万物互联的数字时代，大量的设备之间接入所产生的数据每日呈指数级增长，“数字化”对于今天的企业来说，想要创造价值，既是一次必须把握的机遇，也是一场不小的挑战。如何从原生数据中寻求全新的洞察，如何利用数字创新去优化企业内部流程，由CIO时代、新基建创新研究院主办的优质访谈栏目【数据大咖说】，本期荣幸地邀请到毕马威管理咨询数字化业务合伙人季刚、Qlik大中华区技术总监张海鹏，一起探索“从原始数据到业务洞察的敏捷之路”，本文整理了访谈中精华观点，让我们跟随大咖视角一起开启数据驱动的企业数字化转型之旅。  
 
本次直播主题是“探讨数字化时代如何从原生数据中发现业务洞察，实现数据驱动的数据化数字化转型之旅“，嘉宾们围绕以下五个话题进行探讨。

刘晶：数据资产对于企业的重要性不言而喻，数据已经被上升为国家战略，对此，请问两位专家认为CIO应该关注数据资产哪几个重点方面？
 
张海鹏：首先我们来看一下什么是数据资产？我认为对企业有经济价值的内容才是资产，数据也一样。现在企业的很多问题不在于是否开启数字化转型，而是对已经存储的海量数据如何利用的问题。基于对业务的理解，IT团队需要利用技术、工具，实时地获取数据，以数据服务的方式将数据进行安全的共享，让数据变成有价值的分析内容，从而形成数据资产。
   
季刚：数据作为企业重要资产，从CIO角度有四个方面值得关注。第一是盘点企业里的资产。企业需要对所有数据做清点、分类，不是所有数据都是资产，需要把有价值的数据作为资产进行管理。第二是对资产做保值。首先认识到数据有保质期，数据质量问题也需要治理。第三是对数据做增值。如何把离散的数据提炼成信息，从信息提炼出知识，此过程需要很多的业务专家和技术专家，利用数据挖掘算法、内外部数据结合，从而对资产做增值。第四是把资产变现。通过业务+IT协同项目，深度挖掘数据价值，例如现在的大数据营销，就是把数据提炼成信息再变成知识。
 
刘晶：数字时代，数据将成为企业转型成功与否的关键和重要抓手，它对各行业产生巨大影响。金融和零售是受数据影响比较大的两个行业。那么，两位专家认为金融和零售行业应该如何应对这种变革？
 
季刚：通常对数据运用，肯定是数据密集型或直接面向消费者的企业有更多触点，产生更多数据，更容易把数据资产进一步做变现。金融行业所有交易都在电子信息系统上，更具备天然条件。零售、消费品、快消行业直面C端客户，同它们产生大量互动，具备好的数据基础。
 
但这两个行业在做数据化应用时也有优势和劣势的。金融行业基础较好，AI机器人、智能营销等新技术落地应用在行业内部走得比较靠前，但也面临着比较突出的挑战。例如这次受疫情影响，大家去银行柜台端办理理财、保险等业务都会受限制，业务更依赖于线上，但线上的业务活动会面临金融业强监管的一些限制，必须得符合相关法律法规。零售行业信息化总体程度不如金融，但在线上业务尝试更加灵活，电商、直播、短视频等线上业务表现都非常突出。未来，我们认为这两个行业的趋势会逐渐融合，大家都需要利用数据去做好客户服务，做好客户触达，做好数字营销，做好数字化转型。
 
张海鹏：我觉得金融和零售行业在数据领域应用得最早最深。Qlik虽然是一家做产品做技术的公司，但我们做分析BI，专注在数据获取、数据整合的解决方案上，也积累了金融、零售的成功案例和应用场景。以金融行业为例，我们之前做了很多金融服务，投资、保险等细分领域和流程环节上都离不开数据的应用。Qlik会带着企业的IT、财务或管理运营部门要去应用数据及BI，将有价值的内容传递给用户或支撑内部销售、理财经理或其他部门，帮助支持运营决策。数据和技术做相互补充，去创造更好的应用和创新，以便更好的帮助客户，帮助业务。
 
举个例子，保险行业来有一个非常重要的业务领域是算累计风险保额。当用户向保险经纪提出购买保险的需求的事情，保险机构需要通过申请者的履历背景、经济、购买历史等情况，规划出一个适合的方案，其中有一项就是累计风险保额。但是这些复杂公式的输入不仅仅是来自于一项保险计划，还有可能来自于他的寿险、财险、车险，甚至一些临时的意外险等等的这些购买历史。对于保险公司来讲，这些数据是存在不同的系统、不同的数据库里面。如何能在最短时间内从系统里面调取这些数据，快速地经过一些复杂的运算得出结果，是各家保险公司都在努力去做的一件事情。Qlik的一些实时抓取数据的技术方案就能很好的做到这点，能帮助保险客户更快的实现这一需求。
 
刘晶：随着数字化转型的深入，技术变革为企业带来了巨大发展机遇，同时，也为企业发展带来了巨大的挑战。金融行业在数据治理方面面临着哪些痛点？该怎样应对？
 
季刚：金融行业在数据管理上的主要挑战在于，各部门在用自己的视角思考问题。我有什么样的数据和需要，但这会导致很多部门之间的数据没有完全打通，在业务应用上会有边界，存在重复建设的风险。金融行业应该要自上而下地做整体的数字化规划和转型，整个应用场景不是由每个部门独立去做，而是从顶层规划入手，分配到不同的部门、不同的人员上，把资源形成合力去行动。毕马威为很多企业做数字化赋能，很重要的一个环节是把企业战略跟信息技术战略用数字化技术做桥接，真正做到支撑应用场景落地，支持业务，一步一步地做到资产变现。
   
张海鹏：最近有个热词，不仅Qlik，还有很多厂商都在提这个，就是数据素养。我们在为客户去做数字化赋能时，发现很多企业不止上一个系统，买一个产品，但数字化转型都没有做好，企业没有在这些系统或产品上获益，数据基础非常薄弱，可能连基本的BI、仪表盘等都不会，数据治理工作推进不下去。那我们的CIO、CDO则需要有这样的意识，需要从上而下的推行。同时，也需要结合资料、课程等对业务用户进行意识培养、文化输入，我们需要调动业务用户利用数据去支持决策，让大家都逐步培养起数据素养思路，以便项目推进更为高效。
 
数字化转型一定要系统性的去看待，数字化转型的本质是打破现有的业务流程，去让业务流程更加高效，CIO等管理者需要更深层次的思考去选型产品、应用技术，真正去做到为业务服务。
 
刘晶：零售行业的CIO们应该更关注数据资产的哪些方面？有哪些落地场景？毕马威、Qlik是如何去帮助零售行业客户解决挑战的？
 
 
季刚：对零售业来说，数据应用更为直接，例如数字营销、数字化市场等。零售行业的数据资产做变现，销售量是一个很好的衡量。CIO们通过数据实现更好的客户互动和客户服务，去做数字营销，这是零售行业的通常做法。
 
但在具体细化的场景上也有分类，一类是客群画像，也是通常说的圈层营销。第二类是如何精准地跟圈层客户做互动。无论是抖音短视频，还是其他数字化营销渠道，这些都是企业在往数字化转型上做尝试，在寻找更多的应用场景来服务好圈层客户，促进交易达成，做到价值变现。
 
除了这些直面C端的企业外，有些企业是直面供应链的。他们该如何在现有供应链上实现更高的敏捷，降低库存水平，让供货周期变短，供货流程、运输路径都能得到优化，这些都需要有大量的数据进行演算。
 
谈到解决这些挑战，就需要首先厘清什么类型的数据需要治理。治理是有成本的，需要进行差异化的治理；第二是要分清楚“治”的是什么，“理”的是什么；第三是如何进行治理。数据治理不是一次性完成的。
 
从毕马威的实践案例来看，我们可以这样理解。第一是盘点企业内部数据，根据不同的监管要求进行分级管理，并用不同的治理方法和工具去跟进，找到治理的重点。第二对数据本身进行定义，理清是什么视角的数据，描述数据的质量，确保数据信息的安全，数据流转时涉及到的业务流程，数据接口在哪里等。第三，数据治理不是一次性完成的，伴随式数据治理这个概念值得关注。数据是一边使用一边产生价值的，同时也是一边治理的。这种循环迭代的方式，要求我们与时俱进，不断地一点点做迭代。做好长期战斗的准备，伴随治理，不断前进。
 
张海鹏：零售行业具有三个特点，一是消费者更加强势。现在的消费者获取信息的渠道太多了，有更多的横向对比，能够获得足够清醒的认知来指导他如何下单。第二是供应链的敏捷度。现在的消费者退换货非常便捷，这要求着零售商必须要构建灵活和敏捷的供应链，能够支持快速发货、快速退货，仓库布置需要快速响应，供应链优化非常有必要。第三个特点是门店由简单的分销变为体验中心，客户互动中心、供应链中心。基于这些特点，Qlik立足于分析BI帮助企业去进行数据分析，做供应链优化，做产品优化，真正去立足场景进行落地，实现业务价值。
 
因为数据治理本身是较长的链条，包括数据收集、存储、整理、分析、使用。Qlik构建了很多数据平台，有数据仓库、数据湖、数据中台等。数据的出口有很多可以给到用户，但值得思考的是，不是所有用户是技术、IT人才，如何让不同部门不同类型的用户能够拿到数据、使用数据、信任数据。
 
Qlik的数据目录可以帮助终端用户获得一个类似于访问电商平台的体验。他想要库存分析，就在页面窗口搜索“库存”，弹出来相应的数据集，都是与库存分析相关的。当然不仅仅是给数据集，也会提供一些指标，如哪个数据集较新，哪些数据质量较好，但这是和整个链条的数据治理密不可分的。用户明确知道了自己应该使用哪个数据集，采购自己需要的数据，在把数据发布到分析工具里分析或给到数据专家团队，去进一步做客户画像，去进一步做数据利用。分析就绪，是数据治理链条里非常关键的一环。
 
对零售行业来讲，更关注如何以新技术赋能场景，创新业务变革。因为零售行业不像金融，有太多的限制，受政策影响也是比较大，而是更多是站在企业本身业务的角度去考虑，采用哪些技术更支持未来的发展战略。
 
刘晶：数字时代，信息技术发展至今日，在各行业均已得以应用，创新仍旧是企业提升核心竞争力的有力手段，各位专家认为，未来新技术的发展将会呈现一个什么样的发展趋势和前景？
 
季刚：随着科技进步，新的业务模式也不断衍生，我们看到技术将来会朝三个方向去演进。第一是更强，就我们管理数据的能力变强，结构化、半结构化的数据吞吐、流媒体识别处理等会越来越复杂，这些对信息技术提出了更高的要求和期待。未来技术会往这些方向去提升，处理能力、处理类型的复杂度都得到提升。第二个趋势是更快。超海量级计算预计能实现毫秒级别的响应。第三是更加智能和友好。科技向善，未来更多的是模块化封装好，适用性更强、更加智能。
 
张海鹏：我聚焦在BI领域上来谈，从更长远的角度来思考技术趋势。BI工具的使用会更加便捷，技术或产品一定是既融合又敏捷，同时还能够适配将来长期的用例。从2000年开始提出的数据仓库、数据平台，包括BI的构建，到现在20多年的时间里，CIO或者企业在选型的时候，会有一些很显著的变化。他们不再像过去一样选一个只能做仪表盘的工具，需要了解实际用例是什么，而不仅仅是纯从技术，不是纯从架构这个角度去考虑。所以从这个角度来讲，技术或者产品一定是既融合又敏捷，同时还能够适配将来长期的发展。
 
技术也会不断的创新，经历了云、大数据、统计算法、Devops等工具的迭代和尝新，对CIO或企业主而言，工具越来越多，于是如何选型成为了新的命题。
 
 


第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。