数字化中心和数字化做什么？

数字化干货,如果你还不明白数字化到底做的是什么,请仔细看这篇文章,会让你真正明白数字化的价值,厘清数字化阶段,找到数字化的方法。

第一、数据化中心

1、数字化是科学

首先在市场经济环境下,我们要理解科技是第一生产力。数字化是一种科学也是一种技术。

我们中国的文化博大精深,【《周易》中详细记录了怎么利用幻方思维判断和预测一个人一个场之后会朝着哪个方向前进,很多人看周易之后学明白了会给人看相,在做一件事的时候会先占卜。】我们的祖先就开始明白通过数据和统计分析的办法预测未来,只是因为另外两册书的缺失,我们后代很难读懂和领悟《周易》了。

人类都有一个共同的追求,那就是追求真理,那么什么是真理的问题。比如,人从哪里来?我们是什么?我们将到哪里去?这些问题我们会从数字中窥探出一些科学的解释。

2、数字驱动业务

我们要理解何为数字,数字即可以被记录留存统计分析的信息,如果你的客户信息记录在心里,而不是软件上那么你的客户信息就不是数字,而是一个概念。

何为数字化,数字化就是信息决策业务,指引业务发展,快速带动业务在激烈的竞争中不断科学的创新。脱离业务的数字化都是耍流氓!数字化是一个工具,能让业务走的更流畅的工具,犹如我们使用的汽车,【能够更快的让我们接触到客户,更方便的自由的支配自己的时间。】它是业务科学的内动力,让你更了解业务,更懂客户,更会做产品,所以请记住,数字化核心是驱动业务增长。

在我们发展业务的长期探索过程中其实一直伴随着数字化,只是没有被强调和拿出来专门做,是因为技术和认知的不到位。

谈概念有点枯燥,我们用滴滴举个栗子:【比如滴滴,它的服务模式有革命性的创新,我们不再因为信息不对称傻等汽车来,甚至可以根据汽车距离我们多远判断是否等待。根据来车的品牌判断是否乘载。我们的消费体验好了不知道多少个量级,一切都变的透明简单。滴滴的成功不是因为它是互联网公司。更因为它是数字化企业。同样头条、美团、抖音、直播。这些年火起来的巨头不再是通过信息差、客户量赚钱。而是通过共享更多信息赚的盆满钵满。

作者:范军子

链接:https://www.zhihu.com/question/41978018/answer/2550691221

来源:知乎

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

3、数据是核心

企业从诞生那天起就会有数据产生,所以数字化是企业长期持续可以深耕的。也是任何企业的发动机,谈数字化绕不开数据。数字和数据的区别可以理解为数字可量化,数据是记录。很多中小企业主总是认为我们目前专心做业务,数字化的价值看不到,我们数据量也不够。再强调一次,数字化不是大数据,不只包括大数据,在企业成立那天起企业就应该重视数字化建设,积极主动积累数据。

数据犹如数字化的燃油,不是说燃油少汽车就不能启动,但是要记住,不断的积累燃油。让燃油形成自我生长的机制。

第二、数字化做什么

我们从以下几个维度和阶段分别看数字化都有哪些要做的工作,数字化道路持续漫长,不是因为数字化难做难落地。而是因为数字化是伴随我们企业发展的各个阶段,和企业成长密不可分。下边我们一步步看。

1、信息记录

这个是数字化的第一步,我们知道没有数据数字化无从谈起,信息只要记录下来它的价值就会慢慢体现出来。

那么什么样的算信息需要记录呢?

专业的数据分析师告诉我们,记录你能想到的所有数据,尽可能的全。客户数据、业务流程、产品数据、订单数据、员工数据、财务数据、oa数据、组织架构数据。每个企业可以根据自己企业的结构形成自己独特的数据分布。采用逻辑树的方式一层一层分析和细化数据不断精细化,往往足够精细和全量的数据才是有效的数据。如果企业精力有限可以先从我上边说的几个方向记录。

我给大家举一个林彪的栗子:【林彪以精谋善战出名。那么他是怎么打仗的呢?我们知道林彪是一个非常努力和拼的人。每天晚上战役结束之后他都要求属下记录缴获的枪支数量、伤员人数、俘虏人数、缴获的粮食数据等。无论战争多么激烈,战士多累。他都要亲自听到这些汇报的数据。战士们无法理解他为什么这样做,有一次战役林彪准确的预测出所在的县是敌人的司令部,集中力量加大兵力攻克了敌人的核心主力。大家都说他料事如神,其实他只是利用数据,当天晚上看到缴获的枪支和粮食明显多于其他地方。他敏感的找到了数据的答案。这就是记录数据的重要性,我们看林彪是不是善用数会用数,他原来是一个数据分析师。】

那么信息记录都有什么方式呢?

其实这个过程千千万万,不限形式。没有软件你可以先拿excel记录;见客户着急,你可以先拿手机记录在一个地方,晚上回家之后整理数据;项目进度太着急你可以先记录在简报里,等项目结束之后再整理成为结构化的表格。总之请记录下你认为可能有用的所有信息。

其实我们现在零售行业的店面、线上零售、餐饮都已经做到很好的客户记录了,在数字化的这个阶段,微信是一个很好的平台,消费者点点关注就可以有优惠券,店铺也搜集了客户的个人信息,那么我们的企业老板和员工可以想想还有什么信息没有记录下来。

工具和技术:我们可以持续的壮大信息记录的工具和技术,他让你的信息记录更简洁、更高效、更友好、更有趣。

比如CRM、OA、进销存管理系统等等。如果想了解信息记录更多工具和技术手段可以持续关注我,我会专门就信息记录更新给大家。

2、数据管理

数据管理从来源说包括企业内部数据外部数据的汇总,从结构说包括结构化数据、半结构化数据和非结构化数据,从数据分布包括线下数据、线上数据、数据库数据、系统数据、消息数据等等。

我们每个公司每年都会做企业年报,这个是典型的数据总结,那么更广泛的数据总结是数据孤岛的打通、数据的归集。

当企业意识到数据需要归集、需要存储在专门的位置、需要整体的数据治理的时候,说明企业已经利用数据产生过价值。认可数据的价值,开始盘点自己的数据资产了。

这里边推荐大家看一下《DAMA》数据管理这本书。详细介绍了,数据集成的方法和工具。

涉及数据接入、数据集成、数据目录、元数据管理、数据治理、数据分类、数据质量、数据安全。每一个部分都是管理数据的一个大的分支。数据接入设计ETL工具。数据集成需要考虑数据量和结构考虑数据库使用数仓还是数据湖的方案。数据目录即构建企业的统一数据资产目录,这个需要数据团队对数据进行维度建模、主题建模等。而数据治理贯穿在整个数据生命周期的每一个阶段。元数据管理和数据质量安全在这里就不展开了。

整个数据管理是一套完整的知识体系,有通用商业的工具和免费的解决方案,涉及到数据管理的企业可以先从数据归集入手慢慢开始持续更新企业的数据资产。

另外推荐大家看一下《华为数据之道》。

当然,针对于数据管理,是一个非常庞大的工程,但其实他不是大数据专有的。企业任何时刻都可以开始对数据进行管理和治理,而对于中小企业因为企业发展处于初期状态,可以更加灵活轻量的构建自己数据管理体系。如果你感兴趣,可以关注我,我会持续更新中小企业如何做数据管理的文章。

3、数据可视、业务可视

其实业务可视是一个很大的概念,历史和现状的业务数据可视我们可以认为就是商业BI。商业BI就是报表和仪表盘,它让我们的历史数据和近期数据很好的展示在业务方面前。

同时业务可视包括:批量可视、实时可视。

大部分BI产品最初做的都是批量的,会定期跑数据出报表,随着业务部门对实时性要求越来越高实时的BI,批流一体的技术架构越来越广泛的应用于BI产品中。

数据的可视化概念提出很多年了,但是它是数字化不可或缺的一部分。

大家可以看看数据科学和数据分析相关书籍,强烈推荐、想了解数字化、学习数字化方法、有需要数字户转型的企业都要看看这方面的书籍。

4、数据共享

数据资产共享:数据共享主要针对企业内部分权限分部门的数据隔离共享需求,目前主流的数据共享方式是网盘和API服务。这里我们不得不提到阿里提出来的【数据中台】。数据中台的核心是数据共享,数据模型、业务模型、技术模型的共享能够给企业创新带来巨大的变化,但是我们国内在这方面做的好的企业还很少,这个主要针对大型企业,比如电商领域的部门之间很多模型是重复创建的,如果能够放在一个大家都可以获取的数据服务集市,这些被创建的模型可以被复用起来,这个听起来有一些难理解,也是中台构建是否成功的关键。

文件共享:这个一般使用网盘的方式,很多商用网盘可以使用。

消息共享:有些企业有消息共享的需求,,这个可以用企业服务总线的方式实现准实时的消息共享。

数据共享产品附带要涉及的是权限体系,目前市面上通用的产品很少,每个企业都需要根据自己的需求定制化开发自己数据共享软件,才能更好的适用自己需求场景。

同时做数据共享还有一个需要注意的是数据安全,在共享之前、共享时、共享送达前可能涉及数据的脱敏技术。

后面我也会针对数据共享专门写一篇文章详细解释。

4、数据分析、数据科学

大家对数据分析的理解可能有的会认为是商业BI,其实商业BI是现状和历史的总结,那么数据分析和数据科学是对事物的分类、挖掘、预测。广泛的应用于金融、电信、医疗领域。

数据分析有几个重要的概念:

数据准备、数据分析沙盘、模型规划、数据建模、模型验证。这也是一个数据分析项目的几个重要阶段。

数据准备阶段需要数据团队的成员充分和业务人员沟通,要到能够支撑数据分析的全量数据;

数据分析沙盘大家可以类比数仓,知识这个沙盘是针对专门业务场景、数据分析需求搜集的数据分析工作区。

模型的构建是一件需要经验和数据科学、统计学知识和技能的工作,我们常用的模型有线性回归、逻辑归回、决策树、朴素贝叶斯、关联规则、分类聚类等。每个模型都有特定的适用场景。

例如、我想要预测一个客户的标签、那么可以使用分类模型;我想要预测下季度销售额是否会比这个季度好可以使用线性回归或逻辑回归模型等等。

数据分析的模型在数字营销、预测、推荐领域有很广泛的应用,其实在产品、供应链侧如果有足够的数据支撑、数据分析也能发挥巨大的作用。

那么针对中小企业,可以找专业的数据分析公司和团队完成一个主业务的数据分析项目,这是一个可落地可看到价值的很好的方式。如果有这方面的需求也可以联系我。

5、知识挖掘

这里提一个概念:知识图谱。这个是google在2012年提出的。目前有很多知识图谱的成功企业,比如天眼查等。我们在天眼查上搜到的信息和在百度上搜到的信息结构是不是完全不一样。这个就是知识图谱能够提供给客户的。是一种潜在和显示关系的展现。

知识图谱的技术目前包括数据处理、三元组实体的识别、数据实体消歧、实体融合等,感兴趣的盆友可以看阿里出的一本书《工业级知识图谱》。

Tags：

免责声明：所有文章均来自互联网，版权归属为原作者，如有侵犯您的权益，请联系本站删除！ 关于转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。