大数据行业经历了十余年的快速发展，正式进入数据智能化阶段，数据驱动决策，驱动业务发展的企业新需求，实现数据价值最大化。

数据的核心价值在于从经验决策迈向数据决策，快人半步地认知世界。

数据智能对企业的价值

我们在深耕数据智能应用之上，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。

袋鼠云通过对李宁门店商品销售和IOT数据的分析，找出适合门店及店群销售的商品，打造统一融合的智慧门店方案，让大数据来思考如何进行门店组货，智能组货算法平均能为单店提供5%-10%增长率。

如何解决数据问题？

我们所有的企业在数字化转型走到今天，发现业务问题背后往往可能隐藏的为数众多的数据问题，如数据不通、数据不可用、数据变现等问题。

那么，如何解决这些数据问题？

从数据用起来的角度，根据业务场景，看数据是否已被收集、治理，是否已变成数据资产价值，所以叫「盘理管用」。但从我们思考的维度则相反，我们要关注怎么去盘、怎么去理、怎么去管，以及最终怎么去用。核心目的是让数据发挥价值。

数据资产治理数据中台领域的数据治理六要素：标准定义、数据模型设计、数据同步、数据清洗、数据建模、数据规范设计。

数据资产应用全域数据：数据资产不仅仅是企业内部的数据资产，规划智能模型需要另外可使用的外部数据，包括交通、POI、商圈客流、天气、楼盘等，按需提供。

业务开放：开放数据API，赋能业务使用方。

经营决策：通过经营决策报表实时反映企业运行状态，助力企业管理者高效决策。

数据智能：是数据应用的最前沿，最终探索数据价值就是构建数据智能应用模型，采用深度学习等算法技术来实现数据智能应用模型，根据业务运行情况自动自我迭代。

如何最大化释放企业数据价值？

以上只是解决了数据平台层的各类问题，在数据应用层面，我们还需清楚如何释放数据背后的价值。

大数据不等于数据分析，也不等于数据价值。早年业界流传着两种说法，第一种是数据流派，不看业务而是通过海量的数据发现数据背后潜在的规则；另一种是业务流派，通过业务痛点看所需的数据，再通过代码得以实现。两大流派各有特点，但从发现数据价值的角度看，数据和分析的价值还需进一步结合业务场景最终实现数据价值。