文丨刘建军  编辑丨鹿普禾

来源丨首席数字官

数字化转型作为信息技术迅速发展的全球潮流中企业转型升级发展的途径，成为中国企业管理者和业务从业者共同关注并致力研究探索的课题。数字化转型的价值巨大，尽管面临挑战，但是很多企业已经走在这条路上，并且具有不同的高度。它们的理论研究和实践探索正在顽强进行中。

2019年7月4日-6日，由锦囊专家、首席数字官、数字化公社，联合20余个省市CIO联盟、行业协会在安徽黄山市共同举办 “2019中国数字企业峰会”。本届峰会以“数字化转型定义行业新增长”为主题，围绕“重塑产品”、“重塑组织”、“重塑商业模式”、“重塑技术平台”四大议题展开，邀请全球数字化管理专家、原生数字企业和数字化转型与创新企业高管等专业嘉宾300位，深度探讨数字化趋势发展与数字化时代的红利增长。    

2019年7月5日上午，在以“‘数据’如何驱动业务新增长”为主题的CDO圆桌对话会上，来自地产、汽车、钢铁、航空等行业的部分企业高管就各自企业数字化转型现状和数字化转型认知两个话题展开讨论。

从左到右依次为：台湾CIO协进会秘书长林振辉、中国南方航空公司副总信息师黄文强、找钢网数据应用总监李磊、大搜车数据分析总监俞冰、蓝光地产数据总监詹军
图片来源：首席数字官

数字化转型过程中，很多企业已经各自在自身领域的某些方面实现突破。在数字化转型中，多数企业进行数据搜集、清洗、上线、整合，通过数字化产生生产力，实现业务增长。然而，部分企业很难做到数字化转型是因为数据难以和业务结合，产生生产力。数字化转型中，怎样利用数据是关键问题。成功的企业都是从数据意识提升开始。

来自不同行业的企业高管从企业数据应用现状的介绍和企业数字化转型的关键点认知两个方面展开讨论，就“企业在数据应用上达到何种程度？”和“在利用数字化推动业务增长的过程中，如何突破关键点？”两个话题陈述见解。

圆桌论坛主持人林振辉说，麻省理工学院史隆管理学院一位经济学家艾瑞森提出了一个理论，他自己称作DDD，即数据导向决策，由数据导向的决策，这个是经过他实验验证的。他发现真正的企业如果用他的数据导量决策，他所做出的量表每提高一个标准差，企业的生产力，会提升4到6个百分点。

因为数据要提供给公司主管去做决策，做出决策以后才会迈向业务增长的路，所以提供数据做出决策是非常重要。如果企业真的按照数据导向决策这样去做，对企业的股东权益，企业资产的投资回报率，以及企业的社会价值，都有良好促进作用，这是经济学家经过实验验证的。

▌企业在数据应用上达到何种程度？

蓝光地产数据总监詹军：地产是一个很传统的行业。很多人觉得地产就是买地建房卖房。事实上地产的业务是非常复杂的。它从投资融资、经营计划、产品设计、生产建造、招标采购、开盘营销，以及最后的交付和物业管理，这是非常长的产业链。

近些年地产行业受宏观政策等因素影响导致整体的利润率下降，加上地产多元化发展及转型的需求，因此它需要更加精细化的运营。可以发现，这些年地产行业在信息化的投入，特别是数字化的投入是非常大的。我们公司近两年也是和各大主流厂商合作积极进行数字化转型。比如去年我们和阿里、德勤、毕马威、克尔瑞等公司在数字化建设方面进行了比较深入的合作。

我们在2018年打造了蓝光的“数据中台”。作为一个多元发展的企业，蓝光集团有地产、物业、医药、文旅、商业等板块，通过中台将所有数据进行整合，构建了集团统一的数据平台，统一数据口径，打通数据孤岛，为经营决策及数据应用提供了有力的支撑。比如通过中台我们可以进行跨板块的“交叉营销”，向我们的客户及业主，年龄在30至40岁之间有孩子的人群，推荐我们的文旅项目“水果侠”；以及根据客户信息进行房产推荐，例如有些客户在杭州买了公司的房子，但是他的籍贯在黄山，而公司在黄山有新盘推出，这样就把黄山的盘推给杭州的这些业主。

在投资领域我们建立了智慧投资系统。通过对宏观政策、GDP、常住人口、外来人口、库存去化周期、交通、竞争房企等方面进行数据分析，决定哪些城市、板块值得投资。

在销售领域做了智慧案场。通过人脸识别做到防飞单以及用户在案场的路径跟踪进行房屋推荐。

客户满意度也是公司非常重视的，在客服方面，我们同阿里合作研发了智能客服系统，实现了客户分级并实现对来电的精准派单，通过语音质检实现客服电话监听和评判，以及客诉风险自动识别和风险预警管理等。

最后在传统行业中数据质量也是非常重要的。我们在2018年开展了集团层面的数据治理，使数据质量有了非常大的提升，从而更好地支撑高层的决策运营。 

大搜车数据分析总监俞冰：我们企业属于汽车行业，有两大品牌：大搜车和弹个车。我们从数字化、平台化、智能化三个方面推进汽车产业的数字化转型。

大搜车是汽车产业互联网平台，在构建的数字化汽车流通产业生态，打通了汽车新零售的端口。目前我们正处于数字化通往平台化阶段。正在积极布局产业智能化，包括AI的语义分析、人机交互等，均由我们自主研发。

弹个车上线至今，现在全国已经有5000+门店。各门店覆盖周边三公里范围之内的出行用车。通过产品端的一些形态赋能各个门店， 实现相互之间的高效协作及交易达成。大搜车是汽车产业互联网平台，在构建的数字化汽车流通产业生态，打通了汽车新零售的端口。在今年618期间，大搜车一共销售1.5万多台车。我们无论是做线上的精准营销匹配，还是做线上线下相结合的S to B、to C等，都是新零售模式。利用全链路大数据产品，如经营分析，智能决策等数据产品，快速更新互联网时代车市的胜场交易关系，大搜车就是汽车产业领域里的阿里巴巴，不让车商有难做的生意。

找钢网数据应用总监李磊：找钢网是一家钢铁行业的全产业链电商。在产业互联网、钢铁电商平台领域比较领先优势。我们是基于钢铁的电商平台，同时提供金融、物流、仓储加工、SAAS服务、数据资讯等整个产业相关的增值服务，因此它是一个全产业链公司。

如果要问：找钢网是怎样利用数据驱动运营？我们目前处于哪一个阶段？

我们认为数据必须跟业务相契合、驱动或辅助业务增长，才能体现它的价值。我们一直从业务的角度来思考和行动，基于业务场景和业务价值来开发数据产品，并持续运营。当一种场景或者一种业务价值需要的时候，相应的数据应用就会被开发出来。

从产品演进角度来说，我们的数据应用大概分了三个阶段。

第一个阶段是让数据可视化。数据的作用是让运营管理人员有数可用，辅助企业数据化管理运营，例如绩效管理、运营管理、风险管控等。这些只是可视化的数据管理，属于第一个阶段，这一步相对容易实施，也能快速帮助公司通过数据进行降本增效，同时业务发现数据价值后，相应的数据意识也会逐步增强。

第二个阶段是要真正达到数据化运营和数据化决策。首先是数据化管理其次是数据化运营和数据化决策。在数据化运营和数据化决策这一块，其实也分了两个阶段：第一个阶段是标准化。标准化就是将各个业务专家、各个运营侧、各个业务侧运营的思路、场景，以及决策的思路全部规范化，通过数据+逻辑算法，来验证固化这些经验。第二个阶段是将这些经验沉淀下来做成相应的数据产品，以提高效率，辅助决策。这第二阶段也分为两个阶段，一个是标准化、产品化，一个是智能化。只有在标准化之后，在业务的决策或经验沉淀下来，并经过验证，才能真正反转到业务系统，才能够真正实现智能化。我们认为只凭数据直接切入到智能化不现实。

第三个阶段是数据能够实现变现。因为是全产业链，我们希望能够赋能上、下游的产业，实现数据资产变现。从钢贸现货到期货数据都有很大价值，我们期望能在这一方面进一步拓展。

从技术平台方面，我们一直追求应用与平台的平衡，最初我们的业务基于大数据平台。大数据平台不断演进、迭代、敏捷开发，目前逐步形成了数据中台。不管是模型的统一、指标的统一，还是数据开发工具统一，我们都已经实现。因此说我们数据中台的基础能力已经具备。

找钢网在数据应用上，以降本增效为目的，从整个供应链上，做了很多客户画像。有上游供应商画像、钢厂画像，也有下游客户画像。这些画像，可用在订货环节、回款环节、供应商合作环节，由此做出更加合理的评断决策。用在日常服务、星级客户服务、差异化服务，甚至营销和客户回访，这些画像都有很大的价值。

中国南方航空公司副总信息师黄文强：我们航空公司的大数据应用在不同的业务领域有不同广度和深度。我们有一些业务领域的数据应用处在简单的统计阶段，有一些数据应用进入计量阶段，还有一些数据应用进入评估阶段。以飞机发动机的远程诊断应用为例，我们通过地空通讯电报网络，实时采集飞机及发动机上的一些关键运行文本电报数据，清洗分解整理入库，并进行统计分析，与运行标准进行对比，实现远程诊断。随着物联网技术的发展，这一领域的数据会越来越多，也在被不断深度挖掘加工。

我们很早就有航空收益管理系统，可以对每一个航班座位销售出去的概率进行统计，预测成行旅客数量、销售收入等市场经营关键指标。我们根据历史销售数据、每天的市场影响因素及当前销售情况，建立数学模型进行优化。航空界有一个比较著名理论，称为预期边际座位收入值，这是美国麻省理工学院教授提出来的理论，计算每一个座位以哪种价格卖出去的可能性最大，即数学期望值，根据旅客预定的情况进行实时调整、收放每种舱位价格可以销售的数量，达到收入最大化目标。

我们还会对客户进行画像，并结合我们社交媒体、电话服务情况等非结构化数据进行整合客户分析。整个过程是不断收集数据，不断统计优化数据，不断产生新的数据，这是一个循环往复的过程。

▌在利用数字化推动业务增长的过程中，如何突破关键点？

蓝光地产数据总监詹军：我们总结出最核心的几个关键点。第一个关键点是数据质量。大家都在谈怎样做数字化转型，仿佛那个目标就在了，我们很快就到了。其实数字化转型能走多远、成功与否，取决于填坑的能力。因为人们会发现这个过程中有很多坑：数据对不对？数据全不全？口径设置是否合理？这些都会影响到数据分析结果。2018年我们开展了数据治理，其中光财务凭证就核对了2万多笔，这花了很大功夫，但是却是非常必要的，因为原来的数据完全对不上，数据都不对，又何谈数据决策与分析，只有准确的数据，得出的结果才是有意义的。

第二个关键点是一定要业务参与。如果业务不参与进来，采集的数据不是数据，而是数字。如果业务不参与，很多工作无法推进。数据工作是一把手工程，去年我们做数据治理就由公司CEO挂帅，而且设置了一百万的奖罚挂在各部门的副总裁及区域总裁头上，做的好就奖，做不好就罚。与各业务部门每周例会，让业务充分参与。业务参与需要有价值循环，即要让业务明白数字化和整个信息建设对业务带来的价值，为后续的提升做准备。

第三个关键点是在数字化转型过程中，不要一开始就追求高大上的东西，而要踏踏实实地做可落地的。只有让业务部门看到价值，后续才能做更深入的推进。一个公司还在excel漫天飞，你和业务部门谈AI、谈机器学习是不现实的。我们有一个一线减负的项目，就是把所有的线下的excel报表全部线上化。原来我们有个运营资源周报，17个区域，每个区域花一个人天来做，然后总部再用一个人天汇总，就是18个人天。现在的系统能够实时地把这个报表做出来。我们统计了一下，相比人工来做，光这一张报表每年就可以为公司节约100万。第二个是我们做数据的整合，通过整合分享提高效率。比如将我们客户、业主、商户、供应商、员工等数据进行整合，形成数据资产，我们叫“蓝朋友”，在这个基础上开展全民营销。去年双12我们开展了蓝朋友营销，该活动就销售了14亿。

所以就我所面临的，我觉得数据质量、业务参与、价值落地是企业数据化转型中非常重要的关键点。

大搜车数据分析总监俞冰：在利用数字化推动业务增长的过程中，数据的本质是场景还原，行为数据对用户需求和体验的还原能力是不可替代的，通过构建指标体系，对业务进行监控，梳理生命周期历程，明确用户需求和企业诉求，做数据指标的顶层设计，以用户为中心分析问题洞察价值。在此过程中，最重要的是数据的在线化以及准确性，在线的准确的数据才能被分析，才有洞察价值。通过还原业务场景并不断完善业务系统，实现业务数据线上化，并通过完善的业务流程和中台服务，从源头上尽可能解决数据孤岛情况及因业务系统问题引起的数据质量等问题。基于我们自研的全链路大数据产品来进一步保障数据质量，提升效率及快速支持决策判断。从业务到数据整体链路上需要大家高度达成共识，有规范、有流程、有系统，才能快速被快速推进落地。

找钢网数据应用总监李磊：从数字化转型痛点方面，我想谈两点。第一点是我们的数据治理，即数据质量。如果没有好的数据质量，后面所有应用、所有分析都是妄谈。找钢网一直在做数据治理，通过系统优化迭代和全业务在线化，可以极大提升数据质量。系统迭代升级层面需要公司领导的推动，数据层面需要监控数据质量，进行数据治理。

第二点是实现数据化转型必须依靠业务，而不是单纯在数据上进行。这里涉及人才问题，数字化转型需要什么样的人才？从数据部门来说，不能把自己定位为技术人员，而是定位为一个数据人。数据人的概念是什么？既有技术，又有数据相关的技术和认知，同时还要有用户思维、产品思维和数据思维。

从业务部门来说，我们会去宣贯，提升全公司各个业务人员的数据意识，让他们能够更加主动高效的使用数据。前期我们做了数据指标统一定义、数据化的应用、报表、数据产品都已经实现可视化。手机端、PC端、大屏端的都已经具备，同时我们一直重视产品运营，定期监控报表：有多少人用？多少人点击？节省了多少人力？降本增效了多少？我们会按周按月做一个评估。我们有一些管理群，每周定期将这些运营简报发到管理群里面。比如运营指标表现不好，数据产品的访问量持续很低，引导大家主动看数据、使用数据，这是为了逐步提升公司全员的数据意识。只有业务人员具有足够的数据意识，他们才会思考业务应该怎样通过数据来实现增长。如果单靠技术人员和数据部门去思考怎样创新业务和怎样提升业务，这不现实。 

找钢网在整个产业链各个环节上做了很多数据模型和客户画像，都有很大价值。除此之外，在内部管理上，我们能够做到数据高度透明，信息共享，及时跟踪问题。我们利用PDCA理念，结合商品经理、销售经理、采购经理的一些运营决策思路，把它们孵化成一些数据产品。在标准化阶段我们让他们把平时运营的思路、运用的方法都做成文档化材料，我们再把这些文档转化成数据产品，用来辅助他们进行日常运营，提高效率。如果要问：为什么要这样？首先这样做，好的经验可以通过产品的方式逐步沉淀下来；其次举例来说，我们签了一个合同，从钢厂端到采购端到销售端再到物流端，还有发票、财务、金融，关联了很多部门。如果没有一个产品能够把这个过程统一起来，让他们知道各个环节会存在哪些问题，哪些问题要及时解决，他们沟通协作的效率就会非常低下。所以说，我们开发的这款产品能够很大提高协同的效率。

中国南方航空公司副总信息师黄文强：我认为数据非常有价值，现在我们开展的基于数学建模进行的精准营销活动“邀约升舱”就是很好的数据应用案例。在飞机起飞前，为不浪费空余的公务舱，我们允许符合一定条件的客户可以用现金购买或里程兑换坐到公务舱里面。我们建立数学模型分析已购票旅客群体，针对选定的客人发出精准的邀约。这让南方航空增加不少收入。这种通过数学模型精准“邀约升舱”的服务以前是没有的。如何避免收入流失？比如说，某人总是坐公务舱，他看到南方航空有邀约升舱的功能，他可能会只买经济舱等着加少量的钱等着邀约？他会不会被邀约？我们会综合考虑他的画像、其他旅客接受邀约的可能性、当前销售情况等各种因素而定。

然而数据分析的成本是巨大的，数据存储、处理、分析等需要更大的存储容量和更大的计算处理能力。光是某个领域的数据，每天就有300GB。怎样把这300GB的数据放到我们的大数据平台里面，怎样去分解，怎么样去清洗应用，需要投入大量的人力资源，需要花费大量的费用去开发应用技术。

数据应用也需要有应用场景。如果没有应用场景，拿数据来是没有任何意义的。比如说在我们航班大面积延误的情况下，怎样去快速恢复？让哪个航班先飞？让哪个航班后飞？这些问题目前解决得不太好。光是处理自己公司数据、考虑自身情况还不足够，我们还缺乏整个民航空管的数据、其他航空公司、每个机场排队情况的数据。如果我们仅仅拿自己的数据去分析预测，不能全面地解决恢复航班问题。我们还需要行业的数据来相互支撑和匹配。这是一个比较漫长的过程，需要航空行业生态的支持。

主持人林振辉最后总结说，要了解业务，还要了解资料数据从哪里来。当这两个方面都了解以后，开始准备数据和资料。要了解哪些没有用、怎样清洗、怎样做出数据，最后才有办法去评估。总之，先知道要做什么，然后才能应用。当公司需要进入人工智能AI的境界的时候，前面这些是必备的基本条件。