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
缺少应用场景
这里是有歧义的,很多企业并不是缺少数据应用场景,而是不知道有哪些数据应用场景。
数据应用场景一直都在,只是需要企业去识别、去发现。
需要注意的是不同的应用场景是有大小、轻重、缓急之分的。
国家在去年发布了“数据要素×”三年行动计划(2024—2026年),核心目标就是激活数据要素的潜在价值,并在 2026 年底,数据要素应用场景广度和深度大幅拓展,在经济发展领域数据要素乘数效应得到显现。
比如汽车制造行业,数据有哪些有潜力的应用场景呢?
1.利用数据进行产品设计和仿真
在汽车设计阶段,设计师可以利用数据要素对车辆的结构、性能、安全性等方面进行模拟和预测。通过数据分析和优化,企业可以减少设计迭代次数,降低研发成本,并提高产品的质量和性能。
2.利用数据进行实验验证
在汽车制造过程中,企业可以利用实验数据进行工艺优化和质量控制。通过对生产数据的收集和分析,企业可以找出生产过程中的瓶颈和问题,然后采取针对性的措施进行改进和优化。
3.利用数据实现协同制造
作为链主,企业打通了供应链上下游的设计、计划、质量、物流等数据。通过数据共享和协同,企业可以与供应商、物流公司等合作伙伴实现敏捷柔性协同制造。这有助于减少生产延误和库存积压,提高生产效率和产品质量。
4.利用数据提升服务能力
通过整合设计、生产、运行数据,企业可以为客户提供预测性维护和增值服务等能力。例如,通过分析车辆运行数据和故障记录,企业可以预测车辆的维修需求和更换零件的时间,为客户提供更加精准的服务和支持。
汽车制造企业通过融合设计、仿真、实验验证数据等数据,提升了企业的创新能力、协同制造能力和服务能力。这有助于提高企业的生产效率和质量水平,增强市场竞争力。
不同的行业,各自都有不同的数据应用场景,只是很多企业缺少行业的最佳实践作为参考,这一块国家也在发挥引导和宣培作用,大家也需要积极探索。
02
缺少数据应用
数据应用场景是需求,决定了潜在价值。
但是,想要满足数据应用场景,则需要依赖数据应用的支撑,最常见的数据应用就是 BI 报表、可视化看板及数据大屏。
但是,这只是数据应用的冰山一角。
注意:这里的数据应用是名词,不是动词,泛指数据应用工具,是直接支撑业务发展的数据应用产品。
图片来源于网络
我们日常工作中需要经常和数据应用打交道,比如用户行为分析系统、运维监控系统、BI 可视化、用户画像分析系统等等。
随着,企业数字应用场景的不断深入,有些零售企业也上线了,自动化数字营销、智能供应链补货等数据应用。
相比于数据中台,这些数据应用就充当“数据前台”的角色。
数据前台实现数据要素价值的释放和落地,而数据中台更多职责是为数据前台应用做数据开发和质量保障的。
所以,单纯的上线了一套数据中台,如果企业自身缺少切实的数据应用场景和痛点,或者缺少对应匹配的数据应用产品做支撑,企业数据价值就很难发挥出来。
目前,相比于传统行业,互联网企业在数据应用方面走在更前沿。
比如各大互联网公司会基于渠道 ROI 的实时分析,自动调整营销投放的策略;再比如基于不同的用户标签,给用户推送高潜的售卖商品;再比如会基于用户圈选自动推送优惠券,进行新用户首购引导及老客户激活等等。
03
小结
相比于在数据工具层面上的投资,很多企业应该优先投资数据人才,如果实在没资源,至少培养一些业务好手,接受一些外部的数据分析应用的培训。
我们往往过度地夸大了数据中台或其他数据工具的作用,却忽略了企业自身行业的数据应用场景的挖掘和思考。
就像一些商业逻辑一样,没有数据应用场景为前提的需求引导,一切的数据工具都是炮灰。
再强调一下,数据应用(名词)并不是每个企业都有实力去采购或建设的。
这个时候,想要发挥数据中台的价值,可以往数据分析及挖掘方向去努力。
先通过人力的方式(核心是数据分析师,或者懂业务的好手学一些基础 SQL),尽可能挖掘数据价值,除了支撑企业的关键决策外,也需要积极去探索支撑一些具体业务问题,不管是营销、客户服务、成本优化等等。
如果准备躺平了,在巨无霸的数据中台之上,就插上几张经营报表,也不是不行。
祝好!
(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:
有任何问题想咨询我本人,可添加微信。