目前,我正在体系化更新数据资源管理/数据治理/数据中台系列文章。
01
五大挑战
在席卷全球的数字化浪潮中,企业同样正在经历一场翻天覆地的变革。
三十年前,企业的数字底色是财务三张表和进销存账薄。三十年后,海量数据在企业内部输入、汇聚、流动、输出。
上文提到,不管是数据收集、治理还是应用等环节,企业均面临着前所未有的数据挑战。
这些数据挑战不仅阻碍了数据价值的充分释放,也制约了企业的数字化转型进程。
具体而言,数据领域的五大挑战。
第一,数据收集和整合困难,存在大量数据孤岛
由于数据来源的多样性和复杂性,部分企业发现某些关键数据难以获取,分散在不同的地方,形成大量的数据孤岛。
第二,数据沉睡现象凸显
大量数据被收集后,直接就地躺平,完全没有发挥价值,企业面临不知道如何使用、无法使用的问题。
第三,数据治理严峻挑战
大量数据存在质量问题,并不能被直接使用,而如何有序治理,对数据进行规整、补齐、去重、监控质量等等,企业侧都面临着严峻的挑战。
第四,组织限制,大数据部门无法发挥作用
数据的管理和应用部门脱节,甚至是异地办公状态,主打一个你搞你的,我搞我的。最终,许多企业的大数据部门逐渐沦为报表生产和分析部门,仅能提供基础的数据统计,而无法深入挖掘数据背后的价值为业务提供有力的支持。
第五,数据应用浅层化现象
一提到数据应用就是报表、看板,这就是浅层化。导致数据未能真正渗透到业务流程中,被业务或用户有效利用,没有产生有价值的效果。
针对以上问题,数据中台被寄予厚望,各大互联网头部企业力挺数据中台,金融、证券、零售、能源、制造等行业头部企业也纷纷立项。
但结果却是上线效果并不尽人意,成本不低但效果一般。
业界普遍的共识是——企业只重视建设,缺乏数据消费(数据消费,将数据转化为具有实际价值的信息和知识,并将其应用于业务决策和操作的过程),导致数据流没有融入业务流。
02
何为数据飞轮
相比于数据飞轮,大家可能更熟悉亚马逊的“飞轮模型”。
飞轮模型并非贝索斯创造的理念,而是从柯林斯的飞轮理论中获得了灵感,并将其应用到亚马逊的战略中。
在著作《从优秀到卓越》中,柯林斯用“飞轮”来比喻成功企业的成长过程。
企业从优秀到卓越的转型中,没有单一起决定作用的创举,没有惊人的创新,没有幸运的突变,也没有奇迹的瞬间。
相反,整个过程就像是在持续地推动一个巨大的、沉重的飞轮。
亚马逊团队理解了飞轮的概念,他们运用这一概念,构建了亚马逊飞轮,让亚马逊获得了卓越表现。
亚马逊 飞轮模型
怎么理解数据飞轮?
数据飞轮是否会像亚马逊的飞轮模型一样,展示出同样的“魔力”呢?
2023 年 9 月19 日,在火山引擎V-Tech数据驱动科技峰会上,火山引擎提出了数据驱动的新范式——数据飞轮。
数据飞轮由业务应用层和数据资产层两部分共同组成:
1.上层的业务应用层,侧重于通过工具和BP机制,解决业务消费数据的问题。
通过更频繁的数据消费,能够让业务决策更加科学,让策略落地更加敏捷。而更科学的决策、更敏捷的动作,最终会有效提升业务价值。
2.下层的数据资产层,与过去的数据中台核心区别是,通过上层应用有针对性的需求,能够让系统建设更加目标明确。
同时,通过上游更频繁的数据消费,会进一步沉淀数据,丰富数据资产;并进一步倒逼数据质量优化,促进了数据研发效率的提升。
这两个环节,都需要对应的平台和产品来支持,但更关键的是以数据消费为目标,端到端地进行数据建设和应用落地,让企业既有数据,也能驱动。
03
大数据的下一站
曾几何时,数据中台被誉为大数据的下一站,很显然它不是终点。
那数据飞轮呢?
坦白讲,到今天,大家都已经意识到数据必须服务于消费场景、必须服务于业务发展,否则数据就毫无价值。
不管是火山引擎提倡的数据飞轮,还是阿里瓴羊提出的企业要有数据资产运营的理念,无不在强调当下数据消费和应用的重要性。
企业只有形成“以数据消费为核心”的闭环,才能在当下这个数字化时代获得竞争优势,那些期望付费买一套数据中台就实现内部数据价值的管理者该醒醒了。
数据飞轮可以取代数据中台吗?
显然,数据飞轮与数据中台并不是完全替代的关系,而是继承和升级的关系。
数据中台侧重基础设施的建设,是相对静态的,完成了数据收集、整理的部分,但是在数据的应用上还远远不够,没能让这种生产要素的价值充分发挥出来。
数据飞轮则是对数据价值的深度挖掘,更核心的一点在于与业务相融合,驱动业务发展,是动态的。
如果说“数据中台”帮助企业将数据变成了资产,那么“数据飞轮”的意义则在于:资产增值,赋能业务。
关于两者的关系,汽车之家 CTO 项碧波对此有一个非常有意思的形容,“我们可以将中台视为静态的基础设施,而将飞轮描述为一种运行状态。”
他认为数据飞轮可以描述为一种正向反馈的迭代循环过程,类似于一个转动的飞轮,通过不断地迭代和优化来达到业务价值最大化的目标。
04
小结
“造词专业户”?
“概念大师”?
“新型诈骗”?
...
不管是数据中台还是数据飞轮,甚至前段时间 Gartner 提出的“数智基建”,大数据领域新的词汇层出不穷,大家直呼“干啥都不行,造词你最行”。
其实,在我看来都没有偏离一个基础框架:数据生产、数据消费、数据流通。
数据要素生产力的发挥,离不开以上三大环节/阶段,所有的概念或理念,也都是在三大环节内部上蹿下跳罢了。
数据中台更偏向于数据生产环节;数据飞轮则偏向于数据消费,且和数据生产有效联动;各地政府在推进的数据交易所则是为了实现数据流通,激活全社会的数据。
推动人类进入数智化时代是很多数科类企业的愿景,深刻而遥远。
随着商业环境的不断变化,以及技术不断地进步,各类数字化工具、数字转型思路未来还将层出不穷地涌现,敬请期待吧!
(正文完)
今天的分享就到这里,希望对你能有多帮助和启发。
我是唐晨,日更大数据+AI 领域知识和个人观点,关注 Data + AI 领域的小伙伴,可以点击关注公众号。
看看都是哪些角色在订阅唐晨说数,点击下方选项查看:
转载、投稿、商务、咨询合作
均可添加微信沟通