技术开发 频道

穿过AI、BI、ML等技术术语迷雾,企业数字化路上需要什么?

  【IT168  评论】未来是智能化时代,AI、大数据、BI等技术的发展将推动企业升级变革。而技术的应用实践需要一个过程,伴随着拥护与质疑、成功与失败。

一些失败与反思

  今年9月份,在莫斯科举办了一场不同以往的大会,与会者专门讨论大数据&BI应用过程中的失败经历,他们相信“失败的经历比成功的经历更有价值。”

  比如在制造业、农业、智慧城市等领域,IoT以及传感器能提供可以获得洞见的数据,但是实际应用中通常会出现不准确的读数,这已经成为工业互联网发展中最严重的问题之一。此外,企业之间的复用性并不乐观。

  比如曾经大数据的布道者极力推崇的大数据时代不需要因果只需要相关性也遭遇了虚假相关性的挑战,例如,城市中的自杀情况显示与奶酪的销售有明显的相关性,博士学位获得情况与酸奶销售的相关性。错误关联的原因以及如何识别并排除仍然有待解决。(历史上有一个超市将啤酒和尿布放在一起更好卖的案例,后有人指出这是一位讲师授课时的杜撰。)

  比如沟通问题,CEO求助于分析部门却无法清楚描述自己的诉求,如何将模糊的愿望变成明确的任务?比如“BI”、“大数据”、“AI”、“ML”等技术术语混乱不堪是需要亟待解决的问题之一,这些术语的制定者在讨论中也无法达成统一的理解等。

  这样的问题如果讨论起来还有很多,这些失败也许不能成为严格意义上的失败,企业数字化化处在不同的阶段,而一款软件能带来某些方面的提升但是无法代替公司的治理。

  比如传感器数据不准确,原始数据的错误需要查找原因修正,软件不会修改用户的数据,企业或者行业之间的复用性问题是行业的通病,在个性化需求比较高或者涉及到不同工艺的工业互联网等方面复用性更加艰难,GE的Predix作为工业互联网的鼻祖其复用性依然有挑战。

  大数据时代的相关性有业内人士反思也许是大数据4V还不够,也许是相关算法和模型还有待提升。人类处理信息是小数据,从大数据到小数据除了隔着人体机制也许还有那1g的灵魂。

  沟通问题从某种程度反映了数据驱动文化还未养成,数字化过程除了技术还需要组织、文化的改变,后者往往更为缓慢也更艰难。“BI”、“大数据”、“AI”、“ML”等技术术语混乱问题确实让人眼花缭乱,莫衷一是。有业内人士认为技术术语的纷乱是因为之前的概念都是由学术界定义,然后工业界和产业界跟随,现在变成工业界、产业界率先提出,各有立场与角度,以后应该会慢慢规范,也可以看出技术变革之快。

  日前有专家指出“现在是全社会赶不上信息技术创新的步伐,所以接下来颠覆性创新变成改良性创新,未来十年甚至更长时间一定是技术的应用。”企业级服务不管是怎样的技术,只有创造价值企业才会买单,而技术应用的深入也将伴随着法规、组织、文化的变革。

按需定制不只技术

  都说“不管是黑猫还是白猫,能抓老鼠的就是好猫”,对于技术而言也可以化用为“无论AI、BI、大数据,能给企业带来价值的就是好技术”。

  在莫斯科的讨论上,专家认为IoT、传感器的数据错误已经成为工业互联网发展最严重的问题之一,但是IoT、传感器的发展确实为一些企业带来了价值。比如国内BI厂商永洪科技的一个核电厂客户,其发电机上的继电器因为是高压容易打火烧坏,一个继电器大概3000元,每年替换成本很高,传感器可以采集数据,永洪科技通过提供一站式大数据分析平台为其积累相关数据,加上行业专家的咨询指导,AI预测分析将继电器使用情况的判断准确率从60%多提高到将近80%,继电器的年更换率有了明显的下降,为客户降低了成本,创造了价值。

  在数字化浪潮之下,不同行业不同企业的数据治理能力参差不齐,国内很多BI/大数据公司比如永洪科技、神策数据、GrowingIO、易观、TalkingData、友盟+等在产品之外都有由行业专家组成的咨询团队,为客户提供产品+咨询+解决方案的能力。与国外很多咨询服务需要付费不同,国内厂商的大部分咨询服务是产品之外的免费增值服务,一部分原因是国内企业对咨询的付费意愿并不高,另一方面客户量身定制的需求比较大,这样更符合其客户成功战略的推进。

  在向数据驱动型企业前进的路上企业需要明了自己位置,日前Tableau 与IDC共同发布了《亚太数据就绪指数(DRI)报告》,调查对来自七个市场(澳大利亚、中国大陆、中国香港、印度、日本、新加坡和韩国)的700多家企业的高管进行了数据就绪的关键维度的调查,维度包括与员工相关的因素(个人和企业)、流程、技术和管理。根据结果将企业数据就绪状态划分为三个阶段,分别是领先、发展中和落后。

  报告显示,数据就绪程度高的企业的业绩平均比落后的企业高出90%,中国大陆市场企业数据就绪指数在亚太地区排名第六。尽管如此,只有20%的企业在处于数据就绪领先地位,而大多数处于发展中(66%)和落后(14%)领域。该调查强调,与员工相关的因素,如员工数据技能和企业范围内的协作都被视为关键绩效驱动因素。

  “DRI反映了企业利用其数据来稳定企业关键业绩指标(KPI)的能力。我们发现,在整个亚洲,DRI在职能和行业方面存在巨大差异。驱动DRI的因素如技能、领导、技术、管理和流程也相差悬殊,”IDC亚太地区分析、大数据和人工智能副总裁Chris Marshall博士表示。

  Tableau大中华区总裁叶松林认为企业数据就绪几个维度里技术最为简单,企业组织和文化是比较难的,为了构建数据驱动文化,成为数据驱动型企业,企业需要采用整体策略,并采取量身定制的方法来提升其数据就绪程度。Tableau推出了战略框架Tableau Blueprint,包含具体计划、建议和指南。“我们提供Blueprint以及IDC共同推出DRI报告就是让客户知道他到底离一个数据驱动型的企业的距离有多远,可以怎样去到达。”

  数字化已经不是企业的一个选择题,而是一个必答题,前途光明道路曲折。有数据显示高达84%的数字转型项目未能实现预期收益,而除了投资回报率方面的损失,同时还会对企业战略、股东和团队士气造成伤害。一位业内专家分析失败原因时强调“记住,数字化转型从根本上说是人推动的过程。”

  企业数字化之路可以定义为“嵌入组织变革,利用数字技术和商业模式,转变业务绩效和竞争力的过程。”无论企业处在数据就绪的哪个阶段,抛开纷繁的技术术语,想要找到可以带来价值的产品和服务总需要找准自己的位置然后去尝试。

0
相关文章