當數據創新遇到精益思想 數位化轉型的新世界便打開了

至頂網 09月17日 新聞消息(文/李祥敬):在如今這個數字化時代,如何創新與轉型為各行各業孜孜以求的目標,數字化轉型成為企業的重要命題。

当数据创新遇到精益思想 数字化转型的新世界便打开了

ThoughtWorks數據及AI業務負責人史凱

在ThoughtWorks數據及AI業務負責人史凱看來,現在數字化轉型已經進⼊到數據驅動的新階段,為了全方面挖掘數據的價值,ThoughtWorks將精益思想與數據創新進行融合,推出了精益數據創新架構,幫助企業用精益敏捷的方法構建數據運營、智能創新的能力。

在萬物互聯的數字化時代,行業、流程、領域本質上是不存在的,只是因為人類的知識、算力是有限的,所以才通過劃分行業、領域、構建主幹流程來幫助我們理解和發展業務。業務的發展本質上就是發現更多的價值點,建立連接,而這個時候從數據而不僅是經驗中產生更多發現和洞察也就至關重要了。

史凱說,大家都在說數據驅動創新,為什麼?因為人的創新依賴於經驗,而只有數據才是最全面、真實反映本質的。

“所有企業都希望自己成為一個數據驅動的企業,通過數據進行決策。基於實踐,ThoughtWorks提出了精益數據創新體系。”

數字化轉型進入到數據驅動的新階段

數字化轉型並不是一個全新的概念,史凱表示,早前的信息化建設是把物理世界的流程線上化,也就是流程自動化,那個時候數據是一個流程的副產品,企業並沒有太過於注意流程中產生的數據,所以到後來要使用數據的時候發現數據缺乏設計,缺乏規劃,產生了眾多數據孤島。而在如今的數字化時代,前端的業務流程瞬息萬變,流程成了一個副產品,真正重要的是那些存留下來的數據,它反映了物理世界真實的業務、用戶行為等,從中企業能夠進行更多的創新。

其實這個問題可以歸結為信息化和數字化的區別是什麼?

信息化是業務的一個工具,通過信息流轉支持業務。但是信息化並沒有改變業務的本質,這是信息化。

數字化是什麼?數字化實際上改變了業務的本質,它是把業務本身用數字化思維和技術重構了一遍,數字化就是業務本身。

數據是⼀切創新的源泉,而創新的本質是建立連接。

所以對於數字化轉型中的企業而言,需要構建數據全景,全面建立連接。

數據全景不是你現在有什麼數據,而是你應該有什麼樣,可能會用到什麼樣的數據的數據,這就是數據全景圖。

史凱提出數據全景的概念,數據全景(Data Landscape)是物理世界在數字化世界的投影。實際上在數字化世界建立連接比在物理世界當中建立連接要快得多。“怎麼把物理世界的知識、經驗、行為、實體數據化,通過數字化的技術把它連接起來,這就是數字化轉型,以及創新的本質,這也是數字化轉型給創新帶來的變化。”

數據驅動讓企業數字化轉型進入到一個全新的階段,我們已經進入到一個數據驅動的時代。

數據驅動的創新能力是所有企業數字化轉型的關鍵能力和支柱,越來越多的企業通過數據分析去發現創新。史凱以一個能源企業為例說,ThoughtWorks幫助他們按照區域去分析歷史銷量數據,發現他原來劃分渠道的方式是不科學的。在業務融合越來越緊密的情況下,按照傳統渠道定義的方式已經無法幫助企業更為精細地實現客戶運營。

“你要把它所有的數據拿出來,然後根據他們每個月的消費訂單、他們對於服務的滿意度等信息進行聚類、迴歸分析,進而產生用戶畫像,而不是簡單地用一個個標籤去進行用戶劃分。”史凱說,“總之,數字化轉型已經進入到了數據驅動的時代,已經從流程定義的世界進入到數據定義的世界。”

企業數據驅動創新需要面對的挑戰

數字化帶來的本質改變是連接和移動,每個企業都將是數據工廠。那麼企業如何賦予業務人員以數據和智能的能力,發現經驗之外隱藏的創新,進而全方面挖掘數據的價值?史凱表示,如何在海量的數據中快速發現業務價值點,並通過大數據、智能技術進行實驗,驗證價值,變成產品和服務,是數據驅動的創新和運營的關鍵挑戰。

既然數字化轉型已經進入到數據驅動的新階段,那麼如何利用數據發現創新的價值鏈,並且快速落地,這是每個企業都希望做到的。但是你會發現我們在這個過程中會面臨很多挑戰。

第一個挑戰,業務人員對於數據和技術的理解不夠深入。史凱說,業務人員不懂數據和技術會帶來很多風險,比如業務需求與技術的不匹配,導致有價值的需求無法實現落地。“如果說業務人員知道,現在人工智能能做什麼,那他自己就會去篩選一下,就可以有一些更加實際的、更加適合ROI的需求提出來。所以,我們需要賦予業務人員以數據和智能的能力,拉通業務、技術和數據。”

第二個挑戰,數據和智能創新項目的不確定性。不同於功能性產品項目,你把功能需求提出來,我然後設計。對於數據項目,你如果不把數據進行彙總分析,就不知道這些數據能產生什麼的。數據是流動變化的,如何保證在變化的數據當中產生標準的一致的結果?所以數據類的項目是有不確定性的。

人工智能的項目更有不確定性。人工智能項目大多是概率性問題,難以給出一個明確的對錯預計;由於通過數據模型進行概率統計,並且最終結果需要等業務進行完才能知道最終結果,滯後性是一個問題;算法的選擇;從物理世界的業務到數據模型,到最後這個結果反饋到物理世界的業務當中驅動它的變化,這個過程當中的每一個環節都有一定的失真和不確定性。

史凱說,在ThoughtWorks看來,人工智能有四個層次,分別是學術論文層、工程實踐能力、平臺服務層、業務應用層。大部分企業需要建立第二層以上的能力。ThoughtWorks認為每一個企業都需要AI平臺的能力,也就是算法平臺化、AI服務化。因為未來企業的決策、運營都需要用到AI,但是它又不能把AI做成一個個孤島。

“人工智能是普惠性技術,企業數字化轉型的基礎能力設施,是場景和工程能力的結合。你把人工智能定位到合適的場景,這是最重要的。然後通過工程能力把想法進行實現,將AI與業務融為一體,把人工智能應用到業務當中產生價值。”史凱說。

既然人工智能項目具有如此的不確定性,企業該如何應對呢?史凱表示,我們需要有新的方法、體系和技術架構支撐數據創新。“我們發現‘精益(Lean)’思想跟數據創新相結合,能夠解決前面講到的這些挑戰、問題。”

精益數據創新體系助力企業構建數據和智能創新藍圖

精益思想(Lean Thinking)源於20世紀80年代日本豐田發明的精益生產(Lean Production)方式,其從理論的高度歸納了精益生產中所包含的新的管理思維,把精益生產方法外延到企業活動的各個方面,不再侷限於生產領域,從而促使管理人員重新思考企業流程,消滅浪費,創造價值。

精益思想的五項基本原則是正確地確定價值、識別價值流、流動、拉動、盡善盡美。這正好與數據創新完美結合,ThoughtWorks由此提出了精益數據創新體系。

当数据创新遇到精益思想 数字化转型的新世界便打开了

史凱說,精益思想的第一個原則就是每一個產品、每一個業務、每一件事情一定要有一個特定的業務價值。所以ThoughtWorks認為數據和智能創新的第一步是你一定要清楚地知道你用數據和智能技術要幹什麼,它有什麼價值,這是最重要的第一步。

然後你要把這個價值點變成一個可以去貫穿起來的一個價值流,只有有了數據處理鏈才能自動去運行這些數據。"我們要把這個分析的過程變成一個自動化的模型,這就叫數據處理鏈。我們把分析的過程變成一個或者多個模型,你這邊就像自來水一樣,接個水龍頭,這邊出來的就是你的價值,中間這個地方一定是無縫的,快速流動的。"史凱說。

其次是業務價值拉動,對於數據項目來說,企業需要的不是一堆報表,而是對業務的行為的決策結果。傳統的數據項目是數據模型驅動,現在強調的是業務價值拉動,並且是按需拉動,而不是一次性把所有的功能都推送給用戶,不管他用得上用不上,這是一種投資的浪費,很不精益。最後,人工智能項目需要永無止境地優化,不斷優化。ThoughtWorks稱之為“持續的人工智能”,DevOps是一方面,另外一方面,模型也要不斷優化和演進。這個對應的就是ThoughtWorks的“精益數據創新體系”。

"第一點,所有的都要有業務價值;第二點,要圍繞業務價值梳理出價值流,優化消除無價值的節點;第三點,構建數據處理鏈,加速價值的流動;第四點,業務價值拉動,而不是數據模型驅動;第五點,持續迭代、持續優化、持續人工智能,這是精益數據創新體系(Lean Data Innovation)。"史凱總結說,“對應我們的這個體系有一個很重要的輕量級諮詢服務,我們稱之為Data Discovery(數據探索諮詢服務),他不同於傳統的諮詢服務之產出PPT報告,我們的Data Discovery融合了戰略、精益、設計思維和數據工程、數據科學,在快速迭代中分析具體數據,驗證算法,能夠幫助企業快速識別價值,定義哪些是高優先級的價值,並完成高優先級價值的技術驗證,最後規劃有優先級的、可落地的實施方案和計劃。

這是我們講的精益數據創新,拉通數據技術與業務,管理數據和智能類項目的不確定性。”

藉助Data Discovery,企業能夠用互動的方式在數據的基礎上,讓業務人員無死角的、360度地把所有的創新產品全部發現出來,而不僅是依靠的經驗。精益數據創新是用精益的方法對企業的數據全景進行梳理,快速找到業務價值,並且是可度量,可落地的業務場景和應用,這是最重要的。

寫在最後

每個企業都將是數據工廠,史凱表示,所有的企業都會變成數據企業,它就會變成加工、處理數據的工廠,最後它實際生產的產品只是通過數據工廠洞察反饋到物理世界裡變成一個實體的東西而已。

承載著數據工廠的核心需要一個平臺,我們稱之為“數據中臺”,它會採集數據、分析數據、加工數據,探索數據的價值,最後驅動業務的轉型和產品的創新。

應該說精益數據創新體系是ThoughtWorks對於當下企業數字化轉型的最新洞察和實踐,史凱表示,因為精益能夠完全應用到數據和智能類項目的每一個環節,產生價值,並且ThoughtWorks有實踐、方法、工具。

“ThoughtWorks精益數據創新體系實體化是什麼?那就是是一套方法論,加上數據中臺的落地解決方案,這也就是我們的精益數據創新解決方案。目前,ThoughtWorks精益數據創新體系已經在製造、金融、教育等行業中進行落地,並取得了非常好的效果。”

ThoughtWorks認為,構建精益數據創新體系,企業就擁有了四大能力,用數據和AI使能業務轉型,從而實現從流程驅動到數據驅動的數字化轉型。

這四大能力是制定數據戰略、打造數據中臺、持續數據創新、構建智能應用的能力。

具體來說,制定數據戰略是定方向,制定企業的精益數據戰略,包括數據治理體系,數據平臺架構,建⽴立數據思維,打造數據創新實驗室;打造數據中臺就是建工程能力,包括採集匯聚,存儲治理,企業數據資產治理,數據處理, 數據分析,人工智能能力,打造數據自服務體系;持續數據創新,在數據中臺基礎上持續分析和運營數據,建立持續的創新能力;構建智能應用,從業務出發,價值導向,利用智能算法,結合企業數據為業務場景創新賦能。

為此,ThoughtWorks數據和智能使能團隊提供了智能創新戰略諮詢(Data Discovery)、數據分析運營服務、數據中臺交付、智能應用交付等服務,幫助企業更好迎接數據驅動下的數字化轉型挑戰。

“ThoughtWorks的更大的願景是‘賦予所有人以數據和智能創新的能力’。”史凱最後說。


分享到:


相關文章: