BangTalk︱第5期
讲师︱何夕 奇点云副总裁
主题︱数据中台建设之道
自今年8月开始，数据中台相关搜索词有了一个飞速的增长，但数字化转型这个词已经大概有20多年的历史了，包括现在我们使用的一些评估法。
数字化之所以现在才火起来，是因为我们如今面临着一个非常大的变局——数据量的指数级增长，所以本文要对数字化转型有个重新的定义。
现在很多讲技术、数字化的时候，更多的是讲云计算、大数据和人工智能技术，只有在这些基础之上，我们才能站在技术发展的层面上看数字化转型的本质。
在过去10年的工业改革生产力里，机器慢慢代替了人，所以现在来看，更多指向是数字化转型的未来，是人工智能的未来。
如何去定义人工智能的未来？
如何理解数字化转型的本质？
数字化转型的最终它是让人做人该做的事情，让机器做机器该做的事情，人类与机器的脑力和算力协同。
比如：传统的数据分析是刀耕火种的状态，要进行手工的数据提取、数据清洗、透视和分析、生成可视化图表去汇报，在这个过程中你会发现，透视和分析是人工做的事情，但其他流程可以通过BI工具来完成。
《富足》这本书讲的是：当人类社会物资材料，从供不应求到供过于求的富足状态后，商业模式和商业逻辑都会发生巨大的变化。
2015年是人类社会数据增长的一个关键节点，因为在2015年，其一年产生的数据量是人类过去历史上产生的数据量的总和。
2015年之后，数据量每年增长40%-50%，就表明整个数据量进入了指数级增长，然后它会给我们带来巨大的挑战。
应用到业务里，该如何面对解决呢？
2009年，阿里巴巴成立阿里云，并带着以下问题正式开启去IOE路程。
如何连接买家和卖家
如何让系统运行更平稳
如何提升效益/降低平台交易成本
阿里收集的大量数据中90%是非结构化的日志数据，但他们想知道：用户从哪来、喜欢买什么、多长时间来一次、因为什么导致购买/不购买、用多长时间去支付，类似这样的分析问题，给阿里带来巨大的数据挑战。
2012年，阿里搭建了第1个数据仓库，来解决OLAP联机分析处理的需求，也就是现在所谓的数据分析BI。
搭建后50%的服务器已经不再处理任何事务，而仅仅用于处理数据，当时TCIF（淘宝消费者数据工厂）的创建者是现在奇点云的创始人行在，并打通了淘宝、天猫、聚划算、所有阿里系的消费者数据，完成了3000+标签体系的建设。
阿里是第一个设立首席数据官CDO的公司，第一任CDO是陆兆禧（顺带一提，老陆也是奇点云的天使投资人），所以他们在2012年标志性事件是拥有了TCIF，所谓的人群定向技术。
比如：一个母婴的卖家/品牌商，需要做全渠道通投触达人群，但同1个用户可能在Top20的母婴网站上都有账号，她会分时间段访问A、B、C不同的网站，以前是20个网站都要投一遍，但用了人群定向技术，那么只需要投放3次，就可以代替原来的全渠道通投，这样会给投放带来极大的效率提升。
阿里在存储和计算的消耗上，人群定向已超过了BI，他们知道了用户的购买频次、喜欢的服饰风格、消费水平，就能很轻松的预测用户下一步会有哪些购买需求，所以后来阿里的小二、运营都依赖这些数据去做决策，但后来，他们在日常工作中发现有40-50%是要分析表格、提取数据，所以他们又提出了让机器人处理高频、重复工作的诉求。
2015年阿里推出千人千面的推荐算法，现在当你打开阿里系的任何一个APP，每个人看到的页面都不一样，阿里有70%以上的GMV是有机器来运营的，流量由机器来精准分配。
比如：做投放时，阿里会帮助商家做自动化编辑文案、抠图的工具，在素材生成的过程中，可以快速进行AB test，看哪张图片最符合CIP。
在2015年后，阿里跨越到了一个非常重要的节点，从人指挥机器到机器指挥人。
同年阿里又做了一个标志性的举动，成立了阿里云的数加平台，阿里历史上第1次把内部的这种技术用到社会上赋能给企业使用（数加平台也是由奇点云的创始人行在来创立的）。
在各个企业里面，都是部门按照自己对于数字化转型的理解来开展转型工作，比如，财务部只想要个数据仓库，营销部需要数据管理平台，导致行动不一致，而企业希望少预算覆盖多需求。
根据项目管理三角来说，这种项目质量通常会很差，所以企业要有战略目标的格局，梳理项目优先级，才能最大化利用现有资源和技术。
SKOTT评估法来避免风险
重点关注5个领域：战略、KPI、组织、技术（算例、数据、算法）、人才
数字化转型的利润占比是多少？
是否有相应的算法工程师、架构师、数据分析师….的储备？
在转型的过程中，企业要建立明星项目，找到业务的突破口。
企业要找到哪些领域的数据能够快速、有效、标杆性的产生业务价值而增值，这个过程要不断去修正业务方向。
阿里和华为是罕见的组织先行，因为他们有了足够强大的数据和技术支持能力，他们接下来要做的事情就是预测未来。
阿里当时提出做新零售，他们把所有跟新零售相关的组织职能，进行了线上线下的汇集，然后才去做了相应的业务和其他安排。
企业会经历这样三个发展阶段：
1、低成本在线：从数据分析开始，辅助决策，提升业务水平，建立数据资产，预测未来；
2、高水平重复：MVP开发模式，在基础上不断的迭代去推广，用机器来处理高频、重复的劳务性工作；
3、通过机器的方式，建立内外部自动化协同，提升运营效率。
一旦进入到这三个阶段，组织会变得非常有活力，称它为前端创新阶段，当企业有了足够多的数据工具和数据资产，去支撑前端业务小步快跑，那么这种创新就会源源不断的涌现出来。
360°数据诊断方法论：
对企业数据成熟度的评估，总共分成8大模型、8大模块，然后36个小维度，对企业整个数据现状进行有效的诊断，并去清理它数据和业务的差距。
企业内部要创建数据门户
在与其他企业咨询的过程中发现，因对方按照传统的流程建设，有好的想法也会被埋没，所以需要数据分析来支撑好的想法，所以公司内部要创建数据门户，它的核心价值是厘清差距明确方向。
企业需要ETL工具，来建立自动化的数据处理和清理工作
每天的工作需要60张的报表，其中30张是常规报表，从人力成本上来讲培养一个分析师要1-2年的时间，那么这些工作就可以通过机器规模化产出的方式，让分析师去做更有深度的事情，当这个机器转化成算法模型，去赋能整个前端的业务。
那么，首先要解决数据源问题，并且在这个基础上去建平台、立规范，然后确定具体的业务场景，根据业务场景去提升技术端的能力。
并不是单纯把所有数据管起来就可以了，到最后你也不知道是做什么用的。
可以从数据能用起来的角度管理，比如，有什么样的业务场景，需要用到哪些数据，那么后期就可以很好的数据治理，变成数据资产价值，当企业具备了这样的数据管理能力，就可以去赋能业务了。
DR三支柱模型
帮助企业更好的去完成整个系统建设到数据处理的能力建设。
传统企业的系统建设工作，都是业务向IT提需求，IT会通过自行开发或者投标来完成项目，交付后，IT对系统的使用情况并不了解，可能还会出现数据不通的情况，称为烟囱式建设。
所以从未来的角度来看，企业一定要通过小型的团队来解决数据资产沉淀、数据资产治理、管理、运用的问题。
在这个过程中，要进行职责上的分工，首先需要一个共享服务中心来关注通用能力建设，同时需要ITVP/ITBP，他的职责是站在业务角度来关注技术建设，有效的管理业务数据资产和IT资产，他要跟业务一起发现业务的实际痛点、需求，并且由专家去设计方案，然后完成交付。
ITBP如何推动业务迭代运营？
业务需要确定提升和改善的指标，数据分析师要提供初步的评估，让大家达成总体目标设计。
在这过程中，业务要考虑和解决，缺什么样的人才、流程、管理工具和某数据的采集。
而ITBP要基于业务的需求进行平台通用能力的建设，比如，业务还在手工提取数据和运算处理，那么ITBP就要提供相应的建模工具和BI工具，通过业务验证和策略优化的过程，持续提升对应的指标。
奇点云独创「云+端」的数据中台解决方案
阿里巴巴在整个发展过程中，有90%非结构化的日志数据，传统企业要解决这些非结构化数据的采集问题，企业需要有智能硬件终端去收集数据，在这个基础上集成所有结构化数据和其他来源数据，在数据中台进行有效的数据治理和管理，然后转化成前台数据洞察，将这些数据提供给业务场景使用。
奇点云「云+端」所提供的是一个全场景智能化的企业转型服务。借助AI驱动的数据中台，帮助企业既解决数据生产的问题，又解决数据使用的问题。旨在帮助客户真正实现数据化企业运营，盘活企业的数据资产，创造更多商业价值。
