数据变现?传统企业发展大数据勿舍本逐末
在互联网、移动互联网行业,数据变现高大上一些的定义,就是通过数据驱动某种业务模式,比如互联网金融,再或者O2O,企业级的如B2B电商。在这种商业模式里,数据是核心。
那么传统企业呢?再造一个商业模式,或者是直接卖数据?这两个思路恐怕都有问题。
根据测算,一个省级电信运营商,数据变现带来的收入一年约5000万元,这对于该省级运营商来说可以“忽略不计”。因此,一个省级电信运营商这么大的数据量,其变现产生的价值只是千万级别,对于其他传统企业来说,就更难通过变现赚钱了,能否cover成本还是问题。
思路决定出路。“传统企业建设大数据,进行数据资产管理,首当其冲的目标恐怕不是变现,而是企业内部的增值,怎么通过大数据的技术手段,为企业发展战略服务。”新炬网络董事EVP程永新建议。
这是传统企业发展大数据的“本”。也就是说,以数据驱动业务及企业战略的实现,从而为传统商业模式赋予新的生机。
事实上,笔者以为,企业IT建设的目的,从来就不是为了变现数据,而是为了更好地实现业务战略与企业战略。对内,就体现为强化增值的能力,包括风险管控,决策支持,优化成本等等各个方面。
共享:打通数据连接通道
对内增值,存在路径的选择。程永新认为,企业无论大小,最好的办法是业务驱动,而不是开始就做一个大的规划。因为如果没有很好的业务驱动,在增值的实现上,投入与产出的数据是不会好看的,“应该是需求驱动,慢慢做”。
对于企业增值来说,是重新定义企业的用户和产品视角。原来的用户是什么?原来的产品是什么?产品与用户是否是最佳匹配?应该如何重构他们,这些商业逻辑需要再思考。
数据增值,一种是把别人的数据买过来,但绝不是为了驱动企业主营业务,而应该进行跨界数据补全,比如企业做市场营销时数据可能不够,通过补全让用户画像更精准;或者是进行渠道商业分析,确定哪个渠道更适合企业的产品或服务。因此,构建企业数据管理平台的目的,是为了驱动企业的主营业务的成长。
过去20年,随着中国企业信息化建设的深入,数据逐渐成为企业重要的资产。如CRM系统,计费系统,ERP系统,以及各种应用系统的建设,在提升企业的业务与管理水平的同时,也逐渐积累了大量的业务、产品、服务、管理数据。这些数据收集后,企业开始在一定范围和深度上用于营销预测,财务分析,风险管控等各方面。
但是,“这些数据对企业的价值真正发挥出来了吗?我认为没有。”程永新认为,“很多时候,企业的数据仅仅分布在不同的系统里,企业缺少企业级数据中心,缺少企业级的核心应用,更不要说跨越企业边界。”
多年的烟囱式的信息系统建设,使数据沉淀在不同的应用系统及平台上,数据流动与共享艰难。但实际上,从资产的角度,数据资产具有传统资产所不具备的特质,那就是“分享产生价值”。
比如,传统的企业资产在某种意义上是独享的,但是数据资产可以共享,共享之后价值不仅不会降低,反而是上升的,如用户交易数据数据共享后,可能会产生新的场景新的应用。
当前,“连接”成为热词,但是最根本的连接是什么?是数据的连接!只有企业把内部数据的连接打通之后,数据才能发挥真正的价值,才是真正的数据资产。
然而问题来了,一方面企业要与外界广泛连接,一方面还要进行数据共享,另一方面又要保护消费者隐私,保护最终用户的隐私,保护企业的隐私,怎么解决这些矛盾?成为数据共享之路上必须解决的障碍。
从IT治理开始
新炬网络提出了数据资产管理的五星模型,据程永新介绍,分别是五个维度:数据架构驱动,数据治理,数据共享,数据资产增值以及场景变现。
笔者在此重点描述一下程永新介绍的五个维度涉及的IT治理问题。
第一个问题,专人负责数据。
一般来说,传统企业IT架构包括很多内容,有技术的,数据的,应用的,业务的,但是,企业真正投入在数据架构层面的,恐怕不多,不用说企业设有CDO的角色,恐怕连数据架构师都没有。无人对整个企业的数据负责,也无人对企业数据的安全性、一致性、完整性负责。
所谓数据架构驱动维度,就是用数据架构来驱动企业的IT治理的成熟度,首先需要从组织开始。一个强大的数据架构,需要一个强大的组织作为支撑,这就意味着要有专门的人来负责数据,把不同业务部门,不同系统的数据打通。
尤其重要的是,传统企业的IT的建设周期,从设计,开发,上线,运营,整个过程都有人管理。根据数据驱动的原则,在这个过程中,需要有专人把数据的规划,开发,集成,运营,管理起来。不是等到数据没地方放了,系统都运行十几年了,才去管理这些数据。
很多时候,IT开发是交付什么就是什么,应用建设成什么样就是什么样,应用建设是一竿子到底的,这是有问题的。比如互联网,为什么架构的弹性那么好,因为有人员的配比,基本上,开发人员与数据管控人员(DBA或数据架构师)是4:1,所以才能做到SaaS层与底层的PaaS层的数据分离。如果在这个环节没有人员的投入,很难保证有效性,如果所有的业务系统都是开发人员保证的,可以认为在数据架构层基本上是失控的。
第二个问题,数据的沼泽化。
数据怎么共享?所有共享来自于信任,对于企业来说,信任的基础是有一个共享的平台。程永新认为,数据共享会带来另外一个问题,也是当前国际数据治理领域比较关注的问题,就是随着数据量越来越大,会带来数据的沼泽化。
这涉及到数据质量失控、数据存在安全问题等等,也就是说,单纯的数据集中,可能只是第一步。因此,有CIO会发现一个数据共享中心的建设和运营成本会远远大于其带来的价值。
场景变现:跨界合作价更高
事实上,当企业的数据管理达到了一定的水平,数据已经具有了较高的价值时,变现依然是必要的。但是,也绝不是简单的卖数据。
对于绝大多数传统企业来说,跨界合作恐怕是最佳的途径。因为没有竞争关系的企业之间的数据打通与共享是比较容易实现的,但是如果几十数百家企业全部贯通,这就非常难。“就像今天我们推动自贸区建设,而不是全球化,为什么?因为全球化的愿景很美好,但是落地非常困难,因为不同国家的利益很难在全球范围得到平衡,而区域联盟比全球化更加务实。”
“所以,传统企业大数据的变现之路,就是跨界合作,就像区域合作一样。比如,如果把东方航空、太平洋保险、中国移动这三家企业撮合在一起,三家打通,数据的价值就已经非常大了,根本不需要打通几十家或更多,没有必要。而且最关键的是安全可控。”
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20