從A圈到B圈的發(fā)展需要一個(gè)數(shù)據(jù)底座，數(shù)據(jù)在這里匯聚并集中提供給應(yīng)用服務(wù)，包括A圈與B圈。

數(shù)據(jù)底座主要包含三個(gè)構(gòu)成部分，即數(shù)據(jù)湖、數(shù)據(jù)聯(lián)接、數(shù)據(jù)資產(chǎn)管理。

數(shù)據(jù)湖的使命是把分散在各個(gè)領(lǐng)域的OLTP數(shù)據(jù)集中存放，便于搜尋，但在入湖前必須保證數(shù)據(jù)是清潔的。

因?yàn)楦鱾€(gè)領(lǐng)域在數(shù)據(jù)湖構(gòu)建之前都已奠定基礎(chǔ)，華為數(shù)據(jù)湖的構(gòu)建基本在一年之內(nèi)就完成了。

數(shù)據(jù)聯(lián)接的目的是為了方便挖掘數(shù)據(jù)價(jià)值，對數(shù)據(jù)進(jìn)行預(yù)處理，比如與合同相關(guān)的數(shù)據(jù)過去可能分布在銷售、制造、開票等各個(gè)獨(dú)立物理表中，現(xiàn)在可以從這些物理表中把相關(guān)字段挑出重新匯聚，構(gòu)成一個(gè)寬表，為未來開發(fā)基于合同的端到端可視、經(jīng)營分析等提供方便。

類似的還有圍繞某個(gè)產(chǎn)品打標(biāo)簽，或者做一些指標(biāo)數(shù)據(jù)加工的初級準(zhǔn)備等。

這些數(shù)據(jù)建設(shè)主要是為了支撐決策應(yīng)用，所以我們也稱之為OLAP（On-Line Analysis Processing）數(shù)據(jù)。

因?yàn)闆Q策支撐類應(yīng)用還有很大發(fā)展空間，這一部分工作華為也還在持續(xù)構(gòu)建之中。

數(shù)據(jù)在底座上集中存儲的本質(zhì)是為了實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化，所以數(shù)據(jù)的資產(chǎn)管理能力必不可少。

從目前的情況來看，OLTP數(shù)據(jù)資產(chǎn)化管理已經(jīng)很成熟，所以這里也不再贅述。然而，OLAP數(shù)據(jù)管理方面還存在很大缺失。

實(shí)際工作中，我們往往發(fā)現(xiàn)數(shù)據(jù)底座上已經(jīng)建好的一些數(shù)據(jù)匯聚與數(shù)據(jù)聯(lián)接往往不能滿足企業(yè)管理的具體需要，所以我們又會按照具體業(yè)務(wù)需要，比如全球稅務(wù)情況分析等，重新對數(shù)據(jù)進(jìn)行整合，構(gòu)筑專有目的的寬表。

華為過去也會把這些寬表直接添加到數(shù)據(jù)底座上，作為數(shù)據(jù)資產(chǎn)提供給其他應(yīng)用共享，其結(jié)果卻發(fā)現(xiàn)這類寬表沒有經(jīng)過公司的統(tǒng)一標(biāo)準(zhǔn)定義，并沒有完成資產(chǎn)化的真正轉(zhuǎn)變，直接把它作為資產(chǎn)并要求其他用戶使用最終變成一場災(zāi)難。

OLAP的本意是方便數(shù)據(jù)分析，而后來卻發(fā)現(xiàn)這類資產(chǎn)很難理解。

當(dāng)出現(xiàn)數(shù)據(jù)問題時(shí)，更加難以定位的是原OLTP數(shù)據(jù)的質(zhì)量問題，還是對寬表的誤解導(dǎo)致引用了錯(cuò)誤數(shù)據(jù)。

隨著決策支撐類應(yīng)用越建越多，這些寬表在華為的數(shù)據(jù)底座中一度呈指數(shù)級上升，管理難度越來越大。這些寬表不僅沒能成為資產(chǎn)，反倒成了負(fù)資產(chǎn)。

因此，對OLAP數(shù)據(jù)標(biāo)準(zhǔn)定義的意大異常重大。

整體來看，對OLAP做標(biāo)準(zhǔn)化的業(yè)務(wù)定義目前整個(gè)業(yè)界也還不是很完善，也就造成了OLAP數(shù)據(jù)資產(chǎn)管理的不足。

華為針對指標(biāo)類的OLAP數(shù)據(jù)資產(chǎn)按照分析對象、分析維度、指標(biāo)數(shù)據(jù)三個(gè)維度進(jìn)行了標(biāo)準(zhǔn)化定義，覆蓋了目前最常用的一類OLAP資產(chǎn)，在OLAP資產(chǎn)定義上前進(jìn)了一大步。

但是，這種定義尚不能證明對所有OLAP資產(chǎn)同樣有效。

按照流行的數(shù)字化轉(zhuǎn)型模式，應(yīng)該是先建數(shù)據(jù)底座（數(shù)據(jù)湖、數(shù)據(jù)聯(lián)接、資產(chǎn)管理），實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化，再在該數(shù)據(jù)底座基礎(chǔ)上構(gòu)筑業(yè)務(wù)流程實(shí)時(shí)可視、智能化決策支撐等功能。

然而，對于大多數(shù)企業(yè)管理者來講，這個(gè)過程過長，前期投入過高而不可接受，因?yàn)樗麄兤惹行枰@得數(shù)據(jù)，并基于數(shù)據(jù)進(jìn)行決策分析。

我們認(rèn)為，這種迫切需求合情合理，同時(shí)也不一定非要完成數(shù)智化轉(zhuǎn)型所有流程才能滿足這一訴求。

很多傳統(tǒng)行業(yè)企業(yè)信息化底子薄弱，資金和人才都非常有限，如果按部就班完成數(shù)智化藍(lán)圖的三大構(gòu)成部分，就會遭遇投入太大、周期太長的突出挑戰(zhàn)。

為此，我們認(rèn)為在數(shù)據(jù)底座建設(shè)完成前，直接到業(yè)務(wù)操作系統(tǒng)中進(jìn)行數(shù)據(jù)集成也可作為一條急用先行的路徑。

采用急用先行的模式，短期支持儀表板即席查詢模式基本沒有太大問題，只要涉及的數(shù)據(jù)量和種類不要過多導(dǎo)致數(shù)據(jù)集成關(guān)系過度復(fù)雜。

但要再往前發(fā)展就推薦開始逐步構(gòu)建數(shù)據(jù)底座，集中提供數(shù)據(jù)服務(wù)給到?jīng)Q策支撐類應(yīng)用的BI系統(tǒng)。

華為在A圈建設(shè)時(shí)把一些關(guān)鍵數(shù)據(jù)（如合同數(shù)據(jù)）與應(yīng)用做了解耦，構(gòu)建了單獨(dú)的數(shù)據(jù)源。

這些數(shù)據(jù)從分類上屬于事務(wù)數(shù)據(jù)，但華為采取了類似主數(shù)據(jù)的建設(shè)模式。

伴隨A圈內(nèi)的應(yīng)用建設(shè)構(gòu)建好這些數(shù)據(jù)源，不僅為后續(xù)入湖奠定了良好基礎(chǔ)，也為沒有數(shù)據(jù)湖時(shí)進(jìn)行決策支撐類應(yīng)用提供了較好的數(shù)據(jù)支撐。

在這些數(shù)據(jù)基礎(chǔ)上構(gòu)建決策支撐類應(yīng)用服務(wù)受限于數(shù)據(jù)的豐富程度可能達(dá)不到全面數(shù)智化轉(zhuǎn)型所能達(dá)到的完美程度，但對于很多傳統(tǒng)行業(yè)管理者的主要訴求來說基本可以滿足。

只要這些決策支撐類應(yīng)用本身能跟上當(dāng)前數(shù)據(jù)分析系統(tǒng)和數(shù)據(jù)展現(xiàn)的主流設(shè)計(jì)方式與技術(shù)，這樣雖然后期還會需要改造，但其改造的工作量可以達(dá)到最低。

華為經(jīng)驗(yàn)表明，數(shù)據(jù)分析最主要的問題出在分析訴求多變方面。

華為在這方面走過一些彎路。華為最開始的決策支撐類應(yīng)用都是枚舉方式，把管理者要的各式各樣分析表格、分析數(shù)據(jù)枚舉，直接用硬代碼寫成BI，后來發(fā)現(xiàn)因?yàn)楣芾碚叩脑V求太多、變化太大導(dǎo)致后期開發(fā)成本居高不下，系統(tǒng)越做越復(fù)雜。

在栽了跟頭后，華為采用數(shù)據(jù)服務(wù)+BI工具模式，進(jìn)入如下圖儀表盤即席查詢模式。

我們事先把管理者可能要用到的數(shù)據(jù)做了一下預(yù)處理，可以是一些標(biāo)準(zhǔn)指標(biāo)的預(yù)制，也可以把一些關(guān)鍵數(shù)據(jù)按組織或產(chǎn)品等關(guān)鍵管理維度做一些關(guān)鍵切片。

把這些預(yù)制的數(shù)據(jù)服務(wù)化提供給BI工具，這些BI工具可以做一些簡單的計(jì)算及按需圖像化展示。這種方式較前面的剛性的BI設(shè)計(jì)上已經(jīng)前進(jìn)了一大步。

我們認(rèn)同碩磐智能對數(shù)據(jù)分析系統(tǒng)現(xiàn)狀及未來趨勢的基本判斷（圖4），目前一些前沿企業(yè)已經(jīng)研究第三代智能可視化分析和第四代預(yù)測性分析機(jī)器學(xué)習(xí)模式，以便支持隨時(shí)隨地、針對任何維度的快速業(yè)務(wù)問題根因定位。

另外一個(gè)重要方法就是AI應(yīng)用。我們認(rèn)同一個(gè)觀點(diǎn)，就是要把AI技術(shù)應(yīng)用當(dāng)作一項(xiàng)投資來對待，需要具體分析此類投資是否能夠得到合理回報(bào)，不能盲目跟風(fēng)。

目前看來，AI技術(shù)，尤其是生成式AI大模型技術(shù)在商業(yè)領(lǐng)域的有效應(yīng)用還處在初期階段。然而，AI技術(shù)在某些具體領(lǐng)域的應(yīng)用確實(shí)取得不俗成效，比如優(yōu)化物流路徑、智能資源匹配等。

然而，必須指出，面對不同企業(yè)規(guī)模與不同業(yè)務(wù)復(fù)雜程度，AI能夠發(fā)揮的作用潛力不盡相同。

從華為經(jīng)驗(yàn)來看，AI技術(shù)在決策支撐類應(yīng)用領(lǐng)域的有效應(yīng)用依然有限，尚在初期探索階段。

內(nèi)容來源：《數(shù)智化轉(zhuǎn)型成功模式：傳統(tǒng)行業(yè)企業(yè)必經(jīng)之路與潛在陷阱》/ 侯建英 李平，文章發(fā)表于中歐商業(yè)評論（2024年3月刊），本文已獲作者授權(quán)。

關(guān)于作者：

李平為丹麥哥本哈根商學(xué)院中國企業(yè)管理領(lǐng)域終身正教授，東北財(cái)大、廈門大學(xué)特聘講座教授，原寧波諾丁漢大學(xué)國際企業(yè)管理領(lǐng)域李達(dá)三首席教授、浙江大學(xué)求是講座教授、2020年斯坦福大學(xué)全球2%經(jīng)管專業(yè)頂尖學(xué)者、國家自科基金重點(diǎn)項(xiàng)目負(fù)責(zé)人、傳世智慧學(xué)術(shù)委員。

侯建英曾任華為運(yùn)營商BG質(zhì)量與運(yùn)營部部長、LTC變革總監(jiān)、海外子公司COO、海外大客戶部長、海外投標(biāo)業(yè)務(wù)部長。具有20年以上產(chǎn)品營銷、客戶管理、子公司管理以及企業(yè)管理體系建設(shè)經(jīng)驗(yàn)。主導(dǎo)華為公司級重大項(xiàng)目 LTC變革方案的制定與落地執(zhí)行，主導(dǎo)華為經(jīng)營數(shù)據(jù)中臺建設(shè)，華為變革管理實(shí)踐者。

*文章僅代表專家個(gè)人的專業(yè)意見表達(dá)，不代表本平臺的任何觀點(diǎn)與立場。