新冠疫情加速了全球进入数据资产化时代的步伐，中国的企业面临企业数字化转型的新机遇，对于创业者来说，如何把握疫情下的全球产业重构趋势，重塑企业核心竞争力就显得很重要。

　　而且，直接掌握企业命脉的企业管理者，对于数字化转型都持认同态度，希望能够通过数字化转型推动客户服务能力、提升客户体验。

　　但企业的数字化转型之路，也不是一蹴而就的，从IT角度来讲，企业要基于IT技术提供的支持，让业务和技术产生真正的交互，企业掌握建设和使用技术的能力。另一方面，数据已成为企业最重要的资产，搭建数字化平台，将可以轻松又有效利用数据为企业持续创造价值。

　　对于转型中的企业来说，该如何去做选择呢？近日，袋鼠云战略副总裁张旭就结合自己多年的实践经验，总结出了企业数字化建设最佳实践“全景图，剖析了企业在数字化过程中的具体实施路径。

　　自企业注重数字化之后，会发现有很多企业都是从传统BI转过来，或者从各种数据开始，搭建好技术或者产品就开始了。但是，企业数字化建设是一个非常庞大的体系，涉及到顶层设计、咨询规划、技术设施、数据运营等。甚至有很多企业，尽管认识到了数据价值，投入了大量的人力和资金，但是效果却甚微。

　　从这一方面出发，若企业要做数据中台的话，还是该让咨询先行，做好数据化的顶层设计和咨询规划，然后就数据平台化、数据资产化、数据服务化，一直到数据价值化，这些是一个企业数字化建设的主航道，最终一定要去实现业务价值。而数据运营、组织保障层面，包括数据资产管理、数据治理、数据安全与标准等等，应该为主航道让行。

　　当然，做数字化少不了基础设施，无论是咨询还是数据价值化等，每一步都需要相对好的工具去支撑，一方面能够提升效率，一方面也可以将产品固定下来。因此，企业在数字化建设路径规划时，应该分清主要内容和辅助内容，才能起到事半功倍的效果。

　　数字化咨询的第一步，应该是做企业数据化价值建设的调研报告，对企业有一个客观全面的了解。

　　具体来看，在做业务调研时，能了解业务流程和业务场景，了解各个岗位对数据的需求。接下来，需要做的是信息化调研，能了解企业当前的信息化建设情况及服务厂商，而且信息化是数据化的前提，数据化的建设也会反向推动信息化的提升，所以要做好信息化调研。最后，是数字化调研，能了解企业的数据化架构、内容、成果。

　　如今，其实很多企业早就慢慢的开始数字化的沉淀，但是现在需要共同去管理，因此还需要做一个数字化情况的整体评估，找到当前数据化的问题点和薄弱点，如企业资金的投入力量够不够、组织保障情况如何、整体框架等等。

　　在把现状摸清楚之后，接下来的第二步，就是要做企业数据应用的规划，也是回答数字化的价值所在。

　　《数据资产管理实践白皮书（4.0版）》里是这么写的，数字的价值当前没有一个人能说得清楚，甚至当下看到的价值，有很大的可能是冰山一角。

　　尽管未来也许会如上所说，但是当下我们能做的就是，把企业中数据应用的场景和数据应用的可能性进行梳理，便于企业领导决策。

　　在这一层面，首先要做的是梳理清楚企业的业务架构，对公司进行全面调研，客观描述企业架构，作为数据应用规划的前提和依据。然后，进行数据应用场景的规划，了解企业与数据应用，可以服务哪些岗位和场景，帮助各个岗位解决哪些问题。

　　有了数据应用规划，接下来可以将数据应用场景层层拆解，细分到指标及标签粒度，依据企业业务场景进行标准指标及报表体系构建，从而建立管理及维护机制，确保数据权威性和内部一致性。

　　通过这几个维度的搭建后，最后就是把企业数据应用的规划做一个优先顺序排序，确定实施优先级及行动路线。这样的话，就能判断公司能够先做什么，再做什么。之所以这样做，就应该推动企业做一个至少两到三年的规划，体现数字化建设的价值。

　　第二部分是数据平台化，首先要做的，就是平台的选型标准与策略，大致上可以分为五点：

　　第一，产品选型，包括数据库、数据仓库、开源大数据组建、大数据开发平台目前在数字化上，除了互联网行业，最超前的就属银行业。目前，很多银行前几年就已经选取了数仓，也有大数据，二者并存于企业中，但这是有一定问题的，做不了实时计算。因此企业要选择适合自己业务价值的产品。

　　第二，上云方案的选择。企业应选择公有云还是私有云，或者是混合云，这个是必须要格外注意的。第三，如何与原有的体系进行融合。对于传统企业来说，原有的数据仓库属于原有资产，但不能因为上新设施就将原来的设施全部推翻，要学会融合。

　　第四，数据互通的问题，也就是数据如何融合、数据如何互通，这也是很重要的一点。

　　第五，就是升级方案的选择。企业如果上新了一堆东西，但是之后无法策划下来，那就是问题了。因此，企业要对现存技术方案做一个完整的技术选型报告，解决掉上述五点问题。

　　对于企业来说，首先是要对所有的信息化系统等结构化数据来进行摸排，了解企业真正能够正常的使用的有多少，然后有多少需要上平台，尽管前期投入会很大，工期长，但是整体效益高。

　　然后，就是有多少系统要去上平台，以前企业会按需去录入，只关注报表本身，但是这种传统数据仓库模式，不利于长期发展。

　　最后，还有一种就是搭建中台投入大量人力和物力，将所有系统都放置其中。但是现在绝大多数都是按照业务领域去选择，比如营销、物流、供应链等等，即能满足当前需求又能兼顾部分未来发展，在需要扩展时相对方便，综合投入产出也会很高。

　　数据资产，近几年已得到相对广泛的认可，未来数据资产一定会纳入财务体系，成为企业的非货币性资产。从这个方面出发，该怎么样看待数据资产呢？

　　第一，它可以汇聚全域数据；第二，可以构建可扩展的数据仓库模型，相对来说还是比较灵活多变；第三，可以搭建完善的数据开发标准和规范；最后，奠定数据资产的基础，支撑数据应用建设。

　　现在，我们最看重的就是最后一步，通过模型能够直接进行论证。在实际的观察中，我们得知，健壮的数据资产商，能够更好的降低应用开发50%的成本，提升50%的开发效率，百分之百提升复杂数据程序的成功率。

　　在数据资产的价值上，很多企业都觉得很重要，但是在实践过程中只多了一个最小的成本方案，其实应该把数据资产层建起来，这样当出现二十个、五十个甚至一百个数据应用的时候，就能体现其价值了。

　　另外，还要强调的三点：第一，需要让老板清楚数据资产，做到可视的感觉；第二，要学会管理，对于数据资产的上线下线要配合起来；第三，把数据应用支撑做好，有一个可变现的过程。做到了这三点，也就可以让数据资产真正成为企业未来的核心资产管理范畴。

　　数据服务化的流程，在业务端产生了众多的零散数据，分布在各个库里或者是文件里，并没形成企业的数据资产，也没有数据服务，直接就是数据应用。

　　但如今，我们强调数据资产和数据服务，就会把大量的数据资产编排成可用的数据应用服务，导入很多隐形的东西，比如数据API、标签引擎、可视化分析大屏等等产品，将大量引擎的Deon关系放到数据服务层。当我们去做数据应用的时候，就是对服务层的高效利用，就可以把这一层做的更加健康，以此来支撑数据应用。

　　总结来说，数据服务化是数据资产变现的过程，数据中台不但要承载数据资产，更要承担大量在数据资产中的开发和加工工作，把数据资产提炼成为业务需要的和能够正常的使用的数据，同时将这一些数据以数据服务的形式直接提供也业务人员，或者间接的提供给应用系统来使用。

　　数据价值化是一个变现的过程，由于数据平台化、数据资产化、数据服务化的完整构建，数据应用得以在企业内部低成本、高效率的构建和试错，数据化应用数量大幅度增长，最终输送到企业的各个层级、各个岗位和各种业务场景，从提升营收、减少相关成本、控制业务风险，提高业务效率，创新业务模式等多方面实现数据价值。

　　以鞋服企业李宁为例，在其每个店里都有一个岗位叫买手，决定店内的采购资金的使用。假设一个买手有100万资金，如何去分配购买鞋服的比例，购买的鞋子中的品类如何明智的选择，这一个角色就应该要依据市场的敏锐度去判断，岗位在门店就很关键。如果这一个角色做不好，就会出现物品滞销，库存很多需要打折，或者早早卖完等情况。

　　针对李宁这种情况，袋鼠云当时去做了智能组货的配置，通过对店周围的人群、销量做多元化的分析，把这样的一个东西打印出来给到买手，发现准确度超过了80%的买手的感觉判断。最后呈现的效果看到销量或者利润都有相对明显的提升，这实际上的意思就是数据的价值。

　　最后要特别强调的是数据化的运营和保障。我们得知，数据供应链中的主流程中，每一个环节都需要去做保障。今天主要说的是数据组织，在很多的项目中遇到一个问题，就是袋鼠云本身比较偏技术，但后来发现应该相对重视组织管理。

　　比如，阿里在做数据中台组织的时候，就把所有TO B相关的数据人员、数据分析师、数据开发，通通抽调到数据中台来，业务部门只负责提需求，随后就会有一个专门的人来业务部门对接。在做完之后，把数据应用的结果反馈给业务部门，业务的价值高低，由业务部门来判断，而数据生产部门只负责实现。

　　因此，我们提议，企业在数字化组织上一定有分工，技术部门去构建健壮的平台，业务部门负责业务价值。若企业的数据应用还是相互独立的，业务部门也是自己做自己的，就会产生很多阻碍，不利于发挥数据应用的最大价值。

　　因此，企业在数字化进程中，一定要让数据化运营与保障贯穿始终，才能最大限度的保证企业数字化转型的成功！