清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

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!

评论


发表评论
您的评论提交后会进行审核,审核通过的留言会展示在上方留言区域,请耐心等待。
猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。