演讲嘉宾介绍
张涵诚，业内知名大数据专家, 研究领域主要包括： 大数据基础概论，大数据在企业和政府的应用实践，数据驱动业务变革的十大商业模式，医疗大数据运营体系、财税大数据、海关大数据、运营商大数据建设方案，旅游大数据平台建设方案，数据资产管理，大数据产业生态分析、数据交易市场，区块链，人工智能。
线上沙龙实录
各位朋友大家好，谢谢云栖研习社北京cio俱乐部的邀请，今天我分享的主题是：从it到dt企业数字化转型的12345 ，简要的说就是：一个平台，两个核心技能，三个阶段，四个战略内容，五化建设。
从事it 八年，从事dt互联网大数据八年，我之前完全没有任何特别准备，其实我感觉我未必能分享的好，因为我目前没有在互联公司，大家知道现在思维，技术，方法，系统更新那么快。要领先一步很难，我们刚刚搞懂云计算。雾计算就来了，我们刚刚搞懂大数据，区块链又来了。
但我希望和大家交流特别是你们这个群体，因为你们走在时代的前面。
一个平台是指：一个企业的云计算平台，有各种大数据和人工智能区块链的各种组建；
两个核心技能是指：云的能力和数据科学的能力；
三个阶段是指：
第一个阶段：业务数据化
第二个阶段：数据业务化
第三个阶段：业务职能化
四个战略是指：管理战略，技术战略，运营战略，和工具战略；
五化建设：工作移动化、数据产品化、分析可视化、管理云化、业务融合化
企业通过这12345策略，利用新一代信息技术，构建业务数据的采集、传输、存储、处理、分析、可视化结果和反馈的闭环，打不同系统、不同技术、不同部门，甚至不同企业，不同产业间的数据壁垒，提高企业、产业、行业生态整体的运行效率，构建全新的数字经济体系。
我们先来说一下，一个云平台，那为什么要用语言呢，简单来说就是我们之前的系统都是烟囱啊，一个企业建了很多，这个系统呀，erp crm oa、供应链啊，或者企业的网站或者企业的电子商务平台，都多家不同的系统供应商提供。那么这样呢，数据在每个系统里面跑自己的。就形成了搜集烟囱，我们通过建一个统一的云平台，可以让我们的技术融合、数据融合、业务融合各个系统之间融合这样融合了以后呢，对于数据的共享和流通是非常有帮助的。所以之前的由各家承建的各种系统就会变成一个统一的云的大中台的系统去统一。
那么有了云计算的大平台以后。我们这个云平台，当然包括了，存储计算和网络的iaas层面。包括了企业的业务的，整个的快速定制的管理paas平台。包括了最后的企业的各种应用系统saas。包括了从saas系统吐出来的数据能够为业务部门提供数据服务的这个daas。所以从iaas、paas、saas到daas。那么这个云平台呢，建立好了以后企业还需要什么?企业这还需要大数据、还需要人工智能的各种组件。
大数据呢，主要是智能的一些分析和对于数据的一些挖掘算法。人工智能的能力主要是这个语言的能力，文字的分析的能力视频分析的人能力。甚至包括了人工智能或者深度学习神经网络等一些继续学习算法的能力。
这个就是我们当前企业数字化转型的一个核心的云平台，现在很多企业都在做，我们国内的各互联网的巨头也借助自己云的能力，向头批企业提供这种it、dt的服务。包括ibm、oracle、微软、亚马逊、facebook、谷歌等国外的一些大的it公司、互联网公司也在提供云的能力。
两个核心的能力，一个是云的建设能力，一个数据科学的能力。
云的能力实际上是企业把it进行云化的一个非常重要的能力，我们知道企业之前是把业务要进行数据化，业务要在本地要实现it的能力，就是把业务变成it。这个过程中的实际上差不多经历了三十年的时间。企业上各种各样的系统，能够通过it系统的购物键，使人员之间的沟通、对外的业务、包括企业、合作伙伴、供应商、竞争对手。客户管理的时候能够更加快捷，高效啊，安全稳定。
前面我们说的系统是在本地的，这个系统的效率，包括系统之间的数据交互、对于未来业务的支撑，实际上没有很好的解决方案。所以我们就产生了云计算，通过云计算我们可以进行更多的业务方向处理，特别是我们从it到dt这个变化的过程中，企业就要上云了，所以云的能力是非常重要的，给大家分享一个从it到dt我研究的一个ppt。
在这个ppt里面呢，主要是想跟大家说，it处理的是单一稳定、流程驱动的一些系统，比如说crm、erp、oa、hrc这些都是电子流程化，相对比较稳定。
it处理的这些，在之前你可以看作是一个成本中心。基本上是落后业务的，因为业务需要什么系统it就会做什么系统。基本上是解决线下稳定的业务问题。
dt主要是处理多元的，实时在线的这种系统，比如说用户画像、在线的用户行为分析、个性化推荐系统、实时搜索、标签的管理包括大数据的系统。
dt是一个利润中心，它解决的是实时在线的业务。所以从这两个方面来看，it实际上是成本中心，是落后业务的。dt建立的这些系统跟平台是利润中心，是领先业务的。
为什么说it落后业务，dt领先业务呢？因为it我之前干了八年，dt我干了八年，这个是我深有体会的。因为在it的时候，我们做系统基本上是客户要什么，我们做什么，客户提出需求到项目落地基本上需要三到五个月，这算短的；如果时间长一点儿需要一到两年甚至更长的时间。所以业务提出后，it做出来的时候，实际上业务已经发生变化了。
而为什么说dt是超前业务呢？因为dt更多是利用大数据的技术进行预测，进行系统的快速更新迭代。在线下的时候，比如说一个超市，我们要做商品的摆放、推荐，我们是当天在超市结完帐以后，我们在部门去做一个工作的调整，第二天例如是端午节，我们把粽子放在最显眼的位置。
而业务在线上的时候，比如在京东，明天要过节了，消费者在线上要选择一些过节需要的商品，如果按it的方法去收集消费者需求，然后再去改进系统。消费者一点鼠标马上就要跑了，这样就来不及。实际上你希望多元异构、实时在线根据消费者的标签，偏好马上就能给他推荐一个。所以呢，就建立了一个dt的大数据平台，实时分析最终用户的行为，这样能够超前业务、知道他想要什么、他想要做什么，我们能够把商品做什么样的流程改进，能够时时的去满足消费者的需求、提高他的用户体验。
我们的一言一行、一举一动都迅速的转变成大数据，然后转变成商家的洞察力和企业决策。大数据将做为仅次于能源的生产要素驱动所有产业进行革命，组织的人财物产供销都将因为大数据而发生变革！
所以一个云平台的建设，实际就是为了我们能够从线下到线上，从it到dt，我们能够建立一套系统的平台，能够时时应对业务的变化，甚至能够去领先业务。有了云平台还不够，我们需要大数据的一些组件、人工智能的一些算法，在这个平台上面能够很好的支撑云平台的领先性。
所以大家能看到，不管是在阿里云、百度云、腾讯云oracle云、亚马逊云、还是微软云，你会看到每个云平台上面。除了基础iaas、paas功能以外，还有很多大数据的组件。这些组件基本上会包括弹性的计算、高效的存储、负载均衡、各种数据库，当然还有网络、数据的可视化分析，包括一些我们现在提到比较多的智慧的大脑，比如说智慧交通的大脑、智慧旅游的大脑、智慧海关的大脑、智慧政务的大脑等等。这些实际上都是大数据跟云计算对于云平台的一些非常有效的补充，因为它已经渗透到各行各业去了。
这样一来，我们就建立了非常重要的一个云的平台，再加上大数据和人工智能的各种组件去支撑这个云平台，变得更加领先、稳定、安全，也更加的具有扩展性。
两个核心的能力里面还有一个能力就是数据科学，今天的数据科学为什么没有普及到很多行业，现在已经普及到围棋了，对吧，我们产生了alphago这样一些优秀人工智能机器人可以把下围棋。那么为什么没有阿尔法猫、阿尔法医生、阿尔法打麻将，那是因为懂数据科学的人并不会打麻将，而打麻将的人也不太会数据科学。所以当我们企业在进行数字化转型的时候，有一类人是非常重要的，那就是既懂业务又懂数据科学，能够把业务有效的通过数据科学去描述，去实现它的高效处理速度。所以有了云平台以后，企业用了大数据，那就需要数据科学的能力，将云的能力和大数据的资源发挥出来，能够去建立一种更高效企业的运营平台。
所以我说两个核心的能力：云的能力、数据科学的能力，对企业来讲在数字化转型的时候是非常重要的。
三个阶段中，第一个阶段就是业务的数据化，到目前为止还有很多企业没有把自己的业务全部数据化，这个数据化实际是在企业整个业务的闭环。从企业去找客户，找到客户以后去跟进客户，跟进客户的时候要给他去做一些定制或者一些产品的设计；拿到订单以后要形成一个服务，有生产产品，然后要要运输、收账。最后客户会给这个产品一个评价，反馈这个产品做的好不好，然后再去影响企业的下一波的找客户。
这就是从社会化的客户到销售线索到机会到订单到服务再到评论，然后再到影响你社会化的客户，这样一个营销的闭环，企业是否把它数据化了？如果说数据化了，那么就完成了数字经济建设的第一个阶段---业务的数据化。
这个阶段全国很多优秀的知名的企业，包括一些政府、机构，现在都已经实现了业务的数据化。从数据的这种采集，到数据管理再到数据建模分析再到可视化。基本上去这些企业都有可视化分析的屏幕，就说基本上已经做完了从业务数据化的这个部分。当然也还有很多企业并没有实现这个逻辑过程，很多环节的数据还是记录在纸上或者excel表格里，并没有把它很好的放在系统里面去记录、统计、分析。
做完了第一个阶段以后，企业就进入了第二个阶段叫数据的业务分析，分析出来的数据能够去指导业务实践，比如我们通过在线购物，发现了一个人他非常喜欢足球，通过我们的用户行为分析，发现他经常看一些足球的新闻，最近的世界杯，他非常关注。那么我们在企业进行数据分析后，当他上这个网站的时候，我们能不能给他推荐一些跟世界杯相关或者跟足球相关的商品去满足他的需求。这就是把我们采集下来的数据进行业务化，将数据分析出来的结果发挥价值，产生收益。
这一步很多企业没有实现，我们的互联网企业可能对于数据的采集加工分析和利用指导业务是做的比较好的，可是在我们很多传统的企业，比如制造企业，收集了产品的不良率，他并不能通过这个数据去指导，因为改生产线可能花费巨资，改个人的行为需要管理上的很多手段。所以数据的业务化，实际上我认为是一个很理想的状态，这是完全用数据去做管理，让数据说话、数据管理、数据决策，实际上现在很多企业还做不到。
第二个阶段是一个比较漫长的过程，这个过程可能会持续再过二十年、三十年，还有企业不是按这个数据决策的。不管是决策管理还是做业务，都有科学和艺术的成分在里面，最近的世界杯就说德国队利用sap系统，做了对球员的运动，对教练的指导，对整个比赛的数据分析做了很好排兵布阵，但德国队还是输了，有的人说德国队输了证明这个事情是很科学，但是没有人的艺术行为，最终还是赢不了的。
而且数据的业务化对于企业管理层、企业运营经理等具体执行人员都要有能够把数据加工运营好的意识，除了有意识以外，当然还有过硬的技术，自己能够做一些简单分析，能够从数据中发现一些业务的机会，这种能力和技术，还有方法，实际上是这个阶段非常重要的一个企业建设的内容。
第三个阶段就是业务的智能化，我们已经通过系统的分析得出了结论，然后能通过结论再去调整系统或是去优化管理，指导人的工作，那么这个就是要把这些全部要写成算法，让它智能化地去执行，减少人的干预。
比如说运营商要给一批客户打电话，电话每次都是自动化拨出呢，在播出的时候，他可能选择了一万个电话号码，不同的性格偏好的人选择不同的话务员去沟通交流，交流完这一万个电话号码可能第一次接听的是五千个，接听后深入沟通的可能有三千个，最终跟你做了洽谈有购买意向的可能有两千个，最后可能真正跟你发生业务关系的也就一千个。这是一次通过自动化的外呼产生的数据，那么企业在下次去利用这个数据打电话的时候，就应该有一个自动化的排班，之前打过这个电话的人就不要让他再打了，说明这个客户可能不喜欢他或者他沟通的方法有问题；或者说之前已经购买过这个商品的就不要再拨出了；之前一个脾气比较暴躁的你可以放一个声音比较甜美温柔的姑娘去跟她沟通。所以就是把之前业务的整个过程变成一个智能化的过程，让他不断优化。当然这个只是一个比喻，就是说怎么把业务智能化。
当然智能化的除了这个方面，我们还可以智能化地去发掘一些销售线索、跟踪一些销售机会、进行一...