站在2022回望过去，距“数据中台元年”掀起热议，已经过去3年；自知名云数仓厂商Snowflake完成有记录以来金额最大的软件IPO，也已近2年。
这一刻，产业里新概念的浪潮似乎已趋于平静；而在海面之下，有越来越多的企业正默默地挖掘着数据的矿藏，以期数据能真正像石油一般，成为资产、带来价值。
【资料图】
数据与价值的距离究竟有多远？
人人都说数字化，数字化的成功又如何定义？
数据智能是厂商的“技术自嗨”，还是业务的提效关键？
在最近这场直播，前沿商业科技媒体 新眸创始人桑明强 对话 奇点云合伙人、战略咨询专家何夕 ，就深入聊了聊“数据价值”这回事儿。
观点速览
· 可复用的能力带来飞轮效应。
· 降本增效最核心的是要“可衡量”。
· 价值不来自产品 ，而来自“产品+服务”。
· 从AI到数据中台再到云原生、数据治理，把数据用起来以后，对其价值的想象会更具体、更落地。
本文整理自直播嘉宾实录
点击文末阅读原文，即可收看直播 全回放
新= 新眸桑明强； 奇= 奇点云何夕
数据价值的想象来自业务
越落地，越具象
新：我们可以看到近年toB行业技术热点的变化，从AI到数据中台、数据智能再到云原生…业界的关注点是如何演进的？是否存在资本因素的引领和影响？
奇： 其实它来自对价值的持续思考和想象，即“什么东西对我们价值最大”。
比如，一开始我们觉得算法的想象空间最大，那段时间AI非常火。而做了一段时间以后大家发现，AI底下需要有数，存在数据的问题，自然也就到了“数据中台”。阿里就是一个很典型的例子，它的很多算法并不是凭空长出来的，而是先完成了One-ID、One-Data，基于数据做了很多新的算法，所以数据中台在2019年就火了。
再下一个阶段，我们发现如果只用数据中台做报表、指标，它本身的增值空间和想象空间很难说，所以又有一个新的概念“数据智能”—— 大家会觉得数据中台本身是没有飞轮效应的，而如果在数据中沉淀了可复用的指标标签、算法接口等数据服务，数据服务是可以复用的，那就有飞轮效应了 。所以对价值的想象就到了数据智能。
到了今天，大家会发现数据智能是好，数据增速很快，以我们的实践经验为例， 一家公司上了数据中台以后，数据的增量可能是“137”甚至”139“，也就是第一年1倍，第二年3倍，第三年可能会有7-9倍的增量。 但同时也出现了一个问题，数据增速太快，存算成本付不起了。许多企业原来哪怕上了私有云，但不会做云原生的存算分离、容器化等动作，就发现存算成本太高了。这也就是为什么价值链的想象在往下沉，大家开始考虑存算成本降低、让更多人用得起的问题。
我们今年还发现一个特征，数据治理相关的项目特别多，大家都开始认同数据治理是价值里非常重要的一环。为什么？因为不经过数据治理，你的海量数据是没法变成数据资产的，就没有办法提供上面的指标、标签、算法等等，所以今年企业也会特别关注数据治理。
这就是一个价值链不断想象的过程。当然中间有投资人的因素，但更多还是来自业务角度——当业务正儿八经把数据用起来以后，对于价值的想象其实会不断变得更具体、更落地。
新：那具体到客户的视角，他们的关注点有没有出现变化？作为数据战略咨询的负责人，您在和客户交流的时候，他们现在谈论最多的问题是什么？
奇： 我们这些年服务的整体感受是，客户的关注点呈现“规划—应用—流通”的演变。
·规划
其实2018、2019年左右，企业不知道什么是数据中台，只是说数据中台好像很热门，是不是需要上一个。但究竟什么是数据中台？
在这个阶段，我们更多地会和客户交流、探讨，数据中台需要有业务、技术、组织的支撑，可能在咨询阶段会去规划，在规划中找到突破口。我们会帮助客户找到比较快能产出业务价值的切入点，客户在数据中台上做出一个明星项目，帮助企业上下相对快速地认识到数据价值。
·应用
慢慢地我们发现，客户渐渐熟悉数据中台这件事儿，开始从里面选出他们最需要的模块，比如说报表实时化、看板可用化、管理驾驶舱等等。这里都有客户自己对数据价值的思考。
经常会有企业遇到这样的情况，原先是为了上中台而上中台，结果上了中台以后没有应用，也没法产生价值。其实客户希望的是， 数据中台上面一定要能产生价值，要提升业务的可见性。 所以在这个时候咨询解的问题更多是“应用”。
具体来说，通过盘点业务场景，甚至发挥想象力去找到一些“弯道超车”的方式，来解决业务价值的问题。
·流通
从去年到今年，客户发现一部分场景的应用还不能最大程度地发挥数据的价值，所以开始回过头来看数据治理和流通的问题，包括数据安全治理以及合规的一些动作。回归到数据资产这一层，让数据能真正流动起来，规模化地激活价值。这个阶段我们会发现客户关注的问题越来越技术了，接下去还可能会去解“存”的问题，让存算成本进一步降低。
业务价值链or数据价值链？
降本增效的核心是要“可衡量”
新：数字化转型发展到今天，如何理解它带来的“降本增效”？
奇： 现在我们看 “降本增效”其实有两个维度，是从业务的价值链定义，还是从数据的价值链来定义。 目前大家更多会从业务的价值链来看。
降本增效，首先我们认为它一定是一个“可衡量”的东西 ，奇点云也会用这样的方式来判断（有没有实现降本增效）。
比如说，有一位客户做了报表的自动化，原来是“T+5”或“T+6”才出报表，也就是一周出一张周报表，我们帮它做到了“T+1”。客户自己核算这中间的人力成本，发现一年降低了500 万的成本。这种是可衡量的，降本就是实实在在的降本。
增效也是一样。比如我们做智能排班模型，把人效提升了一定的百分比，这就是很典型的一种降本增效。
因为我们以前讲战略时，都会说 “你要能描述一件事情，你才能衡量它；你要能衡量一件事情，你才能去管理它” 。从业务的角度，我觉得降本增效最核心的是要“可衡量”。但在数字化转型实践中，恰恰很多时候很多例子就卡这个地方。
如果从数据的价值链角度来看降本增效， 在数据领域，我们降的是存算成本，增的“效”则是数据资产的可用性和易用性提升。
但这两层怎么评估、怎么核算、怎么证明？
其实云计算刚发展起来的时候，为什么大家认可云计算，它（的降本增效）逻辑很简单，例如一个消费品企业上公有云，比他去用自己的私有云、用机房大概能节省下 8 个人，而且这 8 个都是挺“贵”的人，这个就是很典型的“可衡量”的降本了。但数据领域现在其实还缺少这种可衡量的降本，也缺少一些可衡量的增效。我们经常用业务的增效来代替数据的增效，但事实上大家都知道，从数据增效到业务增效还有挺长一段距离，这个是现在很多 CIO、CDO 都会碰到的问题。
新：您说的数据价值链里的降本增效，譬如说存算成本，其实是用一种技术语言去解读另一种技术语言。但很多客户还是比较传统的，用这套语言不容易打动他们，他们也更关注业务的价值增长。那怎么来说服这一类客户呢？
奇： 对于这一类客户，我们更多聊业务场景、业务效果。
譬如说，我们有一个最佳实践，这个最佳实践在业务上带来了什么样的效果，这个效果是可复用、给客户带来价值的。其实现在还是 “最佳实践普及”和 “ 从0到1” 的过程，因为对于大部分的公司来说都还没有到数据问题的阶段。
在实际接触和服务的过程中我们发现，大部分公司在解决数据问题之前，要先解决它的系统问题和管理问题。对于很多传统公司来说，它都还没有到非结构化数据、AIoT 数据的解决这一层。 它其实现在只要解决一个问题——把自己的结构化数据先用好， 先能打通一部分系统的数据，譬如说线下 POS 的数据和线上小程序的数据， 就能开始带来业务价值。 能做到这一点的公司其实本身就没有特别多。
“端到端”服务、多云趋势
让独立第三方服务商更具竞争力
新：坦白说，相比老牌大厂，我们这类“新锐势力”服务商的机会在哪里？有哪些竞争力？
奇： 我觉得有几个方面。 第一个方面是，奇点云重视服务和数据运营的价值，这也是客户所需要的。
在国外譬如美国，SaaS生态比较成熟，企业数据的体系性建得会特别好。基于一些数据产品，数据分析师和商业分析师就能去驱动它的生意。但这个做法现阶段在国内不行。
国内之所以会出现数据中台，就是需要连接业务前台和技术后台， 服务商需要“端到端”地解决客户的所有问题，先陪伴客户跑起来。 例如奇点云做的“产品+服务”，我们从数据采集到治理管理，再到数据服务的构建，以及上层应用的构建，再到数据产品化。有很多时候把数据产品交给客户，客户不会用，那怎么办？你需要带教、陪跑，通过运营、咨询等服务，咨询的服务，来帮助客户完成这些事儿。
这个时候它的价值是哪里来的？ 价值不光是从你的产品来，而是产品结合你上面的服务带来的。服务在其中起到价值增量的作用。
有一些厂商只提供产品，不协助客户做运营，不做这些所谓“人效不高”的事儿。但客户其实很需要。例如数据中台的团队怎么构成？要不要培养自己的数据架构师？数据管理制度怎么制定？这些单卖一套产品都无法解决，我们是需要通过咨询、运营等服务陪伴客户去解这些问题的，才能让数据一步一步地为客户发挥价值。
进一步，我们从大量的“原厂交付/实施”，规模化地沉淀出了对行业的理解，譬如说，了解这个行业的标签、指标通常会有这些需求，或在数据治理上有这些特点，我们挖掘并归纳出行业和客户需求，再落回到产品和工具的研发上——不是“技术自嗨”，这些就是客户真正需要的功能。
所以虽然业内大家都很少提“交付”这回事儿，但它的价值不可忽视，它能帮助客户把数据的价值落到业务实处，也能促使厂商提供客户真正需要的产品功能。
第二个方面是“多云”的趋势。
Flexera 2021年的云状态报告显示，92%的受访企业在IT架构上选择多云战略，企业平均会使用2.6朵公有云+2.7朵私有云。这和我们在国内服务的客户情况是一致的，大多数客户并不只使用一朵云。那自然就会涉及到一个问题：我用哪家的云？
相比跟单一的云厂商强绑定，企业会更希望有一个组合的解决方案。在这个场景下，作为独立第三方的奇点云会和客户站在一起，帮助他们选择到成本更低、更有效率的合作方式。我们的数据云平台DataSimba也是支持跨云多域的，客户可以通过DataSimba方便、安全地管理不同云上的数据。
扫码预约演示
这两个方面可以看出， “和客户站在一起”，其实是我们作为独立第三方科技服务商的立身之本。
新：刚才您谈到交付、实施、咨询、运维等服务，确实对于客户来说是非常重要的，而对于一家创业中的科技公司，大家都会更追求产品化、标准化。奇点云是如何平衡客户对服务的需求，和服务必然产生的重人力投入？
奇： 首先是需要 聚焦 。你要铺开来什么都做，还是聚焦在几个行业、几类客户来做？这是奇点云选择的一个差异性，我们一开始只选择了“泛零售”这个行业。
在泛零售领域我们快速地提升服务、孵化产品，提升产品的可复用程度，再把这种可复用扩展到其他行业，例如制造、金融、政企。
以泛零售为例，因为这个行业今天都需要一个能力， 即“以人为中心的商业模式变革” ，在这里很多数据能力其实是通的，甚至跨行业都能有百分之七八十通。我们认为 聚焦很重要，聚焦才能打磨出产品力，提升模块化、标准化的水平，从而自然而然提升人效，提升交付的标准化程度。 做到客户成功和做好产品根本不矛盾，反而是一条必经之路。
数据价值链源于业务需求
客户的成功定义数据产品的成功
新：如何定义一个数据智能产品的成功？
奇： 数据最终一定是为业务服务的，所以 客户成功是我们定义产品成功最直接的方式之一。
虽然我刚才讲“降本增效有数据和业务两个层面”，但从企业的层面来说，一定更重视业务的降本增效，考察数据给业务带来的实际成果，才能证明企业的数据智能是成功的。
比如说，制造业产线里，用摄像头+算法来辅助检测产品质量，能为质量分拣的效率提升四五倍。那这样的算法应用我们认为是成功的。
新：那么从企业的角度来说，业务场景可能非常多，数据也是各种各样的，应该如何找到这样的“成功产品”，来实现价值的提升呢？
奇： 拿我们最熟悉的消费品行业来举例，今天行业面临的竞争已从增量竞争变成存量竞争。原来粗放式的“线下开店→自然流量获客→有销售额”的路子已经行不通了。以往可能只需要遵循“转角定律”，在人流量多的转角去开店，而现在必须要做精细化营销；以往“到店营销”，顾客踏入店，导购才开始推荐商品；而现在称为“营销到店”，用户对品牌的理解从线上开始，要想办法把他们从线上引到线下，并了解他们从哪里来、喜欢什么。
即便是商品和文化都极具独特性、不愁卖的高端品牌，他们也正在做这样的事：通过数据的方式，了解用户足迹，了解多少人通过SNS关注了它、看到了它，哪些人看了线上的新品秀，其中什么时间段热度最高，而其中哪些人在什么环节又进一步完成了实际的交易。
这些都是 很实际的数据需求，也就倒逼数据部门逐步构建并完善企业自身的数据价值链 ：采集哪些数据，聚合哪些数据，治理哪些数据，如何构建数据分析和服务，谁来用这些数据做决策…这就是具体的业务价值。
在构建数据价值链的过程中，我们可以看到企业实际需要什么样的数据产品，来帮助他们达成目标。譬如说，品牌想了解用户行为和偏好，就需要向前做埋点来收集数据，向后做分析和用户增长（也就是GrowingIO-UBA 用户行为分析平台在做的）。再向上构建一套指标体系，来衡量用户增长是否有效。
接下来，不能只“了解”和“分析”，还要“行动”，通过小程序或自营APP做体验的优化和用户管理，“私域运营”就发生了。在私域运营的过程中，品牌会核算用户的年度贡献，譬如有一些用户可能是“KOC”，还可以为你带来新客，应该精细化地管理起来。
大家可以发现，在精细化运营的大背景下， 企业对数据产品的需求是伴随业务需要自然而然长出来的 ，它的外延也会越来越广。这种精细化不仅体现在消费者运营的精细化，也有成本控制的精细化、内容匹配的精细化等等。
因此当我们来审视企业的数据， 并不是通盘地评估“我的数据有什么，能产生什么价值”，而是需要从企业需求的角度来看，要达成这些目标需要哪些数据、会用到哪些产品，其中哪些数据是有的，哪些数据没有。 这是数据价值链比较合理的发现和建构过程。
