數字化轉型兩大難題 (車品覺)

By on June 29, 2020

本文作者車品覺,為紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員,為《信報》撰寫專欄「全民大數據」

數字化轉型的目標之一,正是利用準確的數據和上下文,作出值得信賴的業務決策。(Freepik網上圖片)

數字化轉型的目標之一,正是利用準確的數據和上下文,作出值得信賴的業務決策。(Freepik網上圖片)

數字化轉型一直是業內難題,亦是許多企業的業務戰略核心。在當今商業環境下,數字化轉型是否成功,已成為企業競爭力的主要依據。實現數字化轉型過程中,許多企業都會遇到兩個亟待解決的難題。這兩個難題都與數據有關,因為數據是所有變革性技術項目的燃料。

第一個難題,是企業過去的數據存儲和訪問方式有否考慮多維度的關聯關係,以及非結構性數據在處理上的差異。例如營銷數據主要由營銷團隊使用,客戶投訴數據在客服部門,以及風控數據由風控部門掌控,如果他們能充分整合,其實可以利用多維度的分析,更有效地找到優質客戶。可惜,無法連通的數據對企業產生的負面影響較隱性,每個部門更希望建立自己的系統,生成滿足各自職能需求的最佳數據。雖然各個部門內的業務運營可能很成功,但其實跟數字經濟的原則及方向背馳愈走愈遠。趨勢上,數據引力正在向雲存儲和邊緣存儲轉移,企業有必要讓數據在最大程度上促使先進的人工智能為企業產生價值。

數據引力正在向雲存儲和邊緣存儲轉移,企業有必要讓數據在最大程度上促使先進的人工智能為企業產生價值。(Freepik網上圖片)

數據引力正在向雲存儲和邊緣存儲轉移,企業有必要讓數據在最大程度上促使先進的人工智能為企業產生價值。(Freepik網上圖片)

第二個難題涉及企業從外部獲取的數據質量超出了自身管治範圍,而外部數據有利了解數據的上下文。在大數據理念中,獨立的數據點本身通常毫無用處。沒有上下文,單個數據點無法推動目標實現,例如在了解疾病大流行的蔓延等多種案例內,僅僅查看新病例數及死亡人數,並不能幫助預測病毒的傳播和影響。若添加具有人口統計數據的上下文,並擴充社區在相同時間下一般流感的基本數據,都有助我們加深理解數據集之間的關係。添加上下文和數據擴充,有利於深入的分析與預測。

企業領導者如今需要重新審視自身數字化轉型戰略,從而確保超越競爭對手,真正充分利用自身數據。數字化轉型的目標之一,正是利用準確的數據和上下文,作出值得信賴的業務決策。因此,成功實現數據完整性,成為了現時企業發展的當務之急。

順帶一提,在上下文數據擴充上,我認為有四組關鍵數據值得大家考慮:位置智能數據、支付數據、人/車流數據、天氣數據。

更多車品覺文章:

支持 StartupBeat

如欲投稿、報料,發佈新聞稿或採訪通知,按這裡聯絡我們