top of page

數據大小雙循環

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
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page