【數字化系列第三篇】如何構建企業數字化轉型的基礎數字能力！
2022-06-06 09:00:06
次
前文提要
【數字化系列首篇】從“二義性”談到企業數字化工作開展
【數字化系列第二篇】談談對數據中臺，數據治理，數據管理，數據資產管理相關內涵認知
本篇概要：企業數字化轉型需要構建哪些基礎數字能力、企業數字化轉型下的數據資產管理涉及了哪些內容、面臨哪些挑戰。
企業數字化轉型需要構建哪些基礎數字能力
企業數字化轉型過程可以理解為：從業務中獲取數據并將數據變成知識以此應用到業務中去的一個閉環過程。
對于企業來講需要具備以下幾個基礎能力：
數據獲取能力
企業的信息化建設很大程度上是在解決數據獲取問題：開發應用系統讓員工將信息進行錄入以及給設備安裝各種傳感器。數據獲取能力就像人們通常理解的第六感（ 即視覺,觸覺,聽覺,嗅覺,味覺,心覺）；
數據治理能力
數據治理能力是企業數字化轉型中一項核心基礎能力，很多企業已經意識到了數據治理的重要性，因為采集來的數據所遵循的標準是千差萬別的，數據采集過程中人為的因素以及傳感器的穩定性影響都會導致數據的可讀性變差，數據治理過程就是通過建立各個不同數據標準間的轉換機制，去除數據中的“雜質”以提升數據的可讀性，為接下來的數據知識化提供良好的“原材料”基礎；
數據存取能力
數據存取能力就像人的記憶力。以往企業更多關注于存取各種結構化和非結構化數據的能力，現在隨著大數據時代的到來，數據存取能力不再局限于存儲，企業更加關注基于這之上的數據處理/計算性能。
數據知識化能力
數據知識化能力是企業數字化轉型過程的核心關鍵能力，企業目前也做了很多數據的統計、報表工作，人們可以理解這些是對數據的淺層知識化應用，更深層次的知識化應用是輔助決策，預測，自愈，自主決策。
知識的形成和知識管理是一個系統工程，企業核心是要建立一個穩定、常態化的知識發現和知識應用過程體系以解決目前存在的一種為創新而創新，為知識化而知識化，只為追求過程而忽略業務價值實現的現象。
數據（知識）應用能力
數據最終是要為業務創造價值的，數據（知識）的價值大小主要表現在傳播（共享）的范圍以及傳播（共享）的速度。
數據共享是企業實現數據價值最快捷的方法，但往往會受制于應用效率上的影響，如何根據業務變化快速的組織報表和可視化應用，如何敏捷的實現基于數據的業務應用場景等。這些被人們認為是實現數據價值釋放的最后一公里問題。
數據保障能力
數據保障能力包括數據安全、數據審計、數據注銷等維持數據保密性以及環境穩定性的能力。以上6種能力一同構成企業數字化基礎能力，統稱為企業數據管理能力。
企業數字化轉型下的數據資產管理涉及了哪些內容
以數據價值釋放的角度來看，人們可以將數據資產管理分為兩個部分，一個是價值釋放路徑閉環，一個是支撐活動。
首先，價值釋放閉環是從數字化戰略下的數據戰略開始、數據范圍、數據獲取、數據存儲、數據質量、數據知識化、數字化執行、數字化能力評估、最終再回到數字化戰略，這些活動是通過數據治理活動來系統化和體系化的。
支撐活動包括數據組織（文化），技術平臺建設、數據安全體系、數據全生命周期。
企業數字化轉型下的數據資產管理面臨哪些挑戰
上文講述的數據資產管理的各個環節都會面臨著不同的挑戰，這些挑戰有些是由來已久的頑疾，有些是隨著新環境和新需求誕生的新挑戰。這些挑戰主要表現如下：
數字化規劃階段
數字化規劃階段企業面臨最大的挑戰是不知道當前所處階段數字化成熟度是怎樣的？未來該怎么發展？就像人身處陌生環境中，總易顯得舉足無措一樣。
數據范圍確定階段
數據范圍確定階段企業主要面臨的是新的大數據時代環境下的數據范圍是模糊的，外延是不斷變化的。這對人們希望一開始就明確數據范圍是一個非常大的挑戰。
數據獲取階段
數據獲取階段企業將面臨非常多的挑戰，首先是數據獲取的基本訴求是數據共享，數據共享需要對應的標準。但在實際過程中人們發現“我們一直都走在打破數據壁壘的路上。但是，壁壘的修建速度往往快于我們“拆遷”的速度。”
其次是人們希望通過制定各種數據標準來讓數據符合統一的規范，但在實際過程中“大家都在忙于制定各種標準，最終發現統一標準就像秦始皇統一度量衡一樣的艱巨”，在大數據時代已變成“不可能完成的任務了”。
再次是對于歷史數據該怎么處理，不管不顧將意味著會丟失很多有價值的數據，如果要統一標準靠目前的方式幾乎不可行。
數據存儲階段
數據接入階段重要是解決接入內容的標準化問題，存儲階段面臨的是數據結構的標準化問題。
大家一直面臨的挑戰是“數據模型一直被重視，但是模型總是趕不上業務的變化。就像“畫皮”一樣表里不一”，同樣受到大數據時代的影響，因為數據范圍的不確定性導致人們無法事先確定穩定的數據模型。
數據質量
人們發現脫離業務談數據質量讓數據質量提升工作舉步維艱，在脫離業務的情況下往往會出現為了質量而質量改進的無效活動，而這些活動還得不到業務人員的支持，因為數據質量的提升是需要業務人員主導的，當無法體現業務價值時，業務人員只會認為在無效增加他們的工作量。
數據分析/知識化
為了更好的發現數據的價值，人們一直面臨著兩個方面的挑戰。
首先就是人們擁有了大量的數據，但是業務人員卻不知道這些數據長什么樣，就像不知道具體地址，即使借助高德地圖也無法順利抵達目的地一樣。
第二則是數據價值發現本身是一個數據探索的階段，數據獲取的范圍是隨時變化的，但是目前數據提供的鏈路是非常低效的，受益于第一個挑戰，目前一名業務人員想完成數據分析工作需要不斷與后臺的數據管理人員交互，讓數據人員在數據庫中找到跟他描述一致的數據內容。這個過程是低效且考驗大家耐心的。
數字化執行階段
隨著大數據的興起，大家都開始嘗試對數據進行探索，這個階段可以被認為是數據價值釋放的最后一公里，不只成為一種“體驗”，發現數據價值是一個讓人興奮的過程，但是將數據價值轉變成業務價值包含大量繁瑣的細節即枯燥工作。
另外將具體功能清晰表述，不再流于只可意會不可言談的模糊階段，于企業也是亟待攻克的難題。這也是很多企業在數字化轉型初期投入大量的成本進行數字化基礎建設但遲遲見不到明顯效果的主要原因。
當大家都意識到數據具有價值的時候，數據安全被普遍重視起來。當數據價值被普遍認可后，數據安全卻成為數據價值釋放的掣肘。過度的解讀數據安全導致數據的開放性被制約，數據獲取成本大幅增加。
數據組織/文化
企業隨著數據價值越來越被重視，其信息化部門的地位將重新被定位，很可能從以前的服務部門提升到企業戰略部署和實現的核心部門，這不光是部門定位的調整，更重要的是企業上下對數據作為生產要素的認知需重新統一。
該系列未完待續，敬請期待......
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
