数字化时代加速到来,传统企业怎样做才能实现真正拥抱数字化呢?
文 | 郭倩茹
新冠疫情加速了全球进入数据资产化时代的步伐,中国的企业面临企业数字化转型的新机遇,对于创业者来说,如何把握疫情之下的全球产业重构趋势,重塑企业核心竞争力就显得尤为重要。
而且,直接掌握企业命脉的企业管理者,对于数字化转型都持认同态度,希望通过数字化转型推动企业服务能力、提高客户体验。
但企业的数字化转型之路,也不是一蹴而就的,从IT角度来讲,企业需要基于IT技术提供的支持,让业务和技术产生真正的交互,企业掌握建设和使用技术的能力。另一方面,数据已经成为企业最重要的资产,搭建数字化平台,将可以有效利用数据为企业持续创造价值。
对于转型中的企业来说,该如何去做选择呢?近日,袋鼠云战略副总裁张旭就结合自己多年的实践经验,总结出了企业数字化建设最佳实践“全景图”,剖析了企业在数字化过程中的具体实施路径。
–企业数字化建设全景展示 —
自企业注重数字化之后,会发现有很多企业都是从传统BI转过来,或者从各种数据开始,搭建好技术或者产品就开始了。但是,企业数字化建设是一个非常庞大的体系,涉及到顶层设计、咨询规划、技术设施、数据运营等。甚至有很多企业,尽管认识到了数据价值,投入了大量的人力和资金,但是效果却甚微。
从这一角度出发,如果企业要做数据中台的话,还是应该让咨询先行,做好数据化的顶层设计和咨询规划,然后就数据平台化、数据资产化、数据服务化,一直到数据价值化,这些是一个企业数字化建设的主航道,最终一定要去实现业务价值。而数据运营、组织保障层面,包括数据资产管理、数据治理、数据安全与标准等等,应该为主航道让行。
当然,做数字化少不了基础设施,无论是咨询还是数据价值化等,每一步都需要相对好的工具去支撑,一方面可以提升效率,一方面也可以将产品固定下来。因此,企业在数字化建设路径规划时,应该分清主要内容和辅助内容,才能起到事半功倍的效果。
–企业数字化建设全景图–
01 数字化咨询
数字化咨询的第一步,应该是做企业数据化价值建设的调研报告,对企业有一个客观全面的了解。
具体来看,在做业务调研时,可以了解业务流程和业务场景,了解各个岗位对数据的需求。接下来,需要做的是信息化调研,可以了解企业当前的信息化建设情况以及服务厂商,而且信息化是数据化的前提,数据化的建设也会反向推动信息化的提升,所以要做好信息化调研。最后,是数字化调研,可以了解企业的数据化架构、内容、成果。
如今,其实很多企业早就已经开始数字化的沉淀,但是现在需要共同去管理,因此还需要做一个数字化情况的整体评估,找到当前数据化的问题点和薄弱点,如企业资金的投入力量够不够、组织保障情况如何、整体框架等等。
在把现状摸清楚之后,接下来的第二步,就是要做企业数据应用的规划,也是回答数字化的价值所在。
《数据资产管理实践白皮书(4.0版)》里是这么写的,数字的价值当前没有一个人能说得清楚,甚至当下看到的价值,有可能是冰山一角。
尽管未来也许会如上所说,但是当下我们能做的就是,把企业中数据应用的场景和数据应用的可能性进行梳理,便于企业领导决策。
在这一层面,首先要做的是梳理清楚企业的业务架构,对企业进行全面调研,客观描述企业架构,作为数据应用规划的前提和依据。然后,进行数据应用场景的规划,了解企业与数据应用,可以服务哪些岗位和场景,帮助各个岗位解决哪些问题。
有了数据应用规划,接下来可以将数据应用场景层层拆解,细分到指标及标签粒度,依据企业业务场景进行标准指标及报表体系构建,从而建立管理及维护机制,确保数据权威性和内部一致性。
通过这几个维度的搭建后,最后就是把企业数据应用的规划做一个优先顺序排序,确定实施优先级及行动路线。这样的话,就可以判断企业可以先做什么,再做什么。之所以这样做,就是可以推动企业做一个至少两到三年的规划,体现数字化建设的价值。
02 数据平台化
第二部分是数据平台化,首先要做的,就是平台的选型标准与策略,主要分为五点:
第一,产品选型,包括数据库、数据仓库、开源大数据组建、大数据开发平台目前在数字化上,除了互联网行业,最超前的就属银行业。目前,很多银行前几年就已经选取了数仓,也有大数据,二者并存于企业中,但这是有一定问题的,做不了实时计算。因此企业需要选择适合自己业务价值的产品。
第二,上云方案的选择。企业应该选择公有云还是私有云,或者是混合云,这个是需要注意的。第三,如何与原有的体系进行融合。对于传统企业来说,原有的数据仓库属于原有资产,但不能因为上新设施就将原来的设施全部推翻,要学会融合。
第四,数据互通的问题,也就是数据如何融合、数据如何互通,这也是很重要的一点。
第五,就是升级方案的选择。企业如果上新了一堆东西,但是之后无法策划下来,那就是问题了。因此,企业要对现有技术方案做一个完整的技术选型报告,解决掉上述五点问题。
在选择完平台之后,接下来要做的是数据资源的盘点和汇聚。
对于企业来说,首先是要对所有的信息化系统等结构化数据进行摸排,了解企业真正可以使用的有多少,然后有多少需要上平台,尽管前期投入会很大,工期长,但是整体效益高。
然后,就是有多少系统需要去上平台,以前企业会按需去录入,只关注报表本身,但是这种传统数据仓库模式,不利于长期发展。
最后,还有一种就是搭建中台投入大量人力和物力,将所有系统都放置其中。但是现在基本上是按照业务领域去选择,比如营销、物流、供应链等等,即能满足当前需求又能兼顾部分未来发展,在需要扩展时相对方便,综合投入产出也会很高。
03 数据资产化
数据资产,近几年已经得到相对广泛的认可,未来数据资产一定会纳入财务体系,成为企业的无形资产。从这个角度出发,该如何看待数据资产呢?
第一,它可以汇聚全域数据;第二,可以构建可扩展的数据仓库模型,相对比较灵活多变;第三,可以搭建完善的数据开发标准和规范;最后,奠定数据资产的基础,支撑数据应用建设。
现在,我们最看重的就是最后一步,通过模型可以进行论证。在实际的观察中,我们发现,健壮的数据资产商,可以降低应用开发50%的成本,提升50%的开发效率,百分之百提升复杂数据程序的成功率。
在数据资产的价值上,很多企业都觉得很重要,但是在实践过程中只多了一个最小的成本方案,其实应该把数据资产层建起来,这样当出现二十个、五十个甚至一百个数据应用的时候,就能体现其价值了。
另外,还要强调的三点:第一,需要让老板清楚数据资产,做到可视的感觉;第二,要学会管理,对于数据资产的上线下线要配合起来;第三,把数据应用支撑做好,有一个可变现的过程。做到了这三点,也就可以让数据资产真正成为企业未来的核心资产管理范畴。
04 数据服务化
数据服务化的流程,在业务端产生了众多的零散数据,分布在各个库里或者是文件里,并没有形成企业的数据资产,也没有数据服务,直接就是数据应用。
但如今,我们强调数据资产和数据服务,就会把大量的数据资产编排成可用的数据应用服务,导入很多隐形的东西,比如数据API、标签引擎、可视化分析大屏等等产品,将大量引擎的Deon关系放到数据服务层。当我们去做数据应用的时候,就是对服务层的高效利用,就可以把这一层做的更加健康,以此来支撑数据应用。
总结来说,数据服务化是数据资产变现的过程,数据中台不但要承载数据资产,更要承担大量在数据资产中的开发和加工工作,把数据资产提炼成为业务需要的和可以使用的数据,同时将这些数据以数据服务的形式直接提供也业务人员,或者间接的提供给应用系统来使用。
05 数据价值化
数据价值化是一个变现的过程,由于数据平台化、数据资产化、数据服务化的完整构建,数据应用得以在企业内部低成本、高效率的构建和试错,数据化应用数量大幅增长,最终输送到企业的各个层级、各个岗位和各种业务场景,从提升营收、降低成本、控制业务风险,提高业务效率,创新业务模式等多方面实现数据价值。
以鞋服企业李宁为例,在其每个店里都有一个岗位叫买手,决定店内的采购资金的使用。假设一个买手有100万资金,如何去分配购买鞋服的比例,购买的鞋子中的品类如何选择,这个角色就需要根据市场的敏锐度去判断,岗位在门店就很关键。如果这个角色做不好,就会出现物品滞销,库存很多需要打折,或者早早卖完等情况。
针对李宁这种情况,袋鼠云当时去做了智能组货的配置,通过对店周围的人群、销量进行分析,把这个东西打印出来给到买手,发现准确度超过了80%的买手的感觉判断。最后呈现的效果看到销量或者利润都有相对明显的提升,这其实就是数据的价值。
06 数据化运营与保障贯穿始终
最后要特别强调的是数据化的运营和保障。我们发现,数据供应链中的主流程中,每一个环节都需要去做保障。今天主要说的是数据组织,在很多的项目中遇到一个问题,就是袋鼠云本身比较偏技术,但后来发现应该相对重视组织管理。
比如,阿里在做数据中台组织的时候,就把所有TO B相关的数据人员、数据分析师、数据开发,通通抽调到数据中台来,业务部门只负责提需求,随后就会有一个专门的人来业务部门对接。在做完之后,把数据应用的结果反馈给业务部门,业务的价值高低,由业务部门来判断,而数据生产部门只负责实现。
因此,我们建议,企业在数字化组织上一定有分工,技术部门去构建健壮的平台,业务部门负责业务价值。如果企业的数据应用还是相互独立的,业务部门也是自己做自己的,就会产生很多阻碍,不利于发挥数据应用的最大价值。
因此,企业在数字化进程中,一定要让数据化运营与保障贯穿始终,才能最大程度的保证企业数字化转型的成功!