數字化轉型對企業來說已經是一道必選題。在現階段的數字化轉型過程中,哪些是企業的工作重點?哪些是企業面臨的首要挑戰?
Forrester調研數據顯示,在全球范圍的兩千多位受訪者中,選擇數據分析的受訪者達到34%;在中國的271位受訪者中,選擇數據分析的比例達到了44%,在所有選項中高居第一位。中國企業對數據問題是首要挑戰的認可度高達31%。這表明,數據分析已成為數字化轉型過程中的重中之重,數據問題則是企業數字化轉型的首要挑戰。
為什么管理好數據,做好數據分析演變成了企業數字化轉型的關鍵?2022年6月,愛數聯合Forrester進行了一項調研,走訪了200+國內外大中型企業負責戰略、數字化轉型以及數據管理和分析的決策者。調研數據顯示,大家普遍對利用數據推進轉型抱有很高期望。有82%的受訪者希望建設數據驅動的企業文化,從而推進企業進化升級,持續領先競爭對手。遺憾的是,根據企業自評,僅有28%的企業認為自己在數據驅動運營、數據驅動創新的層面達到了成熟或者領先的水平。
企業實現數據驅動面臨的多維度挑戰
事實上,數據管理、以數據驅動運營是一個復雜的問題,絕不僅僅只涉及數據技術,還涉及到戰略和組織。提升數據管理水平,戰略、技術、組織和流程,這幾個維度缺一不可。從調研數據來看,每一個維度都存在著諸多挑戰。
1.數據戰略維度:受訪者普遍認為企業內部對于數據價值及資產存在不同認知,缺乏統一的目標,難以有效協同,這一比例達到79%。許多受訪者在調研中表示,數據戰略必須是一把手工程,如果缺乏一把手的強力支持,組織之間的協調將非常難以推進。
2.技術維度:由于技術種類繁多以及應用復雜,很多企業面臨來自技術層面的挑戰。從內部來看,超過75%的受訪者表示企業現有數據基礎設施技術水平較為落后,無法充分利用多元化數據。值得一提的是, 82%的受訪者表示現有技術主要面向結構化數據,對半結構化以及非結構化數據關注不足。
3.數據孤島:多年以來,數據孤島的問題不但沒有緩解,反而有一種愈演愈烈的趨勢。65%的受訪者表示,隨著企業數字化業務占比提升,不斷新增的業務系統產生了新的數據孤島。
全域數據能力,重塑數據生產力
如何解決這一系列的挑戰,幫助企業充分利用內外部的數據,進而全面深化數字化轉型?Forrester認為,企業需要的不是簡單、孤立的數據產品,而是全域數據能力,從戰略、組織和流程全方位重塑數據生產力。
如何理解數據生產力
可以從生產力的三個角度進行解讀:
1.勞動者。在企業內部,誰是數據的使用方呢?如果僅限于技術人員,那么一定不能最大化數據的價值。企業要實現的是數據民主化,讓數據成為企業內部的通用資源,任何人都可以按照權限使用相應的數據產品,因此在數據生產力的角度,勞動者應該是全量的用戶。
2.勞動資料。勞動資料的主體是生產工具。對于數據而言,企業需要具備全棧功能的生產工具,在原始數據層實現數據的可訪問,在數據資產層實現數據的可利用,在知識和智能層實現數據的可變現。
3.勞動對象。數據是重要的生產要素,數據分析是數字化轉型的重中之重,數據問題是數字化轉型的最大挑戰。
因此,重塑數據生產力,需要處理全場景、全類別以及全生命周期的全域數據。全量用戶、全棧功能以及全域數據綜合起來,就是企業需要的全域數據能力。
全場景、全類別、全生命周期的全域數據
1.全場景:隨著數字化轉型的逐漸深入,各行各業組織的數據已覆蓋不同的業務域,如對于政府而言,數字化的業務域主要是政務云、政府辦公和智慧應用;對于企業單位而言,涉及研發、生產、營銷、管理域等方方面面。以企業為例,一直以來,企業的信息化建設優先滿足業務需求,在研發場景有PLM系統,生產場景有MES系統,市場營銷場景有MA系統,客戶管理場景有CRM系統。各個系統是割裂的,這為企業的運營管理帶來了困難。因此,首先要實現業務場景內的數據整合,其次要實現跨業務場景的數據整合,才能達到協同增效以及業務創新。
2.全類別:全域數據按照數據形態來劃分,包括結構化數據、非結構化數據、機器數據等。當前,企業對于大量非結構化數據的投資明顯不足。在調研中有位高管談到:非結構化數據反映的是業務和企業運作的內在本質,可以指導企業的業務重組和優化。調研結果也顯示大家都非常重視非結構化數據。89%的受訪者希望利用非結構化數據來獲取關于客戶旅程的深刻見解,并找到改善客戶關系的方向。然而,大部分受訪者表示目前對于非結構化數據處理還僅停留在打標簽,無法做到內容分析并形成知識,因此,有64%的受訪者希望以中臺思路構建非結構化數據的處理能力。
3.全生命周期:69%的受訪者表示企業需要加強數據全生命周期管理能力。企業數據的生命周期圍繞業務流程,覆蓋了開發/采集、加工、流通、歸檔/銷毀等全鏈路。
重塑數據生產力需要全棧功能
1.最底層:原始數據層。通過各種不同的產品和技術來存儲全域數據,實現數據可訪問。從全域數據類別的角度來看,針對結構化數據、半結構化數據、非結構化數據,企業需要不同的產品和技術,但這些種類繁多的數據源不能是孤立的,否則會在技術層面造成大量數據孤島。針對這個問題,可以借助數據虛擬化及Data Fabric相關產品,通過連接、收集和轉換不同來源的數據創建數據抽象層,無需移動數據就能實現整合的數據讀取和分析。
2.中間層:數據資產層。能夠訪問到數據還不夠,企業需要沉淀數據資產,實現數據可利用。原始的全域數據需要被加工成具有某個業務主題,面向某個業務場景以及跨業務場景的戰略性數據資產。在數據資產層,需要有完善的質量保障體系,保障數據資產的正確性,還需要規范、緊密結合業務的標簽體系,通過智能的數據分析以及數據映射,為結構化、非結構化數據生產Data Catalog。此外,數據安全與數據治理貫穿數據全生命周期。在調研中,88%的受訪者表示需要把數據治理固化到業務流程中,實現及時治理,引入DataOps可以解決這一問題。同時,外界對客戶隱私的關注也讓隱私計算成為焦點。
3.最上層:數據可變現。可變現指的是能從數據中抽取出知識和智能,為企業帶來業務價值。調研中,有數據負責人表示,“如果業務模式還不清晰,他寧可數據放在那里不動”,這表明了數據價值和業務的強關聯性。Forrester在調研中重點關注了生物醫藥、高端制造、金融以及政府機構這幾個行業,每個行業都有其特別關注的智能化的數據服務。比如,生物醫藥行業最為關注智能的OA辦公協同,超過一半的金融行業受訪客戶關注通過全渠道的實時監控進行風險管理。政府機構則主要關注對于城市經濟運行以及民生的預測分析。在高端制造行業,產品精準營銷則是受訪者關注的重點。
結語
數字化轉型深化期,以全域數據能力驅動企業轉型、數字創新以及打造新的商業模式已經成為大多數企業的共識。如何通過全域數據能力,阻止數據孤島的蔓延,對多樣化數據進行深度的價值挖掘,從而實現數據驅動運營、數據驅動決策、數據驅動創新,打造數據驅動型組織?敬請關注愛數聯合Forrester即將發布的思想領導力報告:《提高全域數據能力,以數據驅動運營》。
