本文共字，预计阅读时间。

一、正确认识大数据与人工智能的关系

随着“新基建”概念越来越火热，部分机构围绕5G、大数据、人工智能、工业互联网等，又开始了新一轮的概念炒作。

人工智能既不是不能的，也不是万能的。

但目前这个阶段，不少人对人工智能，有太多不切实际的期望值，与现实差距太大。

比如：

基于人脸识别的打卡考勤、测温等，当受到光线、温度等影响的时候，准确率大幅下降；

基于AI视觉的以图搜图，以音寻歌等，在噪音比较大的情况下，还有很多无法精准识别，错误率较高；

智能问答机器人，无法连续与人对话，总感觉有点傻傻的，答非所问；

在营销、风控等场景下，有些业务专家认为，专家规则比目前的“弱人工智能”更有用。

……

这种情况下，很多企业的管理者，也形成了三种不同的流派：

积极创新派：积极求变，主动创新，愿意与5G、AI技术突破，同步探索；

中立观望派：如果关注的标杆客户取得突破，再进行跟进；

保守消极派：需要60%甚至更多相似的企业真正落地产生价值后，才开始逐步跟进；

其实，无论是哪种流派，必须在一个方向上达成一致：

人工智能的基础是大数据。

大数据是数字经济时代，每家企业的核心竞争力。

如果说人工智能是先进生产力，大数据就是生产关系。

换而言之，大数据生产关系，就是解决大数据产生价值的商业模式，比如怎么获取数据，怎么发掘数据价值，怎么赚钱等问题。

生产力和生产关系联动，才能把企业的“数据”升级形成“数据资产”。这里生产力的发展在先，然后带动生产关系的发展，最终，再次推进技术的革新。

二、评估数据运营的六阶段模型

那么，如何评估一个企业的数据价值与数据阶段呢？

东方林语梳理出了数据资产的六阶段模型，包括零散使用、内外互动、业务逻辑、主动运营、建立标准、闭环迭代。

具体解释如下：

Stage1，零散使用阶段。

内部零散使用，原始报表总结汇报阶段；

在企业单一部门的内部，分散、凌乱的发挥了一部分数据的价值。一个很形象的例子，就是用EXCEL表格，做各种数据的汇总，给管理部门使用。这是最原始的数据产生价值阶段。一般目的就是让领导满意，或者让其他“利益相关”部门满意。

Stage2，内外互动阶段。

内外开始互动，发挥数据初步价值；

对部门内部的数据开始有意识的评估，并发现了不足之处，并基于需求，开始与其他部门尝试互相推送数据，数据价值开始从部门“内部流动”到“外部流动”。这个阶段，规则经验、统计学和BI（商业智能）工具使用居多。

Stage3，业务逻辑阶段。

初步发掘业务逻辑，了解互相推送的数据价值；

这个阶段，开始对业务有了更深入的探索与思考，开始追根究底，向相关业务部门了解互动的数据“背后的逻辑”。这个阶段，数据分析与挖掘的“技术树”开始越来越扩散，Python，R，SPARK，ML，CNN、RNN、NLP、KG……

Stage4，主动运营阶段。

主动运营数据，基于互相推送数据开始要求反馈效果；

来而不往非礼也。所有出去的数据，进来的数据，哪些是符合要求的？还有哪些需要补充的？如何从战略、流程、制度上进一步完善？开始思考这些问题，并开始针对场景，要求反馈具体效果，形成了有价值的“标签”。这个阶段，对数据的了解已经和业务场景结合，已经进入了比较深入的阶段。

Stage5：建立标准阶段。

数据双向互动，建立数据规范标准并获得数据反馈效果；

这个阶段，数据已经初步形成了“体系化运营”模式，从数据的申请，到数据的使用，再到效果的反馈，开始建立起了一套相对的标准与规范，做到了:

双向互动闭环流

有进有出有反馈

采集相对自动化

场景数据相匹配

Stage6：双向互动阶段。

数据闭环迭代，持续反馈形成“数据生态价值链”。

在这个阶段，不仅仅实现了数据资产“内部价值最大化”，而且开始逐步对外输出“数据技术方法论”，开始追求“商业价值最大化”。

这个阶段，就形成了完整的“数据生态价值链”，也达到了数据价值的最高阶段，寒江孤影，独孤求败了。

无论是响应国家号召落实“新基建”，还是企业内部数据战略落地，不是一句口号能解决问题。

每个企业，可以针对自己的现状，先问一句：

你们现在处在哪个阶段？

知行合一，远远比观望或者纸上谈兵有用。

那么，就立刻行动吧。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。