当前，我们正处于一场声势浩大的数字革命时代，数字经济已经成为全球经济增长和社会进步的关键力量。数字经济以互联网、大数据、人工智能等技术为基础，改变了传统产业的运作方式，促进了创新驱动发展的实现。

企业在数字化过程中积累了大量的数据，如果这些数据被有效利用，用得好是一种资产，没有被利用则是一种负债，不但占用存储空间，而且存储设备还要耗费资源和人工管理成本。有数据没有分析是一种巨大资源浪费，而有分析没有数据也是在做无用功。

所以，摆在企业面前的几个问题，就是如何将数据价值发挥出来？如何让数据赋能业务，提供创新的源动力，提升企业运营效率和辅助决策？是我们这次主要讨论的话题。

企业面临的用数痛点和困境

数字经济时代，数据要素价值凸显，企业认识到数据重要，但在用数时普遍遇到以下问题和困境：

▶ 数据管理基础薄弱，数据孤岛严重

随着企业信息化建设突飞猛进，企业管理职能精细划分，信息系统围绕不同的管理阶段和管理职能展开（如ERP、MES、PLM，SRM、CRM、HR等），企业中“多系统并存、系统数据耦合度高”的情况越来越明显。各个业务系统间数据分散，标准均不统一，没有统一的数据分析平台，多数据源分析困难。

▶ 业务分析及时性及准确性差

在企业没有分析系统的支撑下，各分子公司、各业务部门大部分靠手工汇集数据制作报表，数据收集困难，业务口径不统一，手动分析整合效率低下，分析结果滞后，准确性不高。

▶ 决策支持缺乏有效数据支撑

企业领导在决策时无法及时看到关键的业务数据和业务分析报表，经营管理决策全靠领导个人经验，缺乏有效数据支撑。

▶ 生产经营乏闭环管理

企业在生产过程无法及时监控，生产计划传达混乱，设备状态监控、维保巡检效率低下，质量问题、客诉管理缺乏闭环机制。

▶ 没有数据分析团队或数据分析组织

目前多数中型企业对数据的利用率不高，一方面，是因为目前企业还没有足够高质量的数据作为有价值的输入，导致数据用不起来。另一方面，是因为企业对数据分析或利用的认知不够，重视度不够。企业为应对激烈竞争的市场和不确定的未来，要提前制定数据应用策略，建立或储备数据分析人才，保证企业的数据充分有价值的被利用。

从原始数据到智慧的转变路径

通常提到的数据，其实指的是原始数据，数据本身是没有意义的，必须被赋予其业务属性才真正有意义和价值。从数据到信息，从信息到知识，再从知识到智慧，这个赋予业务属性的过程就是数据价值转变的路径。

01

数据

企业的原始数据是指未经加工处理的数据，是指没有被修改、清洗或筛选的数据。也就是数据采集或数据生成过程中所获取的初始信息。我们如今的时代，是互联网的时代，也是大数据的时代。大数据表明数据不仅量多，层次多，而且是海量的。

原始数据的类型：原始数据的类型很多，如文本、图像、视频、声音等。文本数据可以是纯文本，也可以是结构化的数据。这些数据都是原始数据，需要进一步加工处理和分析才能得出有用的信息。

原始数据的重要性：原始数据是进行数据分析的基础，而准确的数据分析可以帮助企业做出正确的决策。因此，原始数据的质量和精确性直接影响到最终决策的正确性。

原始数据的处理：原始数据可能会受到各种因素的影响，例如数据采集的过程中产生的错误、数据清洗过程中的处理错误等。对于这些问题，需要对原始数据进行处理。处理的过程包括数据清洗、转换、整合、分析等。这些步骤的目的是将原始数据转化为可用的数据，并提升数据的质量、可用性和可靠性。

信息

信息是有意义的数据，是对数据进行解释、整理、归纳后的产物。信息能够消除不确定性，为决策提供依据。例如，在公司的日常运营中，财务人员通过对原始数据进行汇总和分析，就可以得到整个公司的财务情况数据还可以计算出公司的总收入、总支出、总利润等指标，以及各项成本费用的具体构成等。这些数据就变成了全面反映公司财务状况的信息。这些数据可以帮助我们了解公司的盈利能力和经营效率，进而指导企业制定更好的经营策略。

03

知识

知识是信息是升华，是将信息转化的过程，是我们在现实生活中进行判断和决策的重要依据。例如，在公司的日常运营中，财务人员和管理者需要具备专业的知识和丰富的经验。他们需要运用这些专业的知识来分析销售额、成本、现金流量和资产负债表等数据，以了解公司的盈利状况、资金流动状况和资产、负债状况。

智慧

从知识到智慧的过程其实就是对获取的知识进行内化的结果，智慧不仅包含已知的知识和技能，还包含对未知事物的洞察和预见能力。例如，在公司的日常运营中，财务人员和管理者用专业的知识和经验对公司的盈利状况、资金流动状况和资产、负债状况等进行分析，揭示了公司运营的真实状态，并根据分析的结果对公司下一阶段的发展方向做出有效判断和预测，则表现为智慧。

以数字化为抓手，构建数据分析和应用体系，释放数据价值

以数据驱动的数字化转型为企业提供一个很好的契机，让企业可以系统地梳理当前面临的用数问题，企业要明确自身的需求和用数场景，统一规划布局，构建完善的数据应用体系，打通企业原始数据到业务智慧的整个流程，让数据发挥其应有的价值，逐步实现数据智能。

数据分析体系的建设一般要依赖数据分析平台实现，而其建设方法基本上可以从数据分析流程来理解，比如数据获取、数据整合、数据加工、数据可视化、数据挖掘等等。

01

数据获取

企业数据从产生到应用依次经过了数据产生、数据存储与处理、数据应用三个阶段，由业务系统产生的数据经过ETL加载到数据仓库，并在数据仓库中进一步加工处理后进入数据分析工具，最后通过数据分析工具实现数据分析与可视化展示。

02

数据加工

要想顶层应用体验好，那么底层的数据建设就相当重要，所以自助式数据分析平台建设的首先就是要搭建数据仓库。我们整合过的数据往往也是异构数据源中的数据，因此要先对关系数据进行初步的处理，比如说指标的筛选等等。将原始数据进行整理整合并分门别类存储，随时用数据应用系统调用。

03

指标体系建设

数据指标体系是指在企业中建立的衡量和评估业务运营状况的一套指标体系。它包括了各个业务领域的关键指标，用于监控和评估企业的业务绩效，并为决策提供数据支持。数据指标体系的设计需要根据企业的业务目标和战略来确定，具体指标的选择需要考虑与业务相关的关键数据，以及其对业务绩效的影响程度。常见的数据指标包括销售额、利润率、市场份额、客户满意度、产品质量指标等。

建立合理有效的数据指标体系可以帮助企业管理者了解企业的整体运营情况，快速发现问题和优化机会，并基于数据指标来制定战略和决策，提高业务绩效和竞争力。

数据应用

得到了清洗后的数据，业务就可以进行自助式分析了，用数据分析平台，比如星空轻分析可视化探索分析，是面向分析用户，让他们能够以最直观快速的方式，了解自己的数据，发现数据问题的模块。业务人员只需要进行简单的拖拽操作，选择自己需要分析的字段，快速看到自己需要的数据。或者根据业务分析需要，在相应指标库中，讲数据指标按分析思路进行可视化布局，探索数据背后的问题。

数据可视化及移动化应用

关键指标可视化应用

结语

总之，企业要想数据价值最大化，除提前部署数据分析资源和建设数据团队，还要跟进自身需求建设数据分析体系，来实现业务与数据的一体化，让数据赋能业务，为业务的高效运转提供支撑，帮助用户把业务数据化，把数据业务化，用数据的力量和智慧助推企业进行数字化转型。