近日，爱数2021SMART大会在上海成功召开，峰会上爱分析创始人&CEO金建华进行了《企业数字化转型与中台战略》主题分享，并联合爱数发布了《非结构化数据中台白皮书V2》。

金建华认为：数字化转型最终的目的是为了创造客户价值，数字技术是转型过程中的一种手段，而这个手段需要我们从战略、从全业务流程、全价值链以及组织层面上进行变革和重塑。

以下为演讲全文：

金建华（爱分析创始人兼CEO）：大家上午好，刚才贺总提到了柏拉图对知识的分析，这个引用里面涉及到爱分析这样的组织对知识的认知，我先简单的介绍一下爱分析的情况。

爱分析是一家服务于数字化市场的研究咨询公司。在数字化市场中，爱分析扮演的角色是一个把企业数字化转型过程中形成的最佳实践和知识体系，变成帮助大家更好地做决策的方法论和工具，最终是帮助甲方用户去解决数字化转型过程中的具体问题。

爱分析2015年成立至今，服务了2000多家客户，同时我们也服务了众多的甲方，在服务甲方做数字化转型、服务厂商的过程中，我们积累了很多的知识体系和最佳实践，希望今天我分享的内容能够更好地帮助大家建立起对数字化转型的认知，以及对我们今天的主题——非结构化数据中台的认知。

01 推进数字化转型，中台是核心支撑

首先，在2020年经过新冠疫情冲击之后，数字化转型已经成为一个“热词”，这个概念已经获得了很好的市场教育和普及。然而仍然有大部分的问题并没有解决清楚，什么是数字化转型？数字化转型到底应该怎么做？它的价值是什么？这是所有甲方企业，尤其是传统企业面对数字化转型的疑问。

从数字化转型的定义角度来讲，首先，数字化转型最终的目的是为了创造客户价值，数字技术是转型过程中的一种手段，而这个手段需要我们从战略、从全业务流程、全价值链以及组织层面上进行变革和重塑。

数字化转型过程中，其实也是在塑造一个数据驱动型的组织，在整个转型过程中，数据起到了至关重要的核心作用，那么，数据的价值是什么，数据价值最后通过什么方式能够很好的呈现，这个是我们今天讲的第一个议题；第二个议题是怎么样去构建中台；第三个是在数据中台构建过程中，非结构化数据创新是怎么回事，对大家的价值是什么？

为什么说数据是数字化转型过程中的基础，2020年，从国家宏观层面上做了一个很重要且高瞻远瞩的定义，把数据定义成继土地、劳动力、资本和技术这四个基本要素之后新型的生产要素，基本上决定了无论是全球市场还是中国市场，这是未来几十年的发展动力，是从政策层面上的一个很明确定义。

数据不但是一个新型生产要素，同时中国作为全球第二大的经济体，我们的数字经济发展迅猛，数据也正在成为中国经济发展最重要的引擎。

2020年数字经济占整个GDP的占比达到39%，同时2020年GDP增速是2.3%，但是数据经济的增速达到了9.7%，3倍以上的差距可以看出来，数字经济在我们整个的经济体中起到了很重要的作用。

数据作为基本的新型生产要素的价值，不仅仅是从采集数据到前期数据的业务化，数据要通过数据的管理才能让它真正产生价值，怎么去管理，我们一般分成三个步骤：

第一步，数据整合；第二步，数据资产化；第三步，数据价值产生。怎样能够让数据在业务场景下真正产生价值呢？我们大致可以将数据产生的价值分为三类，第一类是在运营公司和业务经营过程中产生价值；第二类是在业务创新中产生价值；第三类是通过数据更好地帮助我们去做管理和业务决策。只有这样才能真正让数据作为新型生产要素在经济体中产生价值。

数字化概念提了很多年，做数据治理也好，数据资产化也好，国内的有一些企业做得比较早，但真正能够把数据管好、用好的并不是特别多。Forrester调研了很多的企业负责人，大概有71%正在着手做数据管理工作，但真正有成效的只有8%，这样来看，大部分的企业在用数据、管理数据和让数据产生价值的过程中，并没有得到应有的效果。

造成这种结果最核心的原因，首先，是在数据整合和资产化的过程中，原来传统IT的烟囱化，系统是一个一个单独的系统，且没有办法把这些单独的系统很好的整合起来，让数据变成一个完整的数据资产；另外，过去数据应用开发过程中，基本上都是重复建设，导致数据的复用和标准化很难做到；最后，数据并没有根据具体的业务场景需求进行资产化，从而导致企业每年投入大量的IT预算，却看不到ROI。

数据怎么样能够产生价值，必须要有一个理念——数据管理和数据创造价值的理念。数据中台虽然早在2015年就提出来，但是它的概念一直不断在演进，数据中台完全是一个中国本土化的概念，而且是很适合中国企业数字化转型的概念。

我们对数据中台的认知，或者说我们对数据中台概念的定义，其实并不是一项技术或者一个产品，如果把数据中台当做一个产品和一个技术，我觉得这个认知是有很大的误区。数据中台本身其实是一套方法论，是做数据管理和数据价值创造的一套方法论，背后有很强的业务驱动理念，同时当然也需要应用很多技术平台或者工具让数据产生价值。核心的一点是，数据中台必须以应用场景为出发点，通过治理数据，让数据资产化和数据业务化赋能业务场景，给客户创造更好的价值。

简单讲一个案例，证券行业是信息化做得比较好的行业，该券商的业务发展在十年以前相对比较简单，业务比较成型，但最近十年，尤其是移动互联网发展起来以后，该券商的业务发生了很大的变化，业务的更新迭代速度变得很快。而原有的IT系统其实不具备很好的扩容性和做二次开发，而涉及到新的业务，需要不断地建设新的数据应用。

新的数据应用建设过程中又都是单点的应用，原来的数据能力没法复用。然后它自己提出来要做数据中台，最核心的就是在大数据平台基础上把原有的数据进行统一整合和治理，建立统一的数据开发规范，形成数据资产，最终赋能业务，这里有很多具体的业务场景，比如说智能投顾、智能营销，帮助销售团队更好的开拓新的客户等。

 

第二个案例是某市应急管理局，应急管理局是几年前新建立的一个部门，新部门由很多的部门组成，部门成立之后涉及到原来各部门的数据分散在各处，没有办法做数据整合，从应急管理角度出发，一个新的部门成立之后要去全方位的完成应急管理的前期预警，包括事前、事中、事后所有的关系，这里面会涉及到大量的数据。通过数据中台解决方案，应急管理局实现了全方位应急管理、打通了10个业务系统、接入应急数据量1.6亿，实现了多场景数据融合、管理和价值应用。

第三个案例，是某省级电力公司能源互联网建设，能源互联网是能源领域的国家战略。以一个具体场景来看能源互联网，电力系统里面有一个计划性停电的场景，就是在某些设备进行故障检修时需要关停，会引起区域性停电。原来在做停电计划的时候，需要工作人员去处理，比如看CA地图、看线路图，通过线路图判断哪些区域、哪些用户会波及到停电的问题，然后再去发短信通知，这个过程人力消耗巨大，包括应对故障的人力投入，应对故障的周期以及到最后故障发生的时间都是低效的行为。

能源互联网建设项目中，该电力公司引入数据中台，在数据治理之上加了知识图谱的应用，基本上不用太多的人员干预，就可以精确定义哪些区域需要停电，第二个精确的定义到哪些用户会停电，第三个基于对区域和用户的判断自动的发短信提前通知到用户，这是一个很具体的案例。

02 中台建设是一个战略项目

中台怎么建？中台是一个方法论也是一个理念，中台的核心是，在做数字化转型时，必须自上而下去从顶层设计就开始对它的价值做判断，数据中台是数字化转型过程中的一个战略性的选择，它不但需要战略层面支撑，同时也需要从组织层面支撑它，从顶层设计到中台技术的支撑到组织运营，再到数据人才的支撑，这是数据中台很重要的出发点。

举一家时尚行业公司数据中台的案例。这家公司在2018年制定了一个三年收入做到百亿的计划，最终实现百亿计划是要靠消费者运营拉动，这是明确的业务战略目标。基于这个业务战略，它制定了一个以消费者为中心的数字化转型的战略计划，这个计划里面，围绕消费者运营建设的数据中台底座起到了决定性的应用。这里面涉及到怎么把业务数据化，运营消费者数据资产，最终把数据变成应用场景中的业务赋能，能够通过数据更好地支撑广告投放、促销活动、会员拉新、老客复购等会员运营活动，取得更高的业务回报。

可以看到在具体的业务场景中，这家公司取得了很好的业务效果。比如某次活动老客的整体复购率提升10%，某次双11促销活动比往年效果翻倍提升，某次拉新活动用3万预算转化了4000个新增会员和超过800万销售额。

数据中台要去落地，其实是经过了大量的实践和方法论的总结，爱分析平时会调研厂商的能力和甲方的需求，在这个过程中我们重点研究甲方的落地实践，在调研过程中需要把实践经验变成方法论，从数字化蓝图顶层去定义业务目标和战略到底是什么，这个是顶层设计决定了数据中台能不能产生价值。

不但要了解当前的数据资产有哪些，同时基于企业业务场景和业务流程需求去做数据中台的规划，设定场景落地优先度，要知道哪些场景下数据能够产生价值。

当然，中间离不开技术平台的搭建，在业务价值实现的过程中，不可能所有业务流程或者说全价值链都能够马上做到数字化，所有的企业无论是技术设施还是本身业务场景的原因，都会影响到阶段性数据价值的体现，这个过程中我们一般都建议在设定业务场景优先过程中，找到最能体现业务价值的场景，优先做成闭环，短期内能够看到效果，可以自上而下推动组织更好地进行数字化转型落地。

最后，不但要建设还要去运营，各种各样资源的投入，场景的拓展都会帮助企业更好的实现数据中台，最终在更多的业务场景下产生价值。

03 非结构化数据中台的创新

智能化是企业数字化的新阶段，智能化中有很重要的一点——认知智能，认知智能本质上就是怎么样把数据知识化，最终在业务决策和管理决策起到作用。通过AI技术能够把数据变成知识，赋能给更多的业务场景，更好的做业务决策，这是下一步认知智能发展的趋势。

数据知识化的过程其实就是知识管理的过程，知识化会涉及到更有挑战的问题。我们一般把这个问题定义成两类：第一，企业里面有80%的数据是非结构化数据，在做知识管理的过程中，怎么样能够把非结构化的数据变成可用的知识，怎样挖掘全量数据之间的关系。第二，数据与数据之间真正产生价值助力决策是需要把它的逻辑关系、关联关系提取出来。

数据与数据之间的深度关系与数据全域价值同时支撑最后的知识管理，也就是说实现知识管理的过程，需要从两个层面上考虑怎么样让数据或者知识真正产生价值。

第一个要有新的数据架构或者说在数据架构层面上做革新，以应对非结构化数据的治理；第二个在数据治理和数据资产化的基础上，要去做AI的应用，知识图谱在把数据变成知识的过程中会起到很重要作用。也就是说，数据架构革新和AI赋能知识应用是能帮助我们企业做知识管理很重要的要素。

大家可以看到这是非结构化数据中台的数据架构，我觉得所有的平台最终都是为了更好赋能给组织和业务。

第三部分关于非结构化数据从整体的方法论到实践经验的积累，到最后的案例积累，我们都很详细的写在了《非结构化数据中台白皮书V2》里面，这个白皮书是我们过去几个月跟爱数的团队一起合作撰写的，我们把非结构化数据平台领域里面爱数自身的实践以及爱数客户的实践总结成方法论和案例供大家品鉴，希望这本白皮书可以更好地帮助你解决组织里面数据应用落地问题，让数据能够产生真正的价值，谢谢大家。