衡量数据中台的价值可总结为五个关键目标,即业务数据化、数据资产化、资产服务化、服务业务化和业务智能化。
业务数据化。对于像阿里、腾讯这类的互联网企业,较早的实现了业务的数据化。根据实时反馈的线上数据,分析客户行为,从而优化自身业务流程,形成数据闭环,实现数据在各环节的沉淀及价值,在精准营销和推荐引擎方面优势显著。但对于传统实体企业来说,业务难以实现完全的在线化、数据化。在很多生产制造工艺环节,仅依靠一线的工人或者是中层管理直接拍板,根据有限的数据做决策,数据必然不能得到有效沉淀。
数据资产化。数据在企业内部充分应用最大的障碍是存在语言壁垒。数据资产化意味着在公司内部形成共同的“数据语言”,各部门为了统一的分析目的,形成各自对应的统计标准,在运营过程中实时对数据进行收集汇总分析。数据资产化之后,数据资产才会渐渐成为企业的战略资产,企业将进一步拥有和强化数据资源的存量、价值,以及对其分析、挖掘的能力,进而会极大提升企业的核心竞争力。
资产服务化。数据形成资产后,通过数据中台开放给各部门使用,释放数据价值的同时发现问题、优化自己的生产环节和流程。为解决业务部门不愿意开放数据的难题,我们需要建立相关的激励机制,提高业务部门主动配合的意愿,实现更好的协同。数据中台需要具备一些核心能力。首先,数据源头负责人要把控数据质量和价值。其次,数据应用要实现从线下到线上、从手工到自动以及从单兵到协同。最后,要做到业务可控,能够对业务趋势的异常从时间、空间、数据三个维度进行分。
服务业务化。任何一个产品都需要推广和运营,把数据服务业务化运营很关键。
业务智能化。多数企业的业务智能化仍在发展中,尚未实现真正的数据智能、协同共享、知识推荐等。