取消
搜索历史
热搜词
原创
活动
产业创新
转型理念
ENI专访
当前位置:首页 >文章发布 > 正文
共享CIO陈红:数据资产积累及数据管理存在的问题
来源:ENI  作者: 陈红 2021-03-23 13:06:57
各地两会也释放出加快数字化转型的新信号。作为企业数字化转型的根基,数据的重要性不言而渝,被称为企业的核心资产之一。数据基数及质量等也成为企业数字化成功与否的关键因素。

在刚刚闭幕的“两会”上,工业互联网、数字化转型等词的热度进一步提升。各地两会也释放出加快数字化转型的新信号。作为企业数字化转型的根基,数据的重要性不言而渝,被称为企业的核心资产之一。数据基数及质量等也成为企业数字化成功与否的关键因素。

那么,数据资产跟其他资产有何不同,在以往的企业数据管理中存在哪些问题,如何进行数据管理。在“数据&数字化”线上系统对话中,共享CIO陈红,结合多年来于家电、家具、珠宝、环保、教育、医疗等不同行业的数字化经验积累,就数据管理存在的问题、数据管理及治理的方法等进行了深入的分享。本文为第一节。

数据资产只有与算法结合才能产生价值

数据资产与其他资产的不同,从底层逻辑归纳了四点:

一、数据资产易于透明共享。我非常赞同一位老师的观点,企业管理普遍存在一个“不对称”痛点,即信息不对称、能力不对称、价值观不对称。相比于实物资产,数据天生就有透明共享的特性,只是控制好数据安全和权限即可。例如客户有问题,相关部门立即同步知晓。再比如新品发布或产品升级,所有营销机构,包括门店,也是第一时间同步获取。

二、数据资产易于传播,跟实物资产不一样,数据可以秒级传遍全球。我们打开手机,能看到某个大山深处特产营销的直播,也能看到来自全世界最新的新闻报道。

三、数据资产易于传承,实物资产都有寿命,长短不同而已,数据资产只要存储得当,理论上无限存在。比如CRM系统,不管销售人员更替多少次,新人都能从系统中了解到客户本身的详细信息、以前交流的详细信息、问题的详细信息、交易的详细信息等。再比如知识库,所有的知识(设计、问题、方案、协议、检测、调试、其他资料等)永久保存,同时还有版本控制。

四、数据资产易于复制,这也是不同于实物资产的典型特质,大家都知道文件的复制,但系统的复制对企业更有价值,比如ERP系统,不需要从头开始开发,只要购买一套成熟的系统实施即可。网上商城目前也有成熟的平台,可采用SaaS模式,也可私有化部署,企业可以快速开通电商业务。再比如MES或门店管理,如果增加新工厂,或增加新门店,一般在系统中扩展配置即可,不需要从新实施。

数据资产的价值,对企业来说分为内部价值和外部价值。数据本身没有价值或价值很小,只有结合算法才能体现出价值,因此数据资产的核心是算法。

ERP中的数据很多,主数据、三大订单、应收应付总账等,但真正的价值在MRP运算和成本核算。互联网中数据量很大,首先要有数据清洗的算法,其次要有标签的算法,最后再有推送的算法。大家都喜欢看头条,很重要的一个原因就是,它总是总能推送一些你感兴趣的话题。

比如,零售企业发布了线上推广软文,就可以抓取到哪些人打开过,看了哪些内容,看了多长时间,哪些人是会员,哪些人是非会员,如果及时把这些信息通过算法梳理出来交给导购,针对不同的情况采取不同的打法,针对成交用户,还可以进一步自动推送同系列的产品软文,这就是精准营销的价值。

制造企业拥有大量生产过程数据,通过建立数学模型实现自动化、智能化,APS运算实现智能排产,实际产能推算出设备的运维保养期,全链路的质检数据整合和控制以提升产品质量等等。

如何积累数据资产

首先要搜集数据,一定要围绕核心业务的核心痛点搜集数据,例如一家陶瓷膜生产企业,国内同行不多,生产过程要求很高,如何提升陶瓷膜的质量是难点,在建新工厂时,从泥料开始一直最后成品,每道工序都有数据自动采集,特别地,在每根膜管上都有二维码,因此可以质量追溯到每根膜管,通过大量项目现场的应用数据和详细的生产数据,可以推算出是泥料问题、是流转模具问题、还是烘干问题等,只有找到问题的具体根源,才能进一步改进提升(设计、原料、工艺、设备、人员等)。当然数据收集都有成本,不能不管三七二十一,什么数据都搜集,要根据具体情况具体分析,有时在过程中,也要适当调整采集点、采集频次、或采集方法。

其次是算法,算法就是数学模型,尽量购买成熟的算法,如ERP系统、MES系统、CRM系统、大数据算法、AI算法等。特殊情况下,需要自建算法时,不能一味求全求快,要有逐步迭代的过程,甚至要有试错的思想准备。

企业数据管理存在的问题

数据处理这一块,一般情况下常见的几个问题:

数据不在线,很多数据没有采集,没有进系统。大部分企业都有ERP系统,因此三大订单(销售订单、采购订单、生产订单)、存货、和财务数据都有了,但在数字化转型的今天,这些数据远远还不够,远远不能满足日益提升的管理需求,比如零售企业没有足够的用户数据,尤其是快消品行业,不知道自己的客户画像,即不知道购买产品的是什么样的人,年龄层次、文化层次、性别、区域、渠道、购买时间等等,但如果有新零售系统,就能采集到这些数据,分析结果可以供市场精准推广、供营销分析得失、供研发有的放矢。再比如制造企业没有足够的生产过程管控数据,就无法有效保证交期,无法控制质量和成本,无法实现智能制造

数据不集成,通常讲信息孤岛,系统与系统之间没有打通。同一数据多个源头,数据定义不明确,甚至数据编码不统一,即使数据再多,也无法有效地进行分析,甚至系统之间的数据相互矛盾。此外,数据不集成也增加很多重复的手工劳动,而系统之间的数据传输本该系统自动完成,一旦有差异,会自动报警,而人工处理难免差错,这也是导致系统间数据相互矛盾的主要原因之一。

数据不利用,有很多企业积累了大量的数据,但是数据分析不够,只做了基础的业务分析报表。对数据要有挖掘利用能力,全员推行数据说话的文化,不但能从数据中找到亮点和不足,还能从数据中找到机会,甚至通过数据赋能业务。比如某家具企业,基于大量的历史数据和人工经验,建立了包装规划模型,不管什么家具,不管什么形状,不管大小,通过模型就知道这套家具一共几包,每包里有哪几块板件。

再比如某酒企,生产原浆酒的工序以前完全依赖工人的经验,后来增加了大量的传感器、控制器、机器人,实现原浆酒生产智能化,自动添加酒糟,自动识别原浆酒的级别,不但稳定了原浆酒的质量,同时还扩大了产能。

数据不安全,我经常比喻建大楼必须要有消防系统,实际上数据安全跟消防安全很类似,大楼失火的概率很小,但一旦失火除了社会影响,对企业来说往往是无法承受之痛,企业的数据安全也是一样,要么不出问题,一旦出问题就是大问题。但建大楼的时候,国家强制要有消防系统的验收才行,而企业的数据安全没有强制规定,只是上市公司有IT审计稍微好点。

编辑:yunyun
关键字: 数据管理  数字经济  陈红  CIO 
活动 直播间  | CIO智行社

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。