一、智能化加速之后，数据飞轮必是数据中台的下一站

在过去十余年间，还有一个概念非常深入人心，那就是“信息化”。在当前这个新阶段，人们也特别容易把“信息化”和“数字化”搞混。

这里先做下区分，公众认知中的“信息化”一般指的是，我们将传统的线下工作流程转移到线上系统中进行。（学术文章中提到“信息化”往往会提到克劳德·香农的理论，但这不是今天讨论重点。）今天公众所讨论的“数字化”，一般是指通过智能化方式搜集数据，然后分析、训练，通过智能决策实现更多自动化的执行。

换一种不太严谨但更容易理解的表达，“数字化”比“信息化”多了“智能”二字。

在最新版本的RTS游戏“国家崛起”中，它将人工智能技术的升级，作为从“信息化时代”到“数字化时代”的触发点，这也不是没有道理的。

当今，数字化已经成为了国内各企业发展的主线任务。

据不完全数据统计，2023年我国产业数字化市场交易规模将达到21.2万亿，比2022年增长6.5%。另外，在数字化大势所趋下，投融资也上升到了一个新高度，据国家统计局的数据显示，去年我国数字化转型的总投资额超过了 1.5 万亿元，同比增长了 20%。

基于此，各行业各企业为了加快转型通常会会围绕数据做文章，因为数据作为企业的重要创新要素和资产，对企业的决策、创新和竞争优势至关重要。其中，最常规的操作则是搭建数据中台，以此提高企业生产效率、优化客户体验和拓展新的商业模式，从而加速数字化转型的进程。

但在这个过程中，企业往往会高估数据中台的价值，从一定意义上来说，数据中台只是一个集中式的数据管理平台，目的是实现各部门数据的共享共通，便于数据的获取和利用。

随着企业对挖掘数据价值的的需求不断增长，单纯的数据中台早已经不能满足企业的需求。因此，数据飞轮应运而生，与数据中台相比，它不仅一种更灵活的数据管理方式，而且还在此基础上，强调了数据消费以及数据驱动的概念。与前者相比，虽然数据中台便于管理和治理数据，但它只实现数据驱动中的一小步。

主要表现在，在企业运营过程中，数据中台收集的数据不能够直接产生收益，没有数据消费就是成本，有数据消费就是资产。也就是说，即使数据中台建设得再完善，如果这些数据没有被充分地利用和消费，那么这些数据就无法发挥其应有的价值，甚至会成为企业的负担和成本。而当数据被消费，并应用于业务决策和操作中时，它就变成了企业的资产。

简言之，脱离数据消费、数据驱动的数字化转型只是空中楼阁。目前，国内也有大量企业正在经历着这样的转变。

在技术社区InfoQ新知实验室近期的访谈中，顺丰集团、汽车之家等高管也谈了各家对于数据“驱动”与“消费”的理解。顺丰作为快递物流综合服务商，在数字化建设方面有着独到的见解，从底层大数据平台到上层的数据中台，顺丰做了已经有一段时间了。其中，顺丰深刻地意识到了，数据中台可以打破不同业务线，不同职能看数据的角度，比如财务的角度、人事的角度、运营的角度，销售的角度等，形成端到端的完整链条，从而更好地驱动经营。

但仅仅有数据中台是不够的，顺丰还有数据盟友的概念，帮助销售、市场、运营等业务经营的人实现看数的诉求，让数据更好地指导业务决策。另外，顺丰还在不断尝试深入挖掘数据的价值，以解决实际的业务问题，这个过程中，顺丰强调将不同人在看数据时产生的不同的价值，持续沉淀在产品中，相当于数据的传承和沿袭。长期来看，对数据价值的挖掘会形成一个正向的循环。

而民生银行作为一家总资产超过7万亿的国内系统重要性银行，强调用数据改造银行的所有价值链，其中包括产品、营销、运营、风控以及财务等，实现数据的线上化。

以此为基础，民生银行还希望通过端到端的方式重塑业务流程，极大提升客户的体验和内部的工作效率。另外与顺丰的数据盟友有着异曲同工之处的是，为了更好的解决更多金融场景问题，民生银行还将数据分析人员派驻到业务部门一起协同工作，以更好地利用数据为业务提供支持，通过实际的业务场景来运用数据支持业务决策。

同时，民生银行还进行了组织架构、体制机制和文化等方面变革和创新。这种变革的推动力来自于银行最高领导层，将数字化转型视为一项由技术和数据驱动的经营管理变革工程，不仅亲自抓规划，也亲自抓落实，取得了显著的成效。

字节跳动作为国内对数据驱动较为重视的企业，总结了两个80%的经验：一是从人的角度出发，团队80%的人是否能通过各种各样的数据工具，实现数据消费，这其中既包括大家传统认知中的数据工程师、数据分析师这些需要直接和数据打交道的人，也包含产品、运营、市场，甚至行政、HR、UED 这些传统意义上离数据比较远的人。二是从业务的角度出发，统一建设的数据资产能够覆盖 80%的业务日常分析。这样既能够保证在大多数情况下，对于数据的分析和使用是高效的，又为特殊场景的数据分析和应用预留了足够的灵活性。

二、数据飞轮是动态过程，数据消费是最终目的

数据中台是一个静态的东西，而数据飞轮却是一个动态的运行过程。

图：数据飞轮

所谓数据飞轮，就是用数据消费驱动业务的增长，用数据消费形成数据资产，从而反哺业务的飞速发展。简言之，企业只有形成“以数据消费为核心”的闭环，实现对数据资源的充分开发应用，才能保证数据飞轮平稳健康的运转，才能在数字化大潮中获得竞争优势。

那如何进行数据消费？

正如上文所言，顺丰通过数据中台实现了不同部门、不同角色间的数据共享和协同办公，提高了整体运营效率和服务质量。

当然在消费环节，顺丰也借助数据盟友，诸如从市场相关组织的角度看，通过使用数据中台提供的各类数据产品，可以看到相关区域客户的热力图、收入与利润的变化等，更好地了解客户需求和市场变化。为此，顺丰通过数据消费实现了对成本的精细管理和对资源的合理配置，提高了企业的盈利能力。

彩食鲜则主动撤掉了数据的智能部门，并将他们并入业务小团队，目的就是直接驱动数据在业务中的运用。同时在数据消费层面，彩食鲜也做大量工作，诸如开发各种数据产品，为不同角色提供实时、全面的数据支持。这些数据不仅帮助各部门更好地了解客户需求和市场变化，还为制定科学、合理的决策提供了依据。”

而民生银行的数据消费，主要体现在风险控制、市场营销和运营优化等方面。首先，风险控制层面，通过数据分析挖掘可以更准确地评估客户的信用等级和风险水平，包括更有效管控业务线上化带来的欺诈风险等；

其次，市场营销层面，通过数据洞察可以更好地了解客户需求和市场趋势，进而提供更有针对性、个性化的服务和产品；再者，运营优化方面，通过数据分析优化业务流程，实现流程自动化和智能化，提高运营效率和降低成本。

另外，为了更大限度的刺激消费，民生银行还强调了认知的意义，并在内部进行了相应的调整。面向高层领导，除制定顶层设计和战略动员外，还开展了多次数字化领导力的培训；面对中层领导，构建了体系化的数字专业能力的培训，比如数字化风控，数字化运营，配套的岗位流程和机制等；面对底层员工，开展数字化通识能力的培训，其中包括数字化概念以及工具的使用等。

显然，数据消费的概念已经适用于各行业各企业，但想要全面推动消费却知易行难。有人称，现在数据消费和数据价值挖掘，还处在初中期阶段，还没到成熟期。

也有人认为，数据飞轮是一种循序渐进的逻辑，在任何企业内推动数据消费都有一定的壁垒和阻力，不管是认知上的阻力，还是执行上的阻力。究其原因，主要在于每个行业、企业的数字化目标、数字化程度和要解决的问题不同，所以每个企业的数字化战略在匹配数据飞轮模型进行落地时，形式会各有不同，每个企业需要基于自身特性和经营目标进行。

首先，降低数据的使用门槛是数据消费的关键要素之一。诸如，汽车之家的数据中台团队有一个非常重要的指标——强调数据易用性。在此基础上，汽车之家提出了希望最终90%以上的数据都可以直接在表里面找到的，不需要经过人为加工和处理，所以只有在数据易用性较高的情况下，大家才不会畏惧使用数据。

当然，在这个过程中，工具的选择和使用也能很大程度上推动消费，以大模型为例，大模型的应用使企业能够更好地利用数据，从而最大限度的挖掘数据的价值。比如火山引擎今年发布的大语言模型应用DataWind-分析助手、DataLeap-找数助手、DataLeap-开发助手,它们就可以为企业提供从数据资产层到业务应用层的全链路AI能力。因此，大模型的出现对数据消费门槛的降低具有非常重要的意义。

其次，不断提高数据使用的价值的吸引力也至关重要。在这个过程中，成功的案例往往会在业界起到很大的表率作用，数据价值的挖掘亦是如此，所以我们需要不断地向业界宣传推广一些成功的数据应用案例，这样才能吸引更多的业务去挖掘数据的价值，树立起行业的标杆。

再者，增加数据应用的压力对数据的消费和价值的挖掘也有重要的推动作用，因为大多数情况下，他们只有通过数据才能给你答案的，所以在这个过程中只有抱着打破砂锅问到底的心态，不断问他为什么，才能更大限度的挖掘数据的价值。

三、企业对人才的需求正在变化，数据驱动实践者更受欢迎

数字化转型，人才先行。

目前，各行业各企业都在尝试构建自己的数据飞轮，而在这之前，内部必须实现数据消费最大化，基于此，企业对人才的需求也发生了很大的变化。

而这一变化主要聚焦在“数据技能”层面，诸如数据分析人才，数据治理人才，业务架构师等等。因为对于一家公司而言，从策略的制定到战略的执行，都要以数据作为依托，因此，数字化人才的重要性也被提到了前所未有的高度。

那么，企业如何重视数字化人才？

首先，企业更重视数字化专业的人，这些人才具备深厚的技术专长和知识储备，往往担任着数据分析、治理、架构等方面的专职。他们熟悉并能够灵活运用各类数字化工具、技术和平台。这些技术和工具往往是数字化转型的基石，能够帮助企业提升效率、优化业务流程、创造创新产品和服务；

其次，企业也开始重视在其他岗位培养引进，具有数据思维或者分析能力的人才，他们也是更广义上的数字化人才。他们能够在更多岗位上，比如运营、销售、HR、行政、市场等通过数据驱动实现科学决策，挖掘更多业务价值，并运用数字技术来创造新的商业模式和增值服务。

在数字化转型过程中，企业面临着海量的数据和信息，如何从中提取有价值的洞见并做出准确的决策成为关键。数字化人才能够帮助企业实现数据驱动的决策，准确把握市场变化、优化运营流程、精准营销，从而提升企业的竞争力和业绩。

在这方面，技术媒体InfoQ还曾提出了数字人才粮仓模型，其就是以企业数字化转型作为出发点，对应需要什么样的人、需要哪些岗位能力的变化。该模型由上到下分为数字思维管理者、数字思维应用人才、业务架构师、技术架构师和数字专项人才。

据相关调研数据显示，目前我国的数字专项人才和技术架构师没有出现缺少现象，反而缺少的是业务架构师和数字思维管理者。企业需要具备数字数字化思维能力的人，尤其是引入了很多的工具，也更需要数字思维的应用人才大批量的在业务里面去使用。

大模型爆火后，各企业对具有数字思维的应用人才的需求显得更为迫切。因为大模型在数据产品中的应用，降低了数据消费门槛，赋能各岗位能够结合自己的专业领域和企业数据，挖掘数据价值，实现业务洞察和科学决策，帮助企业业务增长。

总的来说，在这场数字化变革的浪潮中，企业对人才的需求经历了翻天覆地的变化。数字化专业人才和应用人才成为行业焦点，数据驱动思维成为通用技能，而大模型的崛起更是加速了对具有数据驱动能力的员工的需求。对于当代职场人来说，适应这一趋势，提升数据驱动能力将是未来职业道路上的关键一步。

这一轮数字化科技革命将会更具渗透力，企业将进入数据消费时代，人才的竞争规则也正在升级，每一个社会原子都需要及时调整自己组织和生活状态。

#老板们都在热议的数据飞轮是啥