企业数字化转型三步走
讲执行路径之前需要再次强调下 ， 企业数字化转型绝对是“一号位工程” 。 毫不夸张地讲 ， 一切非一号位来负责的企业数字化转型都是“纸老虎” 。
企业数字化转型的执行路径无外乎三步：数据打通与数据接入、数据处理、数据可视化 。
数据打通与数据接入
为么要把数据打通与数据接入作为企业数字化转型的第一步？所有企业都是从信息化走过来的 ， 信息化通常都是不同供应商提供的系统 ， 而这些系统必然会形成 一个一个的“烟囱” ， 这些烟囱中的数据都只局限在某一维度上 ， 不打通就没有办法进行多维数据分析 ， 更不用说更为高级的数字化运营了 。
举个例子 ， 某商业地产开发商的客流、车流、会员、店铺、商品等数据分别来自不同的供应商 。 现在我想知道哪些人喜欢去哪些商场买哪些商品 ， 这个需求对于任何供应商来讲基本上都是不可能完成的任务 ， 这时候数据打通就是必须的了 。 但千万不要以为数据打通就是简单地把各个供应商的数据集中到一个数据库中 ， 这就太初级了 。 数据打通最为关键的是 ， 用唯一的ID来标识数据 ， 只有这个唯一ID准确了 ， 才能够知道进场了多少人 ， 以及每个人到底喜欢什么店铺和商品 。
你可能会问：这个只是使用企业一方数据 ， 多数情况下企业一方数据都不够用 ， 必须与三方数据进行场景化融合 ， 才能有更多的标签进行更深的分析和结论输出 ， 这怎么办呢？总不能用唯一ID去广阔的数据海洋里“捞”吧？
这其实属于数据接入的范畴 。 数据接入的前提就是必须保障隐私及安全 。 这就要依赖于隐私求交、联邦学习等隐私计算的技术 ， 来完成多方数据的联合分析、训练、建模、预测 ， 从而实现数据价值的流通 ， 达到数据“可用不可拥” 。 联邦学习是个单独的课题 ， 此处就不赘述了 ， 附一张逻辑图供参考（见图5） 。

文章图片

图5 联邦学习逻辑图
数据处理
数据处理是企业数字化转型最核心的一步 ， 各企业的数据量级（Volume）越来越大 ， 格式及内容（Variety）越来越多样 ， 而各企业在数据挖掘的深度上、分析的维度上、计算速度上的要求都日益提升 。 要想在如此庞杂的数据下挖掘/分析出价值 ， 靠传统的数据分析方式基本上是天方夜谭 。 这要求企业必须在数据采集、数据存储、数据计算、数据挖掘/分析等数据处理的各个层面都有稳定、高效的技术工具 。 而这些技术工具的产出又需要百人团队三到五年的积累 。 对于大部分企业来讲 ， 培养百人团队是不可能的 ， 再积累三到五年 ， 基本上“黄花菜都凉了” 。 怎么办？这就需要专业做数据平台和工具的大数据公司来提供这方面的技术能力了 。 以MobTech为例 ， 这四个层面形成完整的产品矩阵经历了9年（见图6） 。

文章图片

图6 MobTech数据分析矩阵
数据可视化
数据可视化是企业数字化转型的门面 ， 这个大家都能理解 。 无论是多么有价值的分析结果 ， 都需要由曲线、报表等一目了然的方式展现出来 。 当然财大气粗的企业可以选择Tableau等商业软件 ， 小而美的企业可以选择Superset等开源的方案 ， 都挺好 。
总结一下 ， 本文主要阐述了企业数字化转型的定义、范围、必要性 ， 以及企业数字化转型的执行路径 ， 相信可以帮助你对企业数字化转型有个全面的认知 ， 一起加油！