欧美两性人xxxx高清免费_国产婷婷综合在线视频中文_国产免费久久精品99reswag_在厨房乱子伦在线观看_一边写作业一边c她

陳紅：數據資產只有與算法結合才能產生價值

在剛剛閉幕的“兩會”上，工業(yè)互聯網、數字化轉型等詞的熱度進一步提升。各地兩會也釋放出加快數字化轉型的新信號。作為企業(yè)數字化轉型的根基，數據的重要性不言而渝，被稱為企業(yè)的核心資產之一。數據基數及質量等也成為企業(yè)數字化成功與否的關鍵因素。

那么，數據資產跟其他資產有何不同，在以往的企業(yè)數據管理中存在哪些問題，如何進行數據管理。在“數據&數字化”線上系統(tǒng)對話中，共享CIO陳紅，結合多年來于家電、家具、珠寶、環(huán)保、教育、醫(yī)療等不同行業(yè)的數字化經驗積累，就數據管理存在的問題、數據管理及治理的方法等進行了深入的分享。本文為第一節(jié)。

數據資產與其他資產的不同，從底層邏輯歸納了四點：

一、數據資產易于透明共享。我非常贊同一位老師的觀點，企業(yè)管理普遍存在一個“不對稱”痛點，即信息不對稱、能力不對稱、價值觀不對稱。相比于實物資產，數據天生就有透明共享的特性，只是控制好數據安全和權限即可。例如客戶有問題，相關部門立即同步知曉。再比如新品發(fā)布或產品升級，所有營銷機構，包括門店，也是第一時間同步獲取。

二、數據資產易于傳播，跟實物資產不一樣，數據可以秒級傳遍全球。我們打開手機，能看到某個大山深處特產營銷的直播，也能看到來自全世界最新的新聞報道。

三、數據資產易于傳承，實物資產都有壽命，長短不同而已，數據資產只要存儲得當，理論上無限存在。比如CRM系統(tǒng)，不管銷售人員更替多少次，新人都能從系統(tǒng)中了解到客戶本身的詳細信息、以前交流的詳細信息、問題的詳細信息、交易的詳細信息等。再比如知識庫，所有的知識(設計、問題、方案、協(xié)議、檢測、調試、其他資料等)永久保存，同時還有版本控制。

四、數據資產易于復制，這也是不同于實物資產的典型特質，大家都知道文件的復制，但系統(tǒng)的復制對企業(yè)更有價值，比如ERP系統(tǒng)，不需要從頭開始開發(fā)，只要購買一套成熟的系統(tǒng)實施即可。網上商城目前也有成熟的平臺，可采用SaaS模式，也可私有化部署，企業(yè)可以快速開通電商業(yè)務。再比如MES或門店管理，如果增加新工廠，或增加新門店，一般在系統(tǒng)中擴展配置即可，不需要從新實施。

數據資產的價值，對企業(yè)來說分為內部價值和外部價值。數據本身沒有價值或價值很小，只有結合算法才能體現出價值，因此數據資產的核心是算法。

ERP中的數據很多，主數據、三大訂單、應收應付總賬等，但真正的價值在MRP運算和成本核算。互聯網中數據量很大，首先要有數據清洗的算法，其次要有標簽的算法，最后再有推送的算法。大家都喜歡看頭條，很重要的一個原因就是，它總是總能推送一些你感興趣的話題。

比如，零售企業(yè)發(fā)布了線上推廣軟文，就可以抓取到哪些人打開過，看了哪些內容，看了多長時間，哪些人是會員，哪些人是非會員，如果及時把這些信息通過算法梳理出來交給導購，針對不同的情況采取不同的打法，針對成交用戶，還可以進一步自動推送同系列的產品軟文，這就是精準營銷的價值。

制造企業(yè)擁有大量生產過程數據，通過建立數學模型實現自動化、智能化，APS運算實現智能排產，實際產能推算出設備的運維保養(yǎng)期，全鏈路的質檢數據整合和控制以提升產品質量等等。

陳紅：如何積累數據資產

首先要搜集數據，一定要圍繞核心業(yè)務的核心痛點搜集數據，例如一家陶瓷膜生產企業(yè)，國內同行不多，生產過程要求很高，如何提升陶瓷膜的質量是難點，在建新工廠時，從泥料開始一直最后成品，每道工序都有數據自動采集，特別地，在每根膜管上都有二維碼，因此可以質量追溯到每根膜管，通過大量項目現場的應用數據和詳細的生產數據，可以推算出是泥料問題、是流轉模具問題、還是烘干問題等，只有找到問題的具體根源，才能進一步改進提升(設計、原料、工藝、設備、人員等)。當然數據收集都有成本，不能不管三七二十一，什么數據都搜集，要根據具體情況具體分析，有時在過程中，也要適當調整采集點、采集頻次、或采集方法。

其次是算法，算法就是數學模型，盡量購買成熟的算法，如ERP系統(tǒng)、MES系統(tǒng)、CRM系統(tǒng)、大數據算法、AI算法等。特殊情況下，需要自建算法時，不能一味求全求快，要有逐步迭代的過程，甚至要有試錯的思想準備。

企業(yè)數據管理存在的問題

數據處理這一塊，一般情況下常見的幾個問題：

數據不在線，很多數據沒有采集，沒有進系統(tǒng)。大部分企業(yè)都有ERP系統(tǒng)，因此三大訂單(銷售訂單、采購訂單、生產訂單)、存貨、和財務數據都有了，但在數字化轉型的今天，這些數據遠遠還不夠，遠遠不能滿足日益提升的管理需求，比如零售企業(yè)沒有足夠的用戶數據，尤其是快消品行業(yè)，不知道自己的客戶畫像，即不知道購買產品的是什么樣的人，年齡層次、文化層次、性別、區(qū)域、渠道、購買時間等等，但如果有新零售系統(tǒng)，就能采集到這些數據，分析結果可以供市場精準推廣、供營銷分析得失、供研發(fā)有的放矢。再比如制造企業(yè)沒有足夠的生產過程管控數據，就無法有效保證交期，無法控制質量和成本，無法實現智能制造。

數據不集成，通常講信息孤島，系統(tǒng)與系統(tǒng)之間沒有打通。同一數據多個源頭，數據定義不明確，甚至數據編碼不統(tǒng)一，即使數據再多，也無法有效地進行分析，甚至系統(tǒng)之間的數據相互矛盾。此外，數據不集成也增加很多重復的手工勞動，而系統(tǒng)之間的數據傳輸本該系統(tǒng)自動完成，一旦有差異，會自動報警，而人工處理難免差錯，這也是導致系統(tǒng)間數據相互矛盾的主要原因之一。

數據不利用，有很多企業(yè)積累了大量的數據，但是數據分析不夠，只做了基礎的業(yè)務分析報表。對數據要有挖掘利用能力，全員推行數據說話的文化，不但能從數據中找到亮點和不足，還能從數據中找到機會，甚至通過數據賦能業(yè)務。比如某家具企業(yè)，基于大量的歷史數據和人工經驗，建立了包裝規(guī)劃模型，不管什么家具，不管什么形狀，不管大小，通過模型就知道這套家具一共幾包，每包里有哪幾塊板件。

再比如某酒企，生產原漿酒的工序以前完全依賴工人的經驗，后來增加了大量的傳感器、控制器、機器人，實現原漿酒生產智能化，自動添加酒糟，自動識別原漿酒的級別，不但穩(wěn)定了原漿酒的質量，同時還擴大了產能。

數據不安全，我經常比喻建大樓必須要有消防系統(tǒng)，實際上數據安全跟消防安全很類似，大樓失火的概率很小，但一旦失火除了社會影響，對企業(yè)來說往往是無法承受之痛，企業(yè)的數據安全也是一樣，要么不出問題，一旦出問題就是大問題。但建大樓的時候，國家強制要有消防系統(tǒng)的驗收才行，而企業(yè)的數據安全沒有強制規(guī)定，只是上市公司有IT審計稍微好點。