簡(jiǎn)介：數(shù)據(jù)的重要性在當(dāng)今已經(jīng)無需在多言，所有的企業(yè)都意識(shí)到數(shù)據(jù)的重要性，都希望利用數(shù)據(jù)來驅(qū)動(dòng)業(yè)務(wù)的發(fā)展。但是，很多企業(yè)信息化管理者依然存在對(duì)于數(shù)據(jù)智能，數(shù)據(jù)驅(qū)動(dòng)的一些誤解，這些誤解會(huì)讓企業(yè)的數(shù)據(jù)利用陷入深淵。

-更多關(guān)于數(shù)智化轉(zhuǎn)型、數(shù)據(jù)中臺(tái)內(nèi)容請(qǐng)加入阿里云數(shù)據(jù)中臺(tái)交流群—數(shù)智俱樂部 和關(guān)注官方微信公總號(hào)（文末掃描二維碼或點(diǎn)此加入）
-阿里云數(shù)據(jù)中臺(tái)官網(wǎng) https://dp.alibaba.com/index

作者：智詢

數(shù)據(jù)的重要性在當(dāng)今已經(jīng)無需在多言，所有的企業(yè)都意識(shí)到數(shù)據(jù)的重要性，都希望利用數(shù)據(jù)來驅(qū)動(dòng)業(yè)務(wù)的發(fā)展。

但是，很多企業(yè)信息化管理者依然存在對(duì)于數(shù)據(jù)智能，數(shù)據(jù)驅(qū)動(dòng)的一些誤解，這些誤解會(huì)讓企業(yè)的數(shù)據(jù)利用陷入深淵。

陷阱一、應(yīng)用尚未建設(shè)，所以不考慮數(shù)據(jù)利用

當(dāng)我們跟一些企業(yè)信息化管理者聊起應(yīng)該盡早的考慮數(shù)據(jù)的利用，要對(duì)數(shù)據(jù)做整體規(guī)劃時(shí)，會(huì)經(jīng)常聽到這樣一句話。

“我現(xiàn)在業(yè)務(wù)都還沒做起來，還不到考慮數(shù)據(jù)利用的時(shí)候”

這一句話代表了很大一部分企業(yè)對(duì)于數(shù)據(jù)利用的認(rèn)知，那就是，數(shù)據(jù)利用是從先有數(shù)據(jù)開始的，而數(shù)據(jù)是在應(yīng)用建設(shè)之后存到數(shù)據(jù)庫里的，所以先建設(shè)應(yīng)用，然后等數(shù)據(jù)庫里有了數(shù)據(jù)后，在考慮如何利用數(shù)據(jù)。

聽上去，這個(gè)邏輯完全正確。

但是其實(shí)這就是很多企業(yè)存在的首要的對(duì)于數(shù)據(jù)利用的誤區(qū)：”先建設(shè)應(yīng)用，再考慮數(shù)據(jù)利用“。

如果用這樣的思路去建設(shè)，過了一年以后，往往這個(gè)企業(yè)就會(huì)立刻提出新的問題，“多個(gè)應(yīng)用系統(tǒng)之間的數(shù)據(jù)不打通，不對(duì)齊，不一致，數(shù)據(jù)用不起來”。

這個(gè)誤解，是根本上不充分理解數(shù)據(jù)利用的兩個(gè)本質(zhì)：

第一，數(shù)據(jù)是客觀存在的，不取決于你建不建設(shè)應(yīng)用
一個(gè)企業(yè)，只要業(yè)務(wù)在運(yùn)行，哪怕它沒有建設(shè)任何系統(tǒng)，它的數(shù)據(jù)都是在實(shí)時(shí)產(chǎn)生的，只是你沒有把它采集起來而已。

數(shù)據(jù)是業(yè)務(wù)在數(shù)字化世界里的構(gòu)成原子，業(yè)務(wù)流程和行為會(huì)時(shí)刻產(chǎn)生各種數(shù)據(jù)，而不是必須要建設(shè)應(yīng)用這些數(shù)據(jù)才產(chǎn)生的。舉個(gè)例子，當(dāng)快遞員接到一個(gè)快遞訂單的時(shí)候，發(fā)件人，收件人，貨物類別，發(fā)貨地，發(fā)貨地，運(yùn)輸工具類型，距離等這些數(shù)據(jù)就已經(jīng)產(chǎn)生，并且會(huì)驅(qū)動(dòng)這個(gè)快遞的走向。有沒有信息化系統(tǒng)的支持，只是改變了這些數(shù)據(jù)的記錄和傳遞的手段是一張紙還是一個(gè)網(wǎng)絡(luò)而已。這些數(shù)據(jù)是客觀存在的，他不會(huì)因?yàn)樾畔⒒到y(tǒng)本身而改變。

我們要從本質(zhì)上認(rèn)知到，數(shù)據(jù)是業(yè)務(wù)在數(shù)字化世界里的投影模型，它是業(yè)務(wù)的鏡像，是客觀存在的。

只要有業(yè)務(wù)，那么就存在對(duì)應(yīng)的數(shù)據(jù)。應(yīng)用只是把數(shù)據(jù)通過軟件采集到存儲(chǔ)設(shè)備里而已。

第二，數(shù)據(jù)利用的規(guī)劃要早于應(yīng)用和流程的建設(shè)
我們?cè)诮ǚ孔又?#xff0c;就要做整體設(shè)計(jì)，規(guī)劃出一棟大廈的各種利用場(chǎng)景，只有這樣才不會(huì)出現(xiàn)一個(gè)不能被進(jìn)入的房子。

現(xiàn)在，每個(gè)企業(yè)都意識(shí)到，數(shù)據(jù)是企業(yè)的核心資產(chǎn)，應(yīng)用是采集和利用這些資產(chǎn)的工具。為了更好的在數(shù)據(jù)采集之后得到充分的利用，每個(gè)企業(yè)必須要在應(yīng)用和流程的規(guī)劃之前，完成數(shù)據(jù)利用的規(guī)劃。

這就包括企業(yè)的數(shù)據(jù)資產(chǎn)目錄的規(guī)劃設(shè)計(jì)，企業(yè)的數(shù)據(jù)利用場(chǎng)景的規(guī)劃和數(shù)據(jù)的存儲(chǔ)，處理分析這些數(shù)據(jù)的技術(shù)平臺(tái)的需求規(guī)劃等。

Data First，在系統(tǒng)還沒有建設(shè)的時(shí)候，做好了數(shù)據(jù)的藍(lán)圖規(guī)劃，完成了各個(gè)應(yīng)用系統(tǒng)的數(shù)據(jù)分布全景圖，企業(yè)就能規(guī)避數(shù)據(jù)孤島的存在。

所以，如果你現(xiàn)在還沒有建設(shè)應(yīng)用，那么恭喜你，這是最好的規(guī)劃數(shù)據(jù)利用藍(lán)圖的機(jī)會(huì)，趕緊開始吧。

陷阱二、沒有大數(shù)據(jù)，所以就不考慮數(shù)據(jù)利用

“我們現(xiàn)在的數(shù)據(jù)很少，只能叫小數(shù)據(jù)，所以還談不上數(shù)據(jù)利用”，這也是一個(gè)典型的數(shù)據(jù)利用的誤解。

我第一次聽到這句話就是在B2B2C的零售企業(yè)。的確，傳統(tǒng)的通過經(jīng)銷商為主要渠道的品牌商，往往沒有建立自己的電商體系，所以最終消費(fèi)者的行為數(shù)據(jù)拿不到。他們有的就是Sell In的數(shù)據(jù)，而Sell In的數(shù)據(jù)往往量不大，并且維度不多，所以利用價(jià)值有限。

但是，現(xiàn)在的這個(gè)企業(yè)正在做的事情就是通過一個(gè)個(gè)的小程序，小應(yīng)用，建立各種和終端消費(fèi)者，客戶的觸點(diǎn)，從而獲取各類數(shù)據(jù)，單個(gè)的看都是小數(shù)據(jù)，量不大，維度也不多，但是，當(dāng)這所有的點(diǎn)連接在一起，就構(gòu)成了一個(gè)豐富，多樣的用戶數(shù)據(jù)全景。

這個(gè)企業(yè)的業(yè)務(wù)負(fù)責(zé)人篤信，在數(shù)字化時(shí)代，誰擁有更多的數(shù)據(jù)場(chǎng)景，誰就能夠擁有更強(qiáng)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

這個(gè)事例充分的說明，也許現(xiàn)在你的業(yè)務(wù)模式?jīng)Q定了你并沒有豐富的數(shù)據(jù)，但是，你依然要通過各種應(yīng)用創(chuàng)新來多渠道，全方位獲取用戶，消費(fèi)者的數(shù)據(jù)。而要建設(shè)什么應(yīng)用，獲取什么數(shù)據(jù)，獲取的這些單個(gè)點(diǎn)狀數(shù)據(jù)間如何構(gòu)成相互聯(lián)結(jié)，組合出數(shù)據(jù)場(chǎng)景價(jià)值呢？

這就是需要在構(gòu)建應(yīng)用之前有數(shù)據(jù)規(guī)劃，勾勒出一個(gè)數(shù)據(jù)場(chǎng)景地圖，從而沿著這個(gè)地圖去建設(shè)個(gè)中小應(yīng)用。

陷阱三、數(shù)據(jù)利用就是做數(shù)據(jù)分析和挖掘，交易應(yīng)用系統(tǒng)就用不到數(shù)據(jù)技術(shù)

過去的應(yīng)用系統(tǒng)被劃分為OLTP和OLAP，在線交易型系統(tǒng)和在線分析型系統(tǒng)。所以，往往一看到這個(gè)應(yīng)用本身是一個(gè)交易型的軟件，按照傳統(tǒng)的架構(gòu)，那就是OLTP系統(tǒng)，所以往往不會(huì)用到一些OLAP的技術(shù)。

但是，目前的情況則發(fā)生了巨大的變化。

拿約車調(diào)度系統(tǒng)來講，按照傳統(tǒng)的劃分，這是典型的交易系統(tǒng)，創(chuàng)建訂單，分配司機(jī)。但是，如果要能夠支撐每秒幾萬單的調(diào)度分配，用手工分配的方式是不可能的，這個(gè)調(diào)度系統(tǒng)需要具有實(shí)時(shí)數(shù)據(jù)分析能力，而這里面價(jià)格確定和路線的規(guī)劃的部分，又需要參考?xì)v史的相關(guān)數(shù)據(jù)分析結(jié)果。這樣一來，這個(gè)典型的交易應(yīng)用是被數(shù)據(jù)驅(qū)動(dòng)的，它的底層和和核心其實(shí)是批量數(shù)據(jù)分析和實(shí)時(shí)數(shù)據(jù)處理。

未來的所有的應(yīng)用都會(huì)是這樣，那就是OLAP在支撐著OLTP系統(tǒng)的每一個(gè)決策和行為，從而成為智能的應(yīng)用。

數(shù)據(jù)技術(shù)正在逐漸重構(gòu)所有的傳統(tǒng)流程類應(yīng)用，讓他們成為數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)，從而變得更智慧。

陷阱四、最重要的是算法，所以軟件工程公司是做不了數(shù)據(jù)科學(xué)項(xiàng)目的

一提到數(shù)據(jù)項(xiàng)目，很多人腦子里第一個(gè)想到的就是算法模型，似乎只有做研究的，做算法的，做人工智能的才是做數(shù)據(jù)的。

所以，現(xiàn)在有一類觀點(diǎn)，認(rèn)為信息化產(chǎn)業(yè)里分為做算法的和做軟件的，而只有做算法的才是做人工智能和數(shù)據(jù)的。

這是一個(gè)典型的誤解，將算法與軟件工程割裂開來。就像不久前，一個(gè)長(zhǎng)期合作的客戶用一個(gè)固有印象，”思特沃克不是做人工智能的“，就否定了我們的一個(gè)機(jī)會(huì)，這就是對(duì)于人工智能應(yīng)用的誤解。

我們用下面這張圖來體現(xiàn)算法和人工智能（數(shù)據(jù)科學(xué)）的關(guān)系。

人工智能的最底層是由各種算法組成的，但是，目前行業(yè)里所有人使用的常用算法，都是公開的，而真正研究和產(chǎn)出這些算法的，是學(xué)術(shù)研究機(jī)構(gòu)。

人工智能分為兩個(gè)領(lǐng)域，一個(gè)是前沿研究領(lǐng)域，一個(gè)是應(yīng)用領(lǐng)域。而作為從事工業(yè)生產(chǎn)和商業(yè)運(yùn)營(yíng)的企業(yè)來說，需要的是后者。而后者最重要的是利用軟件工程能力將適合的算法應(yīng)用到有價(jià)值的場(chǎng)景，從而去賦能業(yè)務(wù)。

在算法之上，人工智能的應(yīng)用更重要的是充分的高質(zhì)量的數(shù)據(jù)集，將算法和數(shù)據(jù)開發(fā)成為良好用戶體驗(yàn)的智能軟件的工程能力。

所以，優(yōu)秀的做人工智能的企業(yè)除了擁有調(diào)優(yōu)，調(diào)用公開的算法和代碼之外的能力更重要的是業(yè)務(wù)創(chuàng)新和軟件工程的能力。

總結(jié)和啟示

通過逐個(gè)分析這四個(gè)對(duì)于數(shù)據(jù)智能的四個(gè)陷阱，我們可以得出如下啟示：

** 一、數(shù)據(jù)規(guī)劃應(yīng)該優(yōu)先于業(yè)務(wù)系統(tǒng)的建設(shè)，構(gòu)建拉通的，一致的數(shù)據(jù)全景圖，避免應(yīng)用之間的數(shù)據(jù)孤島二、構(gòu)建起數(shù)據(jù)全景圖后，在沿著這個(gè)地圖來構(gòu)建一個(gè)個(gè)去采集填滿這些數(shù)據(jù)的小應(yīng)用，從而構(gòu)建自己的數(shù)據(jù)資產(chǎn)三、所有的應(yīng)用軟件都會(huì)被數(shù)據(jù)技術(shù)所賦能，成為數(shù)據(jù)驅(qū)動(dòng)的智能應(yīng)用四、人工智能應(yīng)用于業(yè)務(wù)最重要的是場(chǎng)景創(chuàng)新能力和軟件工程能力**

數(shù)據(jù)中臺(tái)是企業(yè)數(shù)智化的必經(jīng)之路，阿里巴巴認(rèn)為數(shù)據(jù)中臺(tái)是集方法論、工具、組織于一體的，“快”、“準(zhǔn)”、“全”、“統(tǒng)”、“通”的智能大數(shù)據(jù)體系。

目前正通過阿里云對(duì)外輸出系列解決方案，包括通用數(shù)據(jù)中臺(tái)解決方案、零售數(shù)據(jù)中臺(tái)解決方案、金融數(shù)據(jù)中臺(tái)解決方案、互聯(lián)網(wǎng)數(shù)據(jù)中臺(tái)解決方案、政務(wù)數(shù)據(jù)中臺(tái)解決方案等細(xì)分場(chǎng)景。

其中阿里云數(shù)據(jù)中臺(tái)產(chǎn)品矩陣是以Dataphin為基座，以Quick系列為業(yè)務(wù)場(chǎng)景化切入，包括：

• - Dataphin，一站式、智能化的數(shù)據(jù)構(gòu)建及管理平臺(tái)；
• - Quick BI，隨時(shí)隨地 智能決策；
• - Quick Audience，全方位洞察、全域營(yíng)銷、智能增長(zhǎng)；
• - Quick A+， 跨多端全域應(yīng)用體驗(yàn)分析及洞察的一站式數(shù)據(jù)化運(yùn)營(yíng)平臺(tái)；
• - Quick Stock， 智能貨品運(yùn)營(yíng)平臺(tái)；
• - Quick Decision，智能決策平臺(tái)；

官方站點(diǎn)：
數(shù)據(jù)中臺(tái)官網(wǎng) https://dp.alibaba.com
釘釘溝通群和微信公眾號(hào)

原文鏈接：https://developer.aliyun.com/article/781287?

版權(quán)聲明：本文內(nèi)容由阿里云實(shí)名注冊(cè)用戶自發(fā)貢獻(xiàn)，版權(quán)歸原作者所有，阿里云開發(fā)者社區(qū)不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。具體規(guī)則請(qǐng)查看《阿里云開發(fā)者社區(qū)用戶服務(wù)協(xié)議》和《阿里云開發(fā)者社區(qū)知識(shí)產(chǎn)權(quán)保護(hù)指引》。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，填寫侵權(quán)投訴表單進(jìn)行舉報(bào)，一經(jīng)查實(shí)，本社區(qū)將立刻刪除涉嫌侵權(quán)內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的数据创新的四个陷阱的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。