软通动力彭强:企业大数据的挑战和应对

  • 首席数字官

  • 2020-01-03

  • 来源:

文丨彭强 编辑丨赵博智

来源:首席数字官

作者简介:彭强先生现任软通动力信息技术(集团)有限公司的执行副总裁兼首席数字官。彭强先生是IT服务、解决方案及跨国业务管理方面的专家,拥有超过25年的丰富行业经验,覆盖企业数字化转型、数字营销、大数据整合、企业级系统开发、设计和实施等业务领域。彭强先生曾担任美国IT和咨询公司高管,负责软件产品开发和维护工作;也曾就职美国著名金融公司,负责系统及金融业务分析。彭强先生持有美国罗德岛大学工商管理硕士学位,中国科技情报所理学硕士学位和北京工业大学理学学士学位。


微信图片_20200103151537.png

好的人工智能离不开数据,数据是企业的核心资产,很多企业都有大量的数据,其中做得好的是互联网原生企业,它们自己拥有数据,自己拥有分析能力的企业,比如阿里、腾讯,它们有大量的数据,可以不断地做分析,做得相对比较成熟。另外也有一类公司,它们是属于第三方,虽然自己不拥有数据,但是会和很多数据提供商或企业合作,以提供数据产品为生。然而最常见的一类企业,是所谓的传统企业或实体经济企业,他们拥有数据,但是主业又和数据不相关,比如银行、制造业,这类企业面临着怎么样从业务驱动数据的过程转为数据启动业务,大家现在也都在往这个方向走。

1.png

数据数字化的过程,实际上就是数据价值释放过程。像腾讯、阿里这些企业有大量的数据,但是把这些数据真正的价值能够体现出来实际上是很大、很复杂的过程。在数字化转型开始之后,大家开始做数据的集中,建立了大数据平台,把数据放到一起去,但是现在还不够,下一步释放数据要到治理阶段,提供数据标准化、资产化,真正让数据发挥更大的作用,能够做到数据驱动业务。

现在的挑战有四个方面:一是数据应用困难。我有一大堆数据,很难把它真正运用起来,很难和我的场景结合起来;二是数据质量低下。一大堆数据,也不知道这个数据可靠不可靠,同一个客户一大堆名字,不同的地址,如何利用这些数据;三是数据人才不足。真正的大数据人才都集中在一些非常专业的公司里面,真正到企业里的没有几个人;四是数据难以整合。怎么把分散的数据很好的整合在一起,而且能够连续的使用,整合不是一次就完了,一次也整合不了。

我认为要真正把数据的价值发挥出来的核心就是要做数据治理,数据治理是让数据价值得到体现,能够真正发挥数据作用,不把数据治理的问题解决,企业很难再往前进一步。

那么到底怎么做?还是回到最基本的东西,我们先要有战略,根据公司的业务战略,要制定一个数据的战略,制定数据战略的核心还是团队,要有一个专门做数据的团队,在一个大的公司里一定是跨部门的团队,有了这个团队然后针对数据公司的业务战略来制定公司的数据战略,制定目标,制定计划。然后在这个数据战略的基础上制定你的项目治理、数据治理的策略,最后把数据治理作为一个公司级的立项来做,真正有预算,有人来做。我想这个真正实施起来确实也是挑战,所以后面给大家提一些方法,思路。


2.png

根据实践,我们觉得比较现实的方法就是用场景拉动建立数据治理体系,实际上是从前端开始,由你的场景驱动,例如销售,从客户流失分析开始,根据需要来梳理数据,在梳理出数据来源之后,开始建立相关的数据治理结构。然后根据这一个场景来预警数据,最后再在上面叠加不同的场景。这是我们觉得比较现实、经济、有效的做法,当然我们也有一定的工具辅助。

下面给大家介绍一个工具,这个工具现在是基于Forester的公司提出来的一个概念,叫大数据织网,它实际上就是基于数据治理做的数据虚拟化,来实现数据的使用、治理,最后集成一整套连贯的体系,它能让你快速的使用这些分散的数据,在这个过程中逐渐的完善数据管理体系,治理体系。这是一种比较新的解决方案,针对企业数据使用数据难的问题的解决方案。

3.png

基于这个新的概念,我们做了一个解决方案,这也是基于数据虚拟化,把数据治理的不同要素引入到数据平台里面去,从前端的需求到不同类型的数据源,实际上通过虚拟化的技术处理,用缓存来存储一些常用的数据场景,能够快速的从不同环节得到数据,同时从后端现有的结构数据库或者非结构数据库里直接获取数据,而且这个速度可以非常快。


4.png

有了这之后,最后就是智能化的运营,数据变现,最终大数据的变现就在人工智能上,其实现在人工智能发展得很好,但是我觉得后面的整个数据的治理、管理、应用还没有跟上,我希望这些搞数据的人能够把这个重视起来,发现更好地解决方案,真正让所有的数据最终都能变现。

关注「锦囊专家」,数字化转型的新趋势、新技术、新案例变得触手可及!

  • 观点
  • 农业
  • 采矿
  • 制造
  • 食品饮料
  • 烟草
  • 鞋服纺织
  • 家居家具
  • 化工
  • 钢铁
  • 机械装备
  • 汽车
  • 能源化工
  • 建筑
  • 批发零售
  • 交通物流
  • 住宿餐饮
  • IT/互联网
  • 通信
  • 软件信息

推荐

我要评论