探索数据的价值（一）

一. 为什么需要重视数据的价值

在企业数字化转型之前，企业的决策全凭管理层经验来决断，但经验仅限于他们了解市场和公司的大致的情况，无法对某个领域、场景有一个细致的了解。无论公司规模大小，内部经过时间沉淀的数据都是蕴含非常大的价值，外部采集的数据更是具备探索潜力，对内：数据通过自动化进行运算免去人工处理提高决策效率，对数据的汇总计算、深入挖掘提供的丰富的指标以及模型成为决策的基石，同时计算好的数据直接可作用于业务系统，例如推荐系统、银行的风控系统、决策引擎等。对外：通过内外数据的采集分析，充分了解市场和消费者，提高自己的产品竞争力和服务质量。

“用数据说话”已成为很多企业管理者的共识，“数据即时事实” 更为客观的、系统性的处理事物，减少信息不准确决策失误的风险。以消费行业为例，企业借助大数据进行精确的市场定位，挖掘客户需求，通过丰富的行为数据构建用户画像，千人千面式的进行个性化推荐，提升产品竞争力和客户体验。以供应链管理为例，库存管理和物流配送关系到公司的成本、利润，市场需求暴增会导致货物短缺，需求降低会导致库存积压，造成高成本的存货冲销。现在很多企业正在借助数据分析和机器学习来预测不同品种、品类的商品在某个时间端的需求情况，来调整库存水平，辅助企业调整物流配送方式，降低库存和物流的运营成本。

笔者参与数据平台建设的过程，建设初期需投入较大的时间和研发成本，需要对已有的源头数据以及外部数据做充分的调研，前期由于数据缺失、数据质量问题难以取得较大成效，但后期数据建立规范并逐渐积攒起来了，将会是支撑公司运营，提高公司竞争力强大的法宝。

二. 企业数据的应用方式

对于初创企业数据零散分布，不成体系，数据多在线下流通，更不用提数据能直接作用在业务上，需要的是具备做财务核算一样严谨的精神，对线下的数据建立规范，手动保证数据完整不纰漏，避免对决策造成干扰，同时可将线下数据多维度汇呈现在市面上常见的BI软件上。

对初步具备实力的企业，具备了自己的erp、crm、pos等系统，但前期多出于成本考量，对外多多少少采购了供应商产品，外加上自研的微服务，数据在一定程度上具备了规范，现需要做的是将数据采集接入到统一的数据中台，解决系统间的数据孤岛的问题，就此能全局的查看公司几乎所有的数据。对数据做治理工作、数据质量监控、根据不同的分析需求和业务场景，对数据加以运用。可考虑三个方向 a. 数据流程自动化，自动化处理免去手工计算降本增效果 b. 数据汇总分析提供分析报表、管理驾驶舱等供销售、运营、管理者使用提高决策的准确性 c. 处理好的复杂指标、衍生指标直接作用于业务系统参与业务计算，做到一个低数据粒度级别的业务处理，例如针对某一个订单，某一个客户自动采取不同策略。

到公司具备良好实力，或者是科技型公司，考虑的是更深层次，即运用数据挖掘和深度学习算法对数据进行深度洞察，揭示传统分析方法无法发现的数据特征，采集网络上杂乱无章且富含价值的数据。首先我们了解机器学习：简单的解释为使用一些算法从数据中分析出某种规律，然后利用这一规律来“训练”机器，让机器通过“学习”具备执行某项任务的能力。而数据挖掘是机器学习的代名词，数据挖掘更加侧重对算法的应用而不是算法本身。例如智能客服系统，这类系统可以针对顾客提出的问题进行语义识别，然后根据提出的问题在知识图谱中进行搜索，寻找匹配的答案，人工客服可以7*24小时在线，随时解答顾客问题，既提高了客户满意度，又能节省商家的人力成本。

总而言之，无论公司是什么性质，处于什么阶段，需要用数据贯穿始终的两个维度：决策支持和业务创新，他们既是企业构建数据平台进行数据分析的价值导向，也是企业数据应用能力持续输出的结果。