永洪科技王桐:一文讀懂“2018中國企業(yè)大數(shù)據(jù)需求5大演進趨勢”

　 域名預訂/競價，好“米”不錯過

作者介紹：擁有9年商業(yè)智能領(lǐng)域的產(chǎn)品銷售、市場營銷經(jīng)驗，在甲骨文、IBM、永洪科技等知名企業(yè)擔任咨詢、銷售管理要職，曾成功推進多個大型項目的實施，為上百家企業(yè)用戶提供了完善的數(shù)據(jù)可視化分析解決方案，這些企業(yè)既有寶寶樹等電商領(lǐng)域的明星公司，也有中國移動等傳統(tǒng)巨頭。

導語：自從大數(shù)據(jù)成為業(yè)界熱詞后，中國企業(yè)的大數(shù)據(jù)建設就開啟了井噴時代。近年來，企業(yè)對大數(shù)據(jù)的需求也在不斷升級演化，整體呈現(xiàn)更深入、更落地的特點。

近幾年，筆者通過實地調(diào)研、對話CIO等方式走訪上千家企業(yè)，部署上百家企業(yè)大數(shù)據(jù)商業(yè)智能項目，通過對一線實踐經(jīng)驗進行提煉總結(jié)，中國企業(yè)大數(shù)據(jù)需求大致呈現(xiàn)出5大演進趨勢。

壹

一．AI逐漸成為商業(yè)智能的重要組成部分

1. 單純的BI已不能滿足處于領(lǐng)導者地位企業(yè)的全部需求

從本質(zhì)上來講，數(shù)據(jù)分析的目標是幫助客戶從數(shù)據(jù)當中獲取洞察力，創(chuàng)造價值。而AI作為商業(yè)智能中的關(guān)鍵技術(shù)，它圍繞的目標并沒有發(fā)生變化，還是怎么樣幫助到客戶，尤其是對于企業(yè)中的絕大多數(shù)業(yè)務人員。通過AI幫助他們從數(shù)據(jù)當中獲取洞察、實現(xiàn)更精準的趨勢預測和輔助決策，提高企業(yè)營業(yè)額以及提升企業(yè)的運營效率。

BI滿足了企業(yè)在結(jié)果監(jiān)控、問題診斷、決策支持上的需求，AI則滿足了業(yè)務預測、問題預警、探究數(shù)據(jù)背后的關(guān)聯(lián)關(guān)系等深層次需求。如客戶流失預測、客戶購買預測、銷量預測、設備故障預警等。

2. AI不能獨立存在，應站在BI的肩膀上，與BI無縫集成

BI和AI同屬大數(shù)據(jù)和智能分析的范疇，在技術(shù)上有相當多的重疊性。相比AI，BI的發(fā)展已經(jīng)經(jīng)歷了幾十個年頭，各層技術(shù)路線和資源都十分成熟豐富，尤其是BI的可視化能力、敏捷易用性、數(shù)據(jù)準備能力、高性能處理能力都可讓AI借力。

可視化能力：AI模型處理出的結(jié)果，很多時候也需要供人來查看解讀。豐富的圖表類型和展現(xiàn)形式，是BI的擅長點，也是很多AI平臺薄弱的環(huán)節(jié)。缺少好的可視化輸出會降低數(shù)據(jù)的“易讀懂性”。值得注意的是，有部分AI算法適合用特殊的非常規(guī)圖表類型來展示，也需要BI平臺做好擴展支持。

敏捷易用性：在談論AI的時候，非數(shù)據(jù)科學家類人群都會把它當成非常神秘和高大上的東西，莫測不可知。實際上雖然算法的理論基礎(chǔ)專業(yè)性要求很強，但算法的應用并不復雜，也不應該復雜，應該降低算法應用的使用門檻，讓大量需要應用的業(yè)務用戶也能夠上手使用，以此來最大化AI的商業(yè)價值。敏捷BI在易用性上已經(jīng)做了很多創(chuàng)新，AI的應用可以借力其用戶體驗。

數(shù)據(jù)準備能力：和BI一樣，數(shù)據(jù)治理的水平、數(shù)據(jù)的質(zhì)量也會影響AI模型輸出結(jié)果的精準度。數(shù)據(jù)準備能力，如數(shù)據(jù)治理、數(shù)據(jù)清洗、數(shù)據(jù)整合等，AI可以共用、共享其結(jié)果。在高質(zhì)量的數(shù)據(jù)基礎(chǔ)上，進行模型的訓練和探索。

高性能處理能力：性能強大的平臺，可以壓縮數(shù)倍AI模型訓練的時間，讓企業(yè)更快的應用AI的價值成果?？蓪I的算法改造為可支持分布式計算的形式，以適配MPP的計算引擎。

由此可以看出，在BI平臺中集成AI能力，對比獨立開發(fā)新的AI平臺，會具備極大的完備性優(yōu)勢。

貳

二．早期嘗試自服務分析的企業(yè)未達目標，真正的企業(yè)級自服務分析被探索落地

1. 早期企業(yè)簡單的認為，只要系統(tǒng)操作簡便，就能讓業(yè)務人員自己完成分析過程

然而業(yè)務人員并不懂數(shù)據(jù)庫、數(shù)據(jù)表和數(shù)據(jù)結(jié)構(gòu)，也缺乏數(shù)據(jù)分析的方法論知識，并不能實現(xiàn)目標。如果分析需求并不很多，業(yè)務人員也缺乏自己動手的動力。

業(yè)務人員經(jīng)常用不符合IT最佳實踐的方式操作系統(tǒng)，導致系統(tǒng)崩潰。

以上都是在實踐中會遇到的非?，F(xiàn)實的問題。在國外，有如Tableau之類的可視化工具，易用性很好，操作很簡便易學。但是自服務分析的內(nèi)涵并不僅僅這么簡單，幾乎所有自服務分析項目的失敗，都是上述問題導致的。

2. 真正的企業(yè)級自服務分析，需要合理分工、全面指導、性能強大：

合理分工：IT用戶負責數(shù)據(jù)的準備，業(yè)務用戶負責在準備好的數(shù)據(jù)基礎(chǔ)上，通過簡便的操作做靈活的多維分析或AI預測分析。

全面指導：經(jīng)常聽到可視化工具廠商告訴客戶“你通過拖拽就可以完成分析操作”，但客戶經(jīng)常還是懵，“我拖什么呢？”。對于很多業(yè)務用戶，數(shù)據(jù)分析不是他們的專業(yè)，基本的分析方法和思路還是需要通過培訓傳遞給客戶，且不能冗長，要非常簡練易學。附上幾篇面向業(yè)務用戶的分析方法論教學文章。（大道至簡的數(shù)據(jù)分析方法論）

性能強大：性能保障不光要靠計算引擎本身的強大，相關(guān)的系統(tǒng)管理機制也要十分完備。業(yè)務用戶在自服務分析時比較容易出現(xiàn)拖拽的維度過多過細導致笛卡爾積很大的情況，系統(tǒng)資源一下就被占滿了，變得十分卡頓甚至宕機。國內(nèi)的數(shù)據(jù)分析平臺如永洪，就在系統(tǒng)管理機制上做了很多考慮和設計，如系統(tǒng)資源隔離，讓自服務分析的用戶操作不會影響到看日常固定報告的用戶；如可對用戶設置資源使用的額度和優(yōu)先級；再如多級緩存保障計算資源不被浪費，等等。

三．越來越多企業(yè)能夠清晰區(qū)分報表與數(shù)據(jù)分析的差異

1. 報表工具只能滿足“看到數(shù)據(jù)”的基礎(chǔ)需求

報表工具只能做結(jié)果監(jiān)控，而不能回答發(fā)現(xiàn)的問題，更不能帶來直觀的決策指導。企業(yè)需要數(shù)據(jù)分析平臺來做數(shù)據(jù)應用的基礎(chǔ)。

2. 交互式分析成為企業(yè)數(shù)據(jù)平臺標配功能

在今天，企業(yè)更加注重“看到數(shù)據(jù)”——“發(fā)現(xiàn)問題”——“找到答案”——“采取行動”的閉環(huán)實現(xiàn)。

這個閉環(huán)實現(xiàn)需要平臺功能和服務能力的雙重支撐。

在平臺功能上，需要支持好下鉆、全局聯(lián)動、動態(tài)計算等。使用戶看到的不是靜態(tài)的固定報表，而是可交互、可對話的動態(tài)報告。在報告中發(fā)現(xiàn)的問題可通過交互式操作直接找到答案，而不是再去做一個新的固定報表。

在服務能力上，服務方不光要負責分析需求在數(shù)據(jù)分析平臺上的實施和實現(xiàn)，更需要具備數(shù)據(jù)咨詢能力，通過對業(yè)務和數(shù)據(jù)的系統(tǒng)化梳理，設計具備深度業(yè)務價值的分析體系，而非僅僅被動響應業(yè)務用戶提出的常規(guī)報表需求。

肆

四．越來越多企業(yè)將數(shù)據(jù)分析嵌入從高層到一線人員的日常決策中

1. 一線人員的決策普遍呈現(xiàn)效率低、水平低的狀況

其實我并不喜歡“決策”這個詞，容易讓人誤解，總覺得很重，只有大事才需要決策。我更喜歡用“判斷”這個詞，即我的日常工作中，有哪些事需要做思考判斷？今天我需要致電哪些客戶、哪些商品需要下生產(chǎn)訂單了、下月的新品該如何設計等，都是需要做思考判斷的事項。

思考判斷是如何做的呢？通常情況下，用戶都會到各個系統(tǒng)查看需要的信息，也經(jīng)常需要再打一圈電話做確認，用半個小時完成判斷的過程，效率不高。且新人和老人的判斷水平也參差不齊，判斷的失誤則會直接影響到業(yè)務的發(fā)展。

2. 并不是做個駕駛艙就算實現(xiàn)了“決策支持”

在過去，有很多項目都以“決策支持系統(tǒng)”為名稱，但交付的僅是一個駕駛艙，實際仍然只是結(jié)果監(jiān)控，并沒有做到真正的決策支持。

在我們和企業(yè)的溝通中，有時會問“您有哪些需要決策/判斷的問題”，結(jié)果通常是一時反應不過來。如果這個問題都尚未明確，駕駛艙支持了哪些決策呢？

3. 以決策支持為目的的數(shù)據(jù)分析能極大改進這一問題

數(shù)據(jù)咨詢的能力，在做好真正的決策支持時至關(guān)重要。需要對業(yè)務對象的日常工作有細致的梳理，找出其中需要做思考判斷的事項，將判斷的依據(jù)和判斷的規(guī)則用數(shù)據(jù)分析平臺整合呈現(xiàn)出來，用戶就不用到處看系統(tǒng)打電話來收集信息了，在一個統(tǒng)一的頁面上就能集中看到做判斷所需的全部信息，這些信息都以數(shù)據(jù)可視化的形式呈現(xiàn)出來，而判斷規(guī)則轉(zhuǎn)化為了公式和模型。這樣，原來半小時做的判斷，現(xiàn)在一分鐘就能完成了，還保障了判斷水平的統(tǒng)一高質(zhì)量。

伍

五．越超半數(shù)大中型企業(yè)需要一個數(shù)據(jù)分析的“全能專家”作為企業(yè)發(fā)展的戰(zhàn)略伙伴

1. 昂貴的實施、集成、維護、學習成本，使企業(yè)迫切需要具備全方位能力的合作伙伴來提供服務

和數(shù)據(jù)打交道的越深，企業(yè)越感到其專業(yè)范圍之廣，從而迫切需要一個數(shù)據(jù)分析的“全能專家”來幫助自己做好數(shù)據(jù)價值的挖掘。在任何一方面瘸腿兒，都會導致流程阻塞，折損價值的輸出。

所謂“全能”，不光是數(shù)據(jù)分析平臺的功能要完整全面，數(shù)據(jù)咨詢、數(shù)據(jù)治理、數(shù)據(jù)化運營最佳實踐等相關(guān)的服務型能力也要完整全面，綜合起來才能把事情做好。

2. 全能專家需要具備4方面能力：平臺、應用、服務、運營

目前業(yè)界已有像永洪一樣具備數(shù)據(jù)分析“全能專家”能力的企業(yè)產(chǎn)生。永洪基于對企業(yè)需求的洞察，逐步構(gòu)建各方面能力，率先定義了數(shù)據(jù)驅(qū)動業(yè)務增長的PASO能力模型，作為對“全能專家”能力的詮釋。

永洪的PASO能力介紹

PASO分別是平臺（Platform）、應用（Application）、服務（Service）、運營（Operation）的首字母：

平臺：數(shù)據(jù)分析鏈條很長，從采集、治理、整合、存儲、計算、建模到展現(xiàn)，如果沒有一個完整全面的數(shù)據(jù)分析平臺，將會涉及太多工具和技術(shù)，成本高昂，架構(gòu)復雜，需求實現(xiàn)效率太低，難以滿足企業(yè)業(yè)務的洞察需要。

應用：IT部門辛苦做出的數(shù)據(jù)報告，業(yè)務部門覺得沒用；問業(yè)務部門有什么需求，又難以提出。需要有專業(yè)的數(shù)據(jù)咨詢專家來做好具備深度價值的數(shù)據(jù)應用的設計。

服務：無論是自建服務團隊還是找第三方供應商，缺乏貼身的精細化專業(yè)服務能力會導致解決問題效率低下，帶來負面用戶反饋。精細化的本地服務是項目成功的保障。

運營：很多企業(yè)用的都是國際大牌產(chǎn)品，但系統(tǒng)也往往不穩(wěn)定，問題頻出，本質(zhì)是因為缺少運營的系統(tǒng)化方法，沒有遵循最佳實踐。永洪基于數(shù)百個大型項目經(jīng)驗，提煉總結(jié)了上百條數(shù)據(jù)化運營最佳實踐原則，通過永洪的客戶成功團隊傳遞給眾多企業(yè)。

結(jié)語：時至今日，企業(yè)對數(shù)據(jù)價值的挖掘和利用仍然處于早期階段，未來數(shù)據(jù)使用的方式、形態(tài)、場景，可能很多在今天都還沒有被想到。這是一件令人興奮的事情，探索未知總是很有樂趣，在這個過程中保持好奇和空杯的心態(tài)，才能在每一個需求演進的階段中作引領(lǐng)者，否則就會被市場淘汰。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！