IT商业网
您的位置:首页 >网络 >

5600字聊透数字化转型的“降本增效”

2022-12-09 18:19:07来源:   

站在2022回望过去,距“数据中台元年”掀起热议,已经过去3年;

自知名云数仓厂商Snowflake完成有记录以来金额最大的软件IPO,也已近2年。

这一刻,产业里新概念的浪潮似乎已趋于平静;而在海面之下,有越来越多的企业正默默地挖掘着数据的矿藏,以期数据能真正像石油一般,成为资产、带来价值。

数据与价值的距离究竟有多远?

人人都说数字化,数字化的成功又如何定义?

数据智能是厂商的“技术自嗨”,还是业务的提效关键?

在最近这场直播,前沿商业科技媒体新眸创始人桑明强对话奇点云合伙人、战略咨询专家何夕,就深入聊了聊“数据价值”这回事儿。

观点速览

· 可复用的能力带来飞轮效应。

· 降本增效最核心的是要“可衡量”。

· 价值不来自产品,而来自“产品+服务”。

· 从AI到数据中台再到云原生、数据治理,把数据用起来以后,对其价值的想象会更具体、更落地。

新 = 新眸 桑明强

奇 = 奇点云 何夕

数据价值的想象来自业务

越落地,越具象

新:我们可以看到近年toB行业技术热点的变化,从AI到数据中台、数据智能再到云原生…业界的关注点是如何演进的?是否存在资本的因素在引领和影响?

奇:其实我们是持续有思考和想象的,即“什么东西对我们价值最大”。

比如,一开始我们觉得算法的想象空间最大,那段时间AI非常火。而做了一段时间以后大家发现,AI底下需要有数,存在数据的问题,自然也就到了“数据中台”。阿里就是一个很典型的例子,它的很多算法并不是凭空长出来的,而是先完成了One-ID、One-Data,基于数据做了很多新的算法,所以数据中台在2019年就火了。

再下一个阶段,我们发现如果只用数据中台做报表、指标,它本身的增值空间和想象空间很难说,所以又有一个新的概念“数据智能”——大家会觉得数据中台本身是没有飞轮效应的,而如果在数据中沉淀了可复用的指标标签、算法接口等数据服务,数据服务是可以复用的,那就有飞轮效应了。所以对价值的想象就到了数据智能。

到了今天,大家会发现数据智能是好,数据增速很快,以我们的实践经验为例,一家公司上了数据中台以后,数据的增量可能是“137”甚至139“,也就是第一年1倍,第二年3倍,第三年可能会有7-9倍的增量。但同时也出现了一个问题,数据增速太快,存算成本付不起了。许多企业原来哪怕上了私有云,但不会做云原生的存算分离、容器化等动作,就发现存算成本太高了。这也就是为什么价值链的想象在往下沉,大家开始考虑存算成本降低、让更多人用得起的问题。

我们今年还发现一个特征,数据治理相关的项目特别多,大家都开始认同数据治理是价值里非常重要的一环。为什么?因为不经过数据治理,你的海量数据是没法变成数据资产的,就没有办法提供上面的指标、标签、算法等等,所以今年企业也会特别关注数据治理。

这就是一个价值链不断想象的过程。当然中间有投资人的因素,但更多还是来自业务角度——当业务正儿八经把数据用起来以后,对于价值的想象其实会不断变得更具体、更落地。

新:那具体到客户的视角,他们的关注点有没有出现变化?作为数据战略咨询的负责人,您在和客户交流的时候,他们现在谈论最多的问题是什么?

奇:我们这些年服务的整体感受是,客户的关注点呈现“规划—应用—流通”的演变。

· 规划

其实2018、2019年左右,企业不知道什么是数据中台,只是说数据中台好像很热门,是不是需要上一个。但究竟什么是数据中台?

在这个阶段,我们更多地会和客户交流、探讨,数据中台需要有业务、技术、组织的支撑,可能在咨询阶段会去规划,在规划中找到突破口。我们会帮助客户找到比较快能产出业务价值的切入点,客户在数据中台上做出一个明星项目,帮助企业上下相对快速地认识到数据价值。

· 应用

慢慢地我们发现,客户渐渐熟悉数据中台这件事儿,开始从里面选出他们最需要的模块,比如说报表实时化、看板可用化、管理驾驶舱等等。这里都有客户自己对数据价值的思考。

经常会有企业遇到这样的情况,原先是为了上中台而上中台,结果上了中台以后没有应用,也没法产生价值。其实客户希望的是,数据中台上面一定要能产生价值,要提升业务的可见性。所以在这个时候咨询解的问题更多是“应用”。

具体来说,通过盘点业务场景,甚至发挥想象力去找到一些“弯道超车”的方式,来解决业务价值的问题。

· 流通

从去年到今年,客户发现一部分场景的应用还不能最大程度地发挥数据的价值,所以开始回过头来看数据治理和流通的问题,包括数据安全治理以及合规的一些动作。回归到数据资产这一层,让数据能真正流动起来,规模化地激活价值。这个阶段我们会发现客户关注的问题越来越技术了,接下去还可能会去解“存”的问题,让存算成本进一步降低。

业务价值链or数据价值链?

降本增效的核心是要“可衡量”

新:数字化转型发展到今天,如何理解它带来的“降本增效”?

奇:现在我们看“降本增效”其实有两个维度,是从业务的价值链定义,还是从数据的价值链来定义。目前大家更多会从业务的价值链来看。

降本增效,首先我们认为它一定是一个“可衡量”的东西,奇点云也会用这样的方式来判断(有没有实现降本增效)。

比如说,有一位客户做了报表的自动化,原来是“T+5”或“T+6”才出报表,也就是一周出一张周报表,我们帮它做到了“T+1”。客户自己核算这中间的人力成本,发现一年降低了500 万的成本。这种是可衡量的,降本就是实实在在的降本。

增效也是一样。比如我们做智能排班模型,把人效提升了一定的百分比,这就是很典型的一种降本增效。

因为我们以前讲战略时,都会说“你要能描述一件事情,你才能衡量它;你要能衡量一件事情,你才能去管理它”。从业务的角度,我觉得降本增效最核心的是要“可衡量”。但在数字化转型实践中,恰恰很多时候很多例子就卡这个地方。

如果从数据的价值链角度来看降本增效,在数据领域,我们降的是存算成本,增的“效”则是数据资产的可用性和易用性提升。

但这两层怎么评估、怎么核算、怎么证明?

其实云计算刚发展起来的时候,为什么大家认可云计算,它(的降本增效)逻辑很简单,例如一个消费品企业上公有云,比他去用自己的私有云、用机房大概能节省下 8 个人,而且这 8 个都是挺“贵”的人,这个就是很典型的“可衡量”的降本了。但数据领域现在其实还缺少这种可衡量的降本,也缺少一些可衡量的增效。我们经常用业务的增效来代替数据的增效,但事实上大家都知道,从数据增效到业务增效还有挺长一段距离,这个是现在很多 CIO、CDO 都会碰到的问题。

新:您说的数据价值链里的降本增效,譬如说存算成本,其实是用一种技术语言去解读另一种技术语言。但很多客户还是比较传统的,譬如零售商、品牌商,用这套语言不容易打动他们,相比数据的价值增长,他们也更关注业务的价值增长。那怎么来说服这一类客户呢?

奇:对于这一类客户,我们更多聊业务场景、业务效果。

譬如说,我们有一个最佳实践,这个最佳实践在业务上带来了什么样的效果,这个效果是可复用、给客户带来价值的。其实现在还是“最佳实践普及”和“从 0 到 1 ”的过程,因为对于大部分的公司来说都还没有到数据问题的阶段。

在实际接触和服务的过程中我们发现,大部分公司在解决数据问题之前,要先解决它的系统问题和管理问题。对于很多传统公司来说,它都还没有到非结构化数据、AIoT 数据的解决这一层。它其实现在只要解决一个问题——把自己的结构化数据先用好,先能打通一部分系统的数据,譬如说线下 POS 的数据和线上小程序的数据,就能开始带来业务价值。能做到这一点的公司其实本身就没有特别多。

“端到端”服务、多云趋势

让独立第三方服务商更具竞争力

新:坦白说,相比老牌大厂,我们这类“新锐势力”服务商的机会在哪里?有哪些竞争力?

奇:我觉得有几个方面。第一个方面是,奇点云重视服务和数据运营的价值,这也是客户所需要的。

在国外譬如美国,SaaS生态比较成熟,企业数据的体系性建得会特别好。基于一些数据产品,数据分析师和商业分析师就能去驱动它的生意。但这个做法现阶段在国内不行。

国内之所以会出现数据中台,就是需要连接业务前台和技术后台,服务商需要“端到端”地解决客户的所有问题,先陪伴客户跑起来。例如奇点云做的“产品+服务”,我们从数据采集到治理管理,再到数据服务的构建,以及上层应用的构建,再到数据产品化。有很多时候把数据产品交给客户,客户不会用,那怎么办?你需要带教、陪跑,通过运营、咨询等服务,咨询的服务,来帮助客户完成这些事儿。

这个时候它的价值是哪里来的?价值不光是从你的产品来,而是产品结合你上面的服务带来的。服务在其中起到价值增量的作用。

有一些厂商只提供产品,不协助客户做运营,不做这些所谓“人效不高”的事儿。但客户其实很需要。例如数据中台的团队怎么构成?要不要培养自己的数据架构师?数据管理制度怎么制定?这些单卖一套产品都无法解决,我们是需要通过咨询、运营等服务陪伴客户去解这些问题的,才能让数据一步一步地为客户发挥价值。

进一步,我们从大量的“原厂交付/实施”,规模化地沉淀出了对行业的理解,譬如说,了解这个行业的标签、指标通常会有这些需求,或在数据治理上有这些特点,我们挖掘并归纳出行业和客户需求,再落回到产品和工具的研发上——不是“技术自嗨”,这些就是客户真正需要的功能。

所以虽然业内大家都很少提“交付”这回事儿,但它的价值不可忽视,它能帮助客户把数据的价值落到业务实处,也能促使厂商提供客户真正需要的产品功能。

第二个方面是“多云”的趋势。

Flexera 2021年的云状态报告显示,92%的受访企业在IT架构上选择多云战略,企业平均会使用2.6朵公有云+2.7朵私有云。这和我们在国内服务的客户情况是一致的,大多数客户并不只使用一朵云。那自然就会涉及到一个问题:我用哪家的云?

相比跟单一的云厂商强绑定,企业会更希望有一个组合的解决方案。在这个场景下,作为独立第三方的奇点云会和客户站在一起,帮助他们选择到成本更低、更有效率的合作方式。我们的数据云平台DataSimba也是支持跨云多域的,客户可以通过DataSimba方便、安全地管理不同云上的数据。

这两个方面可以看出,“和客户站在一起”,其实是我们作为独立第三方科技服务商的立身之本。

新:刚才您谈到交付、实施、咨询、运维等服务,确实对于客户来说是非常重要的,而对于一家创业中的科技公司,大家必然都会更追求产品化、标准化。奇点云是如何平衡客户对服务的需求,和服务必然产生的重人力投入?

奇:首先是需要聚焦。你要铺开来什么都做,还是聚焦在几个行业、几类客户来做?这是奇点云选择的一个差异性,我们一开始只选择了“泛零售”这个行业。

在泛零售领域我们快速地提升服务、孵化产品,提升产品的可复用程度,再把这种可复用扩展到其他行业,例如制造、金融、政企。

以泛零售为例,因为这个行业今天都需要一个能力,即“以人为中心的商业模式变革”,在这里很多数据能力其实是通的,甚至跨行业都能有百分之七八十通。我们认为聚焦很重要,聚焦才能打磨出产品力,提升模块化、标准化的水平,从而自然而然提升人效,提升交付的标准化程度。做到客户成功和做好产品根本不矛盾,反而是一条必经之路。

数据价值链源于业务需求

客户的成功定义数据产品的成功

新:如何定义一个数据智能产品的成功?

奇:数据最终一定是为业务服务的,所以客户成功是我们定义产品成功最直接的方式之一。

虽然我刚才讲“降本增效有数据和业务两个层面”,但从企业的层面来说,一定更重视业务的降本增效,考察数据给业务带来的实际成果,才能证明企业的数据智能是成功的。

比如说,制造业产线里,用摄像头+算法来辅助检测产品质量,能为质量分拣的效率提升四五倍。那这样的算法应用我们认为是成功的。

新:那么从企业的角度来说,业务场景可能非常多,数据也是各种各样的,应该如何找到这样的“成功产品”,来实现价值的提升呢?

奇:拿我们最熟悉的消费品行业来举例,今天行业面临的竞争已从增量竞争变成存量竞争。原来粗放式的“线下开店→自然流量获客→有销售额”的路子已经行不通了。以往可能只需要遵循“转角定律”,在人流量多的转角去开店,而现在必须要做精细化营销;以往“到店营销”,顾客踏入店,导购才开始推荐商品;而现在称为“营销到店”,用户对品牌的理解从线上开始,要想办法把他们从线上引到线下,并了解他们从哪里来、喜欢什么。

即便是商品和文化都极具独特性、不愁卖的高端品牌,他们也正在做这样的事:通过数据的方式,了解用户足迹,了解多少人通过SNS关注了它、看到了它,哪些人看了线上的新品秀,其中什么时间段热度最高,而其中哪些人在什么环节又进一步完成了实际的交易。

这些都是很实际的数据需求,也就倒逼数据部门逐步构建并完善企业自身的数据价值链:采集哪些数据,聚合哪些数据,治理哪些数据,如何构建数据分析和服务,谁来用这些数据做决策…这就是具体的业务价值。

在构建数据价值链的过程中,我们可以看到企业实际需要什么样的数据产品,来帮助他们达成目标。譬如说,品牌想了解用户行为和偏好,就需要向前做埋点来收集数据,向后做分析和用户增长(也就是GrowingIO-UBA用户行为分析平台在做的)。再向上构建一套指标体系,来衡量用户增长是否有效。

接下来,不能只“了解”和“分析”,还要“行动”,通过小程序或自营APP做体验的优化和用户管理,“私域运营”就发生了。在私域运营的过程中,品牌会核算用户的年度贡献,譬如有一些用户可能是“KOC”,还可以为你带来新客,应该精细化地管理起来。

大家可以发现,在精细化运营的大背景下,企业对数据产品的需求是伴随业务需要自然而然长出来的,它的外延也会越来越广。这种精细化不仅体现在消费者运营的精细化,也有成本控制的精细化、内容匹配的精细化等等。

因此当我们来审视企业的数据,并不是通盘地评估“我的数据有什么,能产生什么价值”,而是需要从企业需求的角度来看,要达成这些目标需要哪些数据、会用到哪些产品,其中哪些数据是有的,哪些数据没有。这是数据价值链比较合理的发现和建构过程。

扫码收看直播完整版回放↓

关于「奇点云」

奇点云是业内领先的独立第三方数据科技公司,属StartDT旗下品牌,专注于为客户构建统一开放、中立安全的数据云和全域全场景、智能易用的分析云,助企业以数据驱动增长,在数据商业时代占据制高点。

关于「新眸」

新眸是专注于前沿商业科技研究的深度媒体,亦是一家国内头部的商业分析咨询机构,长期关注全球大公司及行业研究。

免责声明: 本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

相关阅读RELEVANT