数字化转型的浪潮给企业带来的不止无限的机遇和挑战,也带来了呈指数级增长的数据量。如何有效的利用这些数据,成为了数字转型时代下企业制胜的关键。 埃森哲认为,企业应充分意识到数据的价值,致力于将数据“产品化”并加以最大程度的开发利用。与此同时,通过高质量的数据分析将流程透明化,以数据驱动关键业务决策。

伴随着企业数据体量迅速膨胀,企业需要打造以数据驱动的业务模式,第一步就是建立数据成熟度模型

区别于传统的“一次性”数据处理模式,埃森哲数据成熟度模型能使数据被多次利用,方便企业实时获取密切相关、切实可行的业务洞察,从而优化业务决策,助力企业成功开启数据产业化的转型之路。

数据即产品

在数字化生态系统中,数据和分析模型是企业的差异化竞争优势。企业务必明确业务目标,从而搭建可充分实现这些目标所需的数据和模型,以此优化交付流程,推动数据产业向其它维度的延伸。

某农用设备制造商将传统农业与智能设备相结合,把物联网传感器集成到农业设备中以收集数据,用于新型远程诊断、优化和预测性维护服务。该公司将战略重点从设备销售和相关维护服务转向了销售差异化的企业数据和模型,抓住了全新的数字化机遇,迅速成长为生态系统中的一员。

以数据为中心

产业化数据架构并非以应用为中心,而是以数据为中心。该架构的技术堆栈、机制和编排侧重于最大限度地提高企业数据的安全性和价值。它将宝贵的数据从特定应用程序中剥离出来,从而实现数据的重新利用。

某媒体和娱乐公司采用了产业化数据架构,按需将数据存储在成本效益最高的系统中,并根据地域情况管理互联网可用带宽的传输限制,从而满足了实时更新的需求,使得推荐个性化专有内容和第三方内容(评级、用户评论、来自其他平台的访谈和文章等)成为可能。

灵活性与敏捷性

全新的迭代方式为获取最优数据和模型提供了可能。它包括数据和模型生命周期以及快速迭代的DevOps流程,从而部署、优化和重新部署全新数据集和模型,为业务发展提供最有力的支持。

一家油气公司开发了一系列复合实时模型,将来自众多传感器的数据集成到预测模型,随后注入资产健康状况和性能模型,最终汇总数据用于描述运营状态。该自动化系统保证了模型的准确性,加快了模型开发及其规模化进程,在提高工厂运营效率的同时也方便了决策的制定。

信任透明化

监管和道德领域的产业化方法能够确保数据使用的透明度,助力企业赢得良好的市场声誉,成为备受信赖的数字化合作伙伴。

一款可供多家银行使用的协同反洗钱应用程序,不仅能够有效检测可疑活动,还分担了成本。该程序能够根据每家银行制定的规则追踪数据访问情况并进行相应操作,从而建立可信、透明的动态系统。

自助服务,全面优化

用户支持领域的产业化方法依赖于产品思维。产品思维使得数据和模型变得简单易用。利用数据为业务分析师、领域专家或运营工程师等“首要”用户提供深入洞察,将为企业带来最大效益。

油气公司利用互联网搜索技术,创建涵盖油气井和钻井工程师需要考虑的所有内容的知识模型,确保钻井工程师在钻井计划中能够根据数据做出更明智的决策。

关于作者

特丽莎•董(Teresa Tung)博士

埃森哲技术研究院应用智能创新主管,董事总经理


让-吕克•夏特兰(Jean-Luc Chatelain)

埃森哲应用智能CTO,董事总经理​


陈泽奇(Tzeh Chyi Chan)

埃森哲大中华区应用智能服务主管,董事总经理​

了解更多


自助服务,全面优化

数据和模型是企业成就卓越、领先市场的最宝贵资产

充分利用数据和模型资产可助力企业获取切实可行的真知灼见,以推动核心业务的发展,同时创建全新的以成果为导向的数字化商业模式,领新于当今市场。

埃森哲的数据成熟度模型为传统企业绘制了详细的路径,指导企业如何培育产业化能力并在数字化生态系统中抢占先机,在数据产业化之旅中实现更高程度的自动化快速交付,从而获得实现业务成果所需的最优数据和模型。

Subscription Center
订阅埃森哲相关新闻 订阅埃森哲相关新闻