【分享嘉宾】

程凯征  DataHunter创始人兼CEO

大家好，我今天演讲的主题是“协作+智能，为业务赋能”。为什么这么说呢？既然谈到新消费、新商业、新零售，就绕不开关键问题，所有这些除了刚才提到的我们以用户为中心以外，关键是提升工作和运营的效率的问题。而要实现这个目的，除了AI方式我们还回到一个关键字“数据”，提到数据大家都知道数据很有价值，数据可能是一个黄金，新时代的黄金，我们也会说数据可能是新时代的矿产，但后来我们又体会到一个概念，数据是一个资产。

但数据这个资产是什么类型的？我不知道大家有没有做过深度的思考，在座的大都是企业内的IT同事，技术方面的同事。我们都知道企业会把这个数据积攒下来，我们把业务数据、用户数据放到数据库里面，放到数据仓库里面。但我们有没有考虑过这个数据的资产，其实和我们通常所说的固定资产会有一点点相似的地方。

相似在什么地方？他会随着时间折旧，这一点我是希望大家能想想的。除了固定资产我们可以做一个数据资产对应之外，还可以考虑这个资产是什么样的，我们说是无形资产。提到无形资产的时候，就有一个问题，我怎么评估这个资产的价值，我们企业有很多数据。当这个数据在我们数据仓库里面不被使用的时候是不能够产生任何价值的，只有成本，他会耗费你的磁盘存储，耗费你的电能，只有当这个数据被用起来的时候，就像电能一样，把灯泡点亮的时候才产生价值，企业内部也是一样的，当这个业务数据真正意义上用起来的时候，能够为我们业务提供更多价值的时候，这时候我们才说这个数据是具备价值的。所以像能源一样被应用的话，就对数据有一个要求，他要在企业内充分地流动起来，能够让企业内的各个业务环节，各个业务部门甚至到门店的导购人员，他都能看到一些对应数据。国内企业数据应用形态我们可以划分为三个时代，第一个是数据石器时代，这些系统上来以后相对独立，每个系统有自己核心业务，也有自己数据报表的角度。当企业把数据都拿到一起，我们做经营分析的时候，其实就会遇到一些问题，比如说统计口径不一样，这种情况下原来我们很多企业在做数据的应用环节里面，其实我们都叫做财务一家独大，所有的数据最后都会汇总到财务部门，跟财务部门挂个钩，我们叫财务业务一体化。只要涉及到财务，这个数据在企业内的应用范围就非常有限，因为只有老板才会看到跟财务相关的数据，前面业务人员，在一线的业务人员能不能看到数据呢？可能不行。

第二个数据应用时代我们叫做青铜时代，比如我们一些报表的产品，有了这些可以把企业内的数据全部打通，能够按照业务部门和管理层的要求，生产各种各样的业务报表。这时候大家能看到我们数据应用范围在扩大，我们业务部门也可以看到一部分的业务数据，是由IT部门加工生产出来的业务数据。

我之前碰到一个客户，就是比较典型的状态，一年的时间对整个企业内做了大概2000多张报表，整个IT部门365天一天都不休息，每天做7张报表，这是非常典型的客户。这个时代我们叫做青铜时代，这时代遇到的问题是什么？我们IT部门会出现瓶颈，因为我们IT部门人很少，但前端对应业务变化非常快，有新的渠道、新的活动，各种各样业务新的想法，组织结构的调整，所以就必须做大量IT支撑的工作。

接下来就会进入到第三个时代，数据的战国时代。什么意思？因为很多业务部门等不及了，说我不需要IT部门帮我做报表和数据分析，请你把数据给我，IT部门说我给你，导电子表格给到业务部门，业务部门就拿电子表格加PPT的形态给业务部门领导做汇报了。这样一来整个企业内的所有数据就开始呈现碎片化，包括数据的工具也开始呈现碎片化。就是在企业内部比如有用电子表格的产品，这样用起来企业内的数据就很难做一些管控。这是我们看到国内企业数据应用当前的现状，基本上国内现在80%到90%的企业都在这三个阶段里面。

我们来看一下国外的数据应用发展趋势，我也是拿2018年最新的Gartner  BI象限报告。最上突领导者象限是三个，原有的我们之前接触比较多的比如说SAP、IBM、甲骨文这些都掉出了象限，为什么？中间有一个典型的差别，我们做了一个总监，PPT右侧的部分，原有的产品都是IT驱动的，以IT为中心的数字。什么意思？所有的工作最后都会回到IT人员手里。不管我们要加载一个业务数据、做新的报表，都会让我们IT人员协助，我们要做需求的调研，我们要做数据的整理，要做建模，做完数据报表以后回到业务部门。很有可能业务部门看完了以后不太对，跟我原来想的不太一样，说你重新给我弄一份。这个是IT驱动最大的问题。

国外新的领导者象限的三家企业，我们归类叫做业务驱动的新一代数据分析产品。什么意思？是我们IT通过基础的工作之后，把数据分析的能力还给业务部门，让业务部门自己来做一些他们范围之内的数据分析。这些产品其实会被我们叫做产品用户体验、操作体验，这些都会有一个极高的要求，这个是国外大的发展趋势。

业务驱动的数据分析产品有几大核心功能，我一个一个解释一下，第一个叫做自助式的数据准备和处理，这个地方我们原来业务部门有很多数据产生，比如说市场调研数据、活动数据、访谈数据，这些数据拿回来之后，我们怎么和企业内部的数据做分析，原来都是要交换给IT部门，甚至有一些市场分析部门要看一些行业数据，这些行业数据从其他的行业数据提供方买过来以后，IT部门要做处理，要揉到原有的数据仓库里面，才能给业务部门用，现在不需要了，我们自己可以做一些数据导入，简单数据加工处理，可以让数据直接用作业务分析。

第二个叫做探索式分析，这个词大家也听到过，但并没有一个企业能够把这个词说得很明白，我今天做一个非常容易懂的解释。传统的分析我们叫做验证式分析。为什么叫验证式分析？我们是先定KPI指标，我们倒推KPI指标是怎么计算的？这个叫做数据建模的过程。再接下来倒推数据，做数据清晰和整理。这个是传统IT流程或者传统数据流程，由结果导向数据的。新一代的分析产品，理念完全变了，什么是探索式分析？探索是什么概念？从数据出发，数据里面蕴含了什么价值，我们能不能找出来，能不能从数据里面看到业务上的问题，找出来之后，再让他反过来为业务做支撑的工作。这个是探索式分析，他的方向完全是从数据出发，然后导向业务，导向最后的结果。所以这个是整个思路上完整的变化。

第三个称之为叫做团队的协同分享，这一部分也非常得重要。刚才讲了数据要在企业内能流动起来，让业务部门真正用起来，或者通俗讲我们要让听得见炮火的地方或者人员，真正能够指挥战场。这个是国外产品发展的理念，这里面我们要做数据的协同，要做数据的讨论，要做数据层面的沟通。

第四个，我们的交互式数据的浏览。这个也会对产品提出要求，因为产品很多报表也好、VI帮助生成的图表也好，虽然我们支持一定的数据下端，但这些数据操作都是在IT设定的路径上。新的一类产品不需要做路径预测，为什么？我们要充分地把数据分析和探索的能力开放出来，给到业务人员，你是不可能有预测的路径。所以这个对产品也是提出了新的要求。我们说数据新一代的产品里面会包括刚才讲的自主式的数据处理能力，探索式的分析能力，加上我们企业级管控的能力，这个是我们额外要提出来的，除了刚才看到的国外的发展趋势问题之外，我们其实还会有一些企业者做数据权限的。这些东西映射到数据里，数据也是有分析，管控之下能够合理的流动，这个是我们说的第三部分。第四部分叫做AI整合的智能分析领域。这个地方一会儿我会做一个拓展，这里面有两部分，第一部分是能不能用简单的AI帮助我们做数据分析的提示。第二部分用人工智能的方式解决实际的业务问题。第五部分是刚才提到的分享、互动。这些加在一起成为新时代数据分析的平台或者产品，他是以协作为核心的。这是我今天演讲的第一个主题，叫做协作的部分。我们公司产品可以支持。

另外一部分是AI，之前的小i机器人许总讲了很多，我这边要说一下的是，我们这里用到的AI是不一样的，AI范围很广，除了自然元素还有很多涉及到业务的部分，我们里面围绕新零售做了很多事情。比如说我们有为零售行业客户做过销量预测、店铺的智能选品，这里面我们做了很多相关工作，我们能够找出一些类似门店，通过类似门店销量比对，可以对店铺提供一些建议，包括补货、库存的管理。这些我们都会把一些我们叫做轻量级的AI，全部揉到具体的业务场景里面，帮助我们前端的业务来做数据的分析和问题的解决。

说到AI的部分还有另外一个，就是又会回到我们数据上，我们做AI工作过程中发现一个很大的问题，不是说AI不能解决问题，而是说AI生长的土壤现在没有，我们看金字塔，企业内数据的质量和数据的完整性其实对于上层建筑有决定性影响的，很多企业在走到聊AI的过程中才会意识到数据可能有一些问题，数据基础能力是有问题的。从AI会倒逼这些企业解决原有的数据分析的能力，解决原有数据采集的能力。

刚才讲的数据分析产品其实会把刚才提到协作的部分，加上人工智能的部分全部柔和在一起，给大家提供这样的实际可用的产品。我们公司叫做DataHunter，中文口号就是帮助人们分析察看数据并且改进业务。谢谢大家！