美林数据
ABOUT US
美林数据技术股份有限公司(简称:美林数据,NEEQ:831546)是国内知名的数据治理和数据分析服务提供商。

美林新闻/NEWS

首页 美林数据 行业资讯

【数字化系列第三篇】如何构建企业数字化转型的基础数字能力!

2022-06-06 09:00:06
前文提要
【数字化系列首篇】从“二义性”谈到企业数字化工作开展
【数字化系列第二篇】谈谈对数据中台,数据治理,数据管理,数据资产管理相关内涵认知

本篇概要:企业数字化转型需要构建哪些基础数字能力、企业数字化转型下的数据资产管理涉及了哪些内容、面临哪些挑战。


企业数字化转型需要构建哪些基础数字能力

企业数字化转型过程可以理解为:从业务中获取数据并将数据变成知识以此应用到业务中去的一个闭环过程。
对于企业来讲需要具备以下几个基础能力:
数据获取能力
企业的信息化建设很大程度上是在解决数据获取问题:开发应用系统让员工将信息进行录入以及给设备安装各种传感器。数据获取能力就像人们通常理解的第六感( 即视觉,触觉,听觉,嗅觉,味觉,心觉);
数据治理能力
数据治理能力是企业数字化转型中一项核心基础能力,很多企业已经意识到了数据治理的重要性,因为采集来的数据所遵循的标准是千差万别的,数据采集过程中人为的因素以及传感器的稳定性影响都会导致数据的可读性变差,数据治理过程就是通过建立各个不同数据标准间的转换机制,去除数据中的“杂质”以提升数据的可读性,为接下来的数据知识化提供良好的“原材料”基础;
数据治理能力
数据存取能力
数据存取能力就像人的记忆力。以往企业更多关注于存取各种结构化和非结构化数据的能力,现在随着大数据时代的到来,数据存取能力不再局限于存储,企业更加关注基于这之上的数据处理/计算性能。
数据知识化能力
数据知识化能力是企业数字化转型过程的核心关键能力,企业目前也做了很多数据的统计、报表工作,人们可以理解这些是对数据的浅层知识化应用,更深层次的知识化应用是辅助决策,预测,自愈,自主决策。
知识的形成和知识管理是一个系统工程,企业核心是要建立一个稳定、常态化的知识发现和知识应用过程体系以解决目前存在的一种为创新而创新,为知识化而知识化,只为追求过程而忽略业务价值实现的现象。

数据资源管理
数据(知识)应用能力
数据最终是要为业务创造价值的,数据(知识)的价值大小主要表现在传播(共享)的范围以及传播(共享)的速度。
数据共享是企业实现数据价值最快捷的方法,但往往会受制于应用效率上的影响,如何根据业务变化快速的组织报表和可视化应用,如何敏捷的实现基于数据的业务应用场景等。这些被人们认为是实现数据价值释放的最后一公里问题。
数据保障能力
数据保障能力包括数据安全、数据审计、数据注销等维持数据保密性以及环境稳定性的能力。以上6种能力一同构成企业数字化基础能力,统称为企业数据管理能力。
数据保障能力
企业数字化转型下的数据资产管理涉及了哪些内容

以数据价值释放的角度来看,人们可以将数据资产管理分为两个部分,一个是价值释放路径闭环,一个是支撑活动。
首先,价值释放闭环是从数字化战略下的数据战略开始、数据范围、数据获取、数据存储、数据质量、数据知识化、数字化执行、数字化能力评估、最终再回到数字化战略,这些活动是通过数据治理活动来系统化和体系化的。
支撑活动包括数据组织(文化),技术平台建设、数据安全体系、数据全生命周期。

数据资产管理的内容
企业数字化转型下的数据资产管理面临哪些挑战
上文讲述的数据资产管理的各个环节都会面临着不同的挑战,这些挑战有些是由来已久的顽疾,有些是随着新环境和新需求诞生的新挑战。这些挑战主要表现如下:
数字化规划阶段
数字化规划阶段企业面临最大的挑战是不知道当前所处阶段数字化成熟度是怎样的?未来该怎么发展?就像人身处陌生环境中,总易显得举足无措一样。
数据范围确定阶段
数据范围确定阶段企业主要面临的是新的大数据时代环境下的数据范围是模糊的,外延是不断变化的。这对人们希望一开始就明确数据范围是一个非常大的挑战。
数据获取阶段
数据获取阶段企业将面临非常多的挑战,首先是数据获取的基本诉求是数据共享,数据共享需要对应的标准。但在实际过程中人们发现“我们一直都走在打破数据壁垒的路上。但是,壁垒的修建速度往往快于我们“拆迁”的速度。”
其次是人们希望通过制定各种数据标准来让数据符合统一的规范,但在实际过程中“大家都在忙于制定各种标准,最终发现统一标准就像秦始皇统一度量衡一样的艰巨”,在大数据时代已变成“不可能完成的任务了”。
再次是对于历史数据该怎么处理,不管不顾将意味着会丢失很多有价值的数据,如果要统一标准靠目前的方式几乎不可行。
数据存储阶段
数据接入阶段重要是解决接入内容的标准化问题,存储阶段面临的是数据结构的标准化问题。
大家一直面临的挑战是“数据模型一直被重视,但是模型总是赶不上业务的变化。就像“画皮”一样表里不一”,同样受到大数据时代的影响,因为数据范围的不确定性导致人们无法事先确定稳定的数据模型。
数据质量
人们发现脱离业务谈数据质量让数据质量提升工作举步维艰,在脱离业务的情况下往往会出现为了质量而质量改进的无效活动,而这些活动还得不到业务人员的支持,因为数据质量的提升是需要业务人员主导的,当无法体现业务价值时,业务人员只会认为在无效增加他们的工作量。
数据分析/知识化
为了更好的发现数据的价值,人们一直面临着两个方面的挑战。
首先就是人们拥有了大量的数据,但是业务人员却不知道这些数据长什么样,就像不知道具体地址,即使借助高德地图也无法顺利抵达目的地一样。
第二则是数据价值发现本身是一个数据探索的阶段,数据获取的范围是随时变化的,但是目前数据提供的链路是非常低效的,受益于第一个挑战,目前一名业务人员想完成数据分析工作需要不断与后台的数据管理人员交互,让数据人员在数据库中找到跟他描述一致的数据内容。这个过程是低效且考验大家耐心的。
数字化执行阶段
随着大数据的兴起,大家都开始尝试对数据进行探索,这个阶段可以被认为是数据价值释放的最后一公里,不只成为一种“体验”,发现数据价值是一个让人兴奋的过程,但是将数据价值转变成业务价值包含大量繁琐的细节即枯燥工作。
另外将具体功能清晰表述,不再流于只可意会不可言谈的模糊阶段,于企业也是亟待攻克的难题。这也是很多企业在数字化转型初期投入大量的成本进行数字化基础建设但迟迟见不到明显效果的主要原因。
数据安全
数据安全
当大家都意识到数据具有价值的时候,数据安全被普遍重视起来。当数据价值被普遍认可后,数据安全却成为数据价值释放的掣肘。过度的解读数据安全导致数据的开放性被制约,数据获取成本大幅增加。


数据组织/文化



企业随着数据价值越来越被重视,其信息化部门的地位将重新被定位,很可能从以前的服务部门提升到企业战略部署和实现的核心部门,这不光是部门定位的调整,更重要的是企业上下对数据作为生产要素的认知需重新统一。

该系列未完待续,敬请期待......

服务热线
400-608-2558
咨询热线
029-88696198
美林数据
微信扫描二维码,立即在线咨询