央国企“严选”的瓴羊，如何让数据“供得出、流得动、用得好”？

产业变革新浪潮下,数据被视为推动经济社会发展最活跃、最显著的生产要素,数据资产管理也步入向上发展的“繁花时代”。如何做好数据资产治理,如何让高质量数据“供得出、流得动、用得好”,成为决定企业数智化转型的必答题。

12月18至19日,“2024数据资产管理大会”在京召开。此次大会以“数据重塑价值智能链接未来”为主题,采用“1主论坛+6个专题论坛”的形式,从行业热点话题出发,与政产学研各界代表共话数据资产管理热点议题。作为企业技术先锋代表,阿里云瓴羊高级解决方案专家黄彦之受邀出席“企业数智化转型论坛”,分享了瓴羊如何基于12年阿里最佳数据实践,以瓴羊Dataphin等产品为基石,助力央国企创见数智未来的路径与方法。

十年磨一剑:从阿里最佳实践,到“三流合一”数据解决方案

从2012年至今,阿里的数据治理实践,已走过了十多个年头。2012年,彼时阿里内部数据呈现爆发式增长,集团通过One Data方法论实现了ID、建模与服务的统一;至2015年,One Product在3年内快速成型,将服务对象扩展至消费者、商家与集团内部;2018年,阿里率先提出了如今耳熟能详的“中台”一词,搭建了数据、业务与服务三大中台。2021年瓴羊成立,将治理、营销、客服等多领域实践与服务能力对外输出,服务千行百业。

十几年来,阿里数据管理的技术、组织与业务,都已悄然发生变化。如今,阿里运营了世界上第三大的数据集,拥有8000多个BP,在全球范围内除了谷歌、亚马逊外,唯有阿里可以支持如此大体量的数据治理工作。在庞大的数据集外,阿里还拥有上万张表,即使在忙碌的双11,也能在200毫秒内汇集所有数据,快速输出结果。在技术之外,阿里中台组织也从原来的20多人,扩展至如今的上千人,服务对象也延展至10亿淘天用户与全球4700万商家,实现了组织与业务的双向升级。

“在这一过程中,数据的构建,完全由业务驱动,物流供应链的优化,决策风控模型实施,这些业务都离不开数据的支撑;与此同时,业务也会反哺数据,帮助数据变革升级”,黄彦之表示,阿里正是在数据业务化、数据业务化的过程中“十年磨一剑”,摸索出一条精进之道。

早在成立伊始,瓴羊就围绕三大核心要素:耗材(数据服务)、器材(软件产品)与人才。其中,耗材指的是基于友盟+等数据服务,形成的准确、高效、新鲜的数据流;器材指的是通过软件产品,帮助客户达成高效工作流;人才则是通过大量运营专家、交付团队、培养体系,将数据与工具进行落地,形成健康的商业流。

因此,“三材合一”与“三流合一”其实是“一枚硬币的两面”,目的在于共同促进数据流、工作流与商业流的有序融合。

数据流方面,瓴羊通过数据的汇总与构建,保证了全链路数据的融合、产出与监控。在此基础上,常态化治理进一步维持了数据新鲜度,保障了数据质量与数据安全;最终,个性化数据指标与标签的运营,使数据可以在不同业务部门之间,实现流畅的数据消费与流通。

工作流方面,瓴羊拥有完备的产品体系支撑:其中,Dataphin、Quick Bl广泛应用于企业数据加工,Quick Audience、Quick Service普遍应用于企业数据消费,瓴羊港以及针对金融、户外营销的产品,则致力于解决行业数据流通问题。

值得一提的是,据“2024数据资产管理大会”颁布的《数据治理产业图谱3.0》,在数据治理相关产品及服务的市场中,瓴羊Dataphin入选BUCM板块(独立服务商、一体化平台、综合服务商、提供跨行业领域服务)代表产品,充分印证了Dataphin在数据治理方案方面的领先经验与丰富成果。

据悉,《数据治理产业图谱3.0》由中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)编制,旨在梳理数据治理相关产品及服务的市场现状,洞察数据产业发展现状及未来发展趋势,为各方在数据治理领域的布局规划和未来发展提供参考。该图谱从服务商类型、产品类型、服务类型与行业类型四个维度出发,描绘出10种全新的服务商“特征画像”,并对应设计了10种不同的卡通形象,其中BUCM画像呈现出定制化、稳定性、全面性、多场景的优势特征,代表了数据管理产品的一体化、定制化服务的未来趋势。

在产品体系外,瓴羊还通过人才软实力优势,将数据流、工作流结合起来,形成数据驱动决策的商业流。例如,在企业日常经营场景中,不同身份的用户数据需求并不一致:作为“金字塔”塔尖的决策层往往采用点状数据阅读的方式找问题,数据互动需求并不强;与决策层类似,管理层数据互动也偏弱,诉求更多地集中于通过线性分析视角拆解问题、定位原因;在执行层,“解决问题”成为当务之急,这就需要较多的数据探索与交互。瓴羊1+N+N决策分析通过拆分每一层级场景,用产品工具将关键指标点串联起来,打通跨层级的“墙”,为决策、诊断与提效提供差异化支持。

数据路何以畅无阻:央国企千行百业的数智化转型路径

生长于阿里内部的瓴羊,早早地便走出了集团内部,将数据中台、数据工具与决策体系,应用于能源、工业、电力等领域,真正成为千行百业数智化服务的领头羊。

对于万亿级别的头部能源央企来说,业务大体量拖慢了取数效率与准确度,数据治理难掩疲态。2020年,该企业用瓴羊系列产品和服务代替了原本笨重的业财一体化项目,初次体验到数据治理的甜头。2022年,公司再度借助瓴羊Dataphin等产品搭建起全面的经营管控体系,集成了业财融合、审计风控、销售分析多个数智场景。目前,该系统已产出300多个模型、3万多个任务,为25个部门超500个员工或合作伙伴提供服务。

“我们借助加油站风控模型,实现了对异常订单进行实时分析,帮助该企业节约了千万级以上的损失”,黄彦之表示,系统后续还会将继续采集财务、营销、油卡等数据,为企业统一决策提供更全面的数据支撑。

数据治理不仅规避了风险损失,提高了决策效率,还大大降低了领导层的读数门槛。同样是在能源行业,另一企业则基于通义千问大模型的智能问数能力,将数据资产的业务价值显化。企业高管可以通过自由问答的方式,轻松获取数据与决策分析。

在链路更长的汽车行业,对数据的依赖性更甚。如何建设一条畅通无阻的“数据路”,贯穿研发、营销、销售、运营等环节?瓴羊将重点放在了以下三个支点:展开数据治理,打通APP、官网等前端消费数据,为后续指标、运营体系建设提供支撑与保障;加速数据消费,提高从研发到供应链管理的数字化能力,将数据应用于业务实处;促进数据流通,让数据在企业不同部门、4S店与直营门店之间流动起来,形成畅通的数据链路。

在具体的数据消费链路,智能客服近来成为各大国央企降本增效的热点,但大多企业仅仅将其视为单一的“工具箱”,没有将其与业务场景改进实现有机结合。某国企集团借助瓴羊,开辟了一条更有价值的新路:将四条业务线智能客服进行集体整合,既改善了消费者服务旅程,又满足了内部员工使用大模型对话机器人的需求,同时还降低了业务部门的成本,建立起全渠道、全业务打通的客服工作台。

“AI与数据的结合,让智能客服不再是一个工具箱,而是帮助用户从业务场景设计,到根据业务反馈升级的整体服务能力”,黄彦之强调。