愛數產品副總裁解讀數據驅動企業數字化經營落地實踐｜愛分析活動

原創愛分析ifenxi 2023-08-25 12:20

華潤微電子推出第五代高性能SGT MOS產品 4周搞定BLE/Wi?Fi/NFC，從選型到首例工程

8月9日，愛分析“企業如何建設數據能力”主題網絡研討會成功舉辦，本次研討會圍繞企業建設數據能力的趨勢洞察和落地案例展開，其中愛數產品副總裁李基亮在會上進行了“數據驅動企業數字化經營”的主題演講。

李基亮通過制造和工程設計行業的實際案例，提出以業務為中心數據治理和資產管理的七大執行步驟、五層架構拆解，并詳細介紹了企業數字化運營整體建設思路和數據一體化運營的實踐落地。

現將李基亮的分享實錄整理如下。

李基亮：大家好，我是愛數的產品副總裁李基亮。很高興今晚有這樣一個機會跟大家分享在過去兩三年，關于企業數據治理和數據運營的實踐。

今天的分享分為兩個部分，第一部分是傳統制造企業進行數字化轉型時，整體與各個業務數字化轉型之間關聯的思考；第二個部分則會重點聊聊數據治理與數據一體化運營在企業中的相關實踐。

數字化運營與業務數字化轉型

1.1 愛數介紹

最開始跟大家介紹一下愛數。

愛數于2003年成立，距今已發展了20年。最早愛數的業務聚焦在數據保護，之后推出了面向文檔、知識、日志數據等內容的管理產品。2019年之后，愛數正式發布大數據基礎設施戰略，圍繞著數據的全生命周期和全類型數據來為客戶做數據能力的支撐。

關于愛數的定位我列了三個關鍵詞。第一個關鍵詞是生產力，我們認為數據是未來的生產力，能夠幫助進行生產范式的重大革命性提升；第二個關鍵詞是共創，愛數提供的是平臺加生態的模式，我們和生態伙伴、客戶一起，從基礎層到數據層再到應用層，共創企業數字化轉型；第三個關鍵詞是智能，愛數的核心點聚焦在認知智能，圍繞著知識網絡和領域大模型能力來幫助客戶實現智能化的轉型和升級。

1.2 數據賦能業務，知識賦能人

分享的第一部分，我會跟大家講講我們看到的在傳統中大型企業，特別是實體制造企業當中，他們是怎么去做數字化轉型以及做業務的數字化、怎么去實現數字化經營。其中包含了我們和一家制造行業客戶共創的解決方案與思路，希望給大家帶來一些啟發。

上面這張圖分為兩個部分，左邊是面向制造企業的不同業務域，比如設計，產品研發，生產經營調度，設備管理，市場營銷，供應鏈管理，這些都是具體業務域。

右邊是整個數字化的運營中心，它的核心邏輯是圍繞著目前企業在管理的核心抓手，即PDCA整體的閉環，也就是從目標到執行再到異常管理，最后是工作的改進和調度。運營中心最終目標是為了幫助企業去達成戰略和實現目標，這也是整個框架里最核心的點。

右邊的數字化運營中心是大框架，左邊每一個業務域的數字化、數據、系統成熟度，都可以被右邊的運營中心去納入，進行統一的數字化運營監控或者數字化運營分析，這樣就形成了整個企業數字化轉型的總體框架，體現出兩個核心點：

第一，讓數據賦能業務。舉個例子，假如現在正在執行的計劃或者生產調度跟預期計劃出現不一致，那找出不一致的是發生在流程的哪個環節，這樣我們就可以幫助業務決策者在過程中去調整業務決策，我們把它叫做數據賦能業務。

在這個過程中還需要有復盤機制，去做異常管理時如果發現問題，在定位處置和更新之后要能把經驗沉淀和積累下來，這個過程也叫做知識賦能。

第二，讓知識賦能人。整個過程中，我們其實都是通過數據和數字化的目標來引導人的行為，讓數據來輔助人，讓異常監控的數據來提醒人，以及通過量化成果來激勵人，整個數字化最終落腳點是人。

目前在做整個數字化運營實踐中，我認為數字化轉型里面最重要的一個點，就是通過數據來反映業務，通過數據來賦能業務。

這是我們近兩年在跟客戶共創的一個案例，通過整體的數字化閉環框架，逐業務域的去實現數據運營的監控分析，從而提升業務效率，把控質量管理異常和風險，從而達成整個經營的目標。

對于傳統數字化制造型企業或者中大型傳統企業而言，非常關注的一個點就是如何通過數據來反映經營個情況以及發現問題。

1.3 企業整體數字化運營方案和架構

上面這張圖實際是把前面那張的各個部分進行了具象化，比如，各個業務域，它有自己的管理和作業系統，比如經營和生產中有相應計劃，執行過程中是通過管理系統、生產制造系統、采購供應系統的信息化來執行和實現。

傳統企業里生產制造、采購供應等有很多線下環節，我們認為線下環節在整個數字化轉型里其實是有斷點的，我們認為斷點在某些情況下決定了這個業務數字化成熟度水平怎么樣。通過整個目標和業務的梳理，其實可以看到當前在哪個環節是需要進行相應數字化的。

比如采購供應數字化建設，整個流程中我們可以先算出如果沒進行數字化和信息化的話，這個過程中我可能需要調用多少人、花費多少天，在數字化改造完成后可以夠縮短到多少人次和天數，從而把它量化出來計算相應的投資回報。

這樣對于每個業務域我們都可以去做出評估，了解公司可以優先投入做哪些領域的數字化轉型和改造，實現整個業務域的數字化升級。

接下來把視角轉到右邊這一部分，這是我們從數字化PDCA的整個閉環角度去構建的系統。

首先我們先聊聊運營規劃板塊，這里就指標這個點展開講。我認為單純去講指標其實也不一定是對的，企業真正要去做的是對整個戰略進行拆解，然后轉化到企業關鍵的KSF，最終落地到相應的KPI和關鍵的流程節點。

后續去看關鍵流程節點會在哪些環節會產生什么樣的數據，數據最原始的統計方式什么。通過這些點就可以去定義一些相應的監控點，比如說產線的監控、采購供應的監控，通過監控發現異常問題，從而定位到相應環節。

其次是運營監控分析板塊。可能很多人認為運營監控就是做一個大屏或者BI，但我認為單純BI不能稱之為分析，它只是反映了一個結果數據。

我認為真正數據分析是透過結果數據往前看，如果沒有問題就無須處理，如果看到有問題的數據或者與預期不符的數據，我們需要看看到數據背后是在哪個環節什么場景下發生的有異常，只有這樣我們才能稱之為數據運營分析，才是對整個企業產生價值。這是關于整個PDCA閉環這一板塊的介紹。

最后是運營調度板塊。坦白來說，在企業里面這并不是一個開放域的話題，而是相對來說比較規則化和流程化的東西，它要解決是每個點、每個對象之間的關系。

所以當發現異常的時候，我們需要知道是人機料法環的哪個環節、哪個對象出現的問題，所以這一層我認為是在整個知識網絡的構建過程中是非常關鍵的一個點。

以上就是那這是企業整體數字化運營層面的架構。

1.4 統一數字化運營監控與分析執行

接下來講講統一數字化運營與監控分析執行，也就是Check&Action。這里我要強調一點，數據分析不能只是做一個大屏或者BI，在面向決策層領導時第一個層次是Know-What，第二個層次就是要Know-Why，在部門事業部更是要Know-How。

拿我自己來說，每個月都會有相應的報表給到我這里，報表中可能會分析我們產品客戶各個季度的凈推薦值。但是對于我而言，我不只是單純是看一個統計的數據，而是要知道背后的原因是什么。如果說這個季度MPS下降了，是因為哪些客戶的哪些問題會導致客戶不太愿意推薦你，甚至客戶有貶損。

作為經營管理者其實要看到這個背后Know-How的問題，繼而能夠精準知道到底是產品整體的問題，還是某一批次質量問題。

1.5 構建體系化知識中心

下面要聊的是如何圍繞著運營問題和經驗復盤把體系化知識建立起來，這一點對于很多的企業而言是蠻重要的，不管是像愛數這個規模的企業還是很大規模的互聯網巨頭，內部其實都有這樣的機制，即如何把整個項目的復盤通過知識圈和相應的專業知識庫沉淀下來，這樣不管是提高員工能力層面，還是避免類似問題重復發生層面，圍繞著像是設備和產品故障的知識庫的構建都是非常有必要的。

數據治理與數據一體化運營

2.1 某工程設計集團，從工程設計域到運營管理域的數字化

以上是分享的第一部分內容，接下來的時間在第二部分里想跟大家聊的是業務驅動的數據一體化運營，以及一些相關實踐案例。

該案例客戶是一家化工企業，業務涉及化工EPC的項目總承包和交互設計、運營，也是我們的一位老客戶，該企業從最早的非結構化數據中臺到現在數據治理都交給我們來實現。

這個項目跟前面大型制造企業的不同點在于這家企業是有大量的設計數據。前幾年是解決了整個設計內容和協同的問題，因為整個工程項目里面有大量的協同設計圖紙，這些圖紙對于他們而言都是核心數據，把數據管理好就是他們核心關注的事情。

22年我們幫助這家企業研發了化工工藝相關產業情報、知識圖譜和知識推薦。23年我們重點關注他們的整體運營管理調度情況，在每個月經營調度的會議上老板會去看當月運營管理調度這塊的經營情況，財務數據，安全的人工時數據，數據異常等等。他們處置調度的過程包括確認圖紙的入庫量，看看項目相應的設計投資是不是成為公司資產進行管理，而像是項目的重點報告、進度管理、運輸款管理等等都是他們比較關注的事情。

在企業關注層面我總結出兩個比較重要的點，第一個是數據要有及時性，第二個是要知道背后的Know-How問題。在經營調度會上，當講到某個具體數據的時候，相應的經營人員需要去回答背后的原因大概是什么樣的，在哪些環節有相應的問題，同時在現場就會有相應的任務的調度和處置安排，比如某處有異常，那相應的管理者就需要做一些關鍵動作來去解決問題。

2.2 實現數據以業務為中心，真正理解業務

今年我們還重點解決了一件事情，如何用數據服務企業運營管理部，并實現數據能夠更好被業務部門去使用。

如果只是單純讓數據部門或者信息化部門建立一個數據中臺是很容易的，但后續其實沒有收到什么成效。這家企業今年在做整體數字化運營和數據治理項目的時候，最核心關心的問題就是不管是數據治理還是數據資產運營及管理，都必須要服務于業務部門，如果業務部門認為自己能很方便的去使用到數據，那整個項目就是合格的。

在整個過程中，我們幫助客戶去解決的核心點是，我們希望能夠調和數據部門和業務部門，因為業務部門關心的是業務快速實現和達成成效，而數據部門其實不太懂業務。所以原來的信息化部門雖然做了數據中臺等一些基礎工具，但是最大問題依然是他們沒有業務視角，處于脫節狀態。

所以，我們項目完成過程中最核心一點就是在做數據治理和數據資產運營管理時，以業務為中心，真正理解業務，進行結構化管理和業務梳理，把數據和業務進行對齊。我們圍繞整個PDCA做了一個結構化的拆解，總共是分了四步。

第一步，從整個部門的戰略承載，再到目標的拆解，也就是把整個業務進行結構化和量化的梳理。

第二步，通過數據來綁定業務。

第三步，發現相應的差距和問題，然后再去尋找關系和定位原因。

第四步，通過評估意見和決策建議進行改進和提升。

以上是我們給到業務部門的整體思考框架。

2.3 七大執行步驟和五層架構拆解

在這個體系里，我們堅持以業務為中心來進行數據治理和資產管理，把業務架構和數據架構做了連接和梳理。

第一，我們會通過七個主要步驟去幫助客戶來梳理業務部門的業務架構，從它的業務域、業務部門、主干業務，以及主干業務里面的流程表單、業務統計的口徑、業務的標準等，這些都決定了整個數據的標準，通過業務架構的梳理，這個七個步驟基本上就把整個項目去理清楚。

第二，我們會再把這些數據通過數據資產管理的五層架構來進行整理，從數據資產的主體，到業務的對象，再到相應的邏輯實體和數據屬性，其中因為邏輯實體的一些字段能夠映射到右表這個層面來，因為這個表從本質上來說是從源端出發的，而數據資產管理則是從使用端和管理端出發的，所以這兩點在我們看來其實是相對獨立的。

我們認為數據的五層數據架構中，落地點真正難的部分是在于數據架構是能夠找到準確和真實可用的數據。

因為我們知道數據治理是要從源端治理開始做，所以業務架構梳理的這七步恰好可以解決這個問題，即把右表這一塊業務標準梳理清楚后，相應業務對象邏輯實體的表達和設計其實就會比較清晰。

在那之后再來去做業務、系統和數據成熟度的評估，包括業務之間的協同流程標準是不是一致流程，指標的口徑是不是一致的，都變得是可以去快速量化出來。從這之后，一方面可以指導數據治理，另外一方面可以服務于長期化的分析。

2.4 梳理業務流程，明確業務表單和統計指標

這是我們在整個架構體系里面做的一些事情，圍繞著這些動作也是幫助企業進行梳理，一是從數據資產層面做了主體到業務對象的梳理，二是進行業務層的梳理。業務層梳理過程中，我們會去梳理L3主干的一些流程，以及流程中會產生哪些數據，產生數據的一些標準，相應的業務統計口徑，關聯的業務對象，從而把整個業務梳理和數據資產管理體系銜接起來，最終實現圍繞著業務為中心來去找數據和用數據。

2.5 設計圖紙數據管理場景挑戰

數據資產管理的部分大家可能會覺得偏理論化的內容比較多，但依然也包含了企業的一些實際問題。

比如說針對設計類企業，設計圖紙就是核心數據，前兩年在把數據給到對方時其實已經把非結構化數據的基本管理完成了，但今天我們要做的就是把設計圖紙里面本身的數據提取出來，進行結構化之后。一方面服務于設計人員去找圖紙，另一方面服務于設計之間的協同。

舉個例子，比如基本機泵的口徑從100到200毫米之間有哪些型號是可以適用的，在哪些項目中已經用過了，企業就希望找到這種圖紙和數據時，把一些從非結構化數據中提取過來的數據進行結構化后，再放到數據資產平臺里面來實現統一管理。

所以我們在整個項目里面還做了一件事情，就是把五層業務架構跟企業數據架構、業務實例文檔體系做了相應關聯，業務實例的文檔跟業務對象這一塊的數據進行關聯的，而體系文檔是跟整個主題域和相應的業務流程進行關聯的。最終整個企業以業務模型和業務對象為中心，將各種各樣的數據在數據資產管理中實現了完整的串聯。

2.6 建立統一內容門戶，實現數據與人協同的一體化

此外還有一些工作，比如說前面講到的知識和情報領域，把整個化學工藝的關系圖譜進行整合，形成了統一的內容和數據門戶，通過該門戶能夠在找到專業知識的同時獲得外部的一些情報數據，實現統一的管理。

最終我們希望做到的一個事情，是實現數據的平民化，數據能夠直接面向終端的業務用戶，不管是去用外部的產業情報和數據，還是用公司整個內部的知識數據與經營分析，在有權限的前提下，一些原始數據和客戶、項目數據都能夠有統一的視角給到業務部門，客戶也會認為，這是能夠幫助他們去實現數據平民化的一個很重要的邏輯。

這也是我為什么一直說，這個項目不是由信息部門來決策的，而是由業務部門來最終決定實現。

以上就是我本次主題分享的全部內容，謝謝大家！

注：點擊左下角“閱讀原文”，可下載愛分析愛分析網絡研討會分享完整PPT。