高级分析-数字化转型的驱动引擎

  数字化，即是将许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立起适当的数字化模型，把它们转变为一系列二进制代码，引入计算机内部，进行统一处理，这就是数字化的基本过程。

  为什么说数字化转型，尤其是传统行业的数字化转型很重要。如下图，先理解技术和数字化驱动人类经济发展的历史。

  农业体系的核心是通过利用土地和光合作用来创造财富，在此阶段，人所需要的只是简单的工具，并不是特别需要处理大量的信息。但是限制也很明显，那就是产量基本取决于土地的大小，产出效率是比较低下的。

  工业时代是财富创造的第二曲线，它用的是化学能源，采用电力传输的方式，大规模的整合了人的技能。为了更好地融入工业社会，我们应该在大学学习专业的技能，然后参与到社会分工中去。本质上说，工业时代依靠的是化石能源和人的技能。

  从图中能够正常的看到，在这个时代，财富创造的速度远超于工业时代的上涨的速度。你们可以回顾一下20年之前全球最大的10家公司，大多数都是石油、汽车企业。而现在，高市值公司基本变成了高科技公司。本质上讲，这个时代，创造财富的核心驱动力是通过信息、数字化在信息当中抽取知识，用知识不断重组人类社会的现有资源，最终实现财富的快速创造。

  传统行业是在第一条（红色）曲线或者第二条（绿色）曲线上，一个传统公司的核心能力，要么是技能加设备，要么是用光合作用，你需要的是跑到第三条（蓝色）曲线上，这是转型的核心。

  如何跑到第三条曲线上，不光是引进一些技术能力，更重要的是你的创新方法是不一样的，你是通过信息、知识、来快速的迭代，不断的重组资源，不断创造新的财富。

  从原来曲线，不管你是第一条曲线，还是第二条曲线，移到第三条曲线，这才是数字化转型的真正的核心。

  所以，引进能力只是一个基础，更重要的是改变公司的文化和管理方法，把创造新兴事物的能力提升到一个新的阶段，这是传统企业数字化转型的最重要的。

  而数据化怎么样做呢？我们正真看到，不论是初创型企业还是已经屹立行业几十年上百年的大规模的公司，在其生产、经营中，都会产生一系列数据，而这一些数据正是其积累下的独有财富。

  数字化转型，并不是一蹴而就的事，而不同的企业又处于不同的发展阶段，有些企业可能还在纸质文件流转的阶段，而有些企业已拥有了自己的数据库，对他们来说，所需要的数据化是不一样的。对此，我们大家都认为，企业的数字化转型一般要经历三个阶段：

  第一阶段是IT化，也就是各种流程的自动化，将企业信息化实质上是将企业的生产的全部过程、物料移动、事务处理、现金流动、客户交互等业务过程数字化。

  第二阶段是基础数据分析（传统BI，可视化图表等），在此阶段可通过已有数据实现对过去和现在的分析，对决策提供钢柱和启发。

  全球权威IT咨询机构Gartner在其官网网站词汇解释中对高级分析（AdvancedAnalytics）做出定义和解释：

  “高级分析是利用先进的技术和工具，自主或半自主化地对数据和内容做分析，一般来说，不仅限于传统BI系统的洞察、预测（prediction）及建议生成，而是包括数据/文本挖掘，机器学习，模式识别，预测（forecast）,可视化发现，语义分析、情感分析、网络及聚类分析、多变量统计、图谱分析、仿真模拟、复杂事件处理、神经网络建模等。”

  新技术浪潮下，IT领域，组织获得竞争优势的核心不再是流程自动化带来的效率提升，而是高级分析创新应用驱动的数据这一新生产要素的生产力转化。

  随着云计算和物联网等新技术的兴起，企业生成的数据量变得空前庞大。面向未来的企业知道，这一些数据是实现业务转型、向洞察驱动型企业迈进的关键，而要从数据中更快地提取洞察，重点是分析。

  Gartner在2017年对2500多名首席信息官做出详细的调查后发现，所有类型的企业都把“商业智能和数据分析”的支出列为首要的投资事项。据分析师估计，到2020年，高级分析的市场规模将达到760亿美元。

  很明显，所有企业都正在成为数据驱动型企业。但是，企业面临的挑战已不再是获取数据或存储数据，真正的挑战在于如何快速获得洞察、提高投资回报率。因此，企业要更强的数据分析能力。