人工智能后市场，数据智能目前面临的痛点

人工智能后市场数据智能的痛点

对企业客户来说,企业数字化转型有如图表6所示的几个阶段,不同阶段面临的问题有所不同:

1.业务数据化阶段,企业面临的主要问题是数据获取,这涉及企业内的技术支持及统一整合, 也涉及流程优化、组织调整及职位的变化。

2.数据资源化阶段,企业面临的主要问题是数据的结构化、数据清洗、数据连接等,如何将历 史遗留的不同结构、存储形式的数据打通和整合,从这个阶段开始需要有专业的数据人员进行 管理。

3.数据资产化阶段,企业面临的主要问题是数据融合、数据治理和数据准备,以解决数据不可知、 数据不可控、数据不可取以及数据不可联四大难题。从业务价值驱动的角度,使原始数据变为 变成业务上能够使用的数据。

4.决策自动化阶段,企业面临的主要问题是企业内部的数据关联分析、自动化生产驱动决策。

5.场景智能化阶段,企业面临的主要问题是企业外部商业化流程中的数据探索、建模,自动化 生产等,主要突破点是需要形成决策闭环,构建数据智能产品。

目前大多数的企业客户卡在中间的阶段,无法实现终的场景智能化以应用于真正的商业,即 自动化的数据智能产品替代决策,经过一系列的客户访谈,我们发现主要痛点如下:

第一、业务管理者或高管不知道怎么构建数据业务/数据能力;

第二、缺人,缺人,还是缺人;不知道从哪里获取这类人才,或者人才掌握的是上一阶段发展 所需的知识;

第三、客户没有透彻地理解数据能力和企业业务能力之间的关系:无法与客户商业决策所对应 的商业指标绑定;

第四，对应的数据形成闭环，但数据闭环本身过小或过近，可以解决太少、太小的问题。