誰掌握了數據，誰就能掌控未來。

　　數字經濟時代，數據已成為關鍵生產要素乃至是最具戰略意義的資產。

　　然而，如何喚醒“沉睡”的數據、如何有效地管理和利用這些數據，使其轉化為發展的動能，依然是許多企業在數字化轉型過程中亟待破解的難題。

　　中鋁智能科技有限公司總工程師文欣榮，基于多年的一線觀察和行業實踐，對這一議題有著深刻的洞見。

　　企業數據資產何以“沉睡”

　　隨著數字化轉型的深入，企業要激活數據的潛在價值，將“沉眠”的數據轉化為實實在在的經濟效益，就必須全面關注數據生命周期的各個階段：收集、加工、分析、挖掘。盡管目標明確，但實現這一目標的過程中，企業仍需面對眾多挑戰。

　　其一，“數據治理難”。在文欣榮看來，這涉及到數據質量的控制、數據標準的統一以及數據可用性的判斷。

　　數據質量：某種程度上可以說是數據生產力的基礎。企業需要確保數據的準確性、完整性和一致性;

　　數據標準：不同系統之間的數據需要遵循統一的標準才能順利集成和使用，這涉及到定義清晰的數據模型和元數據管理策略。遺憾的是，當前即使是大企業也可能缺乏統一的數據標準。

　　數據可用性：由于技術進步和生產流程的變化，某些歷史數據可能不再適用當前的需求。另外不可忽視的是，生產條件和技術條件的變化導致的數據的不一致性。

　　其二，“數據驅動難”。文欣榮指出，企業應該轉變傳統的流程驅動思維，采用數據驅動的方法來提升工作效率。數據驅動意味著決策和操作基于實時數據和分析結果，而不是固定的流程。一旦數據經過治理達到一定的質量標準，就可以用于驅動業務流程和決策，提高效率和效果。

　　其三，“數據應用難”。文欣榮認為，企業需要找到能體現數據價值的場景作為切入點，進行持續迭代和優化。這里的關鍵挑戰在于如何將數據轉化為實際的業務價值，具體來說就是如何進行數據分析、挖掘，提取關鍵洞察，并應用到業務決策和運營中，進而優化流程、創造價值。

　　總的來說，“數據治理”確保數據質量，“數據驅動”促進基于數據的決策，而“數據應用”則是將數據轉化為具體的業務價值。這三個方面共同構成了數據在企業內部流動的一個完整的生命周期。只有全面考量來自各環節的挑戰，才能真正用好數據、用活數據。

　　建了又拆的數據中臺，敗因何在

　　不可否認的是，行業企業對于數據的價值早有體察，雖然過往沒有將數據上升到“戰略資產”的高度，但圍繞數據治理、數據價值挖掘的嘗試從未停止。“數據中臺”就是這一需求驅動下的產物。

　　曾經，數據中臺被寄予厚望。簡單來說，數據中臺是通過對海量數據進行采集、計算、存儲、加工，且進行統一標準和口徑，以實現對企業的數據資產的管理及應用。

　　作為企業數據治理的一把利劍，數據中臺企圖通過大一統的管理來打通數據與業務之間的通路，讓“數據前所未有地貼近業務”。然而，實際操作中不少企業投入巨資建立數據中臺，結果卻未能達到預期效益，甚至落到建完又拆的境地。

　　關于數據中臺的興衰起落，文欣榮首先點出：“中臺也好，其他也好，最關鍵是要明白，你搭這個工具到底是想實現什么。”

　　中臺最初的爆火雖然有一定炒作的成分，但其架構的確有自身的優勢。比如，中臺架構有助于打通數據和應用之間的壁壘，實現數據的統一管理和利用;有助于加速應用功能的開發，并支持應用功能的重用等等。

　　但是正如文欣榮所說，企業在搭建數據中臺時需要清晰地理解其真正的作用和目標，僅僅跟隨潮流搭建數據中臺而不明確其定位往往會導致項目的失敗。

　　在中臺概念如日中天之時，甚至有部分輿論宣稱中臺能夠解決所有問題，過于夸大其實際效用也是很多中臺項目的敗因。

　　文欣榮提到，中臺應該根據實際情況進行定制，而不是試圖成為萬能解決方案。例如，如果專注于交易數據分析，則應專門針對這一領域構建中臺。與此同時，中臺開發者不僅需要清晰地了解自己的工具能夠解決什么問題，也要明確其局限性。

　　在實戰中，非常有代表性的一個“坑”就是，許多企業在談論數據中臺時并未明確它們能夠處理的具體數據類型。事實上，數據中臺可能在某些領域(如結構化數據處理)表現出色，但在其他領域(如視頻數據處理)可能就無法與專業解決方案競爭。數據中臺應明確其最擅長處理的數據類型，并圍繞這一領域進行優化。

　　此外，不得不提的一點是，具體實踐中如果沒有找到合適的業務場景作為切入點，即使已經建成的中臺項目也難以持續推進。

　　文欣榮強調，數據中臺的建設，不應該只是一個技術層面的堆砌，而應該是深入業務、服務于業務的。企業需要從自身的具體需求出發，重新審視和構建自己的數據戰略。

　　數據飛輪：轉型進程中“數據驅動”的新解

　　中臺概念“降溫”之后，新興的理念層出不窮。尤其當數據逐步被上升到與土地、技術和資本等傳統要素并列的高度時，如何激活數據要素價值成為了產業界矚目的焦點。在這樣的背景下，數據飛輪的概念應運而生。

　　所謂數據飛輪，指的是數據資產與業務之間形成的正向循環，即數據被應用于業務，進而產生新的數據再反饋回系統，進一步豐富和優化數據資產，從而形成一個持續增強的循環。從運行機制來看，它強調的是一種動態的數據應用過程。整體概念并不繁復，但或許可以為企業轉型過程中如何優化數據驅動提供新的思路。

　　雖然終極目的都是為了讓數據更好地為業務服務，但數據飛輪與數據中臺有鮮明的差異性。文欣榮談道，數據飛輪更側重于業務流程或價值關系，而中臺更偏向于技術工具層面。某種程度上，數據飛輪可以由中臺或其他技術手段實現。

　　具體來說，數據中臺的重點在于數據的集中管理和高效利用，它是一個技術實現。實現手段是提供一個統一的數據服務接口，支持企業的數據需求;數據飛輪的重點則在于數據如何推動業務增長和創新，它是一個業務和戰略層面的概念，更多地強調數據與業務之間的動態循環和相互作用。

　　那么數據飛輪對于企業轉型有哪些創新性的價值表現呢?文欣榮指出：

　　第一，提供了一種理論框架。數據飛輪的目標是通過數據的使用和服務業務來創造價值，無論是提高業務效率、降低成本還是通過數據資產獲取增值收益。在這一理念鞭策下，可以讓員工更好地理解和重視數據的價值，并促使企業基于這一認識制定更有效的數據戰略，進而建立從高層向基層滲透的企業數據文化。

　　第二，提供了更加動態的數據應用視角。數據飛輪讓企業能夠將數據產生的價值反饋到數據資產中，進一步優化業務和產品，形成良性循環。數據飛輪強調數據消費作為核心驅動力，這意味著數據不僅要被收集和分析，更重要的是要被應用于業務決策中，通過數據驅動業務發展。

　　第三，拓寬應用場景，實現數據閉環。數據飛輪的應用場景不僅限于常見的協同辦公系統優化和流程自動化智能化等等，在不同行業中也有著廣闊的想象空間。以制造業為例，數據飛輪可以在生產優化、供應鏈管理、客戶服務等多個場景中發揮作用。例如，在生產環節，通過對數據的分析來優化生產計劃，觀察到實際生產效率的顯著提升后，將這些反饋數據重新輸入到系統中，以進一步優化生產計劃，形成持續改進的循環。

　　第四，與大模型相輔相成，共同構成企業轉型的核心驅動力。目前數據作為一種要素還未完全體現其價值潛力，數據飛輪要求企業將數據視為推動轉型和創新的關鍵資源，通過數據的循環利用和智能化分析，實現企業價值的最大化。隨著大模型時代的發展，這一推動作用將更為明顯。大模型的存在使得數據飛輪能夠更加高效地運轉，數據飛輪則可以持續為大模型提供新鮮的數據和反饋，幫助其進行自我學習和進化。基于這一關系，企業可以建立起一種基于數據的持續優化機制，加速自身的數字化轉型。

　　結語

　　自新石器時代的“結繩記事”開始，數據便走入了人類文明的視野。時光洪流中，藍星進入20世紀90年代，以互聯網為代表的新技術拉開了數字經濟時代的序幕。時至今日，數據已成為經濟活動中不可或缺的生產要素。置身歷史的拐點，唯有積極應對數據新時代帶來的挑戰，才能真正發揮數據在商業領域的價值。

　　在企業數字化轉型的征途上，數據飛輪的出現更多地象征著一種戰略思維的轉變。它強調的是通過不斷的數據收集、分析與應用，形成一個持續改進和自我強化的循環機制。數據飛輪的出現是一個契機，讓每個企業都有機會通過這一機制實現數字化轉型，但成功的關鍵在于找到最適合自身業務特點和數據基礎的應用場景與策略。唯有如此，企業才能在數字化洪流中立于不敗之地。