目錄

• • 零、前面小記
  • 一、數循環
  • • 1. 完整的“數循環示意圖”
    • 2. 5大階段，做好數字化變革的重要前提
    • 3. 數據的生命周期特點
  • 二、數字化轉型
  • • 4. 數字化轉型的3個階段
    • 5. 數字化轉型的3個階段下，企業若想成功實現突破，應遵循的“八步法”
    • 6. 大數據的組成是多源異構的，其包含的4大趨勢
    • 7. 數據戰略落地的四大阻力
    • 8. 企業數字化轉型過程中進行數據治理的“三板斧”
  • 三、打通“內外視角”，構建全局化的數據戰略
  • • 9. 數據戰略地位
    • 10.企業數據戰略的思考和執行落地框架
    • 11. 企業在制定數據戰略時可以遵循的步驟
  • 四、做到“上下一體”，讓數據戰略真正落地
  • • 12. 數據戰略必不可少的“四大抓手”
    • 13. 建立數據驅動的企業組織架構
  • 五、數據治理6×6矩陣，學會挖掘數據所有“對”的價值
  • • 14. 做好數據盤點，才能做對數據治理
    • 15. 布局6大模塊，打造數據治理路線圖
    • 16. 掌握6大通關要素，避免數據過度治理
    • 17. 遵從3大階段，將數循環框架推至全局
  • 六、數據中臺建設
  • • 18. 企業中臺的“黃金法則”
    • 19. 數據專區建設框架的5個要素

---

零、前面小記

“do the right thing”（做正確的事）比“do the thingright”（正確地做事）重要。

未來，屬于終身學習者

未來世界將不再需要單一的技能型人才，而是需要具備完善的知識結構、極強邏輯思考力和高感知力的復合型人才。

真正的閱讀，應該在書中與智者同行思考，借他們的視角看到世界的多元性，提出比答案更重要的好問題，在不確定的時代中領先起跑。

時間是讀者付出的最大閱讀成本

怎么讀是讀者面臨的最大閱讀障礙

“讀書破萬卷”不僅僅在“萬”，更重要的是在“破”！

自認最近兩年看過一些書，但回頭看自己收獲了什么，發現有點不知所措。通過今天的書中偶然看到信息才突然自知：自己是停留在了閱讀上而未能與智者同行思考，因此，走著走著，自己走散了，卻仍不自知！

一、數循環

1. 完整的“數循環示意圖”

2. 5大階段，做好數字化變革的重要前提

• 階段1：將數據作為決策的瞄準器
• 階段2：將數據分析嵌入工作流
• 階段3：數據治理讓內外資源無縫配合
• 階段4：抓準時機，消滅數據孤島
• 階段5：運營導向，以數據驅動為核心（智能化）

3. 數據的生命周期特點

• 數據資源與智能應用的關系存在強者越強的趨勢。
• 數據的存儲成本越來越低，但對數據進行首次提煉及治理的成本不菲。
• 數據可以被多場景重復使用，其邊際成本最終會接近于零。
• 數據的價值很容易被低估，因為數據的價值主要取決于其使用后的效果。
• 數據的新鮮度及完整性，在開始收集的那一刻起就開始逐漸衰減。

數據思維：數字化轉型是一個從錯誤中學習的過程

二、數字化轉型

4. 數字化轉型的3個階段

• 數據戰略
• 數據治理
• 數據中臺

5. 數字化轉型的3個階段下，企業若想成功實現突破，應遵循的“八步法”

• ·步驟1：關注決策過程，加強數據分析能力。
• ·步驟2：建立數據資源，制定數據標準。
• ·步驟3：制定管理規范，建設數據治理中臺。
• ·步驟4：加強對海量數據的深入分析能力。
• ·步驟5：建設外部數據的戰略儲備。
• ·步驟6：建立數據的外部創新能力。
• ·步驟7：推動自身數據的開放與共享。
• ·步驟8：優化數據產業的戰略布局。

6. 大數據的組成是多源異構的，其包含的4大趨勢

• 跨境、跨域的數據合規
• 公共數據的開放及共享
• 個人隱私數據的使用
• 數據安全

7. 數據戰略落地的四大阻力

• ·堵：日常資料、報表信息量大，決策者難以捕捉有效信息。
• ·獨：信息分散在不同部門，缺少有效的整合。
• ·慢：業務異動的發現和處理嚴重滯后。
• ·漏：關鍵分析成果取得成效，也難以沉淀。

8. 企業數字化轉型過程中進行數據治理的“三板斧”

• ·以制定數據戰略為先。
• ·根據戰略方向（定出范圍）并通過數據治理，解決數據在整個生命周期中的“匯—通—用”問題。
• ·數據中臺應該隨著前兩“板斧”的成熟而建立相應的技術平臺作為支援，并致力于以自動化提高效率。

三、打通“內外視角”，構建全局化的數據戰略

9. 數據戰略地位

• 最致命：數字智能時代，企業數據戰略缺位
• 最本質：企業數字化轉型的戰略之“道”
• 終局思維：企業數據戰略必須基于業務戰略
• 戰略性數據是企業數據戰略的前提：企業數據戰略的落地點，都是先明晰目標和業務發展需求，接著收集數據（匯）、提煉數據與問題之間的關聯性（通），然后解決問題（用）。

數據思維：從“無用—能用—有用—好用”的數據中，建立城市的領導駕駛艙

10.企業數據戰略的思考和執行落地框架

注：
圖中關鍵步驟的含義：①數據戰略：“一個戰略”來源于業務戰略對企業數字化的要求和需求，同時也是實現業務戰略最好的支撐之一。②數據戰略規劃：“內外視角”指的是從外到內視角以及從內到外視角。③數據戰略落地：“四大抓手”是指以數據資源、數據技術、組織適配、機制建設為落地執行的關鍵抓手。④戰略協同：“上下一體”構建數據驅動的組織架構，即通過數據管理委員會實現跨業務單元（BU）的橫向資源協同和共同決策，并監督執行效果，委員會需要將上下一體的思路貫徹執行，也就是從上到下推動，如“匯—管—用”思路；或從下到上推動，如“用—管—匯”思路。

11. 企業在制定數據戰略時可以遵循的步驟

• ·盤點數據資源、治理能力、技術及組織現狀；
• ·深入理解業務計劃及需求；
• ·選出可實現的戰略目標來推動規劃執行；
• ·判斷現有資源及能力與目標之間的差距。

四、做到“上下一體”，讓數據戰略真正落地

12. 數據戰略必不可少的“四大抓手”

• 數據資源
• 數據技術
• 組織適配
• 機制建設

抓手一：數據資源

???????數據戰略作為企業業務戰略的核心組成部分，可以支撐各業務部門實現各自的目標，指導企業的連續性和非連續性業務的發展，也可以為數據的積累提供更有效和更直接的數據反哺，以最終形成數據資源的閉環效應。數據的積累表現在數據體量、數據種類多樣性，以及數據的密度、廣度、深度等方面。
???????數據戰略強調以數據治理框架為指導，通過提升數據管理能力和數據應用能力，更好地支持業務和科技發展，同時促進數據資產的形成、積累、共享和變現。


抓手二：數據技術

???????數據技術的核心在于最大化數據價值的變現能力，因此，我們認為數據技術不僅是數據的獲取、存儲或者計算這么簡單，特別是在數據體量激增的當下，對于海量非結構性數據、多維數據的分析處理尤為關鍵。數據治理急需更自動化的處理方法來適應日新月異的分析方法，包括文本分析、語音分析、圖像或影像分析、深度學習、增強學習、生成式對抗網絡（GenerativeAdversarial Networks，GAN）等。


抓手三：組織適配

???????在面臨企業數字化轉型困難的情況時，組織必須通過結構調整來引導整個企業體系進行內外變革，那么，變革的領導者或者牽頭組織，則成為數據戰略的“發動機”。因為從企業數據戰略的角度來看，不僅要盤點清楚公司現有的數據資產，還要根據業務未來的方向定出明確的數據戰略發展方向，更需要討論數據戰略實施的路徑和方式，也就是如何通過組織的設置更有效地推動公司數據體系的變革，協助打通各種數據資源并進行重新分配。這時一個跨部門的組織——數據管理委員會應運而生，橫向協同的需要是其成立的原因。通常，企業應在這個時候搭建數據管理委員會以便于在數據變革過程中進行更好的統籌管理，以及指導跨部門的數據治理工作。而同時必然會遇到的問題是數據管理委員會的成員及領導人選。每個企業都希望能找到這個問題的答案，但這個問題并不容易回答。


抓手四：機制建設

???????企業數據戰略落地應輔以健全的機制來配合組織的執行。企業數據戰略落地的難點在于如何保障戰略落地符合戰略意圖，且最終需要與戰略意圖保持一致，以及在出現問題時如何做到及時糾正。另外，跨部門協同也會是戰略落地在執行上很難跨越的鴻溝。毫無疑問，制定可執行的追蹤機制、有效的溝通機制、有力度的獎懲機制、有效的沖突和仲裁機制必不可少。以戰略落地過程中跨部門協同為例，在適配組織的前提下，完善的機制顯得尤為重要。

• ·首先，要從企業層面找到各方的共同目標并達成共識。
• ·其次，溝通、激勵、沖突解決的法規需要基于共識來產生。
• ·最后，制定協作流程與協同工作計劃，并清晰注明人員分工和責任人，這是數據戰略落地執行的重要前提。

13. 建立數據驅動的企業組織架構

數據管理委員會：主導問題解決和決策形成

???????從決策層面來看，數據管理委員會主要負責推動數據工作的執行和落地，并對與數據安全、人才培養、申訴仲裁、數據工作重大進展或風險問題等相關事宜進行決策。

???????在數據管理委員會擬定工作職責后，核心成員的身份和定位就變得尤為重要了。由于數據工作本身是整個公司層面的重大工程，需要大量的跨團隊協作，所以，數據管理委員會主席是否具有足夠的話語權，是推動數據工作順利進行的關鍵，通常我們建議由公司的最高管理者、數據的最終擁有者、公司戰略的主導者來擔任這個角色。在數據管理委員會成員角色和數量組成上，我們建議設立委員會主席（1名）、委員（4～5名）、外部顧問（1～2名）等角色


數據工作小組：負責開展日常數據工作

???????從數據戰略日常工作推動和執行層面考慮，數據管理委員會應設立數據工作小組，包括數據專項工作小組、數據安全小組、數據質量控制小組、數據人才培養小組，并可根據實際需求設立其他工作小組。數據工作小組負責執行數據相關工作以及全面推動和監督人才培養、數據安全等方面的工作。

數據思維：數字化轉型切入點＝痛點解決后的影響力×解決痛點的概率

五、數據治理6×6矩陣，學會挖掘數據所有“對”的價值

14. 做好數據盤點，才能做對數據治理

• 結構化數據：企業中最容易搜索和組織的數據
• 非結構化數據：很難搜索、管理與分析的數據
• 半結構化數據：不符合關系數據庫預期的結構數據
• 盤點數據資產是治理的抓手
• 做好數據資產盤點，實現數字化的第一步

數據思維：數據唾手可得，也可能會是最大的負擔

15. 布局6大模塊，打造數據治理路線圖

• 模塊1　數據獲取：最重要而又最容易被忽略的環節之一：模塊1的關鍵是對數據來源的選擇及規范
• 模塊2　數據同步處理：數據質控前置
• 模塊3　數據部署：有序和結構化的分類組織
• 模塊4　數據使用：“從看到用”必經的4個階段：業務數據化、應用智能化、效益數據化、數字業務創新

• 模塊5　數據共享：打開再創新的窗口
• 模塊6　數據重復使用、銷毀、歸檔，晚不如早

數據思維：大數據不能包治百病

16. 掌握6大通關要素，避免數據過度治理

• 關鍵要素1　數據目的和價值：為什么需要數據，需要什么數據
• 關鍵要素2　數據所有權，是對數據分發、獲取和使用的控制
• 關鍵要素3　數據安全性：只要轉移數據，就可能有安全隱患
• 關鍵要素4　數據隱私權：匿名數據的安全性變得越來越重要
• 關鍵要素5　“無質量不數據”：資產化有助于價值的穿透
• 關鍵要素6　公眾認知：缺乏信任是問題的根源

數據思維：智能構建是“數據—信息—知識—智能決策”的閉環

17. 遵從3大階段，將數循環框架推至全局

階段1　收攏期：敢于“反地心引力”

• 提倡數據口徑的統一，以保障數據指標的一致性、可解釋性及可用性。
• 數據的收集與調度作為數據生命周期的起點，同時也是數據的最早入口，應該盡早考慮歸一或標準化。
• 數據安全有別于網絡安全，內部安全隱患是需要重點關注的。
• 在很多比較大的企業集團中，外部數據的引入在早期都是各施其法的，合規風險所涉及的安全問題不容小覷。
• 數據資源目錄是良好數據治理的核心要素，對管理數據資產、提高數據分析質量以及生產效率具有戰略意義。

階段2　基礎治理期：圍繞數據生命周期，逐步落實

• 提升技術核心能力：降本增效：從數據技術各自為政的狀態，轉變為有序的集中式管理。
• 數據生命周期管理自動化
• 數據治理精細化
  階段3　架構成型期：數據中臺的優質產出
• 快速構建數據閉環，突顯顯性業務價值。構建數據閉環的原則：快（快速形成閉環、數字化業務優先）、厚（數據有足夠的厚度且具備可量化的能力）、新（新業務，減少人際紛爭）。
• 元數據有利架構的迭代
• 數據治理是數據中臺的起點

數據思維：數字化轉型全局化前必須跨越的3大陷阱

• 陷阱1：缺少數據驅動的長期愿景
• 陷阱2：漠視了數據聯通的價值
• 陷阱3：誤認為內部數據具備上下文意義

六、數據中臺建設

連接和共享是數據中臺的核心

• 數據的內外連接能力是一個數據中臺的基礎。 連接能力指的是將不同來源的數據進行連接、匹配、融合的能力，也包含支持不同類型的數據的連接。
• 共享（服務）能力是評估數據中臺的另一個重點。這個共享的內涵，可以包括外部和內部在數據上的共享、復用、沉淀的過程中所衍生的資源，但也可以是計算、技術、算法能力的共享，讓其他人可以基于這種能力共建中臺。

數據治理是數據中臺的起點

• 數據治理的目的是優化數據的收集、共享、產生價值的過程

數據服務促進快速創新

18. 企業中臺的“黃金法則”

關注“立”和“破”兩方面。

“立”是一種從管理層到基層所形成的全員認同

• 立共識
• 立路徑
• 立組織
• 立規矩

“破”是一個不可逆的層層遞進的過程，旨在不斷破除數字化運營道路上的阻礙和挑戰，保障數據中臺的運營不偏不倚、更加高效。

• 破習以為常
• 破思維孤島
• 破規則藩籬

數據思維：沉淀共性，讓商業走向敏捷

19. 數據專區建設框架的5個要素

• 要素1：為專區營造一個擁有“豁免權”的創新環境，并保障風險可平衡
  
  ??????首先，專區必須從空間上構建一個封閉的環境，來對數據的使用和產品技術的創新進行有效的監控與管理。
  
  ??????其次，為進一步保障兩種模式下的合規性，引入第三方監管執行事前事中檢測、事后審計是必要的。
• 要素2：確立專區內數據管理和應用的基本原則——內松外緊，嚴控出入口
• 要素3：運營管理是專區運轉的重中之重，政企合作實現共創共贏
• 要素4：沙盒與專區高低搭配，合力打造政企生態，是實現突破創新的重要手段
• 要素5：從內向外看，沙盒的本質在于數據測試和風險防控
  數據思維：大型跨國企業的數字化轉型，成功與否在于全員是否具備數據思維

---

參考資料

《數循環：數字化轉型的核心布局》，車品覺，北京聯合出版公司·湛廬，2021年4月，ISBN：9787559650580，132千字

總結

以上是生活随笔為你收集整理的《数循环》笔记：未来属于终身学习者的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。