当数据创新遇到精益思想 数字化转型的新世界便打开了 原创

至顶网 09月17日 新闻消息（文/李祥敬）：在如今这个数字化时代，如何创新与转型为各行各业孜孜以求的目标，数字化转型成为企业的重要命题。

ThoughtWorks数据及AI业务负责人史凯

在ThoughtWorks数据及AI业务负责人史凯看来，现在数字化转型已经进⼊到数据驱动的新阶段，为了全方面挖掘数据的价值，ThoughtWorks将精益思想与数据创新进行融合，推出了精益数据创新架构，帮助企业用精益敏捷的方法构建数据运营、智能创新的能力。

在万物互联的数字化时代，行业、流程、领域本质上是不存在的，只是因为人类的知识、算力是有限的，所以才通过划分行业、领域、构建主干流程来帮助我们理解和发展业务。业务的发展本质上就是发现更多的价值点，建立连接，而这个时候从数据而不仅是经验中产生更多发现和洞察也就至关重要了。

史凯说，大家都在说数据驱动创新，为什么？因为人的创新依赖于经验，而只有数据才是最全面、真实反映本质的。

“所有企业都希望自己成为一个数据驱动的企业，通过数据进行决策。基于实践，ThoughtWorks提出了精益数据创新体系。”

数字化转型进入到数据驱动的新阶段

数字化转型并不是一个全新的概念，史凯表示，早前的信息化建设是把物理世界的流程线上化，也就是流程自动化，那个时候数据是一个流程的副产品，企业并没有太过于注意流程中产生的数据，所以到后来要使用数据的时候发现数据缺乏设计，缺乏规划，产生了众多数据孤岛。而在如今的数字化时代，前端的业务流程瞬息万变，流程成了一个副产品，真正重要的是那些存留下来的数据，它反映了物理世界真实的业务、用户行为等，从中企业能够进行更多的创新。

其实这个问题可以归结为信息化和数字化的区别是什么？

信息化是业务的一个工具，通过信息流转支持业务。但是信息化并没有改变业务的本质，这是信息化。

数字化是什么？数字化实际上改变了业务的本质，它是把业务本身用数字化思维和技术重构了一遍，数字化就是业务本身。

数据是⼀切创新的源泉，而创新的本质是建立连接。

所以对于数字化转型中的企业而言，需要构建数据全景，全面建立连接。

数据全景不是你现在有什么数据，而是你应该有什么样，可能会用到什么样的数据的数据，这就是数据全景图。

史凯提出数据全景的概念，数据全景(Data Landscape)是物理世界在数字化世界的投影。实际上在数字化世界建立连接比在物理世界当中建立连接要快得多。“怎么把物理世界的知识、经验、行为、实体数据化，通过数字化的技术把它连接起来，这就是数字化转型，以及创新的本质，这也是数字化转型给创新带来的变化。”

数据驱动让企业数字化转型进入到一个全新的阶段，我们已经进入到一个数据驱动的时代。

数据驱动的创新能力是所有企业数字化转型的关键能力和支柱，越来越多的企业通过数据分析去发现创新。史凯以一个能源企业为例说，ThoughtWorks帮助他们按照区域去分析历史销量数据，发现他原来划分渠道的方式是不科学的。在业务融合越来越紧密的情况下，按照传统渠道定义的方式已经无法帮助企业更为精细地实现客户运营。

“你要把它所有的数据拿出来，然后根据他们每个月的消费订单、他们对于服务的满意度等信息进行聚类、回归分析，进而产生用户画像，而不是简单地用一个个标签去进行用户划分。”史凯说，“总之，数字化转型已经进入到了数据驱动的时代，已经从流程定义的世界进入到数据定义的世界。”

企业数据驱动创新需要面对的挑战

数字化带来的本质改变是连接和移动，每个企业都将是数据工厂。那么企业如何赋予业务人员以数据和智能的能力，发现经验之外隐藏的创新，进而全方面挖掘数据的价值？史凯表示，如何在海量的数据中快速发现业务价值点，并通过大数据、智能技术进行实验，验证价值，变成产品和服务，是数据驱动的创新和运营的关键挑战。

既然数字化转型已经进入到数据驱动的新阶段，那么如何利用数据发现创新的价值链，并且快速落地，这是每个企业都希望做到的。但是你会发现我们在这个过程中会面临很多挑战。

第一个挑战，业务人员对于数据和技术的理解不够深入。史凯说，业务人员不懂数据和技术会带来很多风险，比如业务需求与技术的不匹配，导致有价值的需求无法实现落地。“如果说业务人员知道，现在人工智能能做什么，那他自己就会去筛选一下，就可以有一些更加实际的、更加适合ROI的需求提出来。所以，我们需要赋予业务人员以数据和智能的能力，拉通业务、技术和数据。”

第二个挑战，数据和智能创新项目的不确定性。不同于功能性产品项目，你把功能需求提出来，我然后设计。对于数据项目，你如果不把数据进行汇总分析，就不知道这些数据能产生什么的。数据是流动变化的，如何保证在变化的数据当中产生标准的一致的结果？所以数据类的项目是有不确定性的。

人工智能的项目更有不确定性。人工智能项目大多是概率性问题，难以给出一个明确的对错预计；由于通过数据模型进行概率统计，并且最终结果需要等业务进行完才能知道最终结果，滞后性是一个问题；算法的选择；从物理世界的业务到数据模型，到最后这个结果反馈到物理世界的业务当中驱动它的变化，这个过程当中的每一个环节都有一定的失真和不确定性。

史凯说，在ThoughtWorks看来，人工智能有四个层次，分别是学术论文层、工程实践能力、平台服务层、业务应用层。大部分企业需要建立第二层以上的能力。ThoughtWorks认为每一个企业都需要AI平台的能力，也就是算法平台化、AI服务化。因为未来企业的决策、运营都需要用到AI，但是它又不能把AI做成一个个孤岛。

“人工智能是普惠性技术，企业数字化转型的基础能力设施，是场景和工程能力的结合。你把人工智能定位到合适的场景，这是最重要的。然后通过工程能力把想法进行实现，将AI与业务融为一体，把人工智能应用到业务当中产生价值。”史凯说。

既然人工智能项目具有如此的不确定性，企业该如何应对呢？史凯表示，我们需要有新的方法、体系和技术架构支撑数据创新。“我们发现‘精益（Lean）’思想跟数据创新相结合，能够解决前面讲到的这些挑战、问题。”

精益数据创新体系助力企业构建数据和智能创新蓝图

精益思想（Lean Thinking）源于20世纪80年代日本丰田发明的精益生产（Lean Production）方式，其从理论的高度归纳了精益生产中所包含的新的管理思维，把精益生产方法外延到企业活动的各个方面，不再局限于生产领域，从而促使管理人员重新思考企业流程，消灭浪费，创造价值。

精益思想的五项基本原则是正确地确定价值、识别价值流、流动、拉动、尽善尽美。这正好与数据创新完美结合，ThoughtWorks由此提出了精益数据创新体系。

史凯说，精益思想的第一个原则就是每一个产品、每一个业务、每一件事情一定要有一个特定的业务价值。所以ThoughtWorks认为数据和智能创新的第一步是你一定要清楚地知道你用数据和智能技术要干什么，它有什么价值，这是最重要的第一步。

然后你要把这个价值点变成一个可以去贯穿起来的一个价值流，只有有了数据处理链才能自动去运行这些数据。"我们要把这个分析的过程变成一个自动化的模型，这就叫数据处理链。我们把分析的过程变成一个或者多个模型，你这边就像自来水一样，接个水龙头，这边出来的就是你的价值，中间这个地方一定是无缝的，快速流动的。"史凯说。

其次是业务价值拉动，对于数据项目来说，企业需要的不是一堆报表，而是对业务的行为的决策结果。传统的数据项目是数据模型驱动，现在强调的是业务价值拉动，并且是按需拉动，而不是一次性把所有的功能都推送给用户，不管他用得上用不上，这是一种投资的浪费，很不精益。最后，人工智能项目需要永无止境地优化，不断优化。ThoughtWorks称之为“持续的人工智能”，DevOps是一方面，另外一方面，模型也要不断优化和演进。这个对应的就是ThoughtWorks的“精益数据创新体系”。

"第一点，所有的都要有业务价值；第二点，要围绕业务价值梳理出价值流，优化消除无价值的节点；第三点，构建数据处理链，加速价值的流动；第四点，业务价值拉动，而不是数据模型驱动；第五点，持续迭代、持续优化、持续人工智能，这是精益数据创新体系(Lean Data Innovation)。"史凯总结说，“对应我们的这个体系有一个很重要的轻量级咨询服务，我们称之为Data Discovery（数据探索咨询服务），他不同于传统的咨询服务之产出PPT报告，我们的Data Discovery融合了战略、精益、设计思维和数据工程、数据科学，在快速迭代中分析具体数据，验证算法，能够帮助企业快速识别价值，定义哪些是高优先级的价值，并完成高优先级价值的技术验证，最后规划有优先级的、可落地的实施方案和计划。

这是我们讲的精益数据创新，拉通数据技术与业务，管理数据和智能类项目的不确定性。”

借助Data Discovery，企业能够用互动的方式在数据的基础上，让业务人员无死角的、360度地把所有的创新产品全部发现出来，而不仅是依靠的经验。精益数据创新是用精益的方法对企业的数据全景进行梳理，快速找到业务价值，并且是可度量，可落地的业务场景和应用，这是最重要的。

写在最后

每个企业都将是数据工厂，史凯表示，所有的企业都会变成数据企业，它就会变成加工、处理数据的工厂，最后它实际生产的产品只是通过数据工厂洞察反馈到物理世界里变成一个实体的东西而已。

承载着数据工厂的核心需要一个平台，我们称之为“数据中台”，它会采集数据、分析数据、加工数据，探索数据的价值，最后驱动业务的转型和产品的创新。

应该说精益数据创新体系是ThoughtWorks对于当下企业数字化转型的最新洞察和实践，史凯表示，因为精益能够完全应用到数据和智能类项目的每一个环节，产生价值，并且ThoughtWorks有实践、方法、工具。

“ThoughtWorks精益数据创新体系实体化是什么？那就是是一套方法论，加上数据中台的落地解决方案，这也就是我们的精益数据创新解决方案。
目前，ThoughtWorks精益数据创新体系已经在制造、金融、教育等行业中进行落地，并取得了非常好的效果。”

ThoughtWorks认为，构建精益数据创新体系，企业就拥有了四大能力，用数据和AI使能业务转型，从而实现从流程驱动到数据驱动的数字化转型。

这四大能力是制定数据战略、打造数据中台、持续数据创新、构建智能应用的能力。

具体来说，制定数据战略是定方向，制定企业的精益数据战略，包括数据治理体系，数据平台架构，建⽴立数据思维，打造数据创新实验室；打造数据中台就是建工程能力，包括采集汇聚，存储治理，企业数据资产治理，数据处理， 数据分析，人工智能能力，打造数据自服务体系；持续数据创新，在数据中台基础上持续分析和运营数据，建立持续的创新能力；构建智能应用，从业务出发，价值导向，利用智能算法，结合企业数据为业务场景创新赋能。

为此，ThoughtWorks数据和智能使能团队提供了智能创新战略咨询（Data Discovery）、数据分析运营服务、数据中台交付、智能应用交付等服务，帮助企业更好迎接数据驱动下的数字化转型挑战。

“ThoughtWorks的更大的愿景是‘赋予所有人以数据和智能创新的能力’。”史凯最后说。