企业数据战略思考

我不是战略专家,也并非企业管理者。本来不合适聊这样一个巨大的话题的。何况企业数字化转型没有定式,何谈企业数据战略。只是脑子里时不时冒出来一些想法,不写下来总不能安心。如果能给朋友们些许启发,那就更加值得。

引用一句网络时髦用语:膨胀了。经过几年的探索,业界开始流行一句话,“不进行数字化转型是等死;进行数字化转型是找死。”
所谓数据战略,就是数据相关的战略,业务数字化、数字化转型、数据底座、数据湖、数据中台、数据产品、人工智能,都可以纳入其中。

美国国防部数据战略
美国国防部于2020年发布了数据战略,国防部数据战略支持国防战略和数字现代化,提供总体愿景、重点领域、指导原则、必要能力和目标,使国防部成为以数据为中心的企业。(The DoD Data Strategy supports the National Defense Strategy and Digital Modernization by providing the overarching vision, focus areas, guiding principles, essential capabilities, and goals necessary to transform the Department into a data-centric enterprise.)愿景:美国国防部是一个以数据为中心的组织,它快速、规模性使用数据,以获得运作优势和效率提升。(DoD is a data-centric organization that uses data at speed and scale for operational advantage and increased efficiency.)
目标:

1、数据可视:消费者可以找到所需的数据。

2、数据可访问:消费者可以检索数据。

3、数据易懂:消费者能够识别数据的内容、上下文和适用性。

4、数据链接:消费者可以通过与生俱来的关系来利用数据要素。

5、数据可信:消费者对数据的各个方面都充满信心,供决策使用。

6、数据可互操作:消费者对数据有共同的表示和理解。

7、确保数据安全:消费者知道数据不会被未经授权的使用/操纵。

必须的基本能力:

1、架构:由企业云和其他技术支持的美国国防部架构,必须让数据运转的速度比攻击者能够适应的速度更快。

2、标准:美国国防部采用一系列标准,这些标准不仅包括公认的管理和利用数据资产的方法,而且也包括经过验证的、成功的表示和共享数据的方法。

3、治理:美国国防部数据治理提供各层级有效管理数据所需的原则、政策、流程、框架、工具、指标和监督。

4、人才与文化:国防部工作人员(包括服务成员、平民和承包商)将越来越有能力处理数据,做出有数据依据的决策,制定基于证据的政策,并实施有效的流程。

初始重点领域包括:

- 联合全域作战:在战场上利用数据优势

- 高级领导决策支持:使用数据改善国防部管理

- 业务分析:利用数据推动各层级的明智决策

相信许多圈内的朋友曾经看到过。我当时看完的总体感觉是:像是网上随便搜都可以找到的”路边货“,跟美国国防部这一如雷贯耳的机构完全不搭。当然不用怀疑内容的真实性,我已特地从其网站上下载原文加以验证,如假包换。

或许,数字化时代,数据战略本身已经毫无秘密可言。

华为数据战略

华为CIO在2018年10月华为上海全连接大会·数字化华为峰会上宣布,“把数字化转型重新定义为华为公司未来转型的唯一任务,打造全联接的智能华为生态,为构建万物互联的智能世界做出努力。

”据了解,华为已经全面推进“Digital First”数字化战略,并在2021年前实现全联接智能华为,成为行业标杆。同时还将实现两个诉求:对外让华为与用户和客户做生意,简单、高效、安全;对内逐步提升内部的运营、效率和效益,支持公司“多打粮食”,增加“土壤肥力”。

其实,华为公司的数据战略也几乎毫无秘密可言。我在网上看到媒体在2017年转发的当年华为公司内部发布的文件《任总在人工智能应用GTS研讨会上的讲话 》链接:https://www.sohu.com/a/131082579_178777

1、高质量的数据是人工智能的前提和基础,高质量数据输出要作为作业完成的标准。其中还提到,数据对各级各段透明,没有层层级级的汇总处理,就快多了。

2、数据底座的投资更需要加大,作为长期的基础工程来建设。

3、人工智能在投资充分的情况下不要太冲动,要急用先行小步快跑,要聚焦在确定性业务、人工消耗大的项目。

我从讲话中摘了三条堪称战略级的要求。尤其是最后一条对于指导公司内部人工智能工作的开展影响意义深远。

记得2006年左右,在人工智能开始之初,公司的“数据科学家”们“手拿锤子,到处找钉子”。成天到处找人工智能的应用机会点。在这种情况下,老板提出了了上述要求。“我们业务扩张中,人员不按线性扩张就成功了。

”从网上可以查到,华为2006年实现销售收入656亿元人民币,员工约4万多。华为在2019年的销售收入总共为8588亿元人民币,员工人数为19万左右。收入增加到原来的13倍,员工增长到原来的不到5倍,远远低于销售收入增长速度。当然,其中也有规模效应的因素。但与公司长期坚持流程优化、信息化、数字化工作息息相关。

在华为全联接2020,华为发布了政企智能升级的系统化参考架构智能体,同时展示了智能体在华为内部以及千行百业中的探索和实践。华为云与计算BG总裁侯金龙表示,AI已经进入华为的所有主业务流程,目前已经在200个场景应用,例如销售、研发、服务、供应、财经等,创造了超过8000名数字员工,发挥了巨大价值。以大家熟悉的财务报销为例,华为每年各类费用报销近200万单。全球相应的财务处理仅仅几个人,主要是处理一些意外情况。在费用报销过程中,采用RPA、OCR、机器学习等各类数字化、数据处理技术。

企业数据战略思考

1、如何理解数据是企业战略资产?

数据成为企业战略资产的前提是,企业具备充分使用数据的能力。在《中台塌了,底座还在》一文中,我提到“数据底座建设超前于数据应用建设。”在某数据微信群中引发了大家热烈的讨论。下面摘录了一部分朋友的观点:“'数据底座建设超前于数据应用建设',如果这个成立了,那还是遵循精益的原则吗?”

“感觉超三年就算扯淡。三年,很可能业务模式改变了60%了。”

“数据管理就是很难计算 ROI的, 但是我理解这个应该未来慢慢会演变为一项基础工作。像财务管理、人力资源管理、企业管理一样。”

“基于稳定的数据技术平台稳定底座为基准,上面的数据应用、洞察、价值挖掘还是 根据业务场景需要做成短平快的 小功能、小应用,快速实现为导向吧。”

大家对于超前性建设的疑问很有道理,所表达的观点很有启发性。华为数据底座超前建设的目的并不是为了提前“囤积”数据,为将来所用。几年过去,更大的价值是在大规模数据底座建设和持续迭代的数据应用探索中积累起了数据应用的能力。

美国国防部数据工作基础原则第一条:“数据是战略资产。数据是一种高利益商品,必须以既能带来即时又持久的军事优势的方式加以利用。”

我们都知道,数据资产跟其他资金、自然资源不同,不会随着使用而消耗。从另一方面看,大部分数据资产不具备累计效应。当然我说的是“大部分”。另一部分具有连续性的数据价值当然不一样,某种程度取决于数据记录的条件变化快慢。例如宇宙天体观测记录。

正如,在DOD数据战略中第六条指导原则:用于人工智能训练数据集和算法模型将越来越成为国防部最有价值的数字资产,我们必须创建一个框架,用于在整个数据生命周期中管理它们,提供受保护的可见性和负责任的经纪服务。

这里的特别指出数据集,才真正特指某些数据内容的价值。

我们强调数据是企业战略资产。并不是意味着,倡导企业家们把数据像以往的企业资源一样“囤积”起来。除了部分特定的数据,大部分数据价值是具有时效性的。因此,如何及时的发挥数据的价值,才是关键。

2、“拿来主义“是否可行?

技术可以”拿来“,企业的应用数据的能力和数据文化”拿不来“。

在跟许多客户领导层交流华为的数字化实践案例时,被问到的最多的问题之一是:”这个系统很好,现在能不能卖?“每到此时,我只能面带愧意的跟客户说“NO.”这是为什么呢?是华为的系统模块化设计的不够好吗?

以前的IT系统是功能型的,卖给客户的是一个“空壳”,客户实施过程中对基础配置进行初始化,再不断在业务运作中产生和应用数据。而如今的系统功能如果涉及到算法,需要通过数据进行”训练“才能发挥作用。而且算法往往严重的“水土不服”,这意味着使用华为的数据训练出来的算法到了另外一家企业,极有可能完全不灵光了。

开句玩笑的例子, 用华为员工每天晚上10点之后下班的用户行为数据去对另外一家“朝九晚五”的企业员工进行预测是毫无意义的。

每每讨论到此,我一直就觉得卖给客户数据中台就是一个笑话。数据中台可以比喻为数据加工厂。把零售行业的数据中台卖给生产制造型企业,无异于把炼油厂设备卖给矿泉水生产商。二者之间唯一的共同点都是液体加工的。

另外一点,千万不要忽视使用数据的企业文化差异。企业文化这东西看起来很虚,其实就是已经内化到每一个员工的血液中的行为模式。

有个同事给我讲了一次他在客户项目中的经历。这是一个体制内的客户,项目组给客户上了一个请假、出差电子流。没想到遭到客户吐槽,反馈严重降低了客户的运作效率。客户描述到,以前出差申请人用纸质的表格模板按要求填写好出差申请,找到主管、最终审批人当面汇报一下目的等等,如果领导同意的话,顺便就签字了。如今上了个电子流,填写电子流之前,“空着手”去找领导汇报,得到同意之后再到办公室的电脑前填写出差申请。接下来无尽的等待领导审批电子流。关键是领导也没有在手机上审批的习惯。整个下来,效率可想而知。

为了对比效果,也给大家讲一个发生在华为研发部门的码农的真实案例。有一次,上班时间组长找这位码农,发现不在座位,于是领导打电话问他在哪?码农答复他,刚刚请假离开了。组长非常差异,你刚刚还在座位,啥时候请的假啊?码农告诉他离开座位之前提了请假电子流。大家已经习惯了通过线上电子流完成工作,而忽略了日常面对面的交流。

3、数字化到什么程度才算好?

人们对数字化的潜在需求远远超乎自己能想象的程度。

举个日常生活的例子,大家炒菜的时候,大厨们经常提到“火候”一词。火候之一就是菜下锅前的油温,对于油炸食品更是关键。相信许多人都有炸焦花生米的经历。如果哪个厂家率先推出油温可视的炒锅,而且价格也比较亲民的话,销量一定可观。

再举一个我亲身经历的例子。2016年,我向公司CIO汇报公司数据湖预研报告。当时供应链业务部门提出要实时接入第三方陆运物流公司的卡车GPS轨迹信息,需要大量的数据处理和存储能力。领导们对此当场对需求的真实性和必要性提出质疑。时至今日,大家都有网上购物后盯着屏幕看快递到哪的经历。当然,物流公司让大家看看快递到哪了只是顺带的,背后有更多的达到预测、物流网络规划、货物安全等方面深层次的应用。

“作为非数字原生企业,我们认为数字化转型成功的关键要素之一,是在实现世界的基础上构建一个跨域孤立系统、承载业务的‘数字孪生’的数字世界。”

《华为数据之道》一书谈到华为数据工作建设整体思路和框架时如此写道。换句话说,通过应用不断发展的数字化技术,实现物理世界与数字世界融合。我更喜欢这句话,因为它蕴含着无限的想象空间。

或许大家会觉得差异,在一个在外人看来是一板一眼的高科技企业里,咋会提出类似“世界观”的命题来呢?

在”工业4.0“中,这样描述的:“将来,企业将建立全球网络,把它们的机器、存储系统和生产设施融入到虚拟网络-实体物理系统(CPS,Cyber-Physcial Sytem)中。”不过欧洲人的描述实在有点死板。

Gartner公司在“Top 10 Strategic Technology Trends 2017”报告一文中指出:'Within treee to five year, billions of things will be represented by digital twins, a dynamic software model of a physical thing or system. Using physics data on how the components of a thing operate and respond to the environment as well as data provided by sensors in the physical world, a digital twin can be used to analyze and simulate real world conditions, responds to changes, improve operatiions and add value.'

相比而言,后者提出的“数字孪生”更加浪漫一些。如果有朋友仍然觉得不够科幻,推荐看看《生命3.0》,一定会颠覆大家原有的想象。

建设数字世界的第一步,就是不断的通过数字化的技术手段,将现实世界“镜像”的映射到数字世界。这一过程,比大家想象的要漫长。其中有成本因素,也有技术因素。例如,我们当前有技术将酸甜苦辣咸等味道进行数字化吗,还不能吧?

(0)

相关推荐