南弈：釋放數據價值的「三個關鍵點」 & 數智加速度07課回顧

大數據行業經歷了十餘年的快速發展，正式進入數據智能化階段，數據驅動決策，驅動業務發展的企業新需求，實現數據價值最大化。

「大數據」概念在國內從2010年興起，至2012年真正火爆起來，早些年也有許多大數據相關的故事，後來雖被證實「啤酒紙尿褲」的故事是杜撰的，但它的數據分析成果早已成為數據智能應用的經典案例。

數據的核心價值在於從經驗決策邁向數據決策，快人半步地認知世界。

企業擁有數據不等同於能夠解決問題，如何激活和釋放數據價值則更為重要。

我們在深耕數據智能應用之上，也為零售領域各行業客户數智化轉型賦能，助推企業降本增效。

舉個例子：

奇點云為某家居建設統一的客户標籤體系，實現了：

數據中台總數據量達到100T，客户數量達到3000萬；

新增有效客户標籤200個以上；

基於統一的算法標籤實現客户精準投放，渠道投放成本每年節省500萬元；

基於精準營銷，復購率比原來提升4%，營收比原來增加2億元左右。

我們所有的企業在數字化轉型走到今天，發現業務問題背後往往可能隱藏的為數眾多的數據問題，如數據不通、數據不可用、數據變現等問題。

那麼，如何解決這些數據問題？

數據問題不僅僅是數據本身的問題，奇點雲基於中台建設思路，總結出了「盤、理、管、用」的數據方法論。盤清原始數據、理出數據資產、管妥數據資產、用出資產好價值。

從數據用起來的角度，根據業務場景，看數據是否已被收集、治理，是否已變成數據資產價值，所以叫「盤理管用」。但從我們思考的維度則相反，我們要關注怎麼去盤、怎麼去理、怎麼去管，以及最終怎麼去用。核心目的是讓數據發揮價值。

數據資產盤點

奇點雲認為，企業的資源，包括組織（人）、業務（系統）、數據（資產），三種資源相互影響，形成良性的閉環，螺旋迭代優化，才能成為優質資產，驅動數據發揮價值。

數據資產治理

數據中台領域的數據治理六要素：標準定義、數據模型設計、數據同步、數據清洗、數據建模、數據規範設計。

數據資產管理

數據資產：基於租户級別提供統一的數據管控體系，包括基本信息管理、數據血緣、數據操作、權限管理、生命週期、髒數據管理、類目管理。

數據資產應用

全域數據：數據資產不僅僅是企業內部的數據資產，規劃智能模型需要另外可使用的外部數據，包括交通、POI、商圈客流、天氣、樓盤等，按需提供。

業務開放：開放數據API，賦能業務使用方。

經營決策：通過經營決策報表實時反映企業運行狀態，助力企業管理者高效決策。

數據智能：是數據應用的最前沿，最終探索數據價值就是構建數據智能應用模型，採用深度學習等算法技術來實現數據智能應用模型，根據業務運行情況自動自我迭代。

如何最大化釋放企業數據價值？

以上只是解決了數據平台層的各類問題，在數據應用層面，我們還需清楚如何釋放數據背後的價值。

大數據不等於數據分析，也不等於數據價值。早年業界流傳着兩種説法，第一種是數據流派，不看業務而是通過海量的數據發現數據背後潛在的規則；另一種是業務流派，通過業務痛點看所需的數據，再通過代碼得以實現。兩大流派各有特點，但從發現數據價值的角度看，數據和分析的價值還需進一步結合業務場景最終實現數據價值。

數據價值的三個關鍵點

1、數據資產

通過「盤理管用」的方法論，把數據梳理成數據資產，是數據價值的基礎，各類數據資產的模型、層次關係、關聯關係。

2、數據分析

通過各種數據分析的方法和算法技術，從數據中發現價值。

3、行業知識

引入行業知識，構建行業特有的經驗模型，實現數據價值的最大化。

上圖從數據價值的角度，最底層數據採集和奇點雲自研的AI驅動的數據中台，從採集到計算再到算法服務形成數據資產，恰到好處地解決了數據到資產的問題；數據智能應用層則解決了數據分析和算法邏輯的問題；在應用行業層我們有產研團隊和行業專家，結合行業經驗實現數據賦能。最終實現數據價值的三個關鍵點，讓數據創造價值，讓商業更智能。

要讓數據發揮價值，先通過「盤理管用」的方法論解決數據的問題，再通過算法和數據分析解決技術問題，結合行業專家豐富的行業經驗，最大化釋放數據價值，驅動業務增長與創新。