所有的数据项目都是探索项目

现在,越来越多的企业开始关注数据的积累,并将数据视为重要的资产,数据也的确在发挥着资产的价值和生产要素的作用,在推动了企业发展的同时,也相应的给人类的生活带来了重大的改变。

著名的战略管理教授马克斯・H・博伊索特在其2005年出版的著作《知识资产:在信息经济中赢得竞争优势》中指出,数据经过人的解读才成为信息,基于信息,人类获得知识、建立知识体系,也就是说,企业之所以创新和发展,并不是因为企业掌握了数据和信息,而是因为企业掌握了大量的知识。

一旦积累了大量的知识,企业便获得了竞争力。

反过来,如果没有这个从数据到知识的探索过程,数据不一定会成为有效的生产要素,也就未必能给企业带来竞争优势。

如今,许多企业追求数据驱动,要做到真正的数据驱动,仅仅靠积累数据是远远不够的,在此之上,还要对数据进行有效的处理、分类和解读,从数据中获得信息,从信息中积累知识。

也就是说,从数据到知识,还有很多工作需要做的,比如,对数据进行探查和了解,对数据进行挖掘和分析,形成洞见和知识,从而指导决策和行动,也因此,数据便成为了一种生产力。

如何推动数据成为生产力,企业通常会通过一系列的数据项目来实现。

回到现实场景中,由于数据是伴随着业务产生的,所以它的规模是巨大的,逻辑是复杂的,形态是多样的,是不是所有的数据都是有效的,这里面充满了未知。

所以,这一系列的项目也是探索未知,寻找“真知”的过程。

01 数据战略规划项目

此类项目解决的是帮助企业探索数据应用方向的问题。

企业在多年的业务运作和组织发展的过程中,积累了大量的数据,这些数据能不能被当做资产使用,能不能给业务带来价值,企业往往是不清楚也不确定的,所以,企业需要借助一些方法和手段对数据进行探索和分析,寻找可能的数据应用场景,如果数据应用能最终反哺业务,给业务带来价值,那么数据这项资产也得到了变现。

但是数据资产变现不是百分百确定的事情,所以在战略规划项目里需要不断探索可能性。

在开启探索之前,先要明确的是数据战略,也就是数据工作的方向,这个工作之所以重要,是因为通过探索,可能会发现很多种可能性,但企业的资源毕竟有限,明确数据工作的方向能让企业把有限的人、财、物配置到和方向一致的目标上,只有所有的项目干系人,比如管理者、业务方、技术方对方向和目标达成共识,在后续的工作中才有可能对做什么、不做什么达成一致。

明确了方向之后,第一项需要探索的内容是数据应用场景,从业务的角度出发,向数据要价值,这个过程需要业务团队和技术团队合作,业务团队贡献业务上下文,技术团队简单分享相关的数据和智能技术,双方共同探索出可能的数据应用场景。

有了场景,接下来需要探索的是数据应用的现实可行性,这也是对数据应用场景的收敛和优先级排序,在诸多的应用场景里面,探索出同时具备业务价值、有技术能力支撑且有数据可用的场景,也就是最具实现性的数据应用场景,这个过程需要分析数据的现状,比如,数据是不是存在,是不是可获得,数据质量是不是符合要求等,也要分析现有技术是否能支撑实现的可能性。

第三项探索的内容是方案设计,要实现确定的最具现实可行性的数据应用场景,设计方案可能会有多种,综合业务方案、技术和数据架构、可能的数据治理或运营策略,探索出最优的那一套方案。

第四项探索的内容是项目规划,也是落地规划,此阶段需要评估长期目标和短期目标,资源和能力,探索出实现最小可行性产品(MVP:minimum viable product)的落地计划,这个计划的优势在于快速产出重要结果,快速衡量价值。

总结一下,数据战略规划类项目会经历一个自上而下、由方向到行动的规划过程,这也是一个充满探索和发现的过程,所以,数据战略规划类项目是一类典型的探索项目。

02 数据平台现代化项目

此类项目解决的是数据孤岛、遗留数据资产的问题。

项目主要提供的是基础支撑性质的工作,比如架构设计与升级,数据平台开发和运维,以及数据组织架构的设计与协同(Data Mesh)等。

大部分企业存在烟囱式系统建设,缺乏统一标准,信息孤岛严重等问题,这在一定程度上导致了企业级的信息共享困难,也就是说,虽然有数据在,但是系统打不通,数据拿不到,或者,即使是拿到了数据,但是加工处理流程不顺畅,导致数据成了遗留资产,不能被盘活,数据的价值体现不出来,也就无法实现资产的变现。

数据平台的现代化,从技术上来讲,无论是从零开始设计开发,还是升级改造,都需要进行一系列的探索与评估,以符合现代化平台对于先进性与科学性的要求,比如,数据通道对接数据源的方式上是否更加方便,比如,存储技术是否更加高级,建模方法是否更先进,数据服务是否更加多样化,比如,数据处理的流程是否可监控可测试,更易于维护等。

所有这些工作,都是为了让数据更快更容易的产生价值。

此外,在解决数据孤岛问题上,对于数据源的接入,也充满了探索,比如,数据是如何产生的,归属于谁,背后有怎样的逻辑关系,存在哪些数据质量问题,有没有标准,各种权限问题,这些都会决定数据能否被使用,以及能否被有效使用,只有做了探索,有了相对清晰的认知,在数据变现的问题上才会设定相对合理的认识和期望。

和平台现代化相关的还有一个问题,那就是数据工作的分工和协同问题,简单讲就是数据组织架构问题,当组织的数据应用场景很多,业务域也划分相对明确,但是提供数据基础服务任务出现堆积,数据开发团队成为瓶颈时,需要探索新的分工和协作模式,比如,业务团队承接数据开发的工作,数据团队负责基础设施工作,双方协作以实现数据的理、采、汇、管、用,最终实现数据驱动的业务价值变现。

在组织发展的过程中,随着数据的不断累积,各部门对数据的诉求也会越来越高,所以跨部门协作会变得越来越普遍,业务团队和数据团队的边界也会越来越模糊,这种面向未来的分布式的数据组织架构值得尝试和探索。

总结一下,数据平台的现代化是一个综合性的概念,无论从规划设计到落地实现,从基础设施到团队架构,要支撑数据更快更容易的变现,需要做许多探索和优化的工作,所以,数据平台现代化项目也是探索性质的项目。

03 企业级人工智能应用项目

此类项目解决的是通过人工智能改进决策的问题。

前面讲到数据战略项目是帮助企业探索数据应用的方向和可能性,数据平台项目提供支撑性质的工作,这两种工作的价值都是通过智能应用体现的。

企业期待基于数据探寻价值,基于历史预测未来,基于已知推断未知,归根结底是希望从数据里面发掘洞见和知识,希望这些洞见和知识进一步指导行动,帮助企业做出最优决策,这些决策可以是帮助企业创新,找到新的业务增长点,也可以是提升现有业务开展的效率,降低运营的成本,这些都是数据在反哺业务,也是数据通过给业务带来价值不断变现,数据应用便是常见的价值展现形式。

人工智能改进决策通过两种常见的形式实现。

一种是决策科学,多用数据分析来实现,典型的场景是用数据的方式回答客户提出的业务问题,呈现形式是一个分析报告或者某种可视化的结果,在这报告或者结果的背后,可能需要数据分析师对历史数据做研究,对市场做调研,对各种数据做汇总、归类、对比,用来解释一种原因,并基于逻辑关系或者分析总结对未来做出不同程度的预测和判断,也可能需要数据科学家基于大量数据开发算法模型,并通过执行模型得出一种参考结果,来辅助决策。

无论是人工分析还是模型的自动化执行,都需要对数据、算法、实现方式,甚至结果进行大量的探索和调整,才能获得决策科学的结果。

另外一种改进决策的方式是智能产品,这是在决策科学的基础上加入了工程化的内容,如果说决策科学的工作在很大程度上需要人工来完成,那么智能产品则完全把分析决策的过程交给了机器,由程序来执行逻辑运算、统计分析和模型运行,并自动生成结果,辅助或者代替人类做决策,它可以是一个独立的应用产品,也可以是嵌在业务系统中的某个模块,可以不停歇的运行,也可以由某个动作触发。

智能产品的实践需要借助一定的技术和工具实现,这里面也充满了探索,比如,工具和服务形式的选择,比如,模型如何训练、发布、反馈、优化以及调整,这些工作既是算法、平台层面的探索,也是工程实践层面的探索。

总结一下,企业级人工智能应用是数据变现的呈现形式,它通过对多个领域的探索,和对多个学科知识的整合,将数据以业务价值的形式呈现,它既是一种探索,也是一种价值验证。

所以,企业级人工智能应用项目也是探索性质的项目。

综上,按照分类,数据战略规划项目、数据平台现代化项目、企业级人工智能应用项目,是三种典型的数据项目,每种类型的项目虽然内容和分工不一样,但它们服务于同样的目标——把数据这种生产要素变现,给业务带来价值。

这个变现的过程,没有固定的模式和答案,需要组织从策略、技术和商业三个层面,进行综合考虑和决策,过程中既需要对业务流程和规则进行探索和梳理,也需要将数据、工程、商业等不同的学科知识进行整合,最终完成从数据获取到价值变现的过程,也是帮人类带来智慧的过程。

从这个意义上讲,所有的数据工作都带着探索的性质,所有的数据项目也都是探索项目。

发表回复

您的电子邮箱地址不会被公开。