2022-08-09 16:01:53 来源:商业新知网
站在2022回望过去,距“数据中台元年”掀起热议,已经过去3年;自知名云数仓厂商Snowflake完成有记录以来金额最大的软件IPO,也已近2年。
这一刻,产业里新概念的浪潮似乎已趋于平静;而在海面之下,有越来越多的企业正默默地挖掘着数据的矿藏,以期数据能真正像石油一般,成为资产、带来价值。
【资料图】
数据与价值的距离究竟有多远?
人人都说数字化,数字化的成功又如何定义?
数据智能是厂商的“技术自嗨”,还是业务的提效关键?
在最近这场直播,前沿商业科技媒体 新眸创始人桑明强 对话 奇点云合伙人、战略咨询专家何夕 ,就深入聊了聊“数据价值”这回事儿。
观点速览
· 可复用的能力带来飞轮效应。
· 降本增效最核心的是要“可衡量”。
· 价值不来自产品 ,而来自“产品+服务”。
· 从AI到数据中台再到云原生、数据治理,把数据用起来以后,对其价值的想象会更具体、更落地。
本文整理自直播嘉宾实录
点击文末阅读原文,即可收看直播 全回放
新= 新眸桑明强; 奇= 奇点云何夕
数据价值的想象来自业务
越落地,越具象
新:我们可以看到近年toB行业技术热点的变化,从AI到数据中台、数据智能再到云原生…业界的关注点是如何演进的?是否存在资本因素的引领和影响?
奇: 其实它来自对价值的持续思考和想象,即“什么东西对我们价值最大”。
比如,一开始我们觉得算法的想象空间最大,那段时间AI非常火。而做了一段时间以后大家发现,AI底下需要有数,存在数据的问题,自然也就到了“数据中台”。阿里就是一个很典型的例子,它的很多算法并不是凭空长出来的,而是先完成了One-ID、One-Data,基于数据做了很多新的算法,所以数据中台在2019年就火了。
再下一个阶段,我们发现如果只用数据中台做报表、指标,它本身的增值空间和想象空间很难说,所以又有一个新的概念“数据智能”—— 大家会觉得数据中台本身是没有飞轮效应的,而如果在数据中沉淀了可复用的指标标签、算法接口等数据服务,数据服务是可以复用的,那就有飞轮效应了 。所以对价值的想象就到了数据智能。
到了今天,大家会发现数据智能是好,数据增速很快,以我们的实践经验为例, 一家公司上了数据中台以后,数据的增量可能是“137”甚至”139“,也就是第一年1倍,第二年3倍,第三年可能会有7-9倍的增量。 但同时也出现了一个问题,数据增速太快,存算成本付不起了。许多企业原来哪怕上了私有云,但不会做云原生的存算分离、容器化等动作,就发现存算成本太高了。这也就是为什么价值链的想象在往下沉,大家开始考虑存算成本降低、让更多人用得起的问题。
我们今年还发现一个特征,数据治理相关的项目特别多,大家都开始认同数据治理是价值里非常重要的一环。为什么?因为不经过数据治理,你的海量数据是没法变成数据资产的,就没有办法提供上面的指标、标签、算法等等,所以今年企业也会特别关注数据治理。
这就是一个价值链不断想象的过程。当然中间有投资人的因素,但更多还是来自业务角度——当业务正儿八经把数据用起来以后,对于价值的想象其实会不断变得更具体、更落地。
新:那具体到客户的视角,他们的关注点有没有出现变化?作为数据战略咨询的负责人,您在和客户交流的时候,他们现在谈论最多的问题是什么?
奇: 我们这些年服务的整体感受是,客户的关注点呈现“规划—应用—流通”的演变。
·规划
其实2018、2019年左右,企业不知道什么是数据中台,只是说数据中台好像很热门,是不是需要上一个。但究竟什么是数据中台?
在这个阶段,我们更多地会和客户交流、探讨,数据中台需要有业务、技术、组织的支撑,可能在咨询阶段会去规划,在规划中找到突破口。我们会帮助客户找到比较快能产出业务价值的切入点,客户在数据中台上做出一个明星项目,帮助企业上下相对快速地认识到数据价值。
·应用
慢慢地我们发现,客户渐渐熟悉数据中台这件事儿,开始从里面选出他们最需要的模块,比如说报表实时化、看板可用化、管理驾驶舱等等。这里都有客户自己对数据价值的思考。
经常会有企业遇到这样的情况,原先是为了上中台而上中台,结果上了中台以后没有应用,也没法产生价值。其实客户希望的是, 数据中台上面一定要能产生价值,要提升业务的可见性。 所以在这个时候咨询解的问题更多是“应用”。
具体来说,通过盘点业务场景,甚至发挥想象力去找到一些“弯道超车”的方式,来解决业务价值的问题。
·流通
从去年到今年,客户发现一部分场景的应用还不能最大程度地发挥数据的价值,所以开始回过头来看数据治理和流通的问题,包括数据安全治理以及合规的一些动作。回归到数据资产这一层,让数据能真正流动起来,规模化地激活价值。这个阶段我们会发现客户关注的问题越来越技术了,接下去还可能会去解“存”的问题,让存算成本进一步降低。
业务价值链or数据价值链?
降本增效的核心是要“可衡量”
新:数字化转型发展到今天,如何理解它带来的“降本增效”?
奇: 现在我们看 “降本增效”其实有两个维度,是从业务的价值链定义,还是从数据的价值链来定义。 目前大家更多会从业务的价值链来看。
降本增效,首先我们认为它一定是一个“可衡量”的东西 ,奇点云也会用这样的方式来判断(有没有实现降本增效)。
比如说,有一位客户做了报表的自动化,原来是“T+5”或“T+6”才出报表,也就是一周出一张周报表,我们帮它做到了“T+1”。客户自己核算这中间的人力成本,发现一年降低了500 万的成本。这种是可衡量的,降本就是实实在在的降本。
增效也是一样。比如我们做智能排班模型,把人效提升了一定的百分比,这就是很典型的一种降本增效。
因为我们以前讲战略时,都会说 “你要能描述一件事情,你才能衡量它;你要能衡量一件事情,你才能去管理它” 。从业务的角度,我觉得降本增效最核心的是要“可衡量”。但在数字化转型实践中,恰恰很多时候很多例子就卡这个地方。
如果从数据的价值链角度来看降本增效, 在数据领域,我们降的是存算成本,增的“效”则是数据资产的可用性和易用性提升。
但这两层怎么评估、怎么核算、怎么证明?
其实云计算刚发展起来的时候,为什么大家认可云计算,它(的降本增效)逻辑很简单,例如一个消费品企业上公有云,比他去用自己的私有云、用机房大概能节省下 8 个人,而且这 8 个都是挺“贵”的人,这个就是很典型的“可衡量”的降本了。但数据领域现在其实还缺少这种可衡量的降本,也缺少一些可衡量的增效。我们经常用业务的增效来代替数据的增效,但事实上大家都知道,从数据增效到业务增效还有挺长一段距离,这个是现在很多 CIO、CDO 都会碰到的问题。
新:您说的数据价值链里的降本增效,譬如说存算成本,其实是用一种技术语言去解读另一种技术语言。但很多客户还是比较传统的,用这套语言不容易打动他们,他们也更关注业务的价值增长。那怎么来说服这一类客户呢?
奇: 对于这一类客户,我们更多聊业务场景、业务效果。
譬如说,我们有一个最佳实践,这个最佳实践在业务上带来了什么样的效果,这个效果是可复用、给客户带来价值的。其实现在还是 “最佳实践普及”和 “ 从0到1” 的过程,因为对于大部分的公司来说都还没有到数据问题的阶段。
在实际接触和服务的过程中我们发现,大部分公司在解决数据问题之前,要先解决它的系统问题和管理问题。对于很多传统公司来说,它都还没有到非结构化数据、AIoT 数据的解决这一层。 它其实现在只要解决一个问题——把自己的结构化数据先用好, 先能打通一部分系统的数据,譬如说线下 POS 的数据和线上小程序的数据, 就能开始带来业务价值。 能做到这一点的公司其实本身就没有特别多。
“端到端”服务、多云趋势
让独立第三方服务商更具竞争力
新:坦白说,相比老牌大厂,我们这类“新锐势力”服务商的机会在哪里?有哪些竞争力?
奇: 我觉得有几个方面。 第一个方面是,奇点云重视服务和数据运营的价值,这也是客户所需要的。
在国外譬如美国,SaaS生态比较成熟,企业数据的体系性建得会特别好。基于一些数据产品,数据分析师和商业分析师就能去驱动它的生意。但这个做法现阶段在国内不行。
国内之所以会出现数据中台,就是需要连接业务前台和技术后台, 服务商需要“端到端”地解决客户的所有问题,先陪伴客户跑起来。 例如奇点云做的“产品+服务”,我们从数据采集到治理管理,再到数据服务的构建,以及上层应用的构建,再到数据产品化。有很多时候把数据产品交给客户,客户不会用,那怎么办?你需要带教、陪跑,通过运营、咨询等服务,咨询的服务,来帮助客户完成这些事儿。
这个时候它的价值是哪里来的? 价值不光是从你的产品来,而是产品结合你上面的服务带来的。服务在其中起到价值增量的作用。
有一些厂商只提供产品,不协助客户做运营,不做这些所谓“人效不高”的事儿。但客户其实很需要。例如数据中台的团队怎么构成?要不要培养自己的数据架构师?数据管理制度怎么制定?这些单卖一套产品都无法解决,我们是需要通过咨询、运营等服务陪伴客户去解这些问题的,才能让数据一步一步地为客户发挥价值。
进一步,我们从大量的“原厂交付/实施”,规模化地沉淀出了对行业的理解,譬如说,了解这个行业的标签、指标通常会有这些需求,或在数据治理上有这些特点,我们挖掘并归纳出行业和客户需求,再落回到产品和工具的研发上——不是“技术自嗨”,这些就是客户真正需要的功能。
所以虽然业内大家都很少提“交付”这回事儿,但它的价值不可忽视,它能帮助客户把数据的价值落到业务实处,也能促使厂商提供客户真正需要的产品功能。
第二个方面是“多云”的趋势。
Flexera 2021年的云状态报告显示,92%的受访企业在IT架构上选择多云战略,企业平均会使用2.6朵公有云+2.7朵私有云。这和我们在国内服务的客户情况是一致的,大多数客户并不只使用一朵云。那自然就会涉及到一个问题:我用哪家的云?
相比跟单一的云厂商强绑定,企业会更希望有一个组合的解决方案。在这个场景下,作为独立第三方的奇点云会和客户站在一起,帮助他们选择到成本更低、更有效率的合作方式。我们的数据云平台DataSimba也是支持跨云多域的,客户可以通过DataSimba方便、安全地管理不同云上的数据。
扫码预约演示
这两个方面可以看出, “和客户站在一起”,其实是我们作为独立第三方科技服务商的立身之本。
新:刚才您谈到交付、实施、咨询、运维等服务,确实对于客户来说是非常重要的,而对于一家创业中的科技公司,大家都会更追求产品化、标准化。奇点云是如何平衡客户对服务的需求,和服务必然产生的重人力投入?
奇: 首先是需要 聚焦 。你要铺开来什么都做,还是聚焦在几个行业、几类客户来做?这是奇点云选择的一个差异性,我们一开始只选择了“泛零售”这个行业。
在泛零售领域我们快速地提升服务、孵化产品,提升产品的可复用程度,再把这种可复用扩展到其他行业,例如制造、金融、政企。
以泛零售为例,因为这个行业今天都需要一个能力, 即“以人为中心的商业模式变革” ,在这里很多数据能力其实是通的,甚至跨行业都能有百分之七八十通。我们认为 聚焦很重要,聚焦才能打磨出产品力,提升模块化、标准化的水平,从而自然而然提升人效,提升交付的标准化程度。 做到客户成功和做好产品根本不矛盾,反而是一条必经之路。
数据价值链源于业务需求
客户的成功定义数据产品的成功
新:如何定义一个数据智能产品的成功?
奇: 数据最终一定是为业务服务的,所以 客户成功是我们定义产品成功最直接的方式之一。
虽然我刚才讲“降本增效有数据和业务两个层面”,但从企业的层面来说,一定更重视业务的降本增效,考察数据给业务带来的实际成果,才能证明企业的数据智能是成功的。
比如说,制造业产线里,用摄像头+算法来辅助检测产品质量,能为质量分拣的效率提升四五倍。那这样的算法应用我们认为是成功的。
新:那么从企业的角度来说,业务场景可能非常多,数据也是各种各样的,应该如何找到这样的“成功产品”,来实现价值的提升呢?
奇: 拿我们最熟悉的消费品行业来举例,今天行业面临的竞争已从增量竞争变成存量竞争。原来粗放式的“线下开店→自然流量获客→有销售额”的路子已经行不通了。以往可能只需要遵循“转角定律”,在人流量多的转角去开店,而现在必须要做精细化营销;以往“到店营销”,顾客踏入店,导购才开始推荐商品;而现在称为“营销到店”,用户对品牌的理解从线上开始,要想办法把他们从线上引到线下,并了解他们从哪里来、喜欢什么。
即便是商品和文化都极具独特性、不愁卖的高端品牌,他们也正在做这样的事:通过数据的方式,了解用户足迹,了解多少人通过SNS关注了它、看到了它,哪些人看了线上的新品秀,其中什么时间段热度最高,而其中哪些人在什么环节又进一步完成了实际的交易。
这些都是 很实际的数据需求,也就倒逼数据部门逐步构建并完善企业自身的数据价值链 :采集哪些数据,聚合哪些数据,治理哪些数据,如何构建数据分析和服务,谁来用这些数据做决策…这就是具体的业务价值。
在构建数据价值链的过程中,我们可以看到企业实际需要什么样的数据产品,来帮助他们达成目标。譬如说,品牌想了解用户行为和偏好,就需要向前做埋点来收集数据,向后做分析和用户增长(也就是GrowingIO-UBA 用户行为分析平台在做的)。再向上构建一套指标体系,来衡量用户增长是否有效。
接下来,不能只“了解”和“分析”,还要“行动”,通过小程序或自营APP做体验的优化和用户管理,“私域运营”就发生了。在私域运营的过程中,品牌会核算用户的年度贡献,譬如有一些用户可能是“KOC”,还可以为你带来新客,应该精细化地管理起来。
大家可以发现,在精细化运营的大背景下, 企业对数据产品的需求是伴随业务需要自然而然长出来的 ,它的外延也会越来越广。这种精细化不仅体现在消费者运营的精细化,也有成本控制的精细化、内容匹配的精细化等等。
因此当我们来审视企业的数据, 并不是通盘地评估“我的数据有什么,能产生什么价值”,而是需要从企业需求的角度来看,要达成这些目标需要哪些数据、会用到哪些产品,其中哪些数据是有的,哪些数据没有。 这是数据价值链比较合理的发现和建构过程。
关键词: 降本增效
融资丨「善泰健康」完成数千万元A轮融资,汇竑资本独家投资,资金主要用于肠菌移植在肿瘤、自闭症、感染类疾病的临床研究、微生态药物管线开发
融资丨「仁洁智能」完成Pre-A轮融资,高瓴创投领投,此次融资将主要用于新一代干挂式清扫机器人产品研发及市场拓展,持续夯实产品和供应链。
海外创投丨「Kurtosis」获2000万美元A轮融资,Coatue领投,新的资金将用于在开发工具领域雇佣新的工程师和产品专家,以便在未来6到12个月内发布新产品。
Salesforce在中国市场的业务实在算不上成功。
A股上市公司亚康股份(代码:301085 SZ)发布2022年半年度业绩报告。
2022第十一届中国智能制造高峰论坛暨第十九届中国智能制造岁末盘点颁奖典礼正式开幕。
小红书正在成为“杀猪盘”的温床。
最近出了个事儿,说大不大,说小也不小,那就是Uniswap前两周总流水超过了以太坊。