专栏首页CDA数据分析师跨过互联网数据思维 传统企业转型要经历4重考验

跨过互联网数据思维 传统企业转型要经历4重考验

传统产业由于行业利润率及经营思维,相比互联网型企业在技术设备及信息化方面投入有着天壤之别,不少大型制造业甚至连较为完整的数据统一平台也没有,更别谈论基于数据统一平台的BI商业智能分析等应用了。 从生产驱动转变为数据驱动,是传统产业迈进数据驱动企业不可绕过的门槛,在转型的过程中至少要跨过互联网数据思维专家所提到的四重历练:”

传统企业转型要跨过互联网数据思维的四重历练你肯定不知道

第一重:建立数据化运营习惯

对于中国很多传统产业而言,拍脑袋、领导权威及家族式管理占据了企业经营决策太多的比例,因此对于传统产业来说快步迈进数据驱动企业的第一重、也是最重要的历练是首先建立企业自上而下的数据化运营。让数据真正成为经营决策中的核心。要求企业每一个决策人员在日常决策中,养成思考在决策流程中究竟有哪些环节,是可以通过一些数据去帮助决策的,久而久之,数据化运营框架将在企业内部逐步搭建起来。

而数据化运营一定需要由公司管理层发起、通过KPI与流程制度逐步在企业内部推动。最难推动的是要改变已经具备成功经验的传统企业老板的习惯!可先由管理层拍板使用数据去实现一两个新的业务应用场景,在企业上下建立起对数据化运营的信心与认可,慢慢再衍生到更多的场景之中,再适当结合KPI与其他激励,逐渐建立起全体人员的数据化运营的意识与习惯。

第二重:打通数据的流动力

数据化运营是强调运用数据突破运营中某些“点”的应用,接下来需要突破“点”的局限,如业务部门间信息不通,财务对业务及营销不敏感,研发部门不能了解到第一手产品销售情况等。数据本身及应用不能放置于孤岛之中,数据在企业内部需要犹如血液一般流动,打通数据的两个层面:

第一个层面是实现数据物理间的互通。企业需要在数据互通、存储成本、时效性投入大量资源。同时逐渐增加的数据同样需要良好的数据治理,比如内部通行的数据口径、数据管理,数据维护主体部门的明确、数据质量,及数据关系管控都是重要的课题。

第二个层面是实现数据与商业模式的互通。数据需要流动在企业的商业模式之上,一方面数据需要紧密结合商业过程的各个环节,并能敏捷地反映商业的变化。经过这一层历练,企业的数据才能真正“活”起来。

第三重:产业数据资产形成闭环

传统产业如果经过上述两重历练,管理层迫使着执行层逐渐改变思维、实现工作开展从“依靠经验”到“依靠数据”的转变。数据已经初步成为其核心竞争力之一,也就能称得上是“数据驱动”的企业了。接下来,就是要建立产业数据资产的闭环。

数据资产的丰富是自下而上的,因为即使是谷歌单靠有限的高管和数据科学家们也无法拼起整个谷歌数据资产版图,靠的是整个企业的大数据意识,基层的实践才能出数据,人人都能为企业的数据资产添砖加瓦。当然企业还需要有科学的数据资产治理制度,才能不断将这些被创造的数据真正转变为真金白银的资产。

第四重:互通连接,成就产业

未来的产业互联网形态,肯定不是各家企业自扫门前雪,建立起产业数据的一座座“围城”,产业的数据需要共享与互通。在未来行业协会可能将升级为数据交易市场,致力于推动行业内部数据资产的流动和价值最大化,这意味着行业内部的协作将变得越来越重要,只有利用大数据流为框架形成行业整体的合力,产业互联生态链才能被完整地搭建起来。

在未来获取丰厚产业互联利润的重点在于与终端用户的连接能力,以及基于这种连接的个性化设计能力。传统产业如何搭建与终端用户的“连接”是最为关键的重点!终端用户关系管理是消费互联网的强项,但传统制造业或传统产业销售上以层级的代理与经销商渠道为主,与终端用户的关系较为薄弱,数据上甚至不掌握较为全面的终端用户数据,解决方法是在于大数据技术运用。目前传感器、物联网技术的成本已能控制在合理的范围之内,如现在的空调已经带有了WIFI模块,可以通过微信控制;洗衣机能通过内置的传感器进行日常自我诊断,并向服务器返回运行数据帮助维修工程部门及时为用户解决故障。新技术一方面正在帮助传统产业积累用户数据,了解用户的偏好及习惯,使得将来的个性化制造成为可能,而另一方面则在以前不会沟通的机器增添了与用户连接的窗口,为他们提供各类充满科技感的服务。

文章内容来自网络分享,如有版权问题请联系小编

本文分享自微信公众号 - CDA数据分析师(cdacdacda),作者:免费訂阅☛

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2015-09-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • “揭秘”大数据的10个神话!

    本文整合自恒信国通 也许对大数据更好的一个类比是它就像一匹意气风发的冠军赛马: 通过适当的训练和天赋的骑师,良种赛马可以创造马场记录–但没有训练和骑手,这个强大...

    CDA数据分析师
  • 入门选手必备 | 大数据分析学习之路

    目录: 大数据分析的五个基本方面 如何选择适合的数据分析工具 如何区分三个大数据热门职业 从菜鸟成为数据科学家的 9步养成方案 从入门到精通—快速学会大数据分析...

    CDA数据分析师
  • 最后一次机会,回到2016大数据生态纵览峰会现场

    1月8日,2016大数据生态纵览峰会在北京圆满落幕。30多名嘉宾参与分享,20多家企业共同参与,30多家媒体参与报道,1000多名与会者见证了这场盛会。如果你错...

    CDA数据分析师
  • 小猿看行业丨主导大数据未来发展的八大趋势

    导读 随着数据量爆炸性地增长,大数据技术的发展也达到了前所未有的新高度。2015年大数据仍将保持这一快速增长势头。预计在新的一年以及更远的将来,将有八大主要趋势...

    数据猿
  • 制约大数据分析的三大误区

    用户1756920
  • 大数据:全新机遇还是一纸空谈?

      目前,人们对大数据及其价值的认知各有不同。一部分人认为大数据的价值在于帮助企业各部门获得新的洞察力并付诸行动;另一部分人认为大数据不过是天花乱坠的宣传而已...

    腾讯研究院
  • 大数据时代:缺乏能动性的大数据是没有价值的!

    不是所有的大数据都是有价值的,大数据只有“动起来”才能体现其价值,否则,很可能是无用的。很多有着海量数据流的公司,虽然有着大把客户资源和现金流,本来是非常适合进...

    挖掘大数据
  • 大数据时代的到来,为我们提供了哪些便利之处?

    以前还没有进入大数据时,社会发展相对比较慢,比如工作生活,交通出行,互联网并没有那么的便利,大家都是各顾各的,进入了大数据时代,大家开始相互分享资源,抱团取暖。...

    墨者安全筱娜
  • 【观点】 从大数据中获取商业价值的9种方法

    现在已经有了许多利用大数据获取商业价值的案例,我们可以参考这些案例并以之为起点,我们也可以从大数据中挖掘出更多的金矿。 2013 TDWI关于管理...

    机器学习AI算法工程
  • 大数据实现商业价值的九种方法

    TDWI最近关于管理大数据的调查显示,89%的受访者认为大数据是一个机会,而在2011年的大数据分析的调查中这个比例仅为70%。在这两次调查中受访问者均普遍...

    机器学习AI算法工程

扫码关注云+社区

领取腾讯云代金券