数字化转型的核心是数据，还是应用？

**个关键点、将数据与商业价值连接起来

大数据的爆发让大家有了一个固有印象，就是所有的数据都能够提供商业价值。可是我们不得不承认，很多数据对商业问题其实是没有帮助的，也就是人们所说的数据噪音。

我觉得所有的高管在想，我要对企业的数据去做些什么的时候，都应该先问一问自己：我现在遇到的商业问题是什么？需要什么数据去解决？他们这些数据是否已经存在？还是需要我现在去收集？我需要建立什么能力去使用这些数据，然后去思考如何识别出关键的数据元素？如何清晰的阐明他们对企业的价值？

埃森哲曾发布一份研究报告，其中190位数据和人工智能的高管根据自己的感知，对他们公司的数据价值进行了评级。我们发现只有32%的人相信他们可以利用现有数据实现可感知的价值。这是为什么？最常见的一个原因就是没有明确的桥梁将数据与业务战略联系起来，数据的使用和分析必须是为业务服务的，才能够体现出数据真正的价值。

说到这里，你或许开始思考业务需求了，然后你可能会意识到其实在企业里的一些不同的部门和分支，都会有一些共通的类似的需求，那我们在挑选use case的时候，就应该优先去处理这些类似的需求，因为他们多半也会使用相通的、类似的数据集。当企业拥有可重复使用的数据集和数据资产时，就是在为企业级的业务需求打基础了，那么该如何去创建全量级的能让企业反复使用的数据集呢？答案就是创建可重复使用的数据资产。

第二个关键点、创建可重复使用的数据资产

建立可重复使用的数据资产的**步就是去了解企业目前有一些什么商业问题，并识别出解决这些商业问题背后所需要的共同的、关键的数据元素是什么。如果不这么做，很有可能到了数字化转型的最后阶段，你会发现企业就拥有了很多个不同的数据链。由不同的业务职能驱动着，这就会导致很多数据分析和数据报表都是孤立的，不同的部门各行其是，从而导致了流程效率低下，内耗非常严重，不同的部门员工们呢反复的去做着同样的统计、开发工作，甚至统计的一些数据根本就是无用的，我也曾经亲身经历过这类企业和部门。

所以，企业需要做的就是一定要专注开发可重复使用的数据资产，加强数据的延展性，从而能从相同的数据中反复创造出新的价值。

这里来给大家分享一个案例，假如一个零售企业希望优化供应链来减少门店的库存，他们使用了一个智能预测库存的AI模型，用到的主要是目前每个门店的销售数据，然后按照产品类型、客户类型、零售位置来生成如何减少门店库存的建议，这个模型肯定是能够跑起来的，可是如果想做的更加的精准一点。可以结合一些企业的其他数据，比如顾客的历史购买记录，仓库的进货、出货、缺货的数据，甚至是一些外部数据，比如城市人口增长的指标，15公里半径以内整体商业的发展趋势等等，来产生一些新的见解和洞察。结合了这些数据以后，这个零售商一定可以更好的管理自己每个商铺的库存了。

但我们对数据的使用还远远不止于此，我们还可以使用相同的数据输入另外的模型，用于优化产品的定价策略。所以你会发现原本只是由供应链部门用于处理库存的数据集，已经可以帮助其他的业务流程实现改良，它就已经成为整个企业价值链中宝贵的数据资产了。有了这种全量级的数据资产，可以说就一劳永逸了，企业就能够快速从数据中释放能量，这样的数据战略与数字化转型相结合，才能够实现跨职能的收益。

第三个关键点、创建可扩展的数据平台

通常来说，有些企业管理者已经意识到当前的数据环境不能够提供他们所需要的价值，而他们其实也已经很努力的在现有的内部平台上创建新的功能，可是要么新功能推出不来，要么即使部分业务成功推出新功能，其他的业务却不能很好的使用这些新功能。所以，这种情况下建议是创建一个统一的数据平台，将不同的业务部门的数据进行统一的存储，根据需求给予不同的权限。对于绝大多数企业而言，云就是这个平台的关键部分。除了可扩展性和灵活性，云还能够为数据的存储提供几乎无限的空间，不用担心数据的增长，如果数据不小心丢失，云供应商也能够帮助恢复数据，确保数据的可用性。

为了使用云服务，企业的IT基础设施和架构就很重要了，打好了地基，才能够迎接更广泛的大数据和人工智能的挑战。企业要去建立的其实是一个生态系统，在这个生态中，有来自各个平台、应用程序和用户的数据，都被放在一个统一的大环境中组合在一起，为各种模型和工具所使用，为企业带来数据的凝聚力。