傅一平評語：

文章給出了企業利用數據的四個誤區，分別是：

1、應用沒有建設，沒有數據，就不考慮數據架構和利用

2、沒有所謂的大數據，就不考慮數據利用

3、數據利用就是數據挖掘分析，交易型應用不需要數據利用

4、數據利用最重要的是算法，軟件開發團隊是做不了數據科學項目的

針對以上四個誤區文章也給出了四個建議，我結合實踐給出自己的一些思考：

1、數據規劃應該優先于業務系統的建設

文中提到，大多企業由于應用建設的時候未考慮數據架構規劃，導致了數據未采集、數據孤島、數據目錄不全等現象。

說得是挺好，但其實這是受制于企業的數據治理水平的，大多數據團隊沒資格在立項的時候直接介入應用系統設計，更深層次的原因其實還是企業的實際數據驅動力不夠，除了少數大廠，幾乎沒有企業愿意冒這種險，所謂不見兔子不撒鷹，即使在未來我也不怎么看好這種模式，我覺得更靠譜的是OLTP團隊和OLAP團隊直接融合，數據利用方面的設計要成為OLTP基因里的東西，要么像華為那樣成為流程型的組織，但這都太難了。

2、構建起數據全景圖后，沿著這個地圖來構建一個個去采集填滿這些數據的小應用，從而構建自己的全域數據資產

文章提到，也許現在你的業務模式決定了你并沒有豐富的數據，但是，你依然要通過各種應用創新來多渠道，全方位獲取用戶，消費者的數據，這就是需要在構建應用之前有數據規劃，勾勒出一個數據場景地圖，從而沿著這個地圖去建設各種小應用。

這是個方向，但當前除了互聯網，大多企業的業務規劃或格局不夠，從業務人員的角度講，應用只要滿足當前的業務就可以了，完全沒必要考慮留存更多的數據為企業全局使用，為了獲得數據去規劃和建設應用，風險太大了，我覺得對大多企業還是比較遠的，除非數據是商業模式成功的核心要素。

3、所有的應用軟件（特別是交易型應用）都會被數據技術所賦能，成為數據驅動的智能應用

這個我認同，OLTP和OLAP一定是要融合的，有兩種模式，一種保守一點，OLAP封裝數據服務，然后嵌入OLTP生產流程，但這對兩支團隊的管理挑戰很大，另一種激進一點，OLTP直接把OLAP的部分事情干了，OLAP只保留報表、決策分析等傳統部分，精確營銷，風險控制等職能全部剝離。說來有點殘酷，但這一天遲早到來，沒來只是數據的利益不夠大而已。

4、人工智能應用于業務最重要的是場景創新能力和軟件工程能力

當前階段，企業高效利用數據的方式有兩種，一種基于業務規則，外一種是調用現成的算法，自研算法的少之又少，最關鍵的還是業務場景的選擇和理解，而不是算法的水平，軟件開發團隊完全能干這事，只是習慣和分工問題。

凱哥：企業利用數據的四大思維誤區

數據的重要性在當今已經無需再多言，所有的企業都意識到數據的重要性，都希望利用數據來驅動業務的發展。

但是，很多企業信息化管理者依然存在對于數據智能，數據驅動的一些誤解，這些誤解會讓企業的數據利用陷入深淵，看看您碰到了哪些？

這四個認知的陷阱是：

一、應用沒有建設，沒有數據，就不考慮數據架構和利用

二、沒有所謂的大數據，就不考慮數據利用

三、數據利用就是數據挖掘分析，交易型應用不需要數據利用

四、數據利用最重要的是算法，軟件開發團隊是做不了數據科學項目的

下面我們逐個解釋：

誤區一、應用尚未建設，所以不考慮數據利用

當我們跟一些企業信息化管理者聊起應該盡早的考慮數據的利用，要對數據做整體規劃時，會經常聽到這樣一句話。?“我現在業務都還沒做起來，連數據都沒有，還不到考慮數據利用的時候”?這一句話代表了很大一部分企業對于數據利用的認知，那就是，數據利用是從先有數據開始的，而數據是在應用建設之后存到數據庫里的，所以先建設應用，然后等數據庫里有了數據后，再考慮如何利用數據。? ?聽上去，這個邏輯完全正確。? ??但是其實這就是很多企業存在的首要的對于數據利用的誤區：”先建設應用，再考慮數據利用“。如果用這樣的思路去建設，過了一年以后，往往這個企業就會立刻提出新的問題，“多個應用系統之間的數據不打通，不對齊，不一致，數據用不起來”。? ??這個誤解，是根本上不充分理解數據利用的兩個本質? ? 第一，數據是客觀存在的，不取決于你建不建設應用。? ? ? ? ?一個企業，只要業務在運行，哪怕它沒有建設任何系統，它的數據都是在實時產生的，只是你沒有把它采集起來而已。數據是業務在數字化世界里的構成原子，業務流程和行為會時刻產生各種數據，而不是必須要建設應用這些數據才產生的。舉個例子，當快遞員接到一個快遞訂單的時候，發件人，收件人，貨物類別，發貨地，發貨地，運輸工具類型，距離等這些數據就已經產生，并且會驅動這個快遞的走向。有沒有信息化系統的支持，只是改變了這些數據的記錄和傳遞的手段是一張紙還是一個網絡而已。這些數據是客觀存在的，它不會因為信息化系統本身而改變。? ? ? ? ? ??我們要從本質上認知到，數據是業務在數字化世界里的投影模型，它是業務的鏡像，是客觀存在的。只要有業務，那么就存在對應的數據。應用只是把數據通過軟件采集到存儲設備里而已。第二，數字化時代，數據利用的規劃要早于應用和流程的建設 我們在建房子之前，就要做整體設計，規劃出一棟大廈的各種利用場景，只有這樣才不會出現一個不能被進入的房子。現在，每個企業都意識到，數據是企業的核心資產，應用是采集和利用這些資產的工具。為了更好的在數據采集之后得到充分的利用，每個企業必須要在應用和流程的規劃之前，完成數據利用的規劃。? ? ? ? ? ??這就包括企業的數據資產目錄的規劃設計，企業的數據利用場景的規劃和數據的存儲，處理分析這些數據的技術平臺的需求規劃等。Data First，在系統還沒有建設的時候，做好了數據的藍圖規劃，完成了各個應用系統的數據分布全景圖，企業就能規避數據孤島的存在。所以，如果你現在還沒有建設應用，那么恭喜你，這是最好的規劃數據利用藍圖的機會，趕緊開始吧。

誤區二、沒有大數據，所以就不考慮數據利用

“我們現在的數據很少，只能叫小數據，所以還談不上數據利用”，這也是一個典型的數據利用的誤解。我第一次聽到這句話就是在B2B2C的零售企業。的確，傳統的通過經銷商為主要渠道的品牌商，往往沒有建立自己的電商體系，所以最終消費者的行為數據拿不到。他們有的就是Sell In的數據，而Sell In的數據往往量不大，并且維度不多，所以利用價值有限。?但是，現在的這個企業正在做的事情就是通過一個個的小程序，小應用，建立各種和終端消費者，客戶的觸點，從而獲取各類數據，單個的看都是小數據，量不大，維度也不多，但是，當這所有的點連接在一起，就構成了一個豐富，多樣的用戶數據全景。這個企業的業務負責人篤信，在數字化時代，誰擁有更多的數據場景，誰就能夠擁有更強的競爭優勢。?這個事例充分的說明，也許現在你的業務模式決定了你并沒有豐富的數據，但是，你依然要通過各種應用創新來多渠道，全方位獲取用戶，消費者的數據。而要建設什么應用，獲取什么數據，獲取的這些單個點狀數據間如何構成相互聯結，組合出數據場景價值呢？這就是需要在構建應用之前有數據規劃，勾勒出一個數據場景地圖，從而沿著這個地圖去建設各種小應用。

誤區三、數據利用就是做數據分析和挖掘

交易型系統就用不到數據技術

過去的應用系統被劃分為OLTP和OLAP，在線交易型系統和在線分析型系統。所以，往往一看到這個應用本身是一個交易型的軟件，按照傳統的架構，那就是OLTP系統，所以往往不會用到一些OLAP的技術。但是，目前的情況則發生了巨大的變化。拿約車調度系統來講，按照傳統的劃分，這是典型的交易系統，創建訂單，分配司機。但是，如果要能夠支撐每秒幾萬單的調度分配，用手工分配的方式是不可能的，這個調度系統需要具有實時數據分析能力，而這里面價格確定和路線的規劃的部分，又需要參考歷史的相關數據分析結果。這樣一來，這個典型的交易應用是被數據驅動的，它的底層和和核心其實是批量數據分析和實時數據處理。未來的所有的應用都會是這樣，那就是OLAP會實時支撐和參與OLTP系統的每一個決策和行為，從而成為智能的應用。數據技術正在逐漸重構所有的傳統流程類應用，讓他們成為數據驅動的系統，從而變得更智慧，數據利用不僅限于給人看的數據可視化。

誤區四、數據利用最重要的是算法

軟件開發團隊是做不了數據科學項目的

一提到數據項目，很多人腦子里第一個想到的就是算法模型，似乎只有做研究的，做算法的，做人工智能的才是做數據的。? ? ? ? ? ??所以，現在有一類觀點，認為信息化產業里分為做算法的和做軟件的，而只有做算法的才是做人工智能和數據的。這是一個典型的誤解，將算法與軟件工程割裂開來。就像不久前，一個長期合作的客戶用一個固有印象，”思特沃克不是做人工智能的“，就否定了我們的一個機會，這就是對于人工智能應用的誤解。我們用下面這張圖來體現算法和人工智能（數據科學）的關系。 人工智能的最底層是由各種算法組成的，但是，目前行業里所有人使用的常用算法，都是公開的，而真正研究和產出這些算法的，是學術研究機構。人工智能分為兩個領域，一個是前沿研究領域，一個是應用領域。而作為從事工業生產和商業運營的企業來說，需要的是后者。而后者最重要的是利用軟件工程能力將適合的算法應用到有價值的場景，從而去賦能業務。在算法之上，人工智能的應用更重要的是充分的高質量的數據集，將算法和數據開發成為良好用戶體驗的智能軟件的工程能力。所以，優秀的做人工智能的企業除了擁有調優，調用公開的算法和代碼之外的能力更重要的是業務創新和軟件工程的能力。

總結和啟示

通過逐個分析這四個對于數據智能的四個陷阱，我們可以得出如下啟示：

一、數據規劃應該優先于業務系統的建設，構建拉通的，一致的數據資產全景圖，避免應用之間的數據孤島

二、構建起數據全景圖后，沿著這個地圖來構建一個個去采集填滿這些數據的小應用，從而構建自己的全域數據資產

三、所有的應用軟件都會被數據技術所賦能，成為數據驅動的智能應用四、人工智能應用于業務最重要的是場景創新能力和軟件工程能力