- 数据智能
8月9日，由爱分析主办的数据智能网络研讨会成功举办，本次研讨会围绕企业建设数据能力的趋势洞察和落地案例展开，其中爱分析合伙人兼首席分析师李喆在会上进行了“企业数据能力建设路径与实践”的主题分享。
基于爱分析长期以来的调研结论，李喆重点分享了数据能力的价值、数据能力建设目标及实现路径，并结合制造、零售、泛互联网领域的实践案例阐述了数据能力建设当前的挑战与应对措施。
现将李喆的演讲实录整理后分享如下。
李喆：大家好，我是爱分析的合伙人兼首席分析师李喆，今天我会针对企业数据能力建设路径及实践这一话题进行展开分享。最近一段时间我们做了大规模的市场调研，主要面向金融、食品、美妆、化工、制造、物流等各个领域企业的IT与大数据部门负责人，以及多家数据智能厂商，在调研过程中我们看到无论是企业还是厂商，都对数据能力建设有比较高的关注度。
综合考虑，我会把今天的分享分为两个部分，第一部分中我将阐述什么是数据能力，以及数据能力的核心价值是什么；第二部分我会重点去讲数据能力建设的目标和路径，其中包括短期和长远期目标实现的路径，和实现过程当中遇到的挑战及应对措施。
1.数据能力是数字化企业必备能力
1.1 数据能力的含义
首先我们聊聊数据能力。数据能力其实跟其他企业能力一样，会成为企业在数字化时代的最核心的一个能力，这里我分成两个维度去讲为什么企业要关注数据能力。
第一是数据资产管理维度。无论是从企业的业务需求还是政府、银保监会等层面的监管要求，我们能看到数据其实已经变成了企业的一类资产，因此需要去做数据资产的全生命周期管理和，类似DCMM数据管理规则都在强调数据资产管理。
第二是数据驱动业务维度。我们现在可以看到很多企业经营管理已经从原来的依靠经验决策，变成了数据驱动决策，召开经营会议时要看报表和数据。这意味着一方面企业原有业务的分析和决策需要依赖数据能力，另一方面企业新的业务探索也需要具备数据能力。
接下来，我们来讲数据能力的内涵是什么、数据能力的重要支撑有哪些。
上面这张图是典型的数据全生命周期流程，从最开始的数据采集到数据加工，再到数据消费。采集环节会涉及到的原有业务系统中数据库和数据管道，加工环节会有数据开发管理平台，消费环节是数据报表、BI自助式分析、其他数据化应用。
整个加工链路流程背后会涉及到多个团队。
在采集环节会涉及到业务和IT两个团队，因为数据采集涉及到了业务系统，很多业务系统是由IT团队建设，所以要有业务团队和IT团队配合，实现数据模型的打通。在加工环节，大部分企业已经成立了专门数据管理部，其核心便是数据团队，因此涉及到数据团队和IT团队。在消费环节，数据的消费对象重点是管理层和业务部门。
因此，企业如果希望具备完整的数据能力，它其实会涉及到多部门协作，而绝对不是数据部门自身就可以把整个链路整体打通，实现整体协作。
换句话说，数据能力的建设不是单独一个部门的事情，它需要依赖数据团队、IT团队、业务团队和管理层四方协作才能实现。