4、数据可以不全,但可以有多少用多少


5、面向数智化转型的组织保障

03 赋能商业,助推企业降本增效


我常说自己承担了技术和商业落地的翻译官的工作。上图从数据采集开始,大家之前都是业务系统里有很多的数据,并且这个数据很多时候维度比较单一,也比较少。我们会通过互联网的数据和三方数据做一些数据升维,数据不全、数据质量差,数据没有被充分利用都是没法做好数智化应用。



我们在深耕数据智能应用,也就是我刚才说的 IT 到 DT 时代的核心改变,我们把智能应用分为人、货、场。在人货场里面做了人货关系、货场关系之间的数据智能应用。在这个智能应用之下到数据的通、存、采集,它才能够跟行业做更多结合。但这是远远不够的,我们认为今后的数据智能应用将会是它的几百倍甚至几千倍。而我们在数智化应用之上,也为零售领域各行业客户数智化转型赋能,助推企业降本增效。在此分享两则我们赋能客户数智化转型的案例:


1、某家居标签体系建设及精准营销


我们为某家居建设统一的客户标签体系,实现了:


• 数据中台总数据量达到 100T,客户数量达到 3000 万


• 新增有效客户标签 200 个以上;


• 基于统一的算法标签实现客户精准投放,渠道投放成本每年节省 500 万元


• 基于精准营销,复购率比原来提升 4%,营收比原来增加 2 亿元左右


2、某商超数据中台构建


我们为某商超建设业务应用和数据中台,实现了:


• 数据中台应用,结合企业微信管理,员工报表使用率提升 20%;


• IT 运维成本下降,通过双中台的升级,设备故障率下降为 0


• 财务处理人员成本下降,通过数据中台中提供的财务及发票的数据智能处理,每年节约 30 万左右的人力成本


• 通过数据中台中智能化,支持优化新业务拓展流程,每个新业务(需求)建设平均时间原来为 15-30 多天,现在下降为 3-15 天

04 构建一个面向未来的数据中台

数据中台是企业数智化转型的必然选择。作为一个企业,不管是业务方还是 IT 方,或是董事长、CEO,一定要构建一个面向未来的数据中台,而不是一个小型的数据仓库。因为现在是数据大爆发的时代,业务系统数据到互联网数据再到 5G 和万物互联的数据,数据应该是大于指数级的增长,怎么样从海量的数据中找到优化业务和精细化运营的点。这是我们在 AI+算法定义的世界里面要孜孜不倦去挖掘和发现的一个持续十年不断努力的过程。

作者介绍

刘莹,现任奇点云联合创始人兼 COO,曾是阿里云成都分公司创始人,阿里云华东地区政府业务、生态运营业务负责人,阿里云大数据创新业务代言人,IBM 全球副总裁总助,中华区行业销售运营总经理,IBM 政府、教育、医疗等行业销售经理,智慧城市解决方案经理。致力于在大数据和人工智能道路上精益求精,追求卓越。


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2019-10-12 14:281871

评论 1 条评论

发布
用户头像
大数据不在于大而在于数据
2019-10-12 22:26
回复
没有更多了
发现更多内容

C语言编程语法—文件读写

攻城狮Wayne

C语言 二进制 6 月 优质更文活动

MobPush 配置应用包名

MobTech袤博科技

系统稳定性与高可用保障

得物技术

架构 高可用 稳定性

2023-06-06:给你二叉树的根结点 root ,请你设计算法计算二叉树的 垂序遍历 序列。 对位于 (row, col) 的每个结点而言, 其左右子结点分别位于 (row + 1, col -

福大大架构师每日一题

golang rust 福大大

整合开源治理经验,共谋开源社区发展|2023开放原子全球开源峰会开源社区治理与运营分论坛即将启幕

开放原子开源基金会

开源 开放原子全球开源峰会 开源社区治理与运营

自动驾驶≠速度与激情

脑极体

自动驾驶

聊聊那些奇葩的代码规范 —— 所有 IntelliJ 的警告必须要处理

HoneyMoose

不止于快!巨湾技研发布凤凰电池技术,可实现全气候全电压平台极速充电

科技热闻

自动驾驶≠速度与激情

白洞计划

自动驾驶

【Netty】「NIO」(一)认识 ByteBuffer

sidiot

后端 Netty java‘ 6 月 优质更文活动

Vue-事件基本使用

不觉心动

6 月 优质更文活动

2个原因解答:为什么网络安全缺口大,招聘却很少?

网络安全学海

黑客 网络安全 信息安全 渗透测试 WEB安全

基于STM32+RC522设计的门禁系统

DS小龙哥

6 月 优质更文活动

动态修改coreThread线程池拓展

FunTester

以安全为底线 共迎机遇和挑战|2023开放原子全球开源峰会可信基础设施技术分论坛即将启幕

开放原子开源基金会

开源 开放原子全球开源峰会 可信基础设施技术

地图实火!断货加印,限时折扣抢购通道开启

融云 RongCloud

社交 融云 泛娱乐 出海 wicc

轻量级分布式日志追踪-Tlog快速入门

javalover123

分布式 日志 Skywalking spring-boot Tlog

OpenYurt 即将亮相 EdgeX+OpenVINO 开发者生态大会

阿里巴巴云原生

阿里云 开源 云原生

AWS CodeWhisperer 上手初体验安装与使用

宇宙之一粟

Python 代码编辑工具 CodeWhisperer 6 月 优质更文活动

从 PMO 的视角,看如何从 0 到 1 搭建研发效能体系?

思码逸研发效能

研发效能

推动体系建设 助推融合发展|2023开放原子全球开源峰会软件物料清单(SBOM)分论坛即将启幕

开放原子开源基金会

开源 开放原子全球开源峰会 软件物料清单(SBOM)

设计与实现阶段的可靠性工作

阿泽🧸

6 月 优质更文活动

设计模式总结(二):结构型模式

Studying_swz

6 月 优质更文活动

Docker里的基础术语

穿过生命散发芬芳

Docker 6 月 优质更文活动

GreatSQL删除分区慢的跟踪

GreatSQL

greatsql greatsql社区

什么时候 MySQL 查询会变慢?

江南一点雨

MySQL 数据库

Adobe 构建 IDP 之路的经验与教训

SEAL安全

IdP adobe 平台工程

java多线程总结

Studying_swz

6 月 优质更文活动

初步了解RNN, Seq2Seq, Attention注意力机制

Studying_swz

6 月 优质更文活动

美国同事的那些离职类型

HoneyMoose

什么是CAS和ABA问题?如何解决?

javacn.site

数据中台元年,破除数智化转型中的四大常见误区_AICon_刘莹_InfoQ精选文章