疫情让我们看到了物理世界业务的局限性，谁能够把数字化业务做的更好，谁能够做到无人值守，谁能够做到线上营销，那么谁就有更大的竞争力。
在数字化业务中，我们越来越意识到数据的重要性，如何在数据当中挖掘新的创新、新的业务场景，利用数据的价值让企业变成智能的企业，让业务更加的智慧，这是所有企业都在追求的目标，但不是容易达到的。过去几年，数据中台非常的火，但是对于企业的数据管理者来讲，每天都会面临一个挑战，就是如何挖掘数据中台的业务价值。
数据的业务价值在哪里？
2019年，全球知名的咨询公司做了大型企业高层的访谈调研，调研发现，2019年全球企业在数据和人工智能领域有了重大投资，2019年比2018年增长了66%，但是并没有达到原来对投资回报的预期。这说明过去在数据领域花了很多钱却没有达到CEO期待的价值产出，在这种情况下就会思考业务价值是什么？收入、用户量是否有增加？成本是否有降低？
那么，做了这么多数据和人工智能的事情，为什么业务部门、CEO、企业认为没有产生期待对应的业务价值？这对于数据部门来说是很委屈的，因为他们做了数据仓库，做了数据可视化的报表，满足业务部门提出的各种需求，对业务系统产生的低质量数据进行数据清洗和治理，做了这么多为什么还会说没有价值？这个问题值得深入探讨。
企业对于数据中台、数据价值的三大期待
数据中台在2019年成为数字化转型的下一个趋势，特别是在本土的数字化转型市场，我们发现数据中台的百度搜索指数比数字化转型更高，这说明数据中台被很多企业所认可和接受。
为什么数据中台会成为企业数字化转型的下一个趋势，它代表了企业什么样的诉求？我做了一个研究，从466份数据中台调研中获取到行业对于数据中台的三大期待：
1、希望数据中台距离业务更近，能够直接为业务产生价值。
2、希望数据中台系统能提供多样化的数据服务而不仅是报表。
3、希望能够直接产生对客户有帮助的价值。
业务对数据中台有这样的期待，就说明原来的数据仓库和数据系统并没有百分之百的满足这些期待。业务部门认为数据部门做的事情不能直接产生客户价值，距离业务比较远，比如响应慢、数据人员不懂业务、提供的数据产品和数据服务不是业务最需要的等，这就是企业对于数据产生业务价值不满意的地方。
阻碍数据中台产生业务价值的四大鸿沟
1、业务鸿沟，数据与技术人员不懂业务，业务人员不理解数据和智能技术。
2、场景鸿沟，找不到高价值业务场景，无法清晰度量业务价值。
3、质量鸿沟，数据质量差，无法确保业务效果，传统的数据治理不能解决价值问题。
4、规模鸿沟，如何能够规模化将数据和智能技术规模化应用到多个业务场景。
某多产业板块数据中台案例总结
我们在2017年做了一个双中台的案例，该企业是一个多业态的物流集团，包括航空货运、物流、零售、机场、跨境电商等多形态业务，集团总部希望打通各业态的用户、订单、支付、产品、服务数据，利用数据产生业务洞察，打造创新产品和服务。
为什么要选择数据作为抓手去推动企业的数据智能转型？这个在2017年非常有前瞻性，因为以往做ERP、信息化第一件事是梳理流程，但是这个企业有上百家公司，45个业务种类，如果从梳理流程入手会很复杂，所以他们希望用一年的时间建设双中台，使集团的整合和业务创新能够产生真实的效果，带来真实的收入。
如何做到这一点？因为很多企业的信息化水平层次不齐，这样的情况下，梳理流程的传统做法速度很慢，我们识别了一条以数据为抓手去推动企业数字化转型的方法，通过梳理企业的数据资产目录，梳理数据如何应用、如何产生业务价值等。在梳理过程当中发现，有些数据口径不一致，有些数据质量不好，是因为产生数据的系统很多流程有重复、有冲突、角色定位不清晰、录入重复。所以发现原来的遗留系统需要改造和优化的地方，是一个非常重要的成果，同时帮助企业做了数据资产创新的平台，让业务人员能够自己使用数据去做探索，带来了第二个价值就是企业的数据创新。
数商云这里把整个项目简单分为4个层次：
第1层是业务应用层，通过轻咨询的方法快速在各个领域探索和识别出能够利用数据产生的业务价值，识别出可落地的投入产出比比较高的产品。
第2层是技术平台层，验证了哪些场景能够带来数据价值，就要想如何规模化的赋能所有业务，找到可以复用的点，把它沉淀下来变成数据中台。
第3层是数据质量层，如何使数据产生业务价值，这就是数据资产的梳理和精益数据治理数据探索。所有的一切都依赖于组织结构的变革，场景的识别，价值的产生背后是利益的分配。
第4层是组织调整层，让企业认识到数据文化和数据价值的重要性。
我们发现数据能够给企业带来的业务价值包括两个领域。
第1个领域是能够优化原有的业务，让原有的业务更加高效、成本更低。
1、能够提升现有业务的盈利能力让企业收入更多。比如通过数据的探索和分析使货运航班的排班更高，补仓的利用率更高。
2、提高生产效率。比如在机场货站发货，通过自然语言处理抓取行业里面的通用分类，进行自动分类，提升货站工作人员的生产效率。
3、提升运营的利润，降低成本。比如和企业的数字化运营部合作，分析运营数据找到能够降低成本的地方。
4、提升客户体验。
5、提升资产利用率。比如对航空货机的识别，应该怎么去排班和优化？
第2个领域是帮助原有的业务做转型。
1、创新数字化产品和服务，通过分析用户数据和订单数据，能够知道用户画像和用户诉求对原有的产品进行创新。
2、销售数字化资产，把现有的数据整合一些外部的数据通过服务的方式销售出去，当然不是销售原数据，不是销售客户的敏感信息。
3、商业平台化，通过数据的整合，通过对数据的利用、挖掘进行交易的撮合，让更多的买方、卖方集中到平台上面。
4、数字化生态，在平台化的基础之上，让更多的买方、卖方、合作伙伴进来，形成数字化的生态，这样的情况下，你的价值在生态中自驱、自生长、自发展，是非常有价值的。
通过这个项目总结了一个经验，就是一定要让业务用户自己去用数据、玩数据，所以我们在这个系统里面做了数据资产目录、数据服务商店、数据自服务的探索、数据实验室、算法应用市场和数据中台的运营监控系统，让业务更加主动的去产生价值。
通过这个项目总结了一套方法论体系，叫精益数据创新方法。
1、所有的数据和智能创新都必须产生业务价值。
2、必须要让数据源和数据产品之间形成自动的工作流、价值流，这样才能规模化，快速的提供给客户服务。
3、需要让客户去拉动产品，而不是把产品推给客户。
4、要持续的去改进数据运营和分析。
精益数据创新体系参考创新价值蓝图，围绕业务、数据和技术三个圈，知道数据产生业务价值的每一步应该怎么做。
总的来讲，精益数据创新体系有5个阶段：
第1个阶段是连接，让业务人员懂数据，让数据人员懂业务。
第2个阶段是探索创新，围绕数据去探索新的业务场景。
第3个阶段是探索出新的业务场景以后，把这个场景进行清晰的定义和拆解，确保它是可行的。
第4个阶段是快速启动，让业务看到价值。
第5个阶段是持续迭代，不断的去运营和优化数据带来的业务价值。
