1、打造數據驅動型企業實現數據產業化埃森哲技術研究院如今，數據無所不在。數據滲透了各個行業和企業，包括人們日常生活的方方面面。與此同時，數據體量也在迅速膨脹。隨著企業數字化的轉型浪潮呼嘯而來，無數新設備相互連接，為企業帶來呈指數級增長的數據量。通過對這些數據的分析，企業將獲得前所未有的深度洞察。由數據驅動業務已成為數字化轉型時代企業新的制勝法寶。怎樣的企業才是數據驅動的呢？首先，企業需要將數據視為企業資產，最大程度上利用數據的價值，根據數據的完整性、關聯性和質量劃分不同類別。其次，企業在進行關鍵業務決策時，要以數據為基礎，通過高質量的數據分析將流程透明化，而不是將各類信息簡單堆砌。簡而言之，就是將

2、數據及基于數據產生的分析結果“產品化”。舉例來說，醫療設備制造商可以打造全新醫療級數據服務以支持患者醫療決策，油氣公司可以借此提高工廠效率，媒體和娛樂公司可以根據結果為客戶提供個性化內容。無論是哪個行業，數據都將幫助企業取得卓越的業務成果。企業若想將數據轉化為產品，在考量其可行性的同時，還需要對分析模型進行不斷審核、評估和更新，確保能從中挖掘切實可行的業務洞察。企業不妨套用產品生命周期管理的方式：從構思、設計、制造、推出再到后續支持，企業需要考慮數據產品化的每一個環節。原有的局限于單個技術和應用程序的數據架構必須轉型為以業務成果為中心的數據架構。在新架構中，同一數據可以重復使用多次，為合作伙伴

3、生態系統、數據增強產品以及與用戶群體的多渠道互動提供支持?？偠灾?，產品數據化要求企業從戰略層面針對企業數據和模型產業化進行詳細規劃。數據即產品2 打造數據驅動型企業數據成熟度模型以往，數據都是“一次性”的，總是和特定的數據庫集合和格式綁定，如果要在原個案外調用這類數據，需要重復大量工作。埃森哲模型的最大特點就是讓這些數據多次利用，方便隨時掌握最佳可用數據，獲取密切相關、切實可行的業務洞察，從而優化業務決策。埃森哲數據成熟度模型能幫助企業成功開啟數據產業化的轉型之路。打造數據驅動型企業 30304深化階段擴展至生產領域。企業制定了明確的自動化數據產品開發方法，編制了結構完善的數據產品目錄，在整

4、個企業范圍內提供自助服務能力。企業將數據轉化為獨立的數字化資產，并將其拓展到互聯生態系統中。產業階段數據成為差異化要素。數據被視為“一等公民”，能夠優化業務成果。企業的競爭地位取決于其數據產品在數字化生態系統中的質量。數據成熟度模型涵蓋了戰略和治理、架構、開發、監管和道德以及用戶支持等各維度的五大階段。數據成熟度模型包括五大階段，涵蓋從最初的臨時數據使用到全面產業化方法的各個環節：000102原始階段在數據成熟度的原始階段，數據相對割裂。企業缺乏數據產品化的思維，沒有真正重視數據的作用。數據依附特定的應用程序，由于缺乏數據戰略、架構、交付或風險管理，很難實現內部數據共享。起步階段處于這個階段的

5、企業已經意識到數據作為資產的價值，并開始將數據從特定應用程序中剝離出來，并制定相應的業務愿景和數據戰略，形成“數據產品化”的思維模式。戰略階段企業已經有的放矢地通過工具、模板和方法的標準化，以數據為驅動，提升企業績效，為構建數據型業務奠定堅實基礎。4 打造數據驅動型企業埃森哲數據成熟度模型原始階段戰略和治理產業階段愿景合作伙伴生態系統跨組治理成功指標關鍵用例利益相關者產品路線圖和產品發布定義、 政策與合規目錄以成果為中心的自動化數據業務宣傳推廣和人才招聘庫存數據資產合理化標準化方法法務審查和盤存靜態門戶訂閱流程報告與整合自助服務平臺自動化用法監控和主動更新系統社區管理發掘業務和運營模式規范性信

6、息披露條款道德準則供應鏈透明化合規治理定期審計自動化風險監管與合規性標準化開發工具標準化設計質量保證和審查產業化生命周期管理數據剖析和數據質量數據管道自動化測試自動建?；谀Ｐ瓦M行開發整體拱形設計安全和權利合理的平臺和指南跨生態系統跨地域管理計量與貨幣化自配置后端自動化SLA建模與管理架構開發監管和道德用戶支持數據即產品以數據為中心， 保護數據安全靈活敏捷備受信任，透明至真自助服務，全面優化深化階段戰略階段起步階段打造數據驅動型企業 5將數據視為產品戰略和治理成熟的數據戰略能夠清楚地認識到，在數字化生態系統中，數據和分析模型才是企業的差異化競爭優勢。因此，數據戰略必須確定企業的業務目標（比如擴

7、大客戶群體和提供個性化推薦等）并概述如何獲取充分實現這些目標所需的數據和模型。采用該戰略能夠優化交付流程，推動數據產業化之旅的其他維度的進展。6 打造數據驅動型企業03深化階段制定路線圖（包括后續發布周期）并打造更為廣泛的合作伙伴生態系統，提升“數據即服務”解決方案的規模效應。產業階段在全面成熟階段，企業會將其數據和模型作為產品并進行銷售，同時進軍數字化生態系統中的相關數據產品。040102起步階段以產品為中心，利用數據和模型推動實現業務成果。針對每項數據行動，尋找擁有共同愿景、戰略和目標的商業和技術合作伙伴。戰略階段在關鍵用例中運用“數據即產品”理念，同時探索如何獲取合理的數據和模型以實現預

8、期業務成果。設立具有指導性的衡量標準，組建專門的數據委員會來監督戰略的制定和發布。制定數據政策和合規要求。在戰略和治理領域，上述數據成熟度模型各階段需要采取的具體行動如下：某農用設備制造商的戰略重點從設備銷售和相關維護服務轉向銷售差異化的企業數據和模型。制造商將物聯網傳感器集成到農業設備中以收集數據，用于新型遠程診斷、優化和預測性維護服務。該公司采用產品思維，抓住了全新的數字化機遇。該公司將智能農業設備檢測到的耕地情況以及農民的傳統方法結合起來，提供關于土壤、種植情況和設備等關鍵因素的信息服務。該公司迅速成長為生態系統中的一員，致力于盡可能提高農業生產力，與期貨市場、化學品公司、保險公司和其他

9、公司合作，轉型成為數字化產品（農業市場洞察信息）提供商。從農用設備銷售到農業洞察服務打造數據驅動型企業 7產業化數據架構以數據為中心，而非以應用為中心。該架構的技術堆棧、機制和編排側重于最大限度地提高企業數據的安全性和價值。它將寶貴的數據從特定應用程序中剝離出來，從而實現數據的重新利用：無論是企業還是更廣泛的合作伙伴生態系統均能輕松使用這些數據。架構從以應用為中心到以數據為中心0304深化階段制定能夠適當調整數據管理和數據保護級別的通用方法，無論數據位于云或本地數據中心。根據服務使用頻率和服務質量扣費。能夠自動配置并擴展機制。產業階段企業架構以數據為中心，保護數據安全。該架構不僅能夠發布數據，

10、還能夠輕松靈活地利用第三方的數據和模型，從而為跨生態系統數據業務提供支持。0102起步階段列出現有數據和模型資產以及后端系統的清單。提供合理的服務，構成未來企業級數據產品的一部分。戰略階段實現整體標準化架構。評估最佳實踐和技術堆棧，以提高成本效益、性能、可擴展性和安全性。制定通用的可配置/定制化數據接入和使用方法。某媒體和娛樂公司按照類型、演員、導演、語言或其他因素為訂閱者提供定制化內容，從而提高自身的競爭力。要實現這個目標，該公司必須存儲并處理海量數據，其中大部分數據由其他機構提供（例如字幕或其他本地經銷商徽標）。 該公司采用了產業化數據架構，可以按需將數據存儲在成本效益最高的系統中，并根據

11、地域情況管理互聯網可用帶寬的傳輸限制。該架構還能夠滿足實時更新的需求，例如，當出現體育比賽超時等不可預估的情況時，節目單會同步更新。數據進行了規范化處理并轉換為常用方案對象，例如為英語電影提供西班牙語版本或其續集的鏈接。由此可見，標準化的企業數據資產可重復使用且易于查找，使得推薦個性化專有內容和第三方內容（評級、用戶評論、來自其他平臺的訪談和文章等）成為可能。以數據為中心的架構確保該公司能夠輕松使用他人數據并進行自定義設置，從而為訂閱者提供全新的增強型產品。媒體和娛樂內容管理的市場競爭8 打造數據驅動型企業開發產業化開發流程十分靈活敏捷，能夠在快速發展的市場中精簡創新流程，以數據為基礎，打造卓

12、越業務成果。如需獲得最佳數據和模型，我們需要制定全新的迭代方法，包括數據和模型生命周期以及快速迭代的DevOps流程，從而部署、優化和重新部署全新數據集和模型，為業務發展提供最有力的支持。追求靈活和敏捷打造數據驅動型企業 9深化階段落實數據產品的DevOps流程，該流程采用了數據和模型生命周期管理框架、可配置的數據管道以及自動化測試和發布周期，通過持續監測確保數據質量和模型健康狀況良好，并利用治理和審計功能進行驗證和閉路反饋。產業階段利用配置和基于模型的自動化流程來創建、測試并部署個性化數據產品，為企業中的“公民用戶”提供支持。自動進行“冠軍挑戰者”分析模型比較，擴大培訓和再培訓實驗規模，從而

13、改進最終結果。030401 02起步階段為數據和模型的開發、測試、部署和生產制定標準的方法、代碼模板和用例。戰略階段隨著更多數據和模型產品的開發，公司在架構組件、開發工具、文檔和質量保證方面制定并實施了正式標準，以確保數據發布和消耗流程與業務愿景保持一致。為了提高工廠運營效率，一家油氣公司開發了一系列復合實時模型，將來自眾多傳感器的數據集成到預測模型，隨后注入資產健康狀況和性能模型，最終匯總數據用于描述運營狀態，以便于決策。這些模型由跨組織的企業負責人、數據科學家和領域專家負責創建、管理并維護。每種復雜模型管道在工廠中均部署了數千條，隨著時間的推移，一些管道必然需要返工、再培訓和特征工程。該公

14、司采用了針對特定模型的DevOps流程，以實現開發部署監控周期的產業階段該公司從一開始就考慮到了模型失敗的情況，要求數據科學家確定數據質量標準以及準確度和精度評估，從而自動監控運行的模型，如有必要，還會重新訓練模型或停止部署該模型。業務成果：工廠采用了自動化系統以保證模型準確性，同時加快模型開發及其規?；M程，確保按規定更新工廠的運營流程。大規模模型開發管理，提升工廠運營10 打造數據驅動型企業監管和道德領域的產業化方法能夠確保數據使用的透明度，助力企業贏得良好的市場聲譽，成為備受信賴的數字化合作伙伴。制定合理的道德準則，以盡可能消除風險、實現審計流程規范化并利用區塊鏈等新技術，確保所有數據利

15、益相關者行為的合規性和透明度。監管和道德信任源于透明度打造數據驅動型企業 11參考如下，多家銀行能夠使用同一款協同反洗錢應用程序，從而分擔成本，更好地檢測可疑活動。在開發該應用程序時，保證信任和數據透明度是重中之重，必須確保每家銀行都能夠監控并控制數據使用情況。除了其法律協議規定的情況外，每家銀行還可以編制程序，追蹤數據及其在整個數據供應鏈中的使用情況。銀行還能夠控制自己采用的模型，無論是應用程序和其他銀行推薦的共享模型，還是自己的私有模型。最終，各大銀行將共同創建可信、透明的動態系統，能夠根據每家銀行制定的規則追蹤數據訪問情況并進行相應操作。數據共享鑒別金融舞弊深化階段利用數據供應鏈中的通用

16、元數據模型，維護數據的單一邏輯視圖。記錄所有數據行為，確保數據管理員能夠查看相關變更。確保AI模型的透明度和可解釋性。評估對數據進行的操作是否符合使用標準。開展定期審計，以評估安全狀況以及風險控制和監控情況。產業階段根據程序設置，自動化監控會遵循監管和合規要求，同時主動識別企業面臨的道德風險并自動標記，便于進行人工審查。整個價值鏈各個環節的數據使用情況均完全透明。030401 02起步階段列出適用于數據服務的法律和監管規則清單。戰略階段創建相應機制，確保數據所有者和數據當事人均知情并同意。制定行為準則以及相關政策和程序，以確保數據服務始終值得信賴。12 打造數據驅動型企業用戶支持自助服務， 全

17、面優化用戶支持領域的產業化方法依賴于產品思維。產品思維使得數據和模型變得簡單易用。這一產業化方法能夠將自助服務能力拓展到整個企業，而不是僅限于數據專家）；這一自助服務十分簡單易用，同時還支持閉環優化。我們的愿景是：利用數據為業務分析師、領域專家或運營工程師等“首要”用戶提供深入洞察，為企業帶來最大效益。打造數據驅動型企業 13如今，油氣井的流程設計主要由專家主導。鉆井工程師會根據個人經驗選擇鉆井地點和鉆井方法。即使是用于撰寫井位偏移報告的數據通常也是基于特定工程師的經驗，并根據地域進行大致篩選，該報告會將井位與以前的設計進行對比。如果在這個專家主導的流程中添加工程師無法直接獲得的海量數據，就能

18、夠創造大量價值，前提是找到簡單的數據查找和處理方法?；ヂ摼W搜索就是一個寶貴的例證?；ヂ摼W能夠自動為內容編制索引、提取內容并以上下文的形式呈現（換句話說，當搜索公司、個人或藝術作品時，搜索結果會有所不同），內容的相關性很高，可以輕松訪問。油氣公司可以利用同樣的技術，創建涵蓋油氣井和鉆井工程師需要考慮的所有內容的知識模型。隨后，該公司可以使用自動化技術從企業數據中獲取洞察，提供類似于互聯網的搜索功能，確保鉆井工程師在鉆井計劃中能夠根據數據做出更明智的決策?；ヂ摼W+油氣井規劃，實現數據快速檢索深化階段制定路線圖（包括后續發布周期）并打造更為廣泛的合作伙伴生態系統，實現“數據即服務”解決方案的規?；?。

19、產業階段在整個企業內實現基于洞察的規范性行動。如有必要，所有用戶均可獲得成熟、優化和情境化的數據/洞察服務，以及知識圖、AI交互和其他技術創新等支持。030401 02起步階段為用戶設置靜態門戶，用于發現并訪問企業數據，并與團隊進行交流。戰略階段積極支持開發數據新用例，推動創新發展。計算規范化的成本效益衡量標準，同時采用企業級工具，以滿足規定的報告需求。14 打造數據驅動型企業當今世界，企業數據體量迅速擴張，潛在數據用例也呈現指數級增長，若想在全新的數字化時代中站穩腳跟，企業必須牢牢掌握數據和模型的產業化方法。在全球領先的數字原生代和數據驅動型企業中，數據和模型已經穩坐“一等公民”的交椅，它們

20、是企業打造與眾不同的產品，在市場競爭中脫穎而出的最寶貴資產。埃森哲的數據成熟度模型為傳統企業繪制了詳細的路徑，指導企業如何培育產業化能力并在數字化生態系統中搶占先機。數據產業化之旅實現了更高程度的自動化快速交付，從而獲得了實現業務成果所需的最佳數據和模型。產業化可助力企業充分利用其數據和模型資產，并獲取切實可行的真知灼見以推動核心業務的發展，同時創建全新的以成果為導向的數字化商業模式，順利邁向新發展。由此，原先依賴于特定產品或服務的企業能夠轉型成為強大的數據驅動型企業。若想打造面向未來的數據驅動型企業，關鍵在于腳踏實地，步步為營，全面邁向數據產業化之旅。產業化數據打造數據驅動型企業 15Liv

21、e-immersive banking reimagines the bank branchA new Live-immersive banking for real estate application, developed through a partnership between SAP Co-innovation Lab and a global bank, could bring fresh innovation to the bank branch.15 Writer Susan Galer took the app for a test-drive, citing the exp

22、erience as “mesmerizing example of AR that could turn banks into real estate brokers and customers into people who cant wait to visit their local branch.”16 In a high-end, 3-D, computer-generated environment at their local banking branch, future home buyers could be immersed in an extended reality e

23、xperience for home buying. A customer would wear a head-mounted device and use gestures to easily search for specific properties by size and location, soaring above aerial views of the entire neighborhood, and lifting the roof from each building to “walk through” the homes. The experience would incl

24、ude a complete virtual tour of floor plans for property (data provided by builders and architectural firms in partnership with the bank) thats under construction or located in another country. The bank could qualify the potential buyer then and there, and possibly assist with the home purchase. Afte

25、r purchase, the bank could also provide insurance, relocation and home furnishing servicesextending the bank into all aspects of the home buying process.關于埃森哲 埃森哲公司注冊成立于愛爾蘭，是一家全球領先的專業服務公司，為客戶提供戰略、咨詢、數字、技術和運營服務及解決方案。我們立足商業與技術的前沿，業務涵蓋40多個行業，以及企業日常運營部門的各個職能。憑借獨特的業內經驗與專業技能，以及翹楚全球的交付網絡，我們幫助客戶提升績效，并為利益相關方

26、持續創造價值。埃森哲是財富全球500強企業之一，目前擁有約44.2萬名員工，服務于120多個國家的客戶。我們致力驅動創新，從而改善人們工作和生活的方式。埃森哲在大中華區開展業務30年，擁有一支約1.5萬人的員工隊伍，分布于多個城市，包括北京、上海、大連、成都、廣州、深圳、香港和臺北。作為可信賴的數字化轉型卓越伙伴，我們正在更創新地參與商業和技術生態圈的建設，幫助中國企業和政府把握數字化力量，通過制定戰略、優化流程、集成系統、部署云計算等實現轉型，提升全球競爭力，從而立足中國、贏在全球。詳細信息，敬請訪問埃森哲公司主頁以及埃森哲大中華區主頁。關于埃森哲技術研究院 埃森哲技術研究院致力于為廣大企業

27、、市場及埃森哲自身開創未來。通過聚焦利用先進技術解決關鍵業務問題，埃森哲技術研究院將全新洞見和創新成果帶給客戶，助其駕馭技術、商業和社會的重大變革。我們由技術和研究人員組成的專門團隊與企業領導者精誠合作，投資、孵化并交付突破性的創意及解決方案，幫助客戶創建新的業務動力引擎。埃森哲技術研究院全球共有7所，分別設在：美國加州硅谷和弗吉尼亞州阿靈頓、法國索菲亞-安提波利斯、中國北京、印度班加羅爾、以色列海爾茲利亞和愛爾蘭都柏林。聯系人特麗莎董 （Teresa Tung） 博士 埃森哲技術研究院應用智能創新主管， 董事總經理讓-呂克夏特蘭 （Jean-Luc Chatelain） 埃森哲應用智能CTO

28、， 董事總經理特別感謝侯方 （Fang Hou）The views and opinions expressed in this document are meant to stimulate thought and discussion. As each business has unique requirements and objectives, these ideas should not be viewed as professional advice with respect to your business.陳澤奇 （Tzeh Chyi Chan）埃森哲大中華區應用智能服務主管，董事總經理