從移動網絡到5G時代，企業(yè)欠缺的再也不是數據，而是一套符合商業(yè)目標的大數據策略，實現(xiàn)數據變現(xiàn)。數據，終將成為企業(yè)的核心資產。但是要落實以數據為核心的改變、讓數據發(fā)揮策略性的價值，在實際運作上還有許多環(huán)節(jié)要打通。
?
企業(yè)建立以數據驅動為核心的智能商業(yè)模式，包括：如何從工作流中尋找數據化的切入點、如何設定數據收集策略與數據流通策略，已成為重要致勝關鍵。
數據像電力一樣不可或缺
?
而隨著計算與儲存能力的增強，數據資源的供應將如同電力一樣不可或缺，為企業(yè)提供源源不斷的優(yōu)化能力。既然是核心資源，數據資產的營運就變得日益重要，對建立在數據基礎上的互聯(lián)網公司來說更是如此。盤點這些資源并不簡單，我在阿里工作時共做過三次，并歸納了一些經驗：
?
1. 什么樣的數據用量大、覆蓋率高？—具公共屬性的數據。
2. 什么樣的數據稀缺、但重要？—具戰(zhàn)略性的數據。
3. 重要數據不可再生，因此必須備份的數據。
4. 數據資源用完可以再用，因為復制成本極低。
5. 大數據的關聯(lián)特性，使得數據權屬的邊界變得越來越模糊。
?
幾次的資產盤點讓我認識到，數據的盤點與實物不一樣，數據可以無限衍生，而且，多并不代表有用。
?
對傳統(tǒng)產業(yè)來說，擁有數據資源，將使企業(yè)擁有創(chuàng)新的可能性，并降低被淘汰的可能性，可以更好地適應高速變化的市場環(huán)境和用戶需求，從而更具競爭力?？上У氖?，傳統(tǒng)產業(yè)往往在信息化和數字化建設方面存在缺失，彌補短處是當務之急，當然，這急切性往往與公司的經營方向相關。
?
無論是新興產業(yè)還是傳統(tǒng)產業(yè)，選擇人工智能與大數據的切入點，場景尤為重要。在執(zhí)行智能項目時，必須考慮數據是否足以成為解決問題的要素，同時，場景的業(yè)務邏輯穩(wěn)定性相當重要。
?
數據讓企業(yè)實現(xiàn)商業(yè)價值
?
數據作為資產，能夠幫助企業(yè)更有效地進攻及防守。有效地創(chuàng)建、生產智能工具及產品，強化顧客關系，預測顧客的消費習慣趨勢及流失，靠近并滿足消費者的需求。用大數據做營銷，已經是許多企業(yè)的常規(guī)性營銷手段，也就是利用數據加強對顧客的獲取、活躍、保留等服務能力。
?
在互聯(lián)網領域，數據的規(guī)模、活躍程度以及收集、運用數據的能力，已經成為企業(yè)的核心競爭力之一。要深入洞悉市場、快速精準地找出應對策略時，數據已經成為企業(yè)實現(xiàn)更大商業(yè)價值的最強驅動力。當然，數據作為一種企業(yè)資產，需要與其他資產，如人力資源、硬件等相互組合，才能發(fā)揮出最大的價值。
?
大數據是來自多源異構的數據，“亂”是其特性，為避免出現(xiàn)無用輸入、無用輸出（garbage in, garbage out）的問題，在使用數據之前，需要對數據資產進行加工，從而帶來了“數據治理”這一重要課題。
?
大量、來源廣泛的數據，看起來往往是一團亂麻，我還記得，2013年時，我當時的老板淘寶網總裁三豐就跟我說過：“我們不能總坐金山吃饅頭?！逼髽I(yè)采集和儲存PB（千兆位元組）級別數據的成本卻是分文不少，而且有越演越烈的趨勢。一方面要治理數據資產，同時也要證明數據有大價值。
?
今天，數據的價值其實已無須再多言。開發(fā)阿爾法狗而一舉成名的團隊被收購后，成功地幫助谷歌數據中心的冷卻系統(tǒng)節(jié)約用電40%，未來幾年還將會幫助谷歌省下數億美元支出，而據說，該項目僅有五、六個團隊成員。
?
難怪《人類大命運》（Homo Deus）的作者哈拉瑞（Yuval Noah Harari）認為，我們將會進入一個無機智能（inorganic intelligence）的世界，未來，我們可能受演算法主宰。當機器具備深度學習的能力之后，人工智能的定義有可能被改寫，人類的感知和普世價值也會改變，商業(yè)元素也將會發(fā)生巨變。就如我在《大數據的關鍵思考》一書中所說：未來，人與人之間的差別，拼的是他可使用的數據量和演算法。
?
企業(yè)「養(yǎng)」數據的六大要點
?
人工智能因大數據而重生，但制約人工智能在各領域實現(xiàn)更廣泛應用的，并不是演算法不夠先進，而是缺乏高品質的數據。若想開發(fā)最先進的機器學習技術，能否獲得高品質的訓練數據極為關鍵，如何啟動是大部分企業(yè)的一個難題。
?
對于從事機器學習研究的初創(chuàng)公司來說，起步時數據十分有限，難以建立起高品質的大數據資源。甚至有些企業(yè)在聘請數據科學團隊、購置昂貴的設備之后，才知道還未制訂“養(yǎng)數據”的策略。
?
數據來源的選擇必定與商業(yè)模式相關，我的經驗是，從小問題入手，弄清楚問題的本質，往往是選擇數據和演算法的前提。每家公司的數據獲取策略不盡相同，但回想這么多年我在阿里也算面對了不少類似的困難，拋磚引玉與大家分享幾點：
?
1. 要從零開始創(chuàng)建好的專有數據集。
幾乎永遠意味著，要預先投入大量人力收集數據。但更痛苦的是，在業(yè)務變化的同時，數據結構也需要時時更新，正如前輩所說：“數據集成的同時已經在斷裂?！?/p>
?
2. 即使表面上擁有很多數據，但在運用機器學習時，仍會發(fā)現(xiàn)數據量不足。
你需要的數據量與你試圖解決的問題緊密相關。
?
3. 數據的收集、處理、運用，短期來說肯定是越貼近業(yè)務越有效率。
從長遠看并不利于數據的標準化及重復使用，將導致開發(fā)周期變得漫長。我的經驗是，起點可以從最小化應用做閉環(huán)，基于眾多應用做長線規(guī)劃。
?
4. 確保早期創(chuàng)造的應用有足夠的吸引力，讓業(yè)務方及使用者甘愿交出他們的數據。
讓大數據落地，除了關乎技術問題，亦系于業(yè)務方及個人的意愿是否足夠，只有互利互惠，才有長久合作。
?
5. 在大范圍使用大數據之前，必須嚴肅地面對數據的標準和品質問題，否則后果堪憂。
數據驅動型企業(yè)必須明白，數據品質是全部員工的責任，并不僅僅是技術問題。
?
6. 大數據安全是一個命門，數據越多，責任越大。
有時候會超出你的想象，原以為很安全的數據，拼合其他數據之后，可能成為機密級別。
?
我曾經對朋友說，我在阿里的數據治理過程可謂九死一生，很多人聽了不明白，看到上面的內容，再設想我要面對幾十個不同業(yè)務方的情境，你可能就了解了吧。
?
出自：《數據的商戰(zhàn)策略》／天下雜志出版社（本文經編修）
