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

　 域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

作者介紹：擁有9年商業(yè)智能領(lǐng)域的產(chǎn)品銷售、市場(chǎng)營(yíng)銷經(jīng)驗(yàn)，在甲骨文、IBM、永洪科技等知名企業(yè)擔(dān)任咨詢、銷售管理要職，曾成功推進(jìn)多個(gè)大型項(xiàng)目的實(shí)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(shù)等電商領(lǐng)域的明星公司，也有中國(guó)移動(dòng)等傳統(tǒng)巨頭。

導(dǎo)語(yǔ)：自從大數(shù)據(jù)成為業(yè)界熱詞后，中國(guó)企業(yè)的大數(shù)據(jù)建設(shè)就開(kāi)啟了井噴時(shí)代。近年來(lái)，企業(yè)對(duì)大數(shù)據(jù)的需求也在不斷升級(jí)演化，整體呈現(xiàn)更深入、更落地的特點(diǎn)。

近幾年，筆者通過(guò)實(shí)地調(diào)研、對(duì)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(xiàng)目，通過(guò)對(duì)一線實(shí)踐經(jīng)驗(yàn)進(jìn)行提煉總結(jié)，中國(guó)企業(yè)大數(shù)據(jù)需求大致呈現(xiàn)出5大演進(jìn)趨勢(shì)。

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(dǎo)者地位企業(yè)的全部需求

從本質(zhì)上來(lái)講，數(shù)據(jù)分析的目標(biāo)是幫助客戶從數(shù)據(jù)當(dāng)中獲取洞察力，創(chuàng)造價(jià)值。而AI作為商業(yè)智能中的關(guān)鍵技術(shù)，它圍繞的目標(biāo)并沒(méi)有發(fā)生變化，還是怎么樣幫助到客戶，尤其是對(duì)于企業(yè)中的絕大多數(shù)業(yè)務(wù)人員。通過(guò)AI幫助他們從數(shù)據(jù)當(dāng)中獲取洞察、實(shí)現(xiàn)更精準(zhǔn)的趨勢(shì)預(yù)測(cè)和輔助決策，提高企業(yè)營(yíng)業(yè)額以及提升企業(yè)的運(yùn)營(yíng)效率。

BI滿足了企業(yè)在結(jié)果監(jiān)控、問(wèn)題診斷、決策支持上的需求，AI則滿足了業(yè)務(wù)預(yù)測(cè)、問(wèn)題預(yù)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(yù)測(cè)、客戶購(gòu)買預(yù)測(cè)、銷量預(yù)測(cè)、設(shè)備故障預(yù)警等。

2. AI不能獨(dú)立存在，應(yīng)站在BI的肩膀上，與BI無(wú)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(dāng)多的重疊性。相比AI，BI的發(fā)展已經(jīng)經(jīng)歷了幾十個(gè)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(zhǔn)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(shí)候也需要供人來(lái)查看解讀。豐富的圖表類型和展現(xiàn)形式，是BI的擅長(zhǎng)點(diǎn)，也是很多AI平臺(tái)薄弱的環(huán)節(jié)。缺少好的可視化輸出會(huì)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(lái)展示，也需要BI平臺(tái)做好擴(kuò)展支持。

敏捷易用性：在談?wù)揂I的時(shí)候，非數(shù)據(jù)科學(xué)家類人群都會(huì)把它當(dāng)成非常神秘和高大上的東西，莫測(cè)不可知。實(shí)際上雖然算法的理論基礎(chǔ)專業(yè)性要求很強(qiáng)，但算法的應(yīng)用并不復(fù)雜，也不應(yīng)該復(fù)雜，應(yīng)該降低算法應(yīng)用的使用門檻，讓大量需要應(yīng)用的業(yè)務(wù)用戶也能夠上手使用，以此來(lái)最大化AI的商業(yè)價(jià)值。敏捷BI在易用性上已經(jīng)做了很多創(chuàng)新，AI的應(yīng)用可以借力其用戶體驗(yàn)。

數(shù)據(jù)準(zhǔn)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(huì)影響AI模型輸出結(jié)果的精準(zhǔn)度。數(shù)據(jù)準(zhǔn)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(jìn)行模型的訓(xùn)練和探索。

高性能處理能力：性能強(qiáng)大的平臺(tái)，可以壓縮數(shù)倍AI模型訓(xùn)練的時(shí)間，讓企業(yè)更快的應(yīng)用AI的價(jià)值成果。可將AI的算法改造為可支持分布式計(jì)算的形式，以適配MPP的計(jì)算引擎。

由此可以看出，在BI平臺(tái)中集成AI能力，對(duì)比獨(dú)立開(kāi)發(fā)新的AI平臺(tái)，會(huì)具備極大的完備性優(yōu)勢(shì)。

貳

二．早期嘗試自服務(wù)分析的企業(yè)未達(dá)目標(biāo)，真正的企業(yè)級(jí)自服務(wù)分析被探索落地

1. 早期企業(yè)簡(jiǎn)單的認(rèn)為，只要系統(tǒng)操作簡(jiǎn)便，就能讓業(yè)務(wù)人員自己完成分析過(guò)程

然而業(yè)務(wù)人員并不懂?dāng)?shù)據(jù)庫(kù)、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(shí)，并不能實(shí)現(xiàn)目標(biāo)。如果分析需求并不很多，業(yè)務(wù)人員也缺乏自己動(dòng)手的動(dòng)力。

業(yè)務(wù)人員經(jīng)常用不符合IT最佳實(shí)踐的方式操作系統(tǒng)，導(dǎo)致系統(tǒng)崩潰。

以上都是在實(shí)踐中會(huì)遇到的非常現(xiàn)實(shí)的問(wèn)題。在國(guó)外，有如Tableau之類的可視化工具，易用性很好，操作很簡(jiǎn)便易學(xué)。但是自服務(wù)分析的內(nèi)涵并不僅僅這么簡(jiǎn)單，幾乎所有自服務(wù)分析項(xiàng)目的失敗，都是上述問(wèn)題導(dǎo)致的。

2. 真正的企業(yè)級(jí)自服務(wù)分析，需要合理分工、全面指導(dǎo)、性能強(qiáng)大：

合理分工：IT用戶負(fù)責(zé)數(shù)據(jù)的準(zhǔn)備，業(yè)務(wù)用戶負(fù)責(zé)在準(zhǔn)備好的數(shù)據(jù)基礎(chǔ)上，通過(guò)簡(jiǎn)便的操作做靈活的多維分析或AI預(yù)測(cè)分析。

全面指導(dǎo)：經(jīng)常聽(tīng)到可視化工具廠商告訴客戶“你通過(guò)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(duì)于很多業(yè)務(wù)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(guò)培訓(xùn)傳遞給客戶，且不能冗長(zhǎng)，要非常簡(jiǎn)練易學(xué)。附上幾篇面向業(yè)務(wù)用戶的分析方法論教學(xué)文章。（大道至簡(jiǎn)的數(shù)據(jù)分析方法論）

性能強(qiáng)大：性能保障不光要靠計(jì)算引擎本身的強(qiáng)大，相關(guān)的系統(tǒng)管理機(jī)制也要十分完備。業(yè)務(wù)用戶在自服務(wù)分析時(shí)比較容易出現(xiàn)拖拽的維度過(guò)多過(guò)細(xì)導(dǎo)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(jī)。國(guó)內(nèi)的數(shù)據(jù)分析平臺(tái)如永洪，就在系統(tǒng)管理機(jī)制上做了很多考慮和設(shè)計(jì)，如系統(tǒng)資源隔離，讓自服務(wù)分析的用戶操作不會(huì)影響到看日常固定報(bào)告的用戶；如可對(duì)用戶設(shè)置資源使用的額度和優(yōu)先級(jí)；再如多級(jí)緩存保障計(jì)算資源不被浪費(fèi)，等等。

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

1. 報(bào)表工具只能滿足“看到數(shù)據(jù)”的基礎(chǔ)需求

報(bào)表工具只能做結(jié)果監(jiān)控，而不能回答發(fā)現(xiàn)的問(wèn)題，更不能帶來(lái)直觀的決策指導(dǎo)。企業(yè)需要數(shù)據(jù)分析平臺(tái)來(lái)做數(shù)據(jù)應(yīng)用的基礎(chǔ)。

2. 交互式分析成為企業(yè)數(shù)據(jù)平臺(tái)標(biāo)配功能

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

這個(gè)閉環(huán)實(shí)現(xiàn)需要平臺(tái)功能和服務(wù)能力的雙重支撐。

在平臺(tái)功能上，需要支持好下鉆、全局聯(lián)動(dòng)、動(dòng)態(tài)計(jì)算等。使用戶看到的不是靜態(tài)的固定報(bào)表，而是可交互、可對(duì)話的動(dòng)態(tài)報(bào)告。在報(bào)告中發(fā)現(xiàn)的問(wèn)題可通過(guò)交互式操作直接找到答案，而不是再去做一個(gè)新的固定報(bào)表。

在服務(wù)能力上，服務(wù)方不光要負(fù)責(zé)分析需求在數(shù)據(jù)分析平臺(tái)上的實(shí)施和實(shí)現(xiàn)，更需要具備數(shù)據(jù)咨詢能力，通過(guò)對(duì)業(yè)務(wù)和數(shù)據(jù)的系統(tǒng)化梳理，設(shè)計(jì)具備深度業(yè)務(wù)價(jià)值的分析體系，而非僅僅被動(dòng)響應(yīng)業(yè)務(wù)用戶提出的常規(guī)報(bào)表需求。

肆

四．越來(lái)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(shí)我并不喜歡“決策”這個(gè)詞，容易讓人誤解，總覺(jué)得很重，只有大事才需要決策。我更喜歡用“判斷”這個(gè)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(shè)計(jì)等，都是需要做思考判斷的事項(xiàng)。

思考判斷是如何做的呢？通常情況下，用戶都會(huì)到各個(gè)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(rèn)，用半個(gè)小時(shí)完成判斷的過(guò)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(huì)直接影響到業(yè)務(wù)的發(fā)展。

2. 并不是做個(gè)駕駛艙就算實(shí)現(xiàn)了“決策支持”

在過(guò)去，有很多項(xiàng)目都以“決策支持系統(tǒng)”為名稱，但交付的僅是一個(gè)駕駛艙，實(shí)際仍然只是結(jié)果監(jiān)控，并沒(méi)有做到真正的決策支持。

在我們和企業(yè)的溝通中，有時(shí)會(huì)問(wèn)“您有哪些需要決策/判斷的問(wèn)題”，結(jié)果通常是一時(shí)反應(yīng)不過(guò)來(lái)。如果這個(gè)問(wèn)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(jìn)這一問(wèn)題

數(shù)據(jù)咨詢的能力，在做好真正的決策支持時(shí)至關(guān)重要。需要對(duì)業(yè)務(wù)對(duì)象的日常工作有細(xì)致的梳理，找出其中需要做思考判斷的事項(xiàng)，將判斷的依據(jù)和判斷的規(guī)則用數(shù)據(jù)分析平臺(tái)整合呈現(xiàn)出來(lái)，用戶就不用到處看系統(tǒng)打電話來(lái)收集信息了，在一個(gè)統(tǒng)一的頁(yè)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(lái)，而判斷規(guī)則轉(zhuǎn)化為了公式和模型。這樣，原來(lái)半小時(shí)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(gè)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(shí)施、集成、維護(hù)、學(xué)習(xí)成本，使企業(yè)迫切需要具備全方位能力的合作伙伴來(lái)提供服務(wù)

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(gè)數(shù)據(jù)分析的“全能專家”來(lái)幫助自己做好數(shù)據(jù)價(jià)值的挖掘。在任何一方面瘸腿兒，都會(huì)導(dǎo)致流程阻塞，折損價(jià)值的輸出。

所謂“全能”，不光是數(shù)據(jù)分析平臺(tái)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(yùn)營(yíng)最佳實(shí)踐等相關(guān)的服務(wù)型能力也要完整全面，綜合起來(lái)才能把事情做好。

2. 全能專家需要具備4方面能力：平臺(tái)、應(yīng)用、服務(wù)、運(yùn)營(yíng)

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(duì)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(dòng)業(yè)務(wù)增長(zhǎng)的PASO能力模型，作為對(duì)“全能專家”能力的詮釋。

永洪的PASO能力介紹

PASO分別是平臺(tái)（Platform）、應(yīng)用（Application）、服務(wù)（Service）、運(yùn)營(yíng)（Operation）的首字母：

平臺(tái)：數(shù)據(jù)分析鏈條很長(zhǎng)，從采集、治理、整合、存儲(chǔ)、計(jì)算、建模到展現(xiàn)，如果沒(méi)有一個(gè)完整全面的數(shù)據(jù)分析平臺(tái)，將會(huì)涉及太多工具和技術(shù)，成本高昂，架構(gòu)復(fù)雜，需求實(shí)現(xiàn)效率太低，難以滿足企業(yè)業(yè)務(wù)的洞察需要。

應(yīng)用：IT部門辛苦做出的數(shù)據(jù)報(bào)告，業(yè)務(wù)部門覺(jué)得沒(méi)用；問(wèn)業(yè)務(wù)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(lái)做好具備深度價(jià)值的數(shù)據(jù)應(yīng)用的設(shè)計(jì)。

服務(wù)：無(wú)論是自建服務(wù)團(tuán)隊(duì)還是找第三方供應(yīng)商，缺乏貼身的精細(xì)化專業(yè)服務(wù)能力會(huì)導(dǎo)致解決問(wèn)題效率低下，帶來(lái)負(fù)面用戶反饋。精細(xì)化的本地服務(wù)是項(xiàng)目成功的保障。

運(yùn)營(yíng)：很多企業(yè)用的都是國(guó)際大牌產(chǎn)品，但系統(tǒng)也往往不穩(wěn)定，問(wèn)題頻出，本質(zhì)是因?yàn)槿鄙龠\(yùn)營(yíng)的系統(tǒng)化方法，沒(méi)有遵循最佳實(shí)踐。永洪基于數(shù)百個(gè)大型項(xiàng)目經(jīng)驗(yàn)，提煉總結(jié)了上百條數(shù)據(jù)化運(yùn)營(yíng)最佳實(shí)踐原則，通過(guò)永洪的客戶成功團(tuán)隊(duì)傳遞給眾多企業(yè)。

結(jié)語(yǔ)：時(shí)至今日，企業(yè)對(duì)數(shù)據(jù)價(jià)值的挖掘和利用仍然處于早期階段，未來(lái)數(shù)據(jù)使用的方式、形態(tài)、場(chǎng)景，可能很多在今天都還沒(méi)有被想到。這是一件令人興奮的事情，探索未知總是很有樂(lè)趣，在這個(gè)過(guò)程中保持好奇和空杯的心態(tài)，才能在每一個(gè)需求演進(jìn)的階段中作引領(lǐng)者，否則就會(huì)被市場(chǎng)淘汰。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！