首页 科技创业正文

深演智能黄晓南:打造真正能为企业创造价值的“数智化”双中台

admin 科技创业 2020-09-16 04:50:43 2 0

原标题:深演智能黄晓南:打造真正能为企业创造价值的“数智化”双中台

文 | 李夜

“我们是站在CEO角度,帮助CIO打造一套能够让CMO和CGO感受到价值的中台”,深演智能创始人&CEO黄晓南告诉i黑马。作为一家帮助众多企业进行过数字化转型的toB企业,这句话总结了深演智能打造中台的战略考量,是深演智能“必胜的道路”。黄晓南坦言,实现这句话的过程,并不轻松。

近年来,围绕中台有一系列的期待与质疑。

1981年,自财政部推动提出“会计电算化”的概念,企业信息化拉开大幕。中台,是企业信息化迈不过的阶段。尤其2013年以后,移动互联网爆发增长,移动设备和各类传感器让各行业积累远超以往的海量数据。传统烟囱式的IT架构,无法满足企业对数据驱动力日益迫切的需求,反倒促成了一个又一个企业内部的数据孤岛。数字中台应运而生。企业认为数据中台能够“包治百病”,对中台的期待在2019年达到高点,一众互联网巨头先后入局,不少服务商也在这一年相继完成融资。但质疑也一直在,有人觉得中台是“老瓶装新酒”,是“言过其实”,难以落地。

为什么近年来围绕“中台”的争议不断?

深演智能CTO欧阳辰认为主要原因是数据中台核心是基于数据的业务思维。如无该思维,将中台当做一个功能模块搭建的话,则很容易失败。相反地,搭建数据中台前,首先确认企的使用场景和商业价值,后面,搭建过程中的资源、调度都是以商业价值为指标来衡量,则较容易成功。他还提到,数据中台涉及到的环节比较多,构建过程,既要做到聚焦,又必须通过小步迭代的方式来创建业务价值。“并不是数据中台不好,是很多企业没有用好。”

01

不神化AI和不一样的深演智能中台

黄晓南谈到最近和一个企业CEO聊智能中台和数字化转型的需求,这几年市场增长得非常快,消费者的选择更多了,品类竞争也变得越来越激烈。作为CEO,他需要更多的数字化和智能化来提高决策质量。

黄晓南提到,最好不要把AI神化。不神化AI,意味着既不要夸大作用,也不过度强调门槛。在她看来,利用智能算法做一些更优良的决策,是一个非常正常且普遍的应用。她强调深演智能一直倡导的 “AI赋能决策”。

展开全文

“AI”,代表数字化和智能化。

“赋能”而非“做”, AI有其能力边界,是辅助人来做事情,而不是主导人去做事。

“决策”则让AI场景具象化,“就场景而言,商业决策的标准可以被清晰地定义。标准定义清晰和单一,有利于AI发挥作用。”

和其它中台相比,深演智能的智能中台是带有“使命感”的。

黄晓南将中台比作一桩高层建筑,而非一个企业的一个功能模块组。“为什么搭建中台会失败?因为企业常常会从搭建一个功能模块或者解决局部的IT痛点的角度,去思考问题。中台最终服务的是C-level,我们是搭建顶层建筑的逻辑,不是功能模块或者解决局部问题的逻辑。”黄晓南称,深演智能在中台的设计上将上下5层的高层建筑想得很清楚。先设计,再打地基。“如果你不知道这幢楼长什么样,就开始挖地基,它不会成功。”

深演智能服务了很多个来自快销、零售、汽车、医药等行业里的龙头客户。在大客户的场景里,深演的中台产品是有价值的。黄晓南提到,深演打造的是一个开放式的中台。深演在帮助企业打造自有中台的时候,也在跟生态平台公司,比如阿里巴巴,京东,今日头条、腾讯等都有合作,让企业数据和第三方的数据生态进行交互、融合,可以产生非常大的动能。

资料显示,深演智能数据中台,以业务场景为导向,基于数据治理、数据建模,智能化标签能力等平台化产品和功能模块、基于智能决策引擎的算法模型支撑和实施方法论,构建起“业务+数据中台”双中台结构,解决中大型企业面临的数据孤岛、数据管理效能低下、数据价值利用低的问题,依据企业业务和架构,构建一套把数据沉淀为资产并服务于生意增长和智能决策的闭环机制,让数据可懂、好用、长期增值。深耕于汽车、快消、零售、医药等众多行业,帮助企业进行数字化智能化转型。

深演中台的特别,和其认知与基因有关系。

从解决CEO问题的角度打造中台,这和黄晓南的个人经历有关。创立深演智能之前,她曾在麦肯锡为诸多一流企业进行过企业战略及营销决策咨询,能够与创始人同频。这让深演能够从解决CEO问题的角度看待中台、产品和技术。“这个定位决定我们是能产生业务价值的一个中台。”

CEO面临的问题是什么?企业的增长挑战。增长的背后是用户。今天所谓的数字化转型及其引发的中台都是围绕用户展开的。传统的IT系统具有业务性,都是围绕着货物、生产或者单一的财务系统展开的。也正是这两个认知(CEO认知和用户认知),让深演智能形成了独特的中台思路。

第一, 双中台。

双中台意味着服务多个企业部门。深演的中台服务CIO、CMO、CDO和CGO。在底层,深演的智能中台有数据湖,也即数据中台,用于治理数据。黄晓南说,深演对于数据的复杂性、如何打通、治理数据都有比较成熟的方法。底层之上,是业务中台。业务中台包含全套的产品,比如触点管理、创意管理、内容管理、算法模型等。“罗马不是一日建成的。我们也是经过十年不断地产品叠加,叠加出来双中台。”

从黄晓南的描述来看,数据中台和业务中台彼此赋能。业务中台是基于数据中台的延伸和拓展,以加速业务场景的实现。在数据中台提供基础的前提下,业务中台连接业务场景,发挥出数据中台的价值。举个例子,有一家小家电的龙头企业需要管理线上线下的活动,而这些数据以及活动管理都分属于不同的业务系统,于是这家企业通过设立一个活动经营的业务中台,统一管理起来所有活动。

第二,用户。

在中台的方法论中,深演构建了一个围绕用户、触点、内容的三角模型。简单来看,企业可以将全域的数据资产解构为用户、触点、内容三大类别,当然,并不是说这些数据只是打通和聚合就构成了有效的数据资产,唯有围绕用户的生命周期形成了数据间协同以及场景中的应用、企业才是真的构建起了中台能力。以深演服务的汽车行业为例,深演打通了汽车消费者在车企各触点的数据,同时也将车企“烟囱式”的各个数据系统打通和关联, 并通过建模很好解决了车企典型的线索评估难题,提升了线索跟进回呼的效果。在这一业务场景中预估提升近万台汽车销量。一年预估为该车企带来额外超过4200万收益。

(深演智能企业数智化“三角魔方”)

02

打造智能双中台的关键问题

深演智能是怎么搭建智能中台的?

1、定制化与产品化

对于定制化,黄晓南认为每一个企业客户需求都应该被理解、消化和满足。作为一家产品公司,深演更倾向用产品的方式来解决个性化需求,“我必须要有一定的沉淀,我也必须要有一定的抽象。”目前,深演帮助30-40家企业搭建了他们的中台,并从中抽象出他们的功能和需求。黄晓南提到在做定制化产品的时候,深演会做一个根本性判断:这个产品是否可被复用?“因为to B的企业不怕客户需求多,怕的是闭门造车,以及没有对客户需求进行提炼和沉淀。我们把怕的事情防止了,尽量地围绕产品化去进行沉淀。这跟阿里的想法有点像。”

在构建中台的过程中,深演智能以客户增长为指南针,不忘客户的业务需求。具体过程分为以下3个步骤,分别对应基座能力、行业的解决方案能力以及实施和服务的能力。

明确客户需要解决的问题,将问题转化为商业场景,在商业场景上,构建产品架构。其中包括比较基础的架构,比如数据数据治理、分析引擎、报表引擎、人群标签等基座能力。

构建平台化的解决方案。在基座能力上,根据标杆客户的需求、行业的特点,构建一些平台化的解决方案。

在基座、解决方案的基础上,深演还会为标杆客户通过线下的服务团队和实施团队满足其个性化需求。

明确客户需要解决的问题,将问题转化为商业场景,在商业场景上,构建产品架构。其中包括比较基础的架构,比如数据数据治理、分析引擎、报表引擎、人群标签等基座能力。

构建平台化的解决方案。在基座能力上,根据标杆客户的需求、行业的特点,构建一些平台化的解决方案。

在基座、解决方案的基础上,深演还会为标杆客户通过线下的服务团队和实施团队满足其个性化需求。

据了解,今年,深演将启动它的PaaS战略。这是一个耗时两年的大工程。其目的在于进一步分解功能组件,加大其可配置化的程度,应对更多的井喷式需求。对此,深演的考量是将产品更加平台化。通过平台性的解决方案快速解决客户的共性和个性问题。深演的智能中台内置福尔摩斯引擎。福尔摩斯引擎是一个机器学习平台,沉淀了很多行业中比较好的算法。客户可以比较方便、比较快捷地用福尔摩斯中的模型解决他的商业问题,而不需要从0到1搭建。福尔摩斯引擎还提供API接口,支持外部团队将其模型拉入福尔摩斯引擎,这样,深演的解决方案能够与客户的专家协同起来,一起解决客户的业务问题。

2、打造适用不同行业的中台

行业的普适性问题也是平台公司会遇到的问题。这些年,深演智能也在尝试解决它。深演的智能中台除了适用快消和汽车行业,在医疗、零售、商旅等领域也推出自己的应用。

若碰到一个没有形成规模化的具体场景,深演智能会首先帮助企业解决问题,解决了足够多的类似问题之后,抽象出共性问题,而后将共性问题的解决方案抽象成通用的解决方案,并将其应用到其它行业中,进行二次抽象和提炼。

深演也会将沉淀在汽车、零售、快销、医疗行业的经验和技术高效适配到金融等其它新行业。深演认为不同行业在消费者数据的处理和分析上,还有有共性的。等新行业中的客户积累得多了之后,会打造更加针对性的解决方案。不过,在非商业领域,优化目标和商业领域不一致,且优化目标不明确。比如政府机构做一些数据项目,想的是让数据多跑路,让群众少跑路。这种情况下,技术和经验的迁移需要费一点功夫。但底层技术是一样的,只是业务场景和优化目标上不一样。

当中台适用于多个行业,当中台服务的客户越来越多,规模化问题也会出现。目前,深演正在考虑通过分层和加强延展解决这一问题。在服务几百个客户的过程中,深演将很多时间花在架构优化和调整上。深演智能CTO欧阳辰认为这一底层基座非常牢固,拓展性和延展性非常好。这和欧阳辰的经历有关系。他做了十年搜索引擎,对整个架构的优化和调整有比较深的经验。他将搜索引擎的弹性拓展能力带到了深演智能的中台。“我们把平台能够比较好的分层,哪些是应用层、哪些是基座层。基座层保持不变,应用层可以根据业务需求做出改变,实施层能够更加灵活地满足客户需求。”

03

AI公司的三个标准

一家AI公司怎么样才能够获得成功?这也是黄晓南和深演智能一直在探索的问题。

黄晓南认为, 第一,AI公司需要找到一个场景。

在她看来,大部分的AI公司会“死“于没有落地的场景,没有营收的主阵地。AI的技术跟人脑的运作是一样的。“如果一个人从出生到死,没有学过任何东西,没有做过任何决策,这个人是一个不健全的人。对于一家AI公司来说,没有场景,就没有办法做出任何有价值的产出。”

第二,数据资产化。

黄晓南认为一个企业的资产是它生产的商品,是设备和拥有的客户。“资产数据化”指的是用数字表达资产。“一个零售商开了很多门店,门店是他的重要资产,他需要把数据化呈现门店资产。”资产数字化的目的是为了挖掘数字价值,数字资产趴在服务器里,没有被使用,是没有价值的。数据资产化,就是通过分析这些数据,并结合每个业务场景建模来优化和指导业务更高效地开展,并进一步将数据激活打来企业效益。一个AI公司要有能力帮助客户同时做到资产数字化和数据资产化,这个能力是非常重要的。

第三,核心算法。

算法的智能化是最重要的。黄晓南认为,如果不够智能,AI也就变成BI了。“一个AI公司能不能够做到这三点?能不能在这三个层面超越竞品?决定了一家AI公司能否成功。”

“深演智能具备了这三个要素吗?”i黑马问她。

“那是当然了。”黄晓南说。

....返回,科技大学

评论