? ?最近有人問了一個很好的問題：

“我們企業(yè)已經(jīng)從0到1建立了數(shù)據(jù)倉庫，應(yīng)該怎么樣才能更好地做好整個數(shù)據(jù)產(chǎn)品從0到1的規(guī)劃和工作呢？”

“現(xiàn)在日常的主要工作是報表、提數(shù)和數(shù)據(jù)稽核工作，我這邊的初步想法是從業(yè)務(wù)的真實(shí)情況入手去找?guī)讉€業(yè)務(wù)場景做數(shù)據(jù)分析，進(jìn)而得出一些有用的數(shù)據(jù)分析結(jié)果給業(yè)務(wù)部門做參考，進(jìn)而引導(dǎo)他們用數(shù)據(jù)思維驅(qū)動業(yè)務(wù)，最后再來考慮數(shù)據(jù)產(chǎn)品這塊的實(shí)現(xiàn)！”

我推測這是一家傳統(tǒng)企業(yè)，跟很多企業(yè)的大數(shù)據(jù)發(fā)展路徑類似，他們首先建設(shè)了數(shù)據(jù)倉庫，然后有了BI報表，然后是各種取數(shù)，最后發(fā)現(xiàn)僅靠報表取數(shù)無法更好的體現(xiàn)數(shù)據(jù)的價值，因此希望能更好的實(shí)現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)，但公司的業(yè)務(wù)人員似乎還沒有這方面的意識。

FineReport做的報表

的確，報表取數(shù)之后，大數(shù)據(jù)對內(nèi)應(yīng)用之路該如何走對于任何一個企業(yè)都是巨大挑戰(zhàn)，怎么辦？

首先，當(dāng)然是尋找最佳實(shí)踐，但對于大數(shù)據(jù)應(yīng)用很難。

有些企業(yè)會特別強(qiáng)調(diào)技術(shù)，認(rèn)為有了大數(shù)據(jù)技術(shù)就有了各種可能，比如hadoop、MPP、流處理、PaaS等等，但顯然技術(shù)知識手段，跟大數(shù)據(jù)應(yīng)用水平的高低沒有必然的關(guān)系。

有些企業(yè)會特別強(qiáng)調(diào)治理，認(rèn)為大數(shù)據(jù)只有治理好了，才能真正的理解企業(yè)的數(shù)據(jù)，從而發(fā)揮出數(shù)據(jù)的最高效用，但數(shù)據(jù)治理很好并不意味著應(yīng)用就能做的很好，它只是一個前提條件。

我們要尋找的是對內(nèi)應(yīng)用的最佳實(shí)踐，不是技術(shù)、治理或變現(xiàn)，而這個難度顯然高的多。

那么，到底哪個行業(yè)的大數(shù)據(jù)應(yīng)用水平比較高，哪些企業(yè)的實(shí)踐和經(jīng)驗(yàn)值得借鑒呢？其實(shí)沒有一個統(tǒng)一的標(biāo)準(zhǔn)。

怎么判斷兄弟公司的大數(shù)據(jù)應(yīng)用水平高呢？你現(xiàn)在去問它，也許只給你看個PPT。

最后的辦法也許只能解決大數(shù)據(jù)底層基礎(chǔ)設(shè)施的問題，但對于大數(shù)據(jù)應(yīng)用基本無能為力，即使是數(shù)據(jù)中臺也是如此，這是由大數(shù)據(jù)的行業(yè)特性決定的。

其次，決策支持似乎是一個機(jī)會，但時機(jī)未到。

希望去做數(shù)據(jù)分析給業(yè)務(wù)部門做參考，這當(dāng)然是大數(shù)據(jù)應(yīng)用的一個方向，但在大多數(shù)傳統(tǒng)企業(yè)，如果企業(yè)沒有賦予IT部門數(shù)據(jù)分析的職能，你所做的數(shù)據(jù)分析最多是個亮點(diǎn)，成為不了大數(shù)據(jù)應(yīng)用的基本面。

因?yàn)閿?shù)據(jù)分析當(dāng)前主要是為老板的決策提供支持，非數(shù)據(jù)的因素非常多，而且IT部門在業(yè)務(wù)理解、落地執(zhí)行、機(jī)制流程上都沒有優(yōu)勢，IT去做這個事情大多數(shù)時候其實(shí)是事倍功半。

IT部門提供報表和數(shù)據(jù)，業(yè)務(wù)部門去做數(shù)據(jù)分析的這種合作模式其實(shí)是比較合理的，IT部門最多在數(shù)據(jù)提供的自動化水平上下下功夫，這也是當(dāng)前數(shù)據(jù)中臺建設(shè)的一個重點(diǎn)，可惜數(shù)據(jù)中臺不是應(yīng)用。

而各種BI應(yīng)該在決策支持上發(fā)揮的作用始終脫離不了報表的本質(zhì)，這是由企業(yè)的決策模式和人工智能的局限決定的。

在決策支持上，大數(shù)據(jù)當(dāng)前的主要作用還是提供準(zhǔn)確的數(shù)據(jù)，大數(shù)據(jù)決策支持應(yīng)用的繁榮有賴于企業(yè)數(shù)字化管理水平的提升和業(yè)務(wù)人員自身的覺醒，IT人員其實(shí)很難幫到忙。

最后，從性價比的角度看，為一線賦能最有可能。

既然當(dāng)前階段大數(shù)據(jù)在決策支持上的應(yīng)用出路很窄，我們可以嘗試反著走，到一線去尋找大數(shù)據(jù)應(yīng)用的機(jī)會。

你會發(fā)現(xiàn)，在大多數(shù)企業(yè)內(nèi)部，一線人員主要還依靠經(jīng)驗(yàn)，這是一塊尚未開墾的荒地，無論從可提升的空間、服務(wù)的數(shù)量及使用的場景看，性價比都很高。

就拿擺攤來說吧，在哪里擺攤，何時擺攤，目標(biāo)用戶是誰，銷售什么，都有賴于大數(shù)據(jù)的智能分析，否則，一線人員就失去了市場的“眼睛”和“腦袋”，而這種貼近一線的大數(shù)據(jù)應(yīng)用并不多。

即使如互聯(lián)網(wǎng)公司，他們的大數(shù)據(jù)應(yīng)用大多也是從賦能一線人員開始的。

但考慮到一線的應(yīng)用是不分專業(yè)的，既有數(shù)據(jù)需求也有功能需求，而當(dāng)前大多數(shù)企業(yè)實(shí)現(xiàn)這兩類需求的部門往往分屬不同的專業(yè)組織，要對一線賦能大數(shù)據(jù)就得主動往前一步，這個極具挑戰(zhàn)性。因?yàn)樵诂F(xiàn)階段，大多數(shù)IT專業(yè)組織跟業(yè)務(wù)人員一樣，還沒有數(shù)據(jù)驅(qū)動業(yè)務(wù)的意識。

經(jīng)過以上分析，也許我們也找到了當(dāng)前階段評判企業(yè)大數(shù)據(jù)應(yīng)用水平高低的方法，即直接去看看企業(yè)一線人員使用的工具或產(chǎn)品，大數(shù)據(jù)的能力是否已經(jīng)內(nèi)嵌在這些工具或產(chǎn)品內(nèi)部，是否這些工具已經(jīng)規(guī)?；臐B透到了企業(yè)的生產(chǎn)流程中，如果答案是YES，那的確可以去學(xué)習(xí)一下。

這可比大多數(shù)的“最佳實(shí)踐”靠譜多了。