奧推網

選單
科技

如何面對資料創新的企業難題?他們這麼說|2022全球數字價值峰會

9月27日-28日,由鈦媒體與ITValue共同主辦的2022全球數字價值峰會深圳站在深圳星河·領創天下舉行。此次峰會以“復甦與可持續發展”為主題,聚焦“資料”議題,從資料驅動業務轉型、資料交易、資料營銷、產融結合、供應鏈創新等多方位探討數字化經濟大潮下,“資料掘金”的新突破口。

會上,鈦媒體集團聯合創始人、ITValue發起理事萬寧對話海松資本高階副總裁李陽、惟客資料創始人兼CEO李柯辰、中集集團CIO潘進傑、阿爾法公社創始合夥人、CEO 許四清、初心資本合夥人許暘洋,針對如何面對數字創新、企業內部進行以資料為目標的創新會遇到哪些難點、如何看待資料創新的市場變化等進行了深入討論。

在中集集團CIO潘進傑看來,企業數字創新過程中,從集團而言,業務擴充套件透過整合併購不可避免,由於併購企業的系統不盡相同,資料標準不一致,導致資料價值挖掘的難度增加。此外,中集集團業務多元,分層管理下,以及集團內部存在競爭,資料歸屬,則是另一個挑戰。

“大家對試錯和創新的包容度,包括企業內部對它的包容度很重要。”惟客資料創始人兼CEO李柯辰認為現在數字化轉型道路不像以前有可以複製的物件,哪怕在營銷領域都沒有固定標準,只能靠自己摸索,企業數字創新的挑戰之一來源於場景化試錯的包容度。

阿爾法公社創始合夥人、CEO 許四清分享,天使投資要準星前移才能有機會。中國有大量的IT使用者,有大量使用者,包括高級別的使用者抱怨解決能力和供應能力的不足,中國的使用者和供應者就像一個腰鼓集中在兩端,缺乏一個平臺把垂直領域中各種各樣的解決方案能力沉澱成各種產品。

海松資本高階副總裁李陽很認可生態,覺得國內如果只投一個小的方向以小搏大,在資料創新方面還是比較難,比較合適的是把大行業或者大的標杆客戶拉來一起做生態,大的標杆客戶想做的事情非常多,但全靠自己的能力做不完,和它一起打磨這個產品、這個系統,未來所謂的規模化複製是一種比較好的邏輯。

初心資本合夥人許暘洋觀察到,不同的銷售模式帶來了不同的產品複雜度和產品易用性,以及產品資料層面的不同點。比如To CIO的解決方案,這類專案週期長,客單價高,對於能力要求也非常高,如果深度合作,這類大KA可以給專業化服務商提供每年千萬級的收入。而當產品直接面向業務人員時,則更結果導向,需要直觀展現產品可以帶來什麼可量化的積極結果。

以下為主題討論實錄,經鈦媒體整理:

萬寧:

當一個企業數字創新的時候,其實會走向由實到虛,再由虛反哺實體的管理,中集遇到哪些問題?

潘進傑:

我們遇到的困難分為幾個方面:第一,中集集團去年實現了1600億的收入,董事長宣告在未來五年要實現3800億的銷售收入,我們有更多的整合併購會發生,在整合併購裡很難排除併購的企業與你用的系統是否相同,更不要說資料標準,所以在大型的企業發展過程中,一旦遇到大的整合併購,資料質量的標準如果不一致,挖掘價值就非常困難;第二,關於增長方面,中集集團面臨一個問題,公司是分層管理多元化的企業集團,這代表著企業在集團內部有很多的合作和競爭,甚至在板塊內的很多企業是有競爭的,競爭中存在資料歸屬問題。同時,集團本身有很多的上市公司,上市公司有自己的管理辦法,集團公司代表著大股東,對資料的擁有權,以及資料本身的排他性問題。

萬寧:

可以看到隨著業務更多在向資料化轉型,我們面對的挑戰非常多,惟客圍繞營銷做了一些工作,惟客又如何回答在企業內部進行以資料為目標的創新會遇到哪些難點?

李柯辰:

今天所講的做數字化,特別是對資料的利用,其實在中國已經進入了“無人區”。如果非要說挑戰,大家對試錯和創新的包容度,包括企業內部對它的包容度很重要。我們做數字化、業務標準和數字化內部管理,需要保證資料達到業務的標準才能做建設。以往國外的ERP都有工業的標準,而今天中國消費網際網路和移動網際網路的發展一定程度上趕上了世界的企業,對比以往的標準,如今中國哪怕做營銷領域,去海外跟Salesforce對比,依然無法複製它,因為海外還沒有國內複雜,這個時候發現沒有標準,沒有複製的物件,只能靠自己摸索探索,所以場景化試錯的包容度,以及資料可採集和可應用的範圍,這會是一個比較大的挑戰。

萬寧:

的確,現在隨著企業規模的不斷放大,包括我們從整合併購到資料標準,會看到非常多的創新機會,許總也投入了很多類似的專案,站在一個全維度上,作為一個投資人怎麼看現在資料創新市場的變化?

許四清:

本次會議討論的主題是資本驅動資料創新,我覺得是互相驅動的關係。舉一個例子,我們最近投資了一個團隊,和團隊的關係實際是夥伴關係,該團隊有600項專利,貢獻了11項國際電聯的標準。他們做的是協同算力網路,具備兩個特性,一是把共網上點對點的傳輸速率提高10倍,而是絕對的安全性,理論上只能用量子計算的能力來破解。

技術創新已經擺在那裡了,如何找到商用場景很關鍵。我們和創始人多次“密謀”,好幾次到凌晨兩三點,談這個大場景是什麼,最後確認一個場景就是東數西算。大量的資料在東邊,比如說平安、邁瑞的資料,拿到西邊算。我以前管過資料,資料的傳輸是個大問題,舉個例子,資料中心出問題時,或者關鍵時刻資料不行,人要帶著硬碟飛過去,因為公網的資料傳輸慢且不可靠。現在這麼多資料放在西邊算、東邊拿,安全性怎麼保證?我們確定了這個之後很興奮,覺得這是一個革命性的商業創新,這是資本和創新互相驅動的結果。

萬寧:

我們看到了資本也開始提出“共贏共享”,我們觀察到,透過業務場景進行數字化專案,成為資本關注的賽道,初心資本也投了很多專案,並開始在企業內部進行孵化,想請問許暘洋總,資本是不是可以快速介入到基於資料創新的潮流上?

許暘洋:

初心在整個資料賽道的佈局思路,可以分為幾大類。首先,從客戶體量上可以有明顯的切分,例如臺上在座的各位嘉賓不管是邁瑞還是中集,都屬於超大KA,對於這一類客戶,是To CIO的解決方案,這類專案週期長,客單價較高,同時對供應商的能力要求也非常高。有一批公司聚焦在這個領域,專門幫助大公司深度推進數字化程序,從資本的視角,如果一家公司可以和大KA客戶達成深度合作,保守估計可以為專業化服務商提供每年千萬級的收入。

KA客戶的下一層是結構更精簡的數百人的中等體量客戶,這類公司一般尚未設立CIO的職位,更多是To CTO的銷售,讓每個開發者具有更強的資料能力。To CTO的銷售,會遇到包括資料溯源、資料歸屬在內的很多的問題,透過新的技術形態,可以採用更靈活的架構或更輕量的部署做。

初心觀察到近幾年市場上的新現象——直接To業務人員的軟體。面向業務人員的軟體更結果導向,可以直觀展示產品帶來的可以量化的積極結果,而不是複雜的流程。同時更加貼近業務本身,能夠讓讓一個業務骨幹也有做核心業務資料分析的能力。

這幾類不同的銷售模式帶來了不同的產品複雜度和產品易用性,都是初心會積關注的方向。

萬寧:

想請問李總,海松資本是怎麼看待圍繞企業數字化大場景下的創新,以及對這個創新專案你們的介入是怎樣的?

李陽:

海松是一個管理規模200多億的基金,人民幣和美元的打法是完全不同的,我們談到資料就不可不說資料鏈條是非常長的,從前期的資料蒐集到資料分析、資料運營、資料整理、資料清洗,到後面用一些AI演算法支援資料決策,甚至是資料反哺業務的發展,路徑非常長,前面的偏資料蒐集、採集、分析的部分,我理解很多機會是偏人民幣的機會,是傳統行業的升級,傳統行業原來就沒有資料,甚至談不上數字化,只是資訊化到數字化轉型的過程中。美元機構關注很多很好的機會,像前幾年非常火的RPA、低程式碼之類的,是比較宏觀比較長的故事,到資料的決策或者資料直接影響業務,這些是非常靠後的,現在還實現不了,我理解的美元和人民幣的投資方向不太一樣。

舉一個例子,拿生產資料和生產力來說,原來沒有資料積累的概念,資料積累就是在積累生產資料,後面如果真的智慧化,從資訊化到智慧化,上到第三個臺階,才是生產力,是質的變化。前面的部分是慢工出細活,就像農民種地,我囤了很多的地和種子,一直在播種、澆水、鋤地,過了一年是不是能豐收,這是有風險的,我前面都是投入,這是基礎建設,資本投資就是看是不是能承擔這個風險,後面如果直接到決策這一點,有可能市場太小,機會太小,如果賭中了,一個大的市場機遇就起來了,賭不中就變成一個非常小的投資。

萬寧:

潘總,不管是併購還是集團層面,圍繞資料的全部鏈條,其實會有很多的需求,在這個過程中你的觀察是什麼?這些企業有沒有已經幫助中集在資料創新上支援實現一些業務?或者你認為還沒能達到你的要求,我想聽聽你的反饋。

潘進傑:

中集集團是以製造業為主的企業,談到資料分析,在工業領域中,如果我們用全球燈塔工廠或者麥肯錫的資料標準,它有五層架構,從底層的採集到連線,再到治理,這三層東西,底層的東西,資本沒有什麼好投的,到第五層分析應用機會巨大。在工業裡有幾個賽道非常重要,首先就是關鍵工藝的改善,去年提到了冷藏箱、發泡箱的工藝,靠傳統是解決不了的,有大量人工智慧、機器學習的能力,我個人的淺見是這樣,對工具類企業不是很在意。如果在某一個細分領域做得很深,比如說質檢,透過資料的積累或者預測性維修的能力,當你有一個智慧產品,就像一個成員企業做的智慧停車庫,是用AGV的方式停車,很明顯在這樣的場景中,車庫本身高效穩定非常必要,在深圳的一個大巴車庫是由我們組建的,很難想象如果車庫壞掉的話,整個城市的出行會不會出現問題。

從資料創新來說,在工業領域,我們有太多需要透過資料本身來驅動,或者用資料來決策的,在這個細分領域,能力、專家團隊對我們非常有價值,我們在大KA這方面的能力很薄弱,特別希望結合生態圈行業裡的人一起搭建,而不是靠一個單體企業來養一幫人解決。特別是在多元板塊下,更多是從集團的角度來定義一些標準,把資料和平臺定義清楚,後面基於平臺的能力,會需要更多的生態夥伴,在關鍵工藝的改善、產品的智慧化、預測性維修或者運營上,可以給我們一個解決方案,有很多透過資料化的方式把環保、安全做得更高效,這些都是細分領域的公司是非常重要的。

萬寧:

從使用者的角度,雖然我們也把它定義為KA,到一個具體的細分業務場景,顆粒度很小,作為資本,你們會怎麼看待這樣的發展?從更大的場景來看,在中國的創新環境中現在是什麼樣的階段?

李陽:

我講兩個資本的邏輯。第一個,因為我們是從TMT早幾年看投資,現在copy to China的邏輯在To B的軟體服務領域是不行的,因為中國和美國的環境不一樣,所以做本地化有非常大的機會,而且中國人民吃苦耐勞的精神在WTO以後顯示出非常突出,我們有很深的感受,2000年到2010年外企蓬勃發展的階段,現在可以看到很多創業企業都是原來在SAP、Oracle這種大公司公司出來創業,他們有深刻的對行業的理解,清晰地知道行業的痛點,他們對行業的把握非常深,這方向的創業有非常大的機會。

第二個,我很認可生態,國內如果只投一個小的方向以小搏大,在資料創新方面還是比較難,比較合適的是把大行業或者大的標杆客戶拉來一起做生態,大的標杆客戶想做的事情非常多,但全靠自己的能力做不完,我和它一起打磨這個產品、這個系統,未來所謂的規模化複製是一種比較好的邏輯。

萬寧:

阿爾法公社的特點是重度幫助創業者和企業,這樣的生態是需要很多投資機構沉浸參與其中,你們是怎麼在這方面推進程序的?

許四清:

我們做天使投資的要準星前移才有機會,而且必須對產業深入瞭解,我講兩點:

第一,從宏觀的角度來看,美國軟體行業的集中在大平臺、通用軟體方面,通用軟體佔據了營業收入的九成。在國內很不一樣,更多的軟體公司是垂直應用端,從上市公司的規模看,通用軟體和垂直軟體大約五五開。這個有歷史成因,平臺性的美國都做了,如微軟、SAP、Oracle,中國的公司大多隻能從垂直領域下手。這是客觀的條件,導致中國和美國的創新模式在數字領域是不太一樣的,我們更多面向垂直領域。

第二,從微觀的角度來看,中國有大量的應用場景,就像今天在座的邁瑞、中集這樣高級別的使用者都在抱怨解決能力不足、供應能力不足。還有一幫人也有極強的痛點,就是服務提供者不知道怎麼賣給這樣的使用者。中國的使用者和供應者就像一個腰鼓,集中在兩端,購買能力在一端,供應能力在另外一端,供應能力見不到購買能力,缺一個平臺把垂直領域中各種各樣的解決方案能力沉澱成各種產品。在座的飛書也介紹了很多非常好的解決方案,飛書是生態環境,有大量的解決方案,有能力幫助兩端對接。鈦媒體做得也很好,數字價值峰會是個大平臺,供需參與者每年見面聚會,像朋友一樣交流,大家沒有太強的戒備心,極大的促進了兩端的對接。

萬寧:

我特別歡迎在座各位都來數字價值觀察室,讓腰鼓兩端的人同臺討論,請問初心資本許總,如果我們也開出這樣一個場景,你們會怎麼看待數字價值觀察室做的這件事,真正地幫助KA級或者超KA級的公司看我們的創新產品?

許暘洋:

總體來說,初心在一線接觸到很多剛剛湧現,尚未成熟,但視角獨到的有意思的機會。在資料行業的鏈條上,初心圍繞三類角色看到了不同的機會:

第一,資料處理的前端的資料治理和準備方面,主要是希望能代替數倉工程師和數倉分析師,很多新公司面對的問題是招不到優質的數倉人才,一方面因為成本高昂,另一方面這批人才有一定的技術追求,想去更大的平臺,又貴又難招是很現實的問題,所以我們看到有很多創業公司想幫公司解決數倉人才問題。假如公司養不起8-10人,年成本在300-400萬的數倉工程師團隊,但可以用一個更輕量級的方案代替,不雖然沒有最頂尖的人,但讓公司在30%的成本下能擁有70%-80%頂尖人才的能力。這是我們在資料處理前端看到的公司看到的機會。

第二,資料處理的後端,資料分析與資料展示,我們接觸了很多一線的資料分析師和業務人員,資料分析師面臨的問題是,雖然有看似一應俱全的國內外的資料分析工具,但要做出高質量的資料分析報告仍然非常依靠資深的資料分析師。一個年輕的資料分析師,儘管有大量的工具但也很難做出有價值的東西,本質還是說明資料分析工具這個市場仍然還有創新的空間,能夠真正賦能初級資料分析師,做到半自動化的分析,儘可能擺脫人的瓶頸。

第三,與資料分析師不同,業務人員面臨的問題更加直接。絕大部分公司裡業務人員資料分析的需求和資料分析師團隊提供的供給是大幅錯配的:業務人員找到資料分析師團隊幫忙,反饋週期鏈條很長,短則一兩週,長則一個月。因此,初心也注意到有一批公司正在做把業務需求的分析做更好地消化和承接,讓有資料分析需求的業務人員直接使用資料產品就可以得到資料決策支援。

除了這三個在資料領域偏基礎層的機會。初心也很關注剛剛提到的生態問題,關注資料和垂直行業交叉背景的機會,比如工業場景ERP的滲透率只有20%-30%,但也已經開始有公司在工業領域中做交叉學科的創新,把資料,人工智慧的能力和特定的工業場景緊密結合,幫助製造業企業實現數字化的落地。

萬寧:

我想問一下柯辰,之前當過CIO,知道企業需要什麼,在未來中國企業圍繞數字化和資料創新業務方面,你會給大傢什麼樣的建議?

李柯辰:

作為一個創業者,我始終處於客戶和投資人之間。目前能負責資料治理的人才難求,而單靠人力去完成的企業資料治理模式也不夠標準化,無法獲得投資人的青睞。

惟客在資料治理方面有自己的路徑。起初是專業服務KA客戶,屬於專案驅動,一定要找好的公司、好的場景,去摸索場景裡的標準,即便沒有標準,至少讓我們提高做這個事情的認知,讓完成事情的效率變得更高。在產品化上,我可能會做一些貼合業務的事情,這個事情能給企業帶來一些業務上價值。

還有,在產品裡提出一些亮點,就像潘總提到的,比如我做這個行業,因為做了十個頭部客戶,我的演算法模型在裡面是最優的,我們會幫助客戶篩選線索,並且篩選準確度是最高的,別人可能是92%,我是92。5%。本身服務KA客戶,可能是從專案到產品,最後到技術驅動的過程,因為一旦形成技術驅動以後,就避免了大廠對你的挑戰。

我們為什麼會選擇從專案開始?因為我們只能先去幹大廠不願意乾的”髒亂差“的活,只有這麼一個空間,而且只有在這個空間裡找到符合企業價值的產品,最後找到一些場景,才能讓你立於不敗之地。我認為做To B企業還有一個最好的競爭力,就是案例,你最好把一個產業打透。

從創新來說,如果企業做資料的方向分為大資料和資料的方向,這裡面產生創新的價值非常難,因為畢竟不是做晶片,最終就是資料模型。如果是小資料的話,可能和自身對行業的理解有關係;如果是基於大資料的模型,就像剛剛說的統籌學,比如在中集集團可能會有拉貨櫃路徑,能夠幫企業節能,包括藥明康德,企業有那麼多藥品實驗窗,如何更有效地利用這些實驗窗,藉助業務和統籌學的應用,能夠做得更好。

還有一類,從演算法技術類來講,推薦演算法、人臉識別需要大量的資料來訓練模型,這種場景更適合公司垂類到某一個行業裡,解決這個行業的問題。如我在這個行業裡做了五個、十個客戶,我“訓練”和“接觸”過的場景比別人更多。從企業資料應用的維度來講,其實我也是更傾向於從業務價值場景來倒推創新應用,而不是簡單地從底座來看。

目前我在企業裡看到兩種視角,一種是偏IT的視角,我先構建一個比較好的底座,未來在上面“長”任何東西都可以,還有一種方式是我能找到具體場景的業務價值,透過業務價值來逐步迭代平臺和場景,我們目前的做法更偏向後者。

萬寧:

只要選對了一個場景,選對了路徑的方式,你會最終贏得資本市場對你的支援,最終獲得中國資料創新大的市場中的立身之地。再次謝謝各位的傾情參與!

(本文首發鈦媒體APP,作者 | 蘇黎)