最近有人問了一個很好的問題：

“我們企業(yè)已經(jīng)從0到1建立了數(shù)據(jù)倉庫，應該怎么樣才能更好地做好整個數(shù)據(jù)產(chǎn)品從0到1的規(guī)劃和工作呢?”

“現(xiàn)在日常的主要工作是報表、提數(shù)和數(shù)據(jù)稽核工作，我這邊的初步想法是從業(yè)務的真實情況入手去找?guī)讉€業(yè)務場景做數(shù)據(jù)分析，進而得出一些有用的數(shù)據(jù)分析結(jié)果給業(yè)務部門做參考，進而引導他們用數(shù)據(jù)思維驅(qū)動業(yè)務，最后再來考慮數(shù)據(jù)產(chǎn)品這塊的實現(xiàn)!”

我推測這是一家傳統(tǒng)企業(yè)，跟很多企業(yè)的大數(shù)據(jù)發(fā)展路徑類似，他們首先建設(shè)了數(shù)據(jù)倉庫，然后有了BI報表，然后是各種取數(shù)，最后發(fā)現(xiàn)僅靠報表取數(shù)無法更好的體現(xiàn)數(shù)據(jù)的價值，因此希望能更好的實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務，但公司的業(yè)務人員似乎還沒有這方面的意識。

FineReport做的報表

的確，報表取數(shù)之后，大數(shù)據(jù)對內(nèi)應用之路該如何走對于任何一個企業(yè)都是巨大挑戰(zhàn)，怎么辦?

首先，當然是尋找最佳實踐，但對于大數(shù)據(jù)應用很難。

有些企業(yè)會特別強調(diào)技術(shù)，認為有了大數(shù)據(jù)技術(shù)就有了各種可能，比如hadoop、MPP、流處理、PaaS等等，但顯然技術(shù)知識手段，跟大數(shù)據(jù)應用水平的高低沒有必然的關(guān)系。

有些企業(yè)會特別強調(diào)治理，認為大數(shù)據(jù)只有治理好了，才能真正的理解企業(yè)的數(shù)據(jù)，從而發(fā)揮出數(shù)據(jù)的最高效用，但數(shù)據(jù)治理很好并不意味著應用就能做的很好，它只是一個前提條件。

我們要尋找的是對內(nèi)應用的最佳實踐，不是技術(shù)、治理或變現(xiàn)，而這個難度顯然高的多。

那么，到底哪個行業(yè)的大數(shù)據(jù)應用水平比較高，哪些企業(yè)的實踐和經(jīng)驗值得借鑒呢?其實沒有一個統(tǒng)一的標準。

怎么判斷兄弟公司的大數(shù)據(jù)應用水平高呢?你現(xiàn)在去問它，也許只給你看個PPT。

最后的辦法也許只能解決大數(shù)據(jù)底層基礎(chǔ)設(shè)施的問題，但對于大數(shù)據(jù)應用基本無能為力，即使是數(shù)據(jù)中臺也是如此，這是由大數(shù)據(jù)的行業(yè)特性決定的。

其次，決策支持似乎是一個機會，但時機未到。

希望去做數(shù)據(jù)分析給業(yè)務部門做參考，這當然是大數(shù)據(jù)應用的一個方向，但在大多數(shù)傳統(tǒng)企業(yè)，如果企業(yè)沒有賦予IT部門數(shù)據(jù)分析的職能，你所做的數(shù)據(jù)分析最多是個亮點，成為不了大數(shù)據(jù)應用的基本面。

因為數(shù)據(jù)分析當前主要是為老板的決策提供支持，非數(shù)據(jù)的因素非常多，而且IT部門在業(yè)務理解、落地執(zhí)行、機制流程上都沒有優(yōu)勢，IT去做這個事情大多數(shù)時候其實是事倍功半。

IT部門提供報表和數(shù)據(jù)，業(yè)務部門去做數(shù)據(jù)分析的這種合作模式其實是比較合理的，IT部門最多在數(shù)據(jù)提供的自動化水平上下下功夫，這也是當前數(shù)據(jù)中臺建設(shè)的一個重點，可惜數(shù)據(jù)中臺不是應用。

而各種BI應該在決策支持上發(fā)揮的作用始終脫離不了報表的本質(zhì)，這是由企業(yè)的決策模式和人工智能的局限決定的。

在決策支持上，大數(shù)據(jù)當前的主要作用還是提供準確的數(shù)據(jù)，大數(shù)據(jù)決策支持應用的繁榮有賴于企業(yè)數(shù)字化管理水平的提升和業(yè)務人員自身的覺醒，IT人員其實很難幫到忙。

最后，從性價比的角度看，為一線賦能最有可能。

既然當前階段大數(shù)據(jù)在決策支持上的應用出路很窄，我們可以嘗試反著走，到一線去尋找大數(shù)據(jù)應用的機會。

你會發(fā)現(xiàn)，在大多數(shù)企業(yè)內(nèi)部，一線人員主要還依靠經(jīng)驗，這是一塊尚未開墾的荒地，無論從可提升的空間、服務的數(shù)量及使用的場景看，性價比都很高。

就拿擺攤來說吧，在哪里擺攤，何時擺攤，目標用戶是誰，銷售什么，都有賴于大數(shù)據(jù)的智能分析，否則，一線人員就失去了市場的“眼睛”和“腦袋”，而這種貼近一線的大數(shù)據(jù)應用并不多。

即使如互聯(lián)網(wǎng)公司，他們的大數(shù)據(jù)應用大多也是從賦能一線人員開始的。

但考慮到一線的應用是不分專業(yè)的，既有數(shù)據(jù)需求也有功能需求，而當前大多數(shù)企業(yè)實現(xiàn)這兩類需求的部門往往分屬不同的專業(yè)組織，要對一線賦能大數(shù)據(jù)就得主動往前一步，這個極具挑戰(zhàn)性。因為在現(xiàn)階段，大多數(shù)IT專業(yè)組織跟業(yè)務人員一樣，還沒有數(shù)據(jù)驅(qū)動業(yè)務的意識。

經(jīng)過以上分析，也許我們也找到了當前階段評判企業(yè)大數(shù)據(jù)應用水平高低的方法，即直接去看看企業(yè)一線人員使用的工具或產(chǎn)品，大數(shù)據(jù)的能力是否已經(jīng)內(nèi)嵌在這些工具或產(chǎn)品內(nèi)部，是否這些工具已經(jīng)規(guī)?；臐B透到了企業(yè)的生產(chǎn)流程中，如果答案是YES，那的確可以去學習一下。

這可比大多數(shù)的“最佳實踐”靠譜多了。