top of page

數據大小雙循環

Nov 6, 2020
2 min read

Updated: Apr 28

別以為我做了標題黨,忽然跟風說到「循環」這個詞,其實企業要做好數碼化轉型,肯定先要正確地認識「大數據」, 千萬不要以為它是「數據的加大版」。從本質上來說,大數據價值來自業務閉環中的數據不斷重塑及發現(Reinvention),數據在小循環中產生的價值固然重要,但在大循環中成為公共創新資源再被重塑,如果數據資源能在不同循環之間產生共生現象,這正是大家對數碼紅利憧憬的疊加效應。

必須強調的是,在任何一個數碼應用場景之中,都隱藏着數據循環的兩面,分別是(1)以數據應用為中心的孵化過程;(2)以數據資源匯聚為中心的營運方式,而數據戰略正是兩者的指揮中心。

筆者喜歡把它們簡稱為「用數據」及「養數據」兩個環節,企業要把「用數據」做好,固然是漫漫長路,但始終是一條明線,不僅業務目標要清晰,還要設定衡量成敗的指標。但「養數據」卻不一樣,數據如果缺乏清晰的戰略方向,囫圇吞棗的後果不僅會得物無所用,還會造成極大的資源內耗(包括信心)。

如前所述,大數據的本質及價值來自公共(大循環)數據的連接,但數據愈往外索求,穩定性就愈難保障,而且獲取的場景中業務性質相距愈大,數據的隔閡需要更大的資源作修補(Data preparation)。在我的經驗裏,數碼化轉型中要達到有效數據循環,必須設定合理數據規模的戰略目標。戰略目標訂立得宜,可說是已經成功了一半,但要把數據充分在業務環節中流通,畢竟還是會涉及到組織上的改變(包括破舊和立新),企業必須在業務、技術、資源分配、人才培養等舊觀念作出轉變,建立新理念將成為轉型的核心。由此可見,沒有一套頂層框架之前就直接注入數據平台或投入大量人工智能,在未看到科技成效之前,很多內部矛盾及糾紛已經原形畢露,筆者認為這正是國內外成功的數碼企業不多的主要原因。

因此,儘管企業數碼轉型的步伐愈來愈急切,但我接觸到的企業管理層在全力以赴之前都在猶豫地問:應該如何找出切入點?怎樣訂立轉型的優先次序?數據安全如何與業務平衡發展?怎能找到適合的領導人才?怎樣知道轉型做得對還是錯?面對上述問題,筆者覺得關鍵點還是管理層希望從轉型中得到什麼。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
人工智能難問責 恐釀悲劇

筆者始終堅持一個判斷:技術的問題,往往不是技術的問題。本周,美國國防部長海格塞斯(Pete Hegseth)一則消息,又讓我把這句話重新檢視一遍。 海格塞斯宣布組建「自主作戰司令部」,這是一個新的四星級聯合作戰司令部,負責指揮、統籌無人機與機械人採購、測試及部署,尋求2027年撥款546億美元,明年10月投入運作。同一天,他又拋出「子午線計劃」,邀請富商馬斯克、前眾議長金里奇(Newt Gingr

 
 
當人工智能越權 誰要問責

這周有幾篇科技新聞,分開看都是小事,放在一起看,是同一指向。 第一則:OpenAI的人工智能代理(AI Agent)未經授權進入澳洲政府的數據系統。澳洲總理稱「明顯會有法律後果」,但問題是控告誰?開發它的公司、部署它的員工,還是那個「不肯接受命令」的自主代理本身? 第二則:本來預測AI會重創應屆畢業生就業,結果美國失業數據公布出來,卻沒有顯著衝擊,恐慌還沒來。 這三則:AI不再是「你問它答」的工具

 
 
港五年AI規劃 育才宜多着墨

香港首個《五年規劃》正式出台,這標誌着定位的轉變:從「被動銜接」升級為「主動對接」。《施政報告》重點強調「大力引進人工智能(AI)人才」,而「AI人才」這四個字,實際上涵蓋了三類截然不同的專業人才。 第一種,造AI的人。工程師、科學家、訓練模型、寫演算法、生產晶片的人,這類是傳統意義上的「AI人才」,也是「搶」的對象。他們稀缺、人工高、流動性強,全世界都在搶。香港搶這類人才,跟美國矽谷、新加坡、深

 
 
bottom of page