什么是数据智能？

“数据智能”并不是一个陌生的词汇，在多个场合你可能都听过这个词。然而，如果你问十个人“数据智能”是什么，或许能得到十个不同的回答。

1,数据智能的起源

信息化时代，数据被视为应用系统和流程的副产品。如今，数据本身已成为企业数字化战略中极其重要的一部分。

如今，企业会想尽办法去收集大量的数据，虽然这些数据很有用，但它不能提供洞察力，并不能帮助企业做出正确的决策或提供指导。

“数据智能”就是为了为企业提供可靠的数据和有价值的洞察力而生！

2,数据智能的定义

IDC将数据智能定义为“利用业务、技术、关系和应用元数据来提供数据配置文件、分类、质量、位置、血缘和上下文的透明度，为人员、流程和技术提供值得信赖和可靠的数据。

”根据IDC的定义，数据智能主要回答以下问题：

谁在使用什么数据？

数据在哪里，它来自哪里(数据血缘和链路)？

什么时候访问数据，最后一次更新是什么时候？

如何使用数据，或者——应该如何使用数据？

数据关系——数据内部以及与数据消费者之间固有的关系是什么？

数据能够提供哪些洞察力，数据如何为企业创造价值？

3,数据智能与数据分析

数据智能与数据分析看起来很像，但它们在处理数据方面，又各有侧重。

数据智能收集和检查有关操作、事件和其他信息的数据，通过呈现数据，确定过去发生的事情及原因。数据分析使用相同的数据，并应用数据科学和统计学知识来预测未来可能会发生什么，然后根据这些数据做出业务决策。

数据智能是一个以对决策者和相关人员有意义和可解释的方式呈现数据的过程，而数据分析是通过分析数据、做出预测并指导相关人员采取行动的过程。

在实际使用过程中，更多是需要将数据智能和数据分析两方面的能力相结合，以满足业务和管理的需要，为决策者提供更多的数据情报，从而帮助他们做出更好、更明智的业务决策。

4,数据智能与数据治理

数据智能是为决策者和利益相关方提供可信的、可靠的数据，而数据治理是保证这个目标实现的最佳方案。数据治理主要围绕数据的权责和管理流程进行规范化定义，明确数据管理和使用所涉及的角色、职责、制度和流程，提升数据价值。通过数据治理提升数据的透明度、提高数据质量和确保数据的安全合规使用。

数据治理与数据智能相结合，提供的应用场景包括：

提供数据血缘分析和影响分析，以显示数据随时间变化的全生命周期过程。

识别数据集中的敏感信息并进行标识，例如手机号、身份证号码。

持续为用户提供新鲜可用数据，如果数据集已被标记为弃用，则为用户提供告警。

提供数据质量规则引擎和调度任务，对数据质量进行持续检核。

提供数据地图，让用户能够快速找到想要的数据。

提供数据资产管理仪表板，用于跟踪数据资产的管理和使用情况。

数据智能如何实现？

1,数据智能的三要素

数据智能的三要素：数据、算力、算法，三者缺一不可！

数据被誉为数字化时代的生产资料，是最核心的生产要素，数据甚至被认为已经超过石油的价值。数据可以帮助企业进行市场预测，提前做好布局和规划。不断改进和创新管理与业务流程，不断升级产品和服务。更加精准地分析、规避和预防风险等。数据驱动型创新正在向经济社会、科技研发等各个领域扩展，成为国家创新发展的关键形式和重要方向。

以机器学习、自然语言处理、生物识别、算法模型为核心的人工智能技术，它为数据智能提供了算法，改变了数字化时代的生产关系。数据智能不是简单地呈现数据，而是通过人工智能对用户提供自动化的数据目录、全景式的数据地图等更有意义的数据。

算力为数据智能提供计算能力，算力的大小代表着对数字化信息处理能力的强弱。算力指代了人类对数据的处理能力，被誉为数字化的生产力。目前，很多企业都借助云计算的技术，实现了企业算力的提升，这为数据智能的实现提供了基础。

2.数据智能工具的构成

在工具和产品侧，数据智能目前还没有一个标准的定义。我们认为数据智能产品主要需要解决企业以下五类问题：

描述性问题，帮助企业找到数据、理解数据和审查数据。

规范性问题，帮助企业组织和管理好数据，让数据可见、可查、可管、可用。

诊断性问题，帮助企业分析某事发生的原因并确定根本原因。

预测性问题，帮助企业检查历史数据并预测未来的潜在事件。

决定性问题，帮助企业衡量数据的价值、作出决策或采取新的行动方案。

用友通过多年的产品打磨和客户实践，已形成了一套以“数据中台、业务中台、智能中台”为核心的数据智能产品，提供了数据资产管理、数据工场、自助ETL、自助分析、自由报表、智能报告等功能，是企业数字化转型的利器。

数据智能赋能企业数字化转型

1.提供更可靠且易于理解的数据

一直以来，“垃圾进、垃圾出”是困扰数据分析和数据挖掘的最主要的问题，数据智能最基本的目的就是为了解决这个问题。

数据智能系统可以帮助企业监控数据的质量，提供实时血缘和编目能力，提供分类分级和上下文查询能力，支持语义模型和数据追溯，以确保数据的来源是可信赖的且易于理解的。数据只有在易于理解时才有用，数据只有在可靠时才能发挥价值。

2.让数据更加民主化和普适化

近期有个比较流行的概念叫“数据民主化”，它是指让普通用户而非专业技术人员可以访问数字信息的过程，而无需IT参与。

数据的民主化和普适化是企业实现自助分析的基础，这种方法允许这些非技术用户可以收集和分析数据，而无需IT专业人员的帮助。数据智能平台可以帮助业务用户更好地进行数据的组织分析、更好地使用他们的数据来做出更有价值的决策。

3.自动识别敏感数据降低合规风险

数据智能除了在提升数据质量、提供数据普适性方面有强大能力，在数据安全管理和数据合规使用方面也将发挥出重要的作用。

高质量的数据智能平台不仅可以帮助企业存储、管理和访问企业的数据，还可以自动识别敏感数据并进行标记，再通过自动化数据编目的能力，实现对敏感数据的分类分级管理，让数据始终处于可控状态，为数据的安全合规使用提供了支撑。

来源：用友

‖ 图 1：用友 BIP iuap 平台——企业数智化新底座

4.改进数据管理，指导更好的决策

数据智能可以提升数据质量让数据更可信，通过对企业的数据进行场景化组织形成更加易于理解的数据资产，从而改进数据管理，帮助企业做出更好的业务决策。这些决策几乎可以来自并影响企业业务的每个角落。例如：

来自财务部门的数据可以帮助企业更好掌握经营情况以实现降本增效。

来自营销部门的数据可以帮助企业更好地定位客户群并带来更多收入。

来自法务部门的数据可以帮助企业创建更好的风控流程来减轻或消除业务风险。

无论企业的行业、规模、范围或业态如何，功能强大、易于访问和可操作的数据都可以为企业的业务带来端到端的改变，这是数据智能的价值所在！

数据智能案例分享

1.某公交公司：基于“OD分析”的线路优化和运营

某公交公司有一款专门用于乘客使用的APP，但目前APP中只有上车打卡数据，没有下车打卡数据，无法支撑每条线路、每个站点、每个班次的客流分析。某公交公司希望通过数据智能，预测乘客上下车时间。

实现上述场景的过程，用友称为“OD分析”，其中“O”指出行的出发地点，“D”指出行的目的地，OD分析即公交起止站点的通量分析。

这是一个典型的数据智能场景，在实现“OD分析”的过程中，用友首先对“线路、站点、班次”等基础数据进行了清洗和标准化处理，对乘车记录数据的一些“脏数据”进行了清理。其次根据站点的经纬度数据计算出每两个站点之间的直线距离。然后建立预测模型根据乘客上次的刷卡记录，预测其上一次的下车站点和时间。通过客流OD分析，从全域、区域、线路、站点等多个维度，分析挖掘公交客流出行时空规律，为线路运营和网线优化提供了重要的数据支撑。

2.某食品公司：以数据中台为底座，实现“业务在线，结算在线，分析在线”

某食品公司在数字化转型中，主要存在“数据作业方式原始、系统能力不全、数据应用能力弱、存在数据孤岛”等问题，希望通过数据中台的建设，实现数据智能，赋能企业数字化转型。

以“建得精、管得细，用得好”为指导思想推进数据中台建设，用友帮助某食品公司汇集大量企业内部及社会层面的数据资源，并整理形成数据资源目录，梳理数据的字段结构、数据字典等多项内容。

在某食品公司数据中台建设中，完成了多个业务系统的数据全部入湖，入湖数据自动汇总，自动计算，实现“业务在线，结算在线，分析在线”的建设目标。目前，65套报表已经全集团上线，并推广到全国各分子公司。解决了实际业务中在跨平台中手工报表工作量大、耗时时间长、报表内容失真的问题，报表数据更及时更准确，为管理和业务人员的决策提供了重要的支撑。

3.某国企：通过主数据治理赋能风控体系

某国企在做主数据管理的过程中，由于缺乏统一的主数据管理平台，导致主数据在下发、数据交换、管理维护等方面存在很大的不便，没有充分发挥数据价值和业务支撑。

用友帮助某国企构建了主数据治理平台，精确元数据定义，建立全局性主数据标准规范和数据集合。建立统一的客商管理标准，统一信息采集入口，沉淀客商核心业务数据，打破企业内部信息孤岛。

某国企的数据智能以客商数据为核心，通过引入多方外部社会化数据源，设置自动纠错机制，扩展客商信息采集流程，融合企业内部客商经营信息，沉淀客商数据资源池，建立客商画像，为某国企的业务经营和风控体系建立可靠的数据屏障。（文︱罗小江用友网络副总裁）