|
在今年4月公布的《中共中央国务院关于构建更加完善的要素市场化配置体系机制的意见》中，“数据”首次作为一种新型生产要素写入中央文件中，与土地、劳动力、资本、技术等传统要素并列成为要素之一。 那么企业在进行数据资产利用和转化方面有哪些痛点，数据资产有哪些价值呈现方式呢，今天我们来探讨一下。 一、企业在数据价值发掘上的常见痛点 数据分析是数据价值发掘的手段，企业在数据分析上的痛点一般包含以下几个方面： 1、数据壁垒严重，缺乏统一分析平台 企业的信息化系统建设是按照业务条线分别建设的，缺少统一规划，烟囱式的IT系统建设导致数据壁垒严重，数据难以共享和关联使用。 缺少专业的自助式数据可视化分析工具/平台，导致数据分析应用手段匮乏，在技术层面限制了数据价值的利用能力。 2、分析需求实现周期长，报告静态化 IT对于业务的分析需求的响应慢，需要耗费数周到数月，无法快速响应。 数据分析时效较差，无法满足业务发展和变化的形势。 分析方式固化，以静态报告为主。 3、项目成本及投入高，回报周期长 传统的数据分析项目成本高、投入大、风险高，回报周期长，导致企业对于投资回报率心存疑虑，造成企业数据应用能力始终得不到提升。 二、数据分析的四种价值呈现 发掘数据资产的价值，构建企业的数据竞争力，其核心是实现企业的数字化转型，实现从经验驱动决策到数字驱动决策的转变。本质上是要实现由数据驱动企业运行效率的提升并实现业务增长，促进企业战略目标的达成。 数据应用的价值可以体现在以下四个层次： 结合企业的战略目标构建清晰的业务目标和相应的指标体系，实时监控业务状况，让业务对象能够及时准确的监控业务状况。当业务出现异常时可以通过自动预/告警和主动数据服务的方式让业务对象能够及时进行干预，提升协作效率。 通过细分法、关联分析法等多种数据分析方法对数据进行诊断，精准定位，找到核心关键要素，并反馈到业务环节进行针对性改善，再对改善效果进行监测和评估，实现业务闭环和有效管理。 已经积累的数据资产不仅仅可以用来做统计分析，还可以结合最新的大数据和AI的能力来实现数据挖掘和预测等深度应用，在销售预测、精准营销、风控、设备故障预测与预防性维护、供应链优化、库存优化等各个环节都可以结合AI的能力来实现降本增效，提升企业的运营水平。 决策支持一个常见误区是认为决策支持只是针对高级管理层的。而实质上无论是决策层、管理层还是执行层，都有大量需要思考判断的事项，只有把决策支持环节下沉到日常的业务当中才能发挥更多的价值。在决策支持上，一方面我们要为决策支持提供全面和精准的数据支持，另一方面要将判断依据和判断规则在数据平台中集成实现，打破原先零散收集判断依据、凭经验得出决策结果的方式，实现决策效率和水平的提升，实现业务和管理的双向优化。 三、典型场景 
这是一个企业的供应链管理驾驶舱，核心指标突出展示，有数据有对比，界面编排从总体到分支，直观易懂。 
这是一个银行的零售业务诊断看板，其目的是希望提升存量高净值客户的业务收益。通过缩放聚焦，可以在多个维度实现关联分析，最终完成客群的定位。 
这是一个零售行业的销售预测。销售预测的元数据为时序数据，时序数据是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时序数据的目的是要通过分析序列进行合理预测，做到提前掌握其未来发展趋势，以此为业务决策提供依据。在销售预测场景下需要结合多层次进行交叉预测和调和，既可以根据上层目标调节下层指标，也可以根据下层指标调节上层指标，实现销售指标的自动分解和优化，最终实现周转率的提升和利润最大化。 
这是一个采购经理的决策看板，作为一个采购经理日常要决策判断的事项通常包括： - 今天哪些商品/物料需要下单采购？
- 应该下给哪家供货商？
- 采购数量时多少？
- 供应商的供货及时率是否有保障？
这个看板可以支持采购经理完成全部的决策过程，从缺货告警到库存趋势，再到供应商信息和采购建议，有事实，有分析，有建议。 四、永洪观点 数据时代，数据资产包含企业内部和外部的各种数据，个人、企业、政府都是数据的生产者，也可以是数据的利用者。 
如何在大数据时代更好的盘活和用好数据资产，永洪根据多年来服务于众多行业头部客户的经验，总结出了数据能力构建的PASO模型，从平台-P、应用-A、服务-S、运营-O四位一体帮助构建企业的数据竞争力。 永洪一站式大数据分析平台产品Z-Suite可以提供从数据整合、数据建模、高性能计算、数据分析与可视化到AI深度分析在内的全栈能力。永洪的专业服务团队可以提供从前期的项目咨询、到项目的实施交付和对企业的数据赋能在内的全方面贴心服务，协助企业共同构建其内部的数据生态，提升企业的数据分析和运用能力，并在运营侧持续提供包括运营规范、推广策略和健康检查在内的运营支持，实现客户成功。
| 
