各行各业大佬都关注的企业发展之道:数据智能
2018年-12月-22日 11时:34分:55秒

  数据智能还有很多需要研究和解决的问题。但是在变道初期如果不能快速跟上,必将会错失在 一次新的产业(甚至是一个新的文明时代)中的赶超良机。因此,必须要认清形势,把握 趋势,积极谋划,推动发展。具体来说,未来中国数据智能行业的发展会呈“两化“趋势—— 生态化和开源化。

  1.生态化:为了满足数据智能平台对数据多源的需求,数据智能公司会倾向于在数据供给和需 求两方形成壁垒并打通端到端全价值链,形成生态是必然趋势;中小企业将在大公司构建的生 态之上,提供中间的算法服务、工具等。后会以数据的流通、算法的不断迭代提升为基础, 形成端到端的闭环生态。

  2.开源化:为了满足数据智能发展对数据多源性、交叉性提出的新要求,数据智能生态的 性将进入一个新的阶段——大规模开源阶段。许多顶尖的技术和算法确实都是免费提供的,并 且容易下载,但行业知识和经验流动和掌握相对较慢。开源可以抬高整体行业的壁垒,培养固 定社群和使用习惯,加速数据智能的普及;对于大公司来说,这也是塑造品牌的一个良机。

  “数据资源与智能算法迭代”加“专业纵深”构成了数据智能平台的核心竞争力。而数据智能 平台/数据中台也会加速企业的战略发展与业务结构转型。数据智能中台/数据中台整合企业能 力,形成对前后端生态的影响力,其生态前端影响力体现在“互联网 +产业使能”、“个性化 生产力”、“服务经济与结果经济模式”;生态后端影响力体现在“多设备集成”、“多海量 连接体验”;极致用户体验体现在“自动”和“智能互动”。

  数据和算法是数据智能中台的核心, 企业级数据和算法逻辑既整合企业资源,发挥数据效力,又能加速新业务上市,快速捕捉市场 时间窗。因此,整合数据和人才资源是企业实现数据智能中台愿景的关键,包括整合前后端数据、 企业级的内部数据、企业外部数据,企业生态中的所有类型的专业数据人才。为此,有战略眼光的企业纷纷收购关键的数据资源,培养符合自身生态发展的专业数据人才;很多企业合作、 收购行为的背后都是对数据资源、人才资源的掌握。因此,数据智能的发展必定伴随着组织结 构的创新、治理模式的创新,以及对相应人才需求的新一轮涨幅。

  数据智能平台的核心是连接和共享,这里的连接不仅是数据的联通,也关乎组织 结构的联通,是横向(各个功能部门之间)、纵向(数据生命周期的各个环节)都要通;这的分享也不仅仅是算法和应用的分享,也关系到各个不同协作人员、部门之间的高效、精准的分享。 任何完善的体系建设依靠的不仅是技术工具,缺乏完善的组织结构及激励机制便不可能令中台 顺畅运行。多年来的经验证明了技术架构和治理组织的建立同样重要,而近年很多企业和 也纷纷设立专门的数据治理委员会。

  数据智能平台的管理需要制定并形成有效的规范,由数据 治理委员会从实际运行的过程和案例中由下而上地提练出操作规范,并由固定团队负责确 定资源配置的优先性(尤其是专业数据人才的配置)、推进项目进行。同时数据治理委员会还 需要制定互惠互利的激励政策、灵活的激励方式等支持数据智能应用的快速迭代。

  数据智能的行业爆发标识是行业类数据智能应用产品的爆发,而这类应用和服务在近年发展 为迅速。这类应用或者产品为行业客户提供解决业务实际需求的大数据解决方案,常见是大型 的数据智能企业从标杆企业切入,用咨询属性更强的定制化策略,逐步丰富应用场景,打造行 业化数据智能产品。

  随着通用型数据技术和数据可获得性、可分析度的提高,数据智能在营销、 金融、、零售等领域已经开始萌芽少量的数据智能产品;其他传统行业,如医疗、农业、、 工业等正逐步落地,有一定的应用方向,但尚不成熟,技术与应用的结合也在探索,还需不断 进行市场教育和搭建行业数据智能平台等基础类工作。

  1.营销行业的数据智能:大数据在互联网相关的营销领域发展成熟,应用方向非常明确,技 术与应用结合的实现径清晰,市场竞争格局趋于稳定,已经出现了一系列包括智能营销云、 品牌增长、活动运营、程序化广告投放等相关的数据智能应用。

  2.金融行业的数据智能:目前大数据在金融领域的应用方向明确,但技术与应用结合尚不成熟, 客户对公司的落地能力存在质疑,数据智能产品完全替代人工决策的进程较缓,沉淀下来的数 据智能产品是典型而具有代表性的,包括消费金融人群的选择和触达、门店选址、征信及风控、智能投顾等。

  3.新零售领域的数据智能:新零售领域的数据智能增长为迅速,零售是一个很好的集合线上 营销和线下运营的应用场景,在这个领域已经诞生了很多针对于现实决策情境、对传统方 进行更新的数据智能产品,代表情景包括门店预测、自动推荐菜单、门店和大型商业中心选址、 获客等。各大平台类的企业进入这个市场,纷纷构建自己的生态闭环,相信会很快迎来一 波数据智能应用诞生的。

  4.智慧城市与数据智能:随着的运营越来越多采纳企业经验,对于数据智能的需求也 在逐渐提高,例如专门解决人口与经济、城区规划、社区升级、公共安全、城市品牌等方面问 题的数据智能产品,已经成为越来越多管理部门的必备利器。

  5.医疗行业的数据智能:医疗行业是信息化程度高、数据结构化程度低的领域,处理繁杂的非 结构化数据是目前的主要问题,之后再做与应用结合的分析工作,现阶段而言,数据清洗比建 模更重要。因此在医疗行业,数据智能目前仅体现在辅助医疗,临床实验等领域,都不是核心 化决策。

  6.工业领域的数据智能:移动数据增长放缓,工业物联网将是下一个重要战场。目前在工业数 据领域,很多企业还处于数字化转型的阶段,企业需要克服这一阶段问题再考虑数据智能问题。 但是不排除后起之秀的工业数据智能会随着企业的数字化转型一起到来。

  7.农业领域的数据智能:农业行业的信息化程度普遍较低,数据采集是主要问题,现在通过卫 星等空间数据一定程度上获得改善,但应用方向有待市场验证。