數字化轉型

穿過AI、BI、ML等技術術語迷霧,企業數字化路上需要什么?

廣告
廣告

未來是智能化時代,AI、大數據、BI等技術的發展將推動企業升級變革。而技術的應用實踐需要一個過程,伴隨著擁護與質疑、成功與失敗。

一些失敗與反思

今年9月份,在莫斯科舉辦了一場不同以往的大會,與會者專門討論大數據&BI應用過程中的失敗經歷,他們相信“失敗的經歷比成功的經歷更有價值。”

比如在制造業、農業、智慧城市等領域,IoT以及傳感器能提供可以獲得洞見的數據,但是實際應用中通常會出現不準確的讀數,這已經成為工業互聯網發展中最嚴重的問題之一。此外,企業之間的復用性并不樂觀。

比如曾經大數據的布道者極力推崇的大數據時代不需要因果只需要相關性也遭遇了虛假相關性的挑戰,例如,城市中的自殺情況顯示與奶酪的銷售有明顯的相關性,博士學位獲得情況與酸奶銷售的相關性。錯誤關聯的原因以及如何識別并排除仍然有待解決。(歷史上有一個超市將啤酒和尿布放在一起更好賣的案例,后有人指出這是一位講師授課時的杜撰。)

比如溝通問題,CEO求助于分析部門卻無法清楚描述自己的訴求,如何將模糊的愿望變成明確的任務?比如“BI”、“大數據”、“AI”、“ML”等技術術語混亂不堪是需要亟待解決的問題之一,這些術語的制定者在討論中也無法達成統一的理解等。

這樣的問題如果討論起來還有很多,這些失敗也許不能成為嚴格意義上的失敗,企業數字化化處在不同的階段,而一款軟件能帶來某些方面的提升但是無法代替公司的治理。

比如傳感器數據不準確,原始數據的錯誤需要查找原因修正,軟件不會修改用戶的數據,企業或者行業之間的復用性問題是行業的通病,在個性化需求比較高或者涉及到不同工藝的工業互聯網等方面復用性更加艱難,GE的Predix作為工業互聯網的鼻祖其復用性依然有挑戰。

大數據時代的相關性有業內人士反思也許是大數據4V還不夠,也許是相關算法和模型還有待提升。人類處理信息是小數據,從大數據到小數據除了隔著人體機制也許還有那1g的靈魂。

溝通問題從某種程度反映了數據驅動文化還未養成,數字化過程除了技術還需要組織、文化的改變,后者往往更為緩慢也更艱難。“BI”、“大數據”、“AI”、“ML”等技術術語混亂問題確實讓人眼花繚亂,莫衷一是。有業內人士認為技術術語的紛亂是因為之前的概念都是由學術界定義,然后工業界和產業界跟隨,現在變成工業界、產業界率先提出,各有立場與角度,以后應該會慢慢規范,也可以看出技術變革之快。

日前有專家指出“現在是全社會趕不上信息技術創新的步伐,所以接下來顛覆性創新變成改良性創新,未來十年甚至更長時間一定是技術的應用。”企業級服務不管是怎樣的技術,只有創造價值企業才會買單,而技術應用的深入也將伴隨著法規、組織、文化的變革。

按需定制不只技術

都說“不管是黑貓還是白貓,能抓老鼠的就是好貓”,對于技術而言也可以化用為“無論AI、BI、大數據,能給企業帶來價值的就是好技術”。

在莫斯科的討論上,專家認為IoT、傳感器的數據錯誤已經成為工業互聯網發展最嚴重的問題之一,但是IoT、傳感器的發展確實為一些企業帶來了價值。比如國內BI廠商永洪科技的一個核電廠客戶,其發電機上的繼電器因為是高壓容易打火燒壞,一個繼電器大概3000元,每年替換成本很高,傳感器可以采集數據,永洪科技通過提供一站式大數據分析平臺為其積累相關數據,加上行業專家的咨詢指導,AI預測分析將繼電器使用情況的判斷準確率從60%多提高到將近80%,繼電器的年更換率有了明顯的下降,為客戶降低了成本,創造了價值。

在數字化浪潮之下,不同行業不同企業的數據治理能力參差不齊,國內很多BI/大數據公司比如永洪科技、神策數據、GrowingIO、易觀、TalkingData、友盟+等在產品之外都有由行業專家組成的咨詢團隊,為客戶提供產品+咨詢+解決方案的能力。與國外很多咨詢服務需要付費不同,國內廠商的大部分咨詢服務是產品之外的免費增值服務,一部分原因是國內企業對咨詢的付費意愿并不高,另一方面客戶量身定制的需求比較大,這樣更符合其客戶成功戰略的推進。

在向數據驅動型企業前進的路上企業需要明了自己位置,日前Tableau 與IDC共同發布了《亞太數據就緒指數(DRI)報告》,調查對來自七個市場(澳大利亞、中國大陸、中國香港、印度、日本、新加坡和韓國)的700多家企業的高管進行了數據就緒的關鍵維度的調查,維度包括與員工相關的因素(個人和企業)、流程、技術和管理。根據結果將企業數據就緒狀態劃分為三個階段,分別是領先、發展中和落后。

報告顯示,數據就緒程度高的企業的業績平均比落后的企業高出90%,中國大陸市場企業數據就緒指數在亞太地區排名第六。盡管如此,只有20%的企業在處于數據就緒領先地位,而大多數處于發展中(66%)和落后(14%)領域。該調查強調,與員工相關的因素,如員工數據技能和企業范圍內的協作都被視為關鍵績效驅動因素。

“DRI反映了企業利用其數據來穩定企業關鍵業績指標(KPI)的能力。我們發現,在整個亞洲,DRI在職能和行業方面存在巨大差異。驅動DRI的因素如技能、領導、技術、管理和流程也相差懸殊,”IDC亞太地區分析、大數據和人工智能副總裁Chris Marshall博士表示。

Tableau大中華區總裁葉松林認為企業數據就緒幾個維度里技術最為簡單,企業組織和文化是比較難的,為了構建數據驅動文化,成為數據驅動型企業,企業需要采用整體策略,并采取量身定制的方法來提升其數據就緒程度。Tableau推出了戰略框架Tableau Blueprint,包含具體計劃、建議和指南。“我們提供Blueprint以及IDC共同推出DRI報告就是讓客戶知道他到底離一個數據驅動型的企業的距離有多遠,可以怎樣去到達。”

數字化已經不是企業的一個選擇題,而是一個必答題,前途光明道路曲折。有數據顯示高達84%的數字轉型項目未能實現預期收益,而除了投資回報率方面的損失,同時還會對企業戰略、股東和團隊士氣造成傷害。一位業內專家分析失敗原因時強調“記住,數字化轉型從根本上說是人推動的過程。”

企業數字化之路可以定義為“嵌入組織變革,利用數字技術和商業模式,轉變業務績效和競爭力的過程。”無論企業處在數據就緒的哪個階段,拋開紛繁的技術術語,想要找到可以帶來價值的產品和服務總需要找準自己的位置然后去嘗試。

我還沒有學會寫個人說明!

100%數據可用性承諾 VSP 5000系列如何改變存儲行業規則

上一篇

MongoDB 存儲引擎與內部原理

下一篇

你也可能喜歡

穿過AI、BI、ML等技術術語迷霧,企業數字化路上需要什么?

長按儲存圖像,分享給朋友

ITPUB 每周精要將以郵件的形式發放至您的郵箱


微信掃一掃

微信掃一掃
双色球常规走势图 上海时时彩 亚洲情色一本道 股票指数期货有哪些 智慧帮配资 南京期货股票配资公司 点点策略 辽宁快乐12 股票配资平台哪个安全c贵丰配资 互利配资 雷速体育比分直播网 两性情趣用品 sm捆绑 黑龙江36选7