南弈:释放数据价值的「三个关键点」 & 数智加速度07课回顾

大数据行业经历了十余年的快速发展,正式进入数据智能化阶段,数据驱动决策,驱动业务发展的企业新需求,实现数据价值最大化。

「大数据」概念在国内从2010年兴起,至2012年真正火爆起来,早些年也有许多大数据相关的故事,后来虽被证实「啤酒纸尿裤」的故事是杜撰的,但它的数据分析成果早已成为数据智能应用的经典案例。

数据的核心价值在于从经验决策迈向数据决策,快人半步地认知世界。

企业拥有数据不等同于能够解决问题,如何激活和释放数据价值则更为重要。

我们在深耕数据智能应用之上,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。

举个例子:

奇点云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。

我们所有的企业在数字化转型走到今天,发现业务问题背后往往可能隐藏的为数众多的数据问题,如数据不通、数据不可用、数据变现等问题。

那么,如何解决这些数据问题?

数据问题不仅仅是数据本身的问题,奇点云基于中台建设思路,总结出了「盘、理、管、用」的数据方法论。盘清原始数据、理出数据资产、管妥数据资产、用出资产好价值。

从数据用起来的角度,根据业务场景,看数据是否已被收集、治理,是否已变成数据资产价值,所以叫「盘理管用」。但从我们思考的维度则相反,我们要关注怎么去盘、怎么去理、怎么去管,以及最终怎么去用。核心目的是让数据发挥价值。

数据资产盘点

奇点云认为,企业的资源,包括组织(人)、业务(系统)、数据(资产),三种资源相互影响,形成良性的闭环,螺旋迭代优化,才能成为优质资产,驱动数据发挥价值。

数据资产治理

数据中台领域的数据治理六要素:标准定义、数据模型设计数据同步、数据清洗、数据建模、数据规范设计。

数据资产管理

数据资产:基于租户级别提供统一的数据管控体系,包括基本信息管理、数据血缘、数据操作、权限管理、生命周期、脏数据管理、类目管理。

数据资产应用

全域数据:数据资产不仅仅是企业内部的数据资产,规划智能模型需要另外可使用的外部数据,包括交通、POI、商圈客流、天气、楼盘等,按需提供。

业务开放:开放数据API,赋能业务使用方。

经营决策:通过经营决策报表实时反映企业运行状态,助力企业管理者高效决策。

数据智能:是数据应用的最前沿,最终探索数据价值就是构建数据智能应用模型,采用深度学习等算法技术来实现数据智能应用模型,根据业务运行情况自动自我迭代。

如何最大化释放企业数据价值?

以上只是解决了数据平台层的各类问题,在数据应用层面,我们还需清楚如何释放数据背后的价值。

大数据不等于数据分析,也不等于数据价值。早年业界流传着两种说法,第一种是数据流派,不看业务而是通过海量的数据发现数据背后潜在的规则;另一种是业务流派,通过业务痛点看所需的数据,再通过代码得以实现。两大流派各有特点,但从发现数据价值的角度看,数据和分析的价值还需进一步结合业务场景最终实现数据价值。

数据价值的三个关键点

1、数据资产

通过「盘理管用」的方法论,把数据梳理成数据资产,是数据价值的基础,各类数据资产的模型、层次关系、关联关系。

2、数据分析

通过各种数据分析的方法和算法技术,从数据中发现价值。

3、行业知识

引入行业知识,构建行业特有的经验模型,实现数据价值的最大化。

上图从数据价值的角度,最底层数据采集和奇点云自研的AI驱动的数据中台,从采集到计算再到算法服务形成数据资产,恰到好处地解决了数据到资产的问题;数据智能应用层则解决了数据分析和算法逻辑的问题;在应用行业层我们有产研团队和行业专家,结合行业经验实现数据赋能。最终实现数据价值的三个关键点,让数据创造价值,让商业更智能。

要让数据发挥价值,先通过「盘理管用」的方法论解决数据的问题,再通过算法和数据分析解决技术问题,结合行业专家丰富的行业经验,最大化释放数据价值,驱动业务增长与创新。

版权声明:本文源自 网络, 于,由 楠木轩 整理发布,共 1649 字。

转载请注明: 南弈:释放数据价值的「三个关键点」 & 数智加速度07课回顾 - 楠木轩