数据中台元年,破除数智化转型中的四大常见误区

2024-02-02 04:08

本文主要是介绍数据中台元年,破除数智化转型中的四大常见误区,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2019年可谓是“数据中台元年”,过去几年企业市场对大数据的不断积累与沉淀,人们对数据中台、数智化转型的讨论也是非常火热。几乎每个企业都在关心如何构建自己的数据中台,如何利用数据中台构建企业自己的数据银行。

作为专注为企业数智化转型赋能的践行者,在2019云栖大会《数智商业论坛》现场,奇点云COO刘莹分享了《数智化运营中的数据中台构建解析》,并以“接地气”的方式为大家奉上数智化转型过程中的避坑指南。

数据中台元年,破除数智化转型中的四大常见误区

01 从IT到DT时代,亟需AI赋能

IT时代由人编辑数据库,而在DT时代由机器编辑数据库。三年前我在成都听马老师讲,DT时代中国是可以直道超车的,因为中国有人口基数的优势,产生的数据最多。阿里巴巴CEO张勇也提到了我们从五新迈向了百新,五新里面最核心的是新能源,而新数据就是新能源。中国有十几亿人口,每天产生新能源、新数据也最多,所以人工智能一定在中国先诞生,并且人工智能的技术会复制到全球,全球优秀的企业都会采用中国的大数据和人工智能技术。同时,数据中台将是每一个企业做战略转型和整个业务转型的一个基础设施。企业数字化、智能化就是一种必然的趋势。

02 数智化转型中的四大常见误区

01 拿来主义

在拜访客户过程中,有些客户会问我们有没有数据可以借用给他们,答案想必是否定的。因为数据是最核心的资产。我们认为把自己业务系统产生的数据先用起来,形成闭环以后才能慢慢地看怎么把三方的数据融合起来,并把自己的数据和别人做简单的碰撞和交换,数据一定是和应用场景相结合才能被应用起来,拿来主义要不得。

02 业务和IT部门谁主导

数智化转型过程应人人参与,各司其职。其实IT很多时候是对业务的理解,只是在前面十年IT的建设中对业务有很强的理解,以往业务和IT之间的沟通有所限制。事实上IT在整个过程中通过机器发现了很多业务,这个时候需要有一种新的机制和组织来保障运行,应是一个相辅相成的关系。IT要更多地理解业务痛点,通过跨部门的协作和整个行业内的数据协作找到业务曾经发现不了的规律。

03 切入点怎么找

在找切入点的过程中,经常说先建一个平台,把所有数据聚进来,再慢慢清洗整理,或是先做一个小的数据应用看它跑得如何。其实不同的企业有不同的切入点,如果一开始很难下手做数智化转型,不妨看一下我们发布的《大数据咨询方法论白皮书》。我们说人都是千人千面的,每一家企业当然是不一样的,**切入点通常是在大家共同的探讨之后,通过一些方法论找到最适合自己的切入点。**企业要做的首先是把不同的业务部门的数据做体系化的梳理,并且找到创新业务最需要的业务应用点,再反推到怎么建数据中台。所以我们常说以用带通、以通带存,以存带采。

04 有存、无通、想用

现在大部分企业有把数据存下来的意识,他们也会找一些数据公司把存量的数据用起来,但所有的数据都没有通起来,真正能够通起来的企业非常少。很多客户觉得数据只有大而全才可以用,其实不然。我们发现其实数据是有多少就可以用多少,关键看你怎么用。

解开以上四大误区的五个方子:

1、采集并用好自有数据,再结合三方

2、IT与业务深度融合

3、以用带通、以通带存,以存带采

4、数据可以不全,但可以有多少用多少

5、面向数智化转型的组织保障

03 赋能商业,助推企业降本增效

在这里插入图片描述
我常说自己承担了技术和商业落地的翻译官的工作。上图从数据采集开始,大家之前都是业务系统里有很多的数据,并且这个数据很多时候维度比较单一,也比较少。我们会通过互联网的数据和三方数据做一些数据升维,数据不全、数据质量差,数据没有被充分利用都是没法做好数智化应用。

在这里插入图片描述
我们在深耕数据智能应用,也就是我刚才说的IT到DT时代的核心改变,我们把智能应用分为人、货、场。在人货场里面做了人货关系、货场关系之间的数据智能应用。在这个智能应用之下到数据的通、存、采集,它才能够跟行业做更多结合。但这是远远不够的,我们认为今后的数据智能应用将会是它的几百倍甚至几千倍。而我们在数智化应用之上,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。在此分享两则奇点云赋能客户数智化转型的案例:

1、某家居标签体系建设及精准营销

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。

2、某商超数据中台构建

奇点云为某商超建设业务应用和数据中台,实现了:

• 数据中台应用,结合企业微信管理,员工报表使用率提升20%;

• IT运维成本下降,通过双中台的升级,设备故障率下降为0;

• 财务处理人员成本下降,通过数据中台中提供的财务及发票的数据智能处理,每年节约30万左右的人力成本;

• 通过数据中台中智能化,支持优化新业务拓展流程,每个新业务(需求)建设平均时间原来为15-30多天,现在下降为3-15天。

04 构建一个面向未来的数据中台

数据中台是企业数智化转型的必然选择。作为一个企业,不管是业务方还是IT方,或是董事长、CEO,一定要构建一个面向未来的数据中台,而不是一个小型的数据仓库。因为现在是数据大爆发的时代,业务系统数据到互联网数据再到5G和万物互联的数据,数据应该是大于指数级的增长,怎么样从海量的数据中找到优化业务和精细化运营的点。这是我们在AI+算法定义的世界里面要孜孜不倦去挖掘和发现的一个持续十年不断努力的过程。

这篇关于数据中台元年,破除数智化转型中的四大常见误区的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/669417

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

深度解析Java @Serial 注解及常见错误案例

《深度解析Java@Serial注解及常见错误案例》Java14引入@Serial注解,用于编译时校验序列化成员,替代传统方式解决运行时错误,适用于Serializable类的方法/字段,需注意签... 目录Java @Serial 注解深度解析1. 注解本质2. 核心作用(1) 主要用途(2) 适用位置3

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I