数据能力为什么是数字化时代企业核心竞争力？｜爱分析洞察

8月16日，由爱分析主办的第五届数据智能高峰论坛在北京成功举办。本次论坛以“激活数据资产，释放数据价值”为主题，聚焦企业在数据能力和数据应用建设过程中所面临的战略规划、目标设定、路径选择等问题进行分享与讨论。

爱分析创始人兼CEO金建华开场进行了致辞发言，就企业建设数据能力的背景、实践路径，以及数据智能市场的趋势进行了分享，现将现场实录整理如下。

金建华：各位现场来宾和线上朋友们，大家好，我是爱分析创始人兼CEO金建华。

我们上一次举办数据智能高峰论坛是在2020年，时隔3年到了第五届。爱分析在2017年首次举办了这个领域的线下活动，那时我们还称之为大数据论坛。2019年我们加上了“智能”这个属性，将数据和智能相结合。

从大数据到如今的数据智能，我们对这个市场研究自2016年开始，到现在已经有7年时间。今天我们会把爱分析在过去一年里对整个数据智能市场的调研成果，尤其涉及到大家关注的热点话题以及接下来市场的趋势进行总结和梳理。

01

数据能力已成为企业数字化时代核心竞争力

首先我想聊聊爱分析在数字化市场研究体系中，为什么会把数据智能，或者说数据能力建设当做一个重要的命题。

截至目前，我们会发现有一些重要驱动力推动着数据在企业内部释放价值，通过调研我们总结出以下几个原因。

第一，经济下行周期内，企业追求高质量发展。

宏观经济下行过程中，企业的最终追求目标都变成经济效应，也就是怎么赚钱，或者说现有业务如何扭亏为盈，如何产生利润，同时也会在业务增长和新业务开拓等层面产生需求。企业在这样的经济环境之下，不得不去面对从原来规模化增长转变成如今需要精益增长模式的一些问题。

第二， 数据作为企业核心资产，数据资产管理势在必行。

在过去十多年时间里，企业进行信息化和初步数字化建设过程中，一些大型企业已经积累了大量数据。这些数据每天都在消耗大量IT资源，同时需要有专门的运维团队进行管理，怎样把这些数据整合起来进行更好的开发和使用，把数据价值发挥出来，是当前很多企业直接要面对的问题。

同时，《个人信息保护法》、“数据二十条”等政策法规出台，企业从数据安全、数据合规等方面，必须要将数据资产管理提升到非常重要的位置上。

所以我们现在看到很多企业内部设立大数据部门或者数据管理部，本质上是希望通过成立专职数据组织，对数据资产进行全生命周期的管理。

第三，国家数据局成立，自上而下形成组织效应。

从宏观角度来讲，国家数据局其实是自下而上实践中去形成的，从最早的原生数字化企业对数据价值的实践，最终形成了国家层面的顶层设计，国家数据局是一个从顶层定义了数据价值的部门，再自上而下的推行。

与之对应的，我们能看到很多国央企和大型民营企业，都在陆续成立数据管理部门或者大数据部门，部分企业甚至把原来的IT、数据部门进行合并统一，更加强调将数据作为一项资产来进行管理。

根据我们调研，不少快消领域头部品牌商，之前是科技部门和数据部门分开，从2023年起，数据部门与科技部门合并，背后一个出发点就是要重点解决数据能力建设的问题。

第四，AI和大模型推动数据智能新一轮数据建设。

现在我们看到的AI大模型的应用，最终都是落脚到更好地用数，以及通过数据去做决策。这个层面上来讲，AI大模型技术的逐渐渗透和应用，最终会让企业更有动力、更紧迫地去做数据管理。也就是说，未来如果企业想把AI大模型能力释放出来，就必须有完整的数据体系来作为支撑。

以AI大模型增强知识库检索能力的场景为例，这几乎是所有企业用户都在尝试落地的场景，根据我们的调研，最终效果（检索准确率）一方面是依赖于模型本身的能力，另一方面，更重要的是，企业本身知识库建设成熟度，会直接影响模型微调和预训练后的效果。

综上所述，从大环境里面我们能看到，目前企业的数据管理工作主要还是来自于是管理层本身的经营需求，其次是企业新业务开拓的需求，第三是业务部门和IT部会把数据作为资产去进行管理和使用。

02

数据能力建设和应用建设的辩证结合

从企业数据管理需求而言，我们会把数据类建设工作分成两个大类，第一是数据能力建设，第二是数据应用建设。

数据能力建设、数据应用建设过程中，企业自身是有一些比较明确的目标，其中也包含了短期和长远的目标。

在当前这样的市场环境下，其实很少有企业会明确表示，要在半年或者一年等的一定周期里，很明确地必须要完成数据能力建设。

从整个企业角度来讲，数据能力建设是一项很庞大的工程，在个过程中应用建设和能力建设怎么样能比较好去结合，以及如何将长远数据能力建设和短期明确业务效益进行兼顾，我认为是当前企业需要去认真考量的问题。

在上面这张图中，我们把数据能力建设和数据应用建设进行了比较，无论是短期建设、单点建设还是完整建设，都做了相对统一和辩证的结合。

数据应用建设如果没有数据能力建设作为基础，很容易变成阶段式、运动式项目，无法长期在业务场景中发挥价值。

以数据治理为例，从2004年起很多大型企业就开始进行数据治理，但直至今日依然还存在着大量数据质量问题，业务部门“取数难”、“用数难”的问题还是没有被解决，根本原因就是忽略了数据能力建设。

而如果只考虑数据能力建设，在过程中不重视数据应用建设，数据能力建设又会缺乏价值呈现，陷入到“为建设而建设”的泥潭中，过往数据中台项目的失败案例比比皆是。

我认为最关键的一点就是，在达成长期数据能力建设的过程中，企业需要找到能够驱动管理层和业务部门，更好支持并参与到数据能力建设工作过程中的业务场景，或者说数据应用的具体场景。

数据能力建设和数据应用建设两者之间其实是并行推进的，并不是说要先确定明确的目标，确定之后再逐步去做。

因此，在长期数据能力建设过程中，更多的是要让业务部门和管理层能够比较好的在三个月或是六个月等阶段性时间周期里，更好地看到数据本身的价值，帮助他们完成对业务收益价值的决策管理。

03

数据为业务产生价值

关于数据产生价值，我会从预期业务价值和实现周期这两个角度来分别说明。

从数据产生的价值角度来讲，我们按照预期业务价值由高向低分成了这四大类。

最核心的是产生变革性价值，我们将变革性价值定义它最终能够帮助企业产生新业务等收入，例如在很多互联网公司里面基于数据能力，就能够衍生出很多新的产品和业务，特别典型的案例就包括阿里系当中蚂蚁金服的形成。

所以早在多年前，马老师就在公开场合明确地表示，阿里巴巴本质上来讲是一家数据公司。也许那个时候大部分人不一定理解，但现在反过来去看阿里的发展历史，是能够明显地看到数据在新业务探索过程中产生的价值。

从实现周期角度来讲，我们按时间维度拆分成了三类。

像指标平台、数据资产管理、可观测运维等，是最近一段时间有一些企业陆陆续续在进行尝试落地的；

像DataOps、数字化经营以及增强分析等，我们看到不少企业明确提出尚处于探索阶段，我们看到有些股份制银行在落地DataOps、有些头部品牌商在采购增强分析的相关产品服务。

还有一些例如数据虚拟化项目，其实是处在可能探索阶段，也许在未来两到三年后能有一些进展，当然我们觉得数据虚拟化的进展会比预期更快，因为当前大模型在数据分析落地场景时，有些问题是需要依赖数据虚拟化引擎来实现的。

04

企业数据建设未来四大趋势

基于以上的整体思路，我们认为企业在进行数字化和数据建设时，应该从以下这四个方面去适当进行考量。

第一，以指标为中心的数字化经营，实现智能决策。

我们在最近调研过程中能看到，已经有一些厂商和企业内部在进行指标平台的具体落地，通过指标平台能够更好去进行数字化经营的也成为了他们的核心诉求。

下面我举个简单的例子，上海某传统制造领域企业2021年年收入大概规模在300亿左右，在2022年掉到了差不多200多亿；利润方面，2021年保持在10%净利率水准，到2022年就基本上进入到亏损状态。在这样的大环境下，2022年该企业进行了外资引入。在引进之后，数字化经营就变成了这家企业的首要课题。企业内容高层对IT团队提出明确要求，在接下来一定周期里IT团队要辅助管理层去进行扭亏为盈的工作，也就是数字驱动经营决策的项目。

由于这家企业在过去几年里面它并没有系统性地进行数据能力建设，很多时候都在做一些单一性的具体工作，所以在数据能力建设过程中，工作向下落的难度会特别大。所以我们现在看到的很多企业，都是会从管理层和董事会的角度来提出数字化经营的明确需求。

第二，DataOps等数据协同机制，提升开发运营效率。

DataOps也是一个我们的看到，接下来在先进企业和大型企业里面会逐步摸索实践的方向，例如像招商银行等股份制银行已经在进行探索和落地，而且已经形成了一些比较好的案例，在监管报送等场景已经在落地，实现总行和分行的数据协同。

第三，大模型+BI推动数据平民化，赋能更多业务。

接下来要聊的是大模型加BI，这也是我们目前看到的大模型跟现有技术结合相对比较好的一个应用方向。在企业内部能有很多新的应用场景可以用到BI的能力，以及有越来越多的非IT部门的和非专业人员需要用到BI技术，也就是BI的平民化。

同时，大模型加BI的能力结合后能够比较好去缩短取数、用数的流程，整体效率会有明显提升。

第四，AI应用带动湖仓一体等数据基础设施建设。

AI在企业用户内部加速落地，一定会产生大量非结构化数据的开发和管理需求，这必然对过往以结构化数据管理为核心的传统数据仓库体系产生冲击。

企业如何能够同时管理好结构化数据和非结构化数据，势必需要对原有基础设施进行升级改造，湖仓一体等新一代数据基础设施能够满足新时代企业用户的需求。

综上，这四个方向是我们看到的，企业在数据应用层面探索和未来在落地的一些方向。

最后，感谢大家参加本次数据智能高峰论坛，希望大家在接下来的嘉宾分享和互动交流中能够有所收获，谢谢！

注：点击左下角“阅读原文”，可下载爱分析数据智能高峰论坛分享完整PPT。