數(shù)據(jù)資產(chǎn)化可大致劃分為兩個(gè)階段，分別是數(shù)據(jù)資產(chǎn)形成階段和數(shù)據(jù)資產(chǎn)管理與變現(xiàn)階段。數(shù)據(jù)資產(chǎn)形成階段則分為兩個(gè)環(huán)節(jié)，分別是數(shù)據(jù)基礎(chǔ)能力和業(yè)務(wù)數(shù)據(jù)化兩個(gè)環(huán)節(jié)，主要是以源數(shù)據(jù)建設(shè)、數(shù)據(jù)采集、數(shù)據(jù)分析與應(yīng)用等為主，數(shù)據(jù)資產(chǎn)管理與變現(xiàn)階段，則包括數(shù)據(jù)資產(chǎn)化和數(shù)據(jù)資產(chǎn)變現(xiàn)兩個(gè)環(huán)節(jié)，包括數(shù)據(jù)全流程治理、數(shù)據(jù)分析、可視化、數(shù)據(jù)決策應(yīng)用和數(shù)據(jù)營(yíng)銷變現(xiàn)等。

01 數(shù)據(jù)分析是數(shù)據(jù)資產(chǎn)變現(xiàn)的戰(zhàn)略環(huán)節(jié)要將數(shù)據(jù)變現(xiàn)為企業(yè)的資產(chǎn)，必須要對(duì)數(shù)據(jù)進(jìn)行加工處理，加工成對(duì)事物的分析，形成對(duì)事物的認(rèn)知，甚至形成獨(dú)有的知識(shí)，數(shù)據(jù)就有了更高的含金量，成為有價(jià)值的數(shù)據(jù)資產(chǎn)。數(shù)據(jù)資產(chǎn)是可以變現(xiàn)成利潤(rùn)的數(shù)據(jù)，只是停留在企業(yè)服務(wù)器中的數(shù)據(jù)不是真正的數(shù)據(jù)資產(chǎn)。

數(shù)據(jù)的標(biāo)簽化能讓我們快速理解一個(gè)用戶，一個(gè)商品，乃至一個(gè)視頻內(nèi)容的特征，從而方便我們?nèi)ダ斫夂褪褂脭?shù)據(jù)。以電商平臺(tái)為例，對(duì)每個(gè)客戶進(jìn)行標(biāo)簽化處理，每個(gè)人都有上千個(gè)標(biāo)簽標(biāo)記個(gè)人的特征，而這些特征又與商業(yè)化的推薦服務(wù)進(jìn)行關(guān)聯(lián)，并且對(duì)這些關(guān)聯(lián)后的效果進(jìn)行了數(shù)據(jù)驗(yàn)證，把某一個(gè)特征的產(chǎn)品推薦給擁有某類標(biāo)簽的用戶之后，對(duì)轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行不斷跟蹤、不斷優(yōu)化，客戶標(biāo)簽和產(chǎn)品標(biāo)簽之間的匹配越來(lái)越好，轉(zhuǎn)化效果不斷提升。

原始數(shù)據(jù)記錄本身只是業(yè)務(wù)活動(dòng)的記錄，是過(guò)去發(fā)生的事情留存的證據(jù)。這些證據(jù)需要通過(guò)一些統(tǒng)計(jì)匯總的算法形成數(shù)據(jù)報(bào)表，這些統(tǒng)計(jì)報(bào)表可以使人們更清楚地知道發(fā)生了什么，是如何發(fā)生的，結(jié)果是什么。客戶購(gòu)買企業(yè)的產(chǎn)品和服務(wù)，該企業(yè)需要每天統(tǒng)計(jì)賣了多少，成交了多少客戶，有多少新客戶，這樣就形成了每日銷售報(bào)表，這個(gè)報(bào)表通過(guò)一些指標(biāo)化的處理就形成了對(duì)當(dāng)日經(jīng)營(yíng)活動(dòng)的標(biāo)識(shí)，如成交率、客單價(jià)、新增客戶數(shù)、新增客戶數(shù)量占比、新增客戶成交占比、新增獲客成本、新客戶客單價(jià)、新客戶中大客戶占比等，這些形成了對(duì)企業(yè)每日運(yùn)營(yíng)質(zhì)量和運(yùn)營(yíng)效率的表征指標(biāo)。這些二次加工的數(shù)據(jù)能夠?qū)ζ髽I(yè)的經(jīng)營(yíng)管理活動(dòng)進(jìn)行評(píng)價(jià)，能夠?qū)I(yè)務(wù)管理起到反饋?zhàn)饔茫@些指標(biāo)開(kāi)發(fā)出來(lái)之后，本身就是數(shù)據(jù)應(yīng)用，也是數(shù)據(jù)資產(chǎn)。企業(yè)還需要通過(guò)可視化的方式提升數(shù)據(jù)的易用性，但僅有圖表，沒(méi)有解讀，就無(wú)法產(chǎn)生真正的數(shù)據(jù)價(jià)值。隨著人們對(duì)數(shù)據(jù)和數(shù)據(jù)分析的關(guān)注，以及管理者整體數(shù)據(jù)解讀能力的提升，越來(lái)越多的企業(yè)開(kāi)始重新啟用數(shù)據(jù)可視化功能，通過(guò)可視化的數(shù)據(jù)圖表為管理者提供數(shù)據(jù)服務(wù)。

通過(guò)建立數(shù)學(xué)模型，將原始數(shù)據(jù)進(jìn)行加工，為管理決策提供支撐。數(shù)據(jù)分析模型非常多，在不同的場(chǎng)景下有不同的模型。常規(guī)來(lái)說(shuō)，除基本的對(duì)比分析方法外，還有很多算法模型可以使用，包括最多使用的分類算法、關(guān)系算法和預(yù)測(cè)分析方法。

分類算法是最常使用的算法，根據(jù)事物的相似性提煉加工，找到事物的基本特征，然后就能夠推此及彼，更深刻地認(rèn)知事物，并以此進(jìn)行識(shí)別。關(guān)系算法則是尋求事物間的關(guān)聯(lián)性，從而通過(guò)控制一種事物得到另外一種事物想要的結(jié)果。預(yù)測(cè)分析方法的常用方法有四種，包括經(jīng)驗(yàn)法、類比法、慣性法和關(guān)系法，但未來(lái)的多變性、影響因素的復(fù)雜性會(huì)使預(yù)測(cè)的準(zhǔn)確度下降。

02 數(shù)據(jù)挖掘分析處理是數(shù)據(jù)資產(chǎn)變現(xiàn)的核心技術(shù) 

Gartner 2020指出，這些數(shù)據(jù)分析技術(shù)趨勢(shì)將有助于在未來(lái)三到五年內(nèi)加速更新、推動(dòng)創(chuàng)新和重建社會(huì)。

作為數(shù)據(jù)分析的高級(jí)增強(qiáng)階段，增強(qiáng)分析能為分析計(jì)劃帶來(lái)更多自動(dòng)化動(dòng)能以及創(chuàng)新洞察力。因?yàn)樵谡竭M(jìn)入數(shù)據(jù)分析之前，都需要對(duì)數(shù)據(jù)進(jìn)行抽取、清洗、融合等準(zhǔn)備工作，以提高數(shù)據(jù)分析的效率和準(zhǔn)確性，更利于決策。而增強(qiáng)分析則能夠幫助普通用戶在沒(méi)有數(shù)據(jù)科學(xué)專家或IT人員協(xié)助的情況下，訪問(wèn)有效數(shù)據(jù)，并對(duì)理論和假設(shè)情況展開(kāi)測(cè)試與驗(yàn)證。

增強(qiáng)型數(shù)據(jù)分析側(cè)重于增強(qiáng)智能的特定領(lǐng)域，利用機(jī)器學(xué)習(xí)（machine learning）轉(zhuǎn)變分析內(nèi)容的開(kāi)發(fā)、使用與共享方式。

Gartner表示到2020年，增強(qiáng)分析將成為分析和BI解決方案的主要賣點(diǎn)。

機(jī)器學(xué)習(xí)和人工智能、增強(qiáng)型分析將為數(shù)據(jù)和分析市場(chǎng)帶來(lái)顛覆，因?yàn)樗鼘氐赘淖冮_(kāi)發(fā)、消費(fèi)和共享分析內(nèi)容的方式，可使數(shù)據(jù)準(zhǔn)備、洞察力獲取和洞察力可視化這個(gè)過(guò)程實(shí)現(xiàn)自動(dòng)化，在許多情況下無(wú)需專業(yè)的數(shù)據(jù)科學(xué)家。

AI已經(jīng)越來(lái)越多地用于數(shù)據(jù)管理，但AI解決方案如何解釋為什么他們得出某些結(jié)論？這是可解釋的人工智能的用武之地。數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺(tái)中的可解釋AI是關(guān)于在自然語(yǔ)言中準(zhǔn)確性，屬性，模型統(tǒng)計(jì)和特征方面生成數(shù)據(jù)模型的解釋。作為數(shù)據(jù)分析的高級(jí)增強(qiáng)階段，增強(qiáng)分析能為分析計(jì)劃帶來(lái)更多自動(dòng)化動(dòng)能以及創(chuàng)新洞察力。因?yàn)樵谡竭M(jìn)入數(shù)據(jù)分析之前，都需要對(duì)數(shù)據(jù)進(jìn)行抽取、清洗、融合等準(zhǔn)備工作，以提高數(shù)據(jù)分析的效率和準(zhǔn)確性，更利于決策。而增強(qiáng)分析則能夠幫助普通用戶在沒(méi)有數(shù)據(jù)科學(xué)專家或IT人員協(xié)助的情況下，訪問(wèn)有效數(shù)據(jù)，并對(duì)理論和假設(shè)情況展開(kāi)測(cè)試與驗(yàn)證。增強(qiáng)型數(shù)據(jù)分析側(cè)重于增強(qiáng)智能的特定領(lǐng)域，利用機(jī)器學(xué)習(xí)（machine learning）轉(zhuǎn)變分析內(nèi)容的開(kāi)發(fā)、使用與共享方式。Gartner表示到2020年，增強(qiáng)分析將成為分析和BI解決方案的主要賣點(diǎn)。機(jī)器學(xué)習(xí)和人工智能、增強(qiáng)型分析將為數(shù)據(jù)和分析市場(chǎng)帶來(lái)顛覆，因?yàn)樗鼘氐赘淖冮_(kāi)發(fā)、消費(fèi)和共享分析內(nèi)容的方式，可使數(shù)據(jù)準(zhǔn)備、洞察力獲取和洞察力可視化這個(gè)過(guò)程實(shí)現(xiàn)自動(dòng)化，在許多情況下無(wú)需專業(yè)的數(shù)據(jù)科學(xué)家。

到2020年，50％的分析查詢將通過(guò)搜索，自然語(yǔ)言處理（NLP）或語(yǔ)音生成，或者將自動(dòng)生成。分析復(fù)雜的數(shù)據(jù)組合并使組織中的每個(gè)人都可以訪問(wèn)分析的需求將推動(dòng)更廣泛的采用，使分析工具像搜索界面或與虛擬助手的對(duì)話一樣簡(jiǎn)單。根據(jù)另一項(xiàng)單獨(dú)研究，NLP 用例非常龐大，預(yù)計(jì)到 2020 年 NLP 市場(chǎng)價(jià)值將達(dá)到 134 億美元。

到2023年，圖像技術(shù)將在全球30%的組織中促進(jìn)快速情景化決策。圖像分析是一組分析技術(shù)，它允許探索相關(guān)實(shí)體(如組織、人員和事務(wù))之間的關(guān)系，幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者發(fā)現(xiàn)數(shù)據(jù)中未知的關(guān)系，并審查傳統(tǒng)分析中難以分析的數(shù)據(jù)。例如,在世界應(yīng)對(duì)當(dāng)前和未來(lái)疫情時(shí)，圖像技術(shù)可以從人們手機(jī)上的地理空間數(shù)據(jù)到人臉識(shí)別系統(tǒng)，對(duì)照片進(jìn)行分析，以確定誰(shuí)可能接觸過(guò)被確診冠狀病毒檢測(cè)呈陽(yáng)性的個(gè)體。如果說(shuō)數(shù)據(jù)是“石油”，數(shù)據(jù)分析技術(shù)則是“煉油廠”。數(shù)據(jù)分析通過(guò)各種技術(shù)獲得數(shù)據(jù)背后價(jià)值，將原始數(shù)據(jù)加工為信息和知識(shí)，進(jìn)而轉(zhuǎn)化為決策或行動(dòng)，已成為推動(dòng)數(shù)字化轉(zhuǎn)型不可或缺的關(guān)鍵技術(shù)。 

03 顛覆BI的也許是“CharGPT”

增強(qiáng)分析似乎很強(qiáng)大，但概念提出這么多年，有強(qiáng)大的產(chǎn)品出現(xiàn)嗎？沒(méi)有，為什么？

雖然早期的人工智能（AI）技術(shù)在數(shù)據(jù)分析和其他領(lǐng)域取得了一定的成就，正如增強(qiáng)分析中提到的那些能力，但它們?cè)诶斫鈴?fù)雜的自然語(yǔ)言和生成有意義的文本方面的能力仍然有限，也就是說(shuō)，人們使用增強(qiáng)分析的門檻其實(shí)挺高的。

老板要分析數(shù)據(jù)，還得直接找數(shù)據(jù)分析師提出問(wèn)題，數(shù)據(jù)分析師再把老板的問(wèn)題轉(zhuǎn)化成對(duì)BI增強(qiáng)分析的要求，這個(gè)轉(zhuǎn)化過(guò)程是漫長(zhǎng)的，數(shù)據(jù)分析從端到端的全業(yè)務(wù)流程的角度來(lái)看，整個(gè)流程是割裂的，一會(huì)兒在線上，比如利用BI在線分析問(wèn)題，一會(huì)兒在線下，比如提出問(wèn)題，接收問(wèn)題，輸出答案，數(shù)據(jù)分析這個(gè)業(yè)務(wù)的數(shù)字化轉(zhuǎn)型并不徹底，因此，AI對(duì)數(shù)據(jù)分析師的替代作用并不是很大。

然而，隨著GPT系列等自然語(yǔ)言處理（NLP）技術(shù)的不斷發(fā)展，ChatGPT這類先進(jìn)的AI模型已經(jīng)能夠在很大程度上理解自然語(yǔ)言，并生成連貫、準(zhǔn)確的文本。

1、老板可以直接在線用自然語(yǔ)言向ChatGPT提出問(wèn)題，ChatGPT可以很好地理解老板的要求，把問(wèn)題轉(zhuǎn)化成需求和目標(biāo)。

2、數(shù)據(jù)分析師在接到需求和目標(biāo)后，可以充分利用ChatGPT的自動(dòng)分析能力，提供有針對(duì)性的數(shù)據(jù)探索和分析建議，從而減輕自己的工作負(fù)擔(dān)。

3、ChatGPT可以根據(jù)數(shù)據(jù)分析結(jié)果生成詳細(xì)的分析報(bào)告，解釋關(guān)鍵發(fā)現(xiàn)、趨勢(shì)和預(yù)測(cè)，并且可以提供自然語(yǔ)言的方式，在線解答老板各種問(wèn)題，完成數(shù)據(jù)分析的最后一公里，這種體驗(yàn)是以前沒(méi)法想象的。