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
人工智能泡沫破裂 誰來埋單

先說CoreWeave這間美國公司,它在2017年創立,創辦人把手上的顯示卡轉租出去,成為美國最大的「人工智能(AI)雲」之一,今天營運50多個AI數據中心、25萬枚以上圖像處理器(GPU)。簡單來說,其商業模式:借錢買晶片,再把算力租給科技公司。 為什麼CoreWeave是這輪AI基建的寒暑表?因為該公司沒有別的業務,其股價和債券表現就是市場對「算力債務」的信心反映。上周三,股價急跌了15%,債

 
 
AI贏家 鬥快不如做對

人工智能(AI)確實提升了生產力,代碼寫得更快、更多,這是毋庸置疑的,但它同時帶來了一個新的隱憂:效率提升了,效果卻未然。當我們把「快」當成「好」,危險便悄然而生。 AI模型評估與威脅研究機構METR曾做過一項實驗。16名資深程式開發者,在自己最熟悉的成熟代碼庫上工作,承接246個真實任務(修補漏洞、加建功能、重構),一半允許使用AI,一半則禁用。使用AI的團隊,他們自己覺得快了20%,但感覺與實

 
 
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

 
 
bottom of page