简介： 　　在前面谈企业数字化转型技能使用趋势的时分，我更多的是从万物互联和泛终端化，技能渠道和云原生，IT安排架构重塑，生态构建等方面打开描绘。而没有对一个要害内容的数据打开进一步的论述。 　　关于企业数字化，在前面屡次强调了三大中心内容，即衔接，数据，智能。 　　其内涵的逻辑是首要经过衔接处理了基本的事务协同问题，其次是衔接发生数据，数据反哺事务，一起进一步完结数据驱动运营；最后才是进一步的根据数据来完结智能化场景使用和人工智能等高阶场景。 　　在最新的十四五规划和国资委下发的企业数字化转型的专题报告里边，都屡次提到了大数据，数据中台，包含数据治理和元数据管理。数据作为企业的中心财物越来越受

　　在前面谈企业数字化转型技能使用趋势的时分，我更多的是从万物互联和泛终端化，技能渠道和云原生，IT安排架构重塑，生态构建等方面打开描绘。而没有对一个要害内容的数据打开进一步的论述。

　　关于企业数字化，在前面屡次强调了三大中心内容，即衔接，数据，智能。

　　其内涵的逻辑是首要经过衔接处理了基本的事务协同问题，其次是衔接发生数据，数据反哺事务，一起进一步完结数据驱动运营；最后才是进一步的根据数据来完结智能化场景使用和人工智能等高阶场景。

　　在最新的十四五规划和国资委下发的企业数字化转型的专题报告里边，都屡次提到了大数据，数据中台，包含数据治理和元数据管理。数据作为企业的中心财物越来越受到重视，从开始的数据帮忙事务协同，改变为了数据驱动事务，数据驱动运营，乃至数据驱动人工智能和智能场景使用。

　　简略来说，万物皆可以用数据化的办法进行表明，不论是文字，数字，图像还是视频，一切都是数据的结构化或非结构化展现办法罢了。

　　信息化年代，假如仓库里边有一个箱子，里边存放了咱们需求的原材料，实践咱们只会联系箱子里边原材料的数量，而不太会去关怀箱子自身的地理位置，形状，已经箱子自身在仓库里边是否移动过等信息。

　　数字年代，咱们从单纯的重视具体的数量，到了对整个事物一切地理空间，时刻上位移，状况的重视。即从简略的对事物数量的重视到了对事物整体时空信息和动态线索的重视。

　　在信息年代，假如安排了一场会议，咱们往往会在会议后整理一份会议纪要，记载会议的内容，可是文字的会议纪要却丢失了会议上相似人员沟通互动进程的形象化内容。而到了数字年代，结构化并不是唯一挑选，咱们完全可以经过更多的终端设备来完结会议进程视频化和图像化的全程记载。

　　简略来说，在数字化年代，咱们对事物的观察不再是简略的状况或数量，而变成了对整个事物时空信息和一切动态改变的全程记载。一切的文字，视频，声响，地图都是信息，终究都会转变为相似01比特流的数据化表明。

　　关于企业数字化谈得比较多的一个词便是数据驱动，那么什么才可以叫数据驱动？

　　两个事务员到非洲去卖鞋，发现非洲人都不穿鞋。一个事务员说，非洲人不穿鞋子，这儿没商场。而另外一个事务员则说，不对，非洲人都没鞋子穿，这儿的商场一片大好。

　　上面这个比如咱们都听过，实践表现的是两种不同的考虑方面。在事务驱动下的考虑更多的是当时是否有商场和需求，我根据商场需求去出产对应的产品；而关于数据驱动更多则是应该考虑你当时有哪些数据和资源可以使用，怎么去引导或发生需求。

　　在事务驱动IT的传统信息化建设模式下，实践可以看到数据库或许数据的构成往往仅仅事务运作终究构成的历史记载。即数据自身是一个事务协同后的附属品，构成的数据效果也仅仅是后续的历史数据查询统计，后续的根据数据的决策剖析等。

　　事务驱动下，尽管构成了数据，可是咱们对数据的使用是有明显推迟的。咱们对事务场景和流程的满足表现出了满足的敏锐度，可是在数据层面却是明显的钝感。

　　在谈数据中台的时分谈到了一个要害点，即数据要实时的反哺事务，数据才能要及时地开放出来，并实时的为事务服务。

　　那么这个是否便是数据驱动事务，数据驱动运营的中心逻辑？

　　我个人了解数据驱动的含义不该该限制在上面这个层面，数据反哺富有论坛事务，实质还是事务驱动，仅仅加快了数据使用的灵敏度，削减的数据的钝感。在实质上你并没有走出事务驱动的实质思想。

　　在谈数字化的时分，咱们比较简略谈到相似物联网，各类传感设备，5G，云核算，区块链，数字孪生等各种技能发展趋势。可是一切技能存在的目的仍然是为事务服务，为数据的发生服务。

　　信息无处不在，要害是你需求怎么去收集和转化。

　　言语的发生加快了信息的传递，集体和安排的构成；而关于文字的发生让咱们进入到专科信史年代，大的历史事件可以被记载和追溯。而随着物联网，各类视频音频等电子设备的发生让咱们进入了大数据年代。

　　一切事物静态特征和动态行为表现都是信息，一切信息皆可以被数据化。

　　在信息化年代，更多的信息都是结构化的表单数据，需求的是人工去手艺录入和改变。而在数字化年代，咱们认为一切的事物静态特征，动态的时空位移信息都应该被主动化地收集和记载。数据不该该简略停留在人工录入形状，而是应该经过衔接后主动发生和构成，被主动收集，加工和存储。

　　数据可以精确地复原你在过去某一天的地理位置，静态特征，举动归结和道路，你开过的会，去过的饭馆等许多信息。而这些信息并不是你特意进行了人工输入和录入，而是被主动化的进行了收集和存储。

　　经过前面的剖析可以看到，数据驱动的逻辑不该该是数据怎么反哺事务，而应该是数据怎么去发生新的商业模式或事务形状。

　　你可以考虑你当时手里边有哪些数据财物，你怎么去将这些数据财物变现，或许说为了支持你的事务战略或运营，你需求什么样的数据来支撑，然后是经过什么样的办法来收集或获取这些你需求的数据。

　　简略来说，数据驱动逻辑步骤应该如下：

　　事务方针或商业形状怎么分解为数据构成当时已有哪些数据，还需求收集或集成哪些数据怎么完结数据的收集和集成操作怎么去运营数据完结你第一步的事务方针和商业形状

　　在整体考虑的第3步，咱们或许触及了一个独立的事务流程或事务功用来完结数据的收集和构成进程。即事务流程自身为数据构成和积累供给服务。

　　CSF要害成功要素法是以要害要素为根据来确认体系信息需求的一种MIS总体规划的办法。在现行体系中，总存在着多个变量影响体系方针的完结，其中若干个要素是要害的和主要的（即成功变量）。经过对要害成功要素的辨认，找出完结方针所需的要害信息调集，然后确认体系开发的优先次序。

　　这个实践和很多年前谈的CSF要害成功要素法相似，即先找到要害要素，要素即数据，找到要害要素后再考虑怎么经过事务或流程去落地。

　　事务流程或协同终究服务于数据的积累和构成，事务流程是辅佐，数据财物构成反而成为了中心竞争力。这才谈得上真正的数据驱动。

　　否则你会看到当时的数据中台，大数据剖析渠道等仍然是在走传统的BI和数据仓库的老路，构建的数据财物也仅仅是满足旧事务形状，为旧的事务运作服务。可以看到数据驱动思想自身又回到咱们传统的方针管理和成果思想，即你重视的是终究数据财物，其次才是构成数据财物的进程，进程的价值是为成果服务。

　　相似当我咱们谈得最多的数据驱动运营也是相同道理，你首要考虑的是运营方针和KPI，然后再考虑要达成这个方针需求收集和构成哪些数据，构建哪些模型。然后再有针对性的经过事务流程或事务功用，智能的泛终端设备等来完结数据的收集。

　　在很早曾经的人工智能研讨里边，更多的便是想着去仿照人脑考虑和推理的进程。经过供给不同的输入办法让核算机进行学习，发生一个算法模型。然后关于新的问题可以用模型去处理。相似人工神经网络，遗传算法等都是这个思路。可是当你供给的输入不满足多的时分，这个模型很难快速地收敛，也很难得出一个精确化的确认模型。

　　在大数据呈现后，构成了核算机处理问题的新思路。

　　深度学习+大数据=人工智能

　　即从传统学习和建模推理思路转移到根据统计学的思路，简略来说便是只要有满足多的数据，我就可以自我学习，自我练习，构成了相似人脑相同的智能处理和剖析才能。

　　比如一个核算机可以辨认一只动物图片是猫，并不是核算机可以精确地描绘出来猫应该具备的体型特征，而是图片中的动物的特征矩阵和数据库里边的动物猫最匹配罢了。包含谷歌的阿尔法狗战胜李世石在17年也引起了轰动，再次展现了深度学习算法和人工智能的威力。

　　以阿尔法狗为例，再来看数据驱动思想就应该是：

　　方针：希望开发一款阿尔法狗的围棋大师数据：需求收集一切的历史棋谱信息进程：对数据进行录入，并进行深度学习练习

　　这也进一步的阐明数据驱动下的思想进程是方针驱动的，并不是说你曾经的事务发生了多少数据，怎么更好地使用这些数据。而是在谈咱们希望有一种什么样的智能化才能，这个智能化的才能需求咱们去收集哪些数据，开发哪些功用，怎么进行建模和练习。

　　在事务驱动的思路下，你老想着你已有的历史数据财物，想着这些数据财物可以发生哪些价值，可是这些数据财物往往除了做一些辅佐决策支持外，并不能发生大的效果。

　　假如真在要做大数据剖析和人工智能，那么你需求收集数据的规模，时空的广度都必须成倍地添加，也便是谈到的一些信息既数据，要以方针驱动来考虑究竟需求哪些，然后有针对性的去收集和集成。