对于数字化转型，数据代表了什么？

分享在数字化转型方面关于数据的一点思考，因本人并非数据专家，对数据认知肤浅，难免有所局限，请多指教。

数据并不是新名词，数字化也不是，放在一起却有不少话题可以探讨，常见的问题如下：

• 数据和数字化有什么关系，和数字化转型又有什么关系？

• 数据有什么价值？

• 数据的价值如何体现？

• 怎样才能用好数据？

• 数据有哪些方面局限？

• 数据系统和业务系统有什么区别？

• 数据系统建设有哪些常见误区？

针对以上七个问题，聊聊个人拙见。

1.数据和数字化有什么关系，和数字化转型又有什么关系

现在是什么时代？前几年有说是 DT 时代，是数据科技时代，后来又出现了智能时代、AI 时代，最近又在说是数字化转型的时代，我们要建设数字中国，有什么区别？名词太多了容易搞不清楚定义，我也不喜欢纠结在字面上，简单说数据就是大家通常所理解的数据，数字化也就是大家通常所理解的数字化。我们要探讨一下这两者之间有什么关系，比如说什么叫数字化，什么叫信息化？难道信息化的时候里头就没有数据吗？一样有。并不是说只有到数字化的时候才有数据。

数字化是进一步把现实世界变成虚拟世界或者说数字世界的过程。数字化要基于更大规模、更准确、更全面、更及时的数据和更强的数据处理能力。有这样的技术能力才能让数据在业务体系之内发挥更大价值。

因此数字化转型是当今企业发展的必由之路，而数据是数字化转型的基础，二者密不可分、相辅相成。数据是新的生产要素，是企业决策的重要依据。在智能分析企业的运营管理和用户体验方面，数据都能够发挥重要作用。数字化思维是基于数据的，我们曾经说过一切皆可量化，欲改善先度量，就算不能拷贝至少可以抽样采集，实现“一切业务产品化，一切产品数据化，一切数据智能化”。

数字化转型不仅依赖于数据技术，也依赖于其他各方面技术来实现业务转型的可能性。数字化转型有很多的定义，其中之一是：数字化转型是指企业运用技术手段和数字化的方式来全面推进生产管理服务等各个领域的变革，以应对未来发展趋势和市场挑战。所以数字化转型并没有一个简单套路，数字化只是方法，业务转型才是核心目标。

2.数据有什么价值

数据作为数字化的核心要素之一，支撑了数字化转型的实现。数字化转型离不开数据的收集、分析和利用。很多企业内部已经有了各种各样的数据系统，有了很多积累，数据成为了重要资产。

数字化转型是指挖掘和应用数据，帮助企业更好理解客户需求、市场趋势和行业动态，结合运营、人才、金融等多方面能力，从而实现精益化的制造、营销、供应链优化，达到运营提效、降低成本、改善客户体验等方面的改造升级，甚至还可以用于创新，开发新的产品服务和商业模式，比如从以产品为中心向以客户为中心转变，实现产业升级。这是数据之于数字化转型的价值和驱动力。

3.数据的价值如何体现

基于数据可以分析、预测和实时响应。数字世界里数据的传输处理加工能力超越了物理世界的时空局限，能够降维打击。比别人快，比别人准，洞察到了别人没洞察到的，能做出更好的决策，就获得了竞争优势。

可以在哪些方面来发挥作用？

第一，快速发现问题。分析经营情况、市场表现、客户需求，从而有针对性来解决问题。

第二，优化业务流程。分析业务流程瓶颈和不足在哪里，针对性优化。甚至整合生成新的流程适应数字化时代的需要，线下的流程有人有地域有时间方面的限制，到了数字化阶段，可以根据业务场景进一步整合，达到更优状态。

第三，提高客户体验。通过埋点、画像，了解每一个用户的喜好、行为偏好，改进产品的设计和服务，千人千面这话都说烂了，总之是提高有价值客户的满意度。

第四，预测未来趋势。挖掘数据做分析，预测市场和行业的未来趋势，制定更好的规划和战略。至少可以发出一些预警，避免盲目投入，或者对已经发生的市场变化视而不见。

第五，提高经营效益。从内部管理运营层面可以降低成本提高利润，在产业链做更好的整合，探索更高价值的商业模式和伙伴关系。

4.怎么才能用好数据

第一，明确定义数字化转型的目标和规划，如果目标不清晰，数据也用不起来，领导团队要有共识。

第二，有专业的组织、团队负责数据的规划和治理，企业高层决策者要亲身下场。

第三，搭建完善的数据平台和基础设施，转型是一个战略级的过程，必须要有稳定的平台，才能让数据成为基础能力。

第四，实现全方位的数据收集和挖掘，对于高质量的数据一定要全，不全会有可能有所偏差。

第五，利用大数据技术进行分析和预测。大数据是一套体系，要搭建一套能够基于大数据运转的平台，这是最有价值的点。

第六，培育数据素养和文化。对数字化转型来说，人是最关键的。要提升企业内部的数字化能力和意识，要做很多培训和引导，让员工在数据方面有比较高的素养和敏锐度，还要有开放的文化氛围来鼓励大家合作创新。

5.数据有哪些方面局限

第一，数据的准确性和完整性有限，数据可能错误、丢失、被篡改、混入脏数据，都会影响应用结果。

第二，数据隐私和安全合规要求。获取、使用数据是有红线要求的，不能毫无顾忌。

第三，数据分析有专业性要求。没有专业的人才和系统，即便有数据，也是守着金山要饭吃。

第四，数据分析可能会产生误导性的结论。对于数据的分析结果要看是相关性还是因果性，还有可能既不相关也不因果，风马牛不相及没找到关键因素。何况真正的决策还是要考虑其他方面的因素，比如方针政策、资本市场、行业趋势。

第五，数据分析的可追溯性。现在的数据技术非常复杂，比如各种机器学习、大模型等等，我们已经说不清楚数据分析的逻辑到底是什么，一个小参数的微调可能获得完全不同的结果。这种不可追溯性可能会带来风险，某些行业场景可能没关系，但有些场景必须要可追溯。

所以在应用数据的过程之中要认清局限性。即便实现了通用人工智能，也还是要考虑这点。数据只能分析处理已知的事实信息，不能直接开拓新的市场或者创造新的业务模式。

因为创造不是一步到位的，是一个不断完善和校正的实践过程，需要系统同步完善，需要企业调整和适应，不能突破已知来创造未知。就算掌握很多数据，也不可能全知全能，还有竞争对手在博弈。

在战略决策方面，企业需要同时考虑数据分析结果、市场趋势、人员素质、行业现状、未来发展方向等等因素，才能把握商业机遇，实现数字化转型目标。

6.数据系统和业务系统有什么区别

一般来说数据是从业务系统生产的，数据系统处理之后再反哺给业务系统。如今数据系统和业务系统越来越密不可分，越来越强调实时性，希望能够越快越好，毕竟数据系统也是为业务服务。

有时候会搞不清楚哪个更优先更重要。的确在数字化转型过程中，数据系统和业务系统要建得越来越强大、越来越融合、越来越能协同。将来有可能会出现一种趋势，不区分业务系统还是数据系统，数据库、数据平台都是分布式的、基于云原生的，都能够实现 HTAP 的模式。但是绝大部分企业没这么牛，没这么强的技术架构体系，还是要有所区分，系统的定义要简单、可控，除非公有云把这些都做好，开箱即用。

7.数据系统建设有哪些误区

第一，业务团队会把数据需求当成 IT 功能需求。不管是想要数据统一、要报表都是提需求，缺乏整体的规划和对数据能力的要求。实际上数据工程师未必能很好的理解需求和解决整体性问题，千万不要认为数据工程师理解所有的数据逻辑，这要求太高了。业务系统是按领域划分的，数据系统只是收集和处理平台。业务系统是有逻辑的，一个团队专注于该领域才能做好，领域有边界。数据系统呢？只会越来越大。数据越全，价值才大，不符合化繁为简的方式。业务团队应该有懂数据的分析师，不能要求数据工程师成为最牛的业务专家，他们是技术专家。

第二，把数据系统当成基础工具使用，因为数据系统有 ETL、同步、汇总、加工、分发、统计的能力，有人在业务系统把这些能力用起来，导致了业务系统建立在数据系统之上。一般情况下，业务系统的 SLA 比数据系统高，数据系统挂掉不会马上影响业务，但是业务系统是不能随时宕机的。

第三，把数据系统当成报表和展示系统。天天出报表就算是有数据系统了，要知道 20 年前报表都是在业务系统上做的，没那么复杂。还有搞个大屏实时显示就觉得数据能力做得很好，这都比较片面，不够深入。

第四，追求技术先进性。各种新技术、湖仓一体、流批一体都用上，证明技术很牛，实际上数据系统不是说技术牛就行，最关键是数据要准要快，要有模型有算法，能分析出来有价值的结果，能给到业务端，能把能力发挥出来解决问题才是目的。先进性不是不好，要看投入产出和风险。

第五，默认数据系统有所有数据，有全部真相。首先，业务系统未必保存了所有数据，数据系统未必收集了所有数据，数据未必是准确的，有了准确数据也未必能够使用，因为还有合规问题；其次，数据之间是需要血缘，不然同样的数据可能对应不上关联不起来。本来业务系统是数据孤岛，数据到了平台里还是数据孤岛就没法搞了。再次，做分析决策的时候，数据是不是充分，逻辑是不是合理？模型不是自己涌现的，需要业务专家不断总结和沉淀，业务在发展变化，分析模型也要随之迭代。

第六，数据不能体现一切。就算所有数据都收集到手了，也不一定能做好分析和预测，因为有些事情就是不确定的，是复杂难以归因的，是随机的，或者说很偶然就是特例。

这些是在数据系统上容易遇到的误区，想避免要搞清楚数据系统状态、数据资产治理水平、持续迭代的机制，注重规划和治理，同时加强对数据安全和合规管理的要求。

总结展望

数据是数字化转型中的重要角色，是数字化转型的基础，是数字化思维的支撑，也是智能化的前提，在企业决策里有着不可替代的作用。但数据只是企业决策的一个依据，真正的创新和突破是需要人类的思维和创造力，毕竟客户和员工都是人。未来我们需要更好地利用数据，与人的智慧相结合，推动企业数字化转型的进程。

数字化转型没有终点，不同企业、产业乃至政府所面对的问题和挑战并不相同，数字化也未必是最优解法，数据只是数字化之中的一个领域，但了解数据和数字化转型，是大多数决策者应该做的功课。