《华为数据之道》读书笔记六---面向自助消费的数据服务建设

七、从结果管理到过程管理, 从能"看"到能"管"

1、数据赋能业务运营

数字化运营旨在利用数字化技术获取、管理和分析数据,从而为企业的战略决策与业务运营提供可量化的、科学的支撑。

数字化运营归根结底是运营,旨在推动运营效率与能力的提升,所以它体现在具体的业务中,而不是一块新的业务,更多是在现有标准流程的基础上改进和完善。数字化运营的核心是数据,以及基于数据的精细化管理和科学决策分析。企业业务数字化运营模式如下图所示:

业务数字化运营的目的不应只有"察(数字化看板)",还应该进一步实现"打(业务决策与执行)",即支撑业务运营作战模式转变,提升运营效率。业务数字化运营要发挥对业务的指挥作用,要能够让上下同步感知业务运行态势,通过分工协作解决业务运作中的问题,提升运作效率。

业务数字化运营要同时具备多个能力,包括战略落地、业务可视化、预测预警、作业指挥、跨领域问题解决和联动指挥等。下图为华为基于数据底座的数字化运营模式:

数字化运营应满足如下场景需求:

(1)满足业务运营中数据实时可视化的需求。

通过实时数据入湖和联接方案,业务可以第一时间获取作业监控信息,从而根据实际情况进行灵活调整,一次性把工作做对。基于实时数据的可视化能力,还能够支持业务在线会议,通过数据底座提供的服务将数据层层下钻,从过去的纸面报告或PPT材料变成可视化的业务场景。

(2)满足业务运营中及时诊断预警的需求。

通过数字化手段,在获取业务运营数据的同时,可以根据实际场景差异,灵活配置各种规则类数据,通过分析平台的规则引擎,帮助业务提前感知业务问题、自动预警潜在风险,从而有效支撑业务的快速响应。

(3)满足业务运营中复杂智能决策的需求。

通过数据分析模型对数据底座中的海量数据进行挖掘,智能分析业务问题的本质,洞察趋势并推荐方案,从而支持业务的客观、精准决策。

2、数据消费典型场景实践

华为需求到自助分析的过程:

实例1:经营管理实践:

经营管理多为事后管理,通过每月下任务令进行业务改进,整个问题从发现到解决周期长,且存在大量人工动作,耗散大量业务精力。传统经营管理过程如下图所示:

缺点:

数据滞后,经营过程非实时可视,主要为事后管理。

按月做经营分析,从经营数据产生到下发任务令需0.5~1个月。

缺少集成管理平台,手工做经营分析,线下管理任务令。

通过数字化运营实现事中监控和及时改进,达到经营过程可视化、报告在线分析、实时社交讨论、及时经营改进的目的。基于数字化运营的经营管理过程如下图所示:

优点:

数据在线转变为事中监控,随时可拉通审视规模、盈利、效率全经营指标。

经营管理模式改变,实时分析经营风险,会上聚焦重大风险决策,高效运作。

在统一平台进行监控、预警、协调、任务管理,从战略、执行到经营过程和结果实现闭环。

实例2:风险管理实践:

过去,业务风险管理主要依赖事后审查,业务发生一段时间后再通过CT(Compliance Test,流程遵从性测试)、SACA(Semi-Annual Control Assessment,半年度控制评估)、稽核、审计等方式进行事后管理,业务根据审查要求提供相应"证据"。传统风险管理方式如下图所示:

缺点:

落实主要依靠流程规则,细则多,执行难。

海量线下数据整理和分析,定位内控问题原因难。

流程控制评估、遵从性评估、主动性审视、稽核、审计多方事后清理。

通过数字化运营,可以实现业务实时自检,风险实时在线审视和预警,风险任务快速关闭,不需要完全依赖事后核查,而是业务人员主动遵从。用数据规则替代人工的分析、检查和回溯,大大提高了风险管理的实时性,从事后管理变为事中管理,部分业务部门的量化风险降低超过50%。基于数字化运营的风险管理方式如下图所示:

优点:

在业务风险控制点打探针,及时发现问题。

实现风险量化可视,实时预警。

实时在线下达风险点的改进任务令,及时改善。

【备注说明】华为块的讲解特别重要,告诉我们数据服务应该为企业做出哪些收益,具体的收益参考场景有哪些?企业完全可以参考这块开展工作。这块主要企业要"做的出来、用的起来、变的过来"。做的出来,就是这些应用场景业务和信息化要配合把这些场景做出来。用来起来,企业要从公司场景推动这些场景的应用,就如之前华为对于管理部长的要求是谁拒绝数据,谁就交出工作。变的过来,对于应用场景中发现的业务流程或质量问题,必须要动真格的,要进行修改,要进行变革,也是一样,谁拒绝变革,谁也交出工作。只有通过管理的制度要求、平台的工具支撑、规范的流程体系,才能真正的在企业内部将数据应用起来。将企业的数据质量越建设越好,否则只会有一堆文档的堆砌而已。

八、华为数据驱动数字化运营的历程和经验

1、华为数字化运营的不同阶段

(1)"从行走到公交"阶段:

大部分情况下采取"机关建、业务部门用"的方式。虽然通过数据治理达到了"数据清洁"的目标,也能够实现一定程度的经营和运营数据的可视化,但仍存在机关开发永远满足不了业务部门需求的问题,尤其是不同国家的业务场景各有差异,机关开发无法满足根据业务场景进行灵活运营的目的,机关开发往往疲于奔命,而业务部门满意度仍然不高。

(2)"从公交到自驾"阶段

由于自研和引进了业界先进的分析工具,各区域开始按需以自助的形式生成各种分析报表。在满足各国家、各业务部门特定需求和灵活变化方面,收到了一些效果。但在该阶段,数据从供应到消费的整个过程处于"无序"状态,业务自助分析"野蛮生长",大量数据是以离线手工获取方式为主,数据的完整性和可靠性存在很大问题,也存在大量的数据安全隐患。

(3)"从无序到有序"阶段

通过数据底座建设实现生态共建、平台共享的效果。随着数据服务的大量建设,逐步覆盖了80%的场景,使得各种数据消费的效率更高、安全性更好,减少了大量重复建设。通过前台统一入口,大大提升了运营分析的性能体验。另外,还打造了从"业务部门回到机关"通道,对各个国家的优秀典型场景进行归纳,业务部门的优秀实践反向纳入数据底座形成公共数据服务和报表卡片,各个国家可以通过自助分析平台实现对优秀实践的快速复制。

4)"人工到智能"阶段

在原有的数据实时可视化的基础上,逐步增加动态及时预警能力、智能分析和方案推荐能力、任务自动执行能力,支撑业务数字化运营达到更高层面。业务数字化运营逐步从单一报表可视化,扩展到业务监控、预测、预警、协调、调度、决策、指挥等7个场景的持续打造,最终实现企业数字化运营"平时值班、战时指挥、察打一体"目标。

2、华为数字化运营关键特性

3、做好数字化运营的"三个要点、两个基础"

"三个要点"是指数字化运营中的"发育、激励、分享"。

在面向各业务部门的数字化运营能力的"发育"过程中,要做好自助分析能力赋能,识别关键核心人员并通过培训与实战的方式帮助他们掌握自助分析的基本能力,同时机关专家要做好现场支持,帮助各业务分析人员"上马"。

在数字化运营实践中要充分激励原创,采取各种方式保护原创,同时鼓励各业务部门充分共享优秀实践。

机关要发挥归纳和总结作用,从各地优秀实践中识别真正具有共性的典型场景和典型数据联接模型,不仅可以使自助分析性能更好,还可以推动优秀实践在各个业务部门快速复制,达到"从1到N"的效果。

两个基础"是指数字化运营中的"数据服务和IT平台"。

数据服务是整个数字化消费的关键,也是业务数字化运营的重要基础。IT平台包括分析平台和数据分析结果呈现前台,其中分析平台承载企业的公共分析能力建设,并重点面向业务分析师提供自助分析能力;数据分析结果呈现前台承载了公共场景的市场能力,支撑典型场景的快速分享。

【备注说明】看到华为数字化的历程,可以很清晰的看到,数字化对一个企业来说是一个长期,需要不断进行大规模投入的工作,必须持续的去搞。未来能够在市场竞争中生存下来的企业一定是数字化企业,虽然在这场数字化转型中会面对很多冲突,很多阻力,比如因为智能设备带来的车间工厂失业问题,但这不会阻碍企业数字化转型的步伐,作为企业的员工也必须要有这个忧患意识。企业在数字化转型中要不断的对员工能力和素质进行提升,来满足企业对于未来数字化人才的需求,优先内部培养为主。再强调下,数字化平台对于企业的数字化转型很重要,最终所有工作的支撑都会落地到平台上,所以企业勿必要找一个适合自己的优质平台。另外,企业信息化部门必须有一个意识,"一切为了业务",一切不以业务改善、优化、提升为主的数字化转型工作都是不应该支持的。"十八般武艺皆通"这是对当前数字化转型企业中的信息化部门人员的要求,任重道远!且行且珍惜!

相关推荐
川石课堂软件测试2 分钟前
性能测试|docker容器下搭建JMeter+Grafana+Influxdb监控可视化平台
运维·javascript·深度学习·jmeter·docker·容器·grafana
ycsdn1021 分钟前
Caused by: org.apache.flink.api.common.io.ParseException: Row too short:
大数据·flink
Gemini199540 分钟前
分布式和微服务的区别
分布式·微服务·架构
pk_xz1234562 小时前
Shell 脚本中变量和字符串的入门介绍
linux·运维·服务器
小珑也要变强2 小时前
Linux之sed命令详解
linux·运维·服务器
DolphinScheduler社区2 小时前
Apache DolphinScheduler + OceanBase,搭建分布式大数据调度平台的实践
大数据
时差9533 小时前
MapReduce 的 Shuffle 过程
大数据·mapreduce
kakwooi4 小时前
Hadoop---MapReduce(3)
大数据·hadoop·mapreduce
数新网络4 小时前
《深入浅出Apache Spark》系列②:Spark SQL原理精髓全解析
大数据·sql·spark
Lary_Rock4 小时前
RK3576 LINUX RKNN SDK 测试
linux·运维·服务器