她提到不同行业数字化转型的速度是不一样的，由于技术的不断发展，业务在经济里的作用越来越大。各国政府非常重视数据的智能技术在国家的战略地位，各行各业都在研究利用新一代信息技术提升内部运营效率、外部营销获客销售等，利用数据更好的驱动智能决策。
数据智能在推动企业做数字化转型时，产生巨大作用。传统企业做决策的时候，需要从不同业务系统里挖掘不同维度的数据，让不同部门的人员做决策。
现在数据智能时代，通常会建设打通的数据平台，在数据平台上拉通企业所有数据，打通全链路数据，把烟囱式业务系统里的数据全都抽取出来进行治理，再基于拉通的数据深入挖掘。以AI中台赋能，帮助挖掘数据中台里的数据价值，同时形成业务中台里的通用服务，支撑前端业务系统。
未来业务决策都由数据辅助和数据驱动，用数据智能驱动业务创新，驱动业务效率的提升。比如业务分析、业务定量化等，而人只是基于计算机辅助之后，给出最终结论或辅助性判断。
医药行业在数据化转型过程中也存在普遍问题。数据分散、难治理，业务系统没打通，或者企业做了数据拉通治理，但业务是断层的，不知如何赋能业务和应用场景，断层一方面来自于搭建数据中台时，没有充分的与业务部门沟通和宣导。另外一方面，在设计中台的时没有结合业务考虑问题导致做重构性的事情。
杜博士介绍，用一张图来看整个医药行业数据智能整体解决方案，分成数据中台、AI中台、智能应用、业态服务四个层面。
医药行业数据中台
医药行业数据中台建设可以分成医药行业数据源、技术平台、数据资产管理平台和统一数据服务总线四层。
医药行业数据源整合是最基础的，规划企业ERP、营销活动、社区论坛、第三方等内外部的数据源，做到充分数据整合。技术平台基于大数据分析、分布式数据的存储图计算等技术处理多源异构的业务数据。数据资产管理平台是对所有数据做盘点，做数据质量管理、质量分析、标准规范、原数据管理等。最后，统一数据服务总线层生成数据API、发布、运行数据资源目录等，对接内部业务系统及大数据平台分析软件。
企业在构建数据中台时，数据治理的体系是非常重要的。数据治理主要建立数据标准体系、主数据标准体系、数据质量体系、元数据管理，实现系统自动化诊断。医药行业做数据治理时，大部分是把现有系统的同源数据做拉通。业务产生各种各样的问题，会导致数据产生的偏差，数据中台就是要尽早把数据治理中的问题做梳理和拉通，基于企业内部所有信息系统归拢的数据做上层应用建设，所以数据治理是任何企业在做数字化转型的第一步。
企业内外部生态的产业链上下游的数据采集和整合，更好的支撑业务发展，支撑业务部门的判断。数据开放共享，从数据资产产生业务价值。
AI中台
大数据时代，企业有各种维度和类型的数据，AI中台主要依托自然语言处理、动态知识谱图、机器学习等AI技术，帮助企业以现代化手段分析多源异构的数据。医药企业在做知识图谱构建、图像分析、模型构建、产销协同销量预测的算法构建时，都需要以新技术做挖掘。
百分点动态知识图谱技术伴随企业新的业务形态及数据不断变化，通过“机器智能+人脑智慧”，将现实世界中的“人、物、组织、时空、虚拟标识”映射到数字世界中，自动构建他们之间的关联关系，支撑企业展开分析和智能决策。
智能应用
在制药企业和药品流通企业，有很多场景和业态需求可以在数据的支撑驱动下，提升业务效率。智能应用层通过构建经营决策分析、产销协同管理、渠道商评价体系、消费者洞察等应用场景，把所有业务场景用数据驱动起来。基于多元数据做预测，经过数据综合分析，支撑未来业务决策。建立报表及可视化平台，将数据转化成即时可读的有效信息。
产销协同体系建立起内外部合作、协同运营机制，实现收入和利润最大化。基于市场需求各维度对销售产生影响的因素做预判，盘点公司和渠道库存，调整发货计划，然后按产品汇总销售计划，做产能分析、利润预测的生产计划，再去指导生产。随着数据积累，模型不断迭代，产销协同的数据应用将越来越优化，超过人判断决策的准确性。
渠道商评价体系是比较通用的，药企通过渠道商做销售建立综合评估体系，包括个人及渠道商经营能力、财务能力预判、进销情况变化、合作关系、发展空间等。通过渠道商评价体系建设做综合性评判，把各维度、各地方的渠道商做综合评级，得到完整认知、搜索辅助工具。
消费者洞察与画像将会完善用户体系，形成360度用户画像，赋能于精准营销策略。企业需要关注消费者需求变化，做更精准的营销，更精准的触达，只有了解消费者才能指导企业营销策略和研发策略。消费者数据的整合拉通是第一步，构建不同消费者的标签和画像是做圈层营销和精准营销的前提，基于消费者洞察辅助业务管理，做营销决策。
思考总结：构建数字连接，挖掘数据资产，赋能业务服务
医药行业的数字化转型主要由连接、挖掘、服务三步组成。连接数据和系统和服务，打通所有内外部的数据资产，然后中间挖掘数据资产，经过数据治理，很好的挖掘数形成价值。一定要结合业务诉求，结合业务场景来考虑数据能发挥哪些价值。
今天就给大家分享到这里，谢谢大家。
