白天躁夜夜躁|亚洲激情六月开心网|禁止181000亚洲第一丝袜91|一级高清无码在线观看|涩爱Av一级毛片|最新熟女AV高清|亚洲精品98久久久久久中文字幕|色婷婷日日夜夜|无码成年人影视|色五月之影音先锋

2025年3月24日，人工智能領域迎來了一次重磅更新——DeepSeek 正式發(fā)布了新一代模型 DeepSeek V3–0324，并繼續(xù)秉持開源精神，完整開放模型參數(shù)和權重。 這一版本在編程能力與復雜推理任務中表現(xiàn)尤為出色，但同時也引發(fā)了關于“AI 性格變了”的熱議。目前 Reddit ?評論區(qū)已經熱鬧到爆，討論如潮，幾乎可以用“現(xiàn)象級”來形容這場模型更新帶來的沖擊。

在數(shù)字化時代的浪潮下，政務服務面臨著從傳統(tǒng)模式向智能化轉型的深刻變革。如何在這一進程中，既突破現(xiàn)存困境，又能讓政務服務充滿人文關懷？基于?DeepSeek?的實踐探索，正引領我們開啟構建有溫度數(shù)字政府的全新征程。

在這個信息爆炸的時代，數(shù)據(jù)已成為驅動經濟社會發(fā)展的新燃料。然而，數(shù)據(jù)的價值并不在于其孤立存在，而在于流動、共享與應用中產生的洞見與創(chuàng)新。數(shù)據(jù)要素共享，這一看似簡單的概念，實則蘊含著推動國家治理體系和治理能力現(xiàn)代化、促進經濟高質量發(fā)展的巨大潛力。本文將深入探討數(shù)據(jù)要素共享的內涵、意義、與傳統(tǒng)數(shù)據(jù)交換的區(qū)別，以及實現(xiàn)路徑，旨在為讀者揭開數(shù)據(jù)共享的神秘面紗，無論是數(shù)據(jù)公司的專業(yè)人士還是一般讀者，都能從中受益。

通過?“標準重構?-?數(shù)據(jù)治理?-?平臺賦能”?三位一體策略，實現(xiàn)設備編碼?“一物一碼、全域貫通”，支撐生產實時監(jiān)控、設備全生命周期管理及智能決策

從?“數(shù)據(jù)混亂”?到?“決策加速”，90%?的企業(yè)痛點都能用這個組合拳解決

在某智能制造工廠的中央大屏上，數(shù)據(jù)治理健康度指數(shù)實時跳動著——這是由大模型驅動的治理自動駕駛艙。系統(tǒng)不僅能自動修復98%的數(shù)據(jù)質量問題，更能預測未來三個月的數(shù)據(jù)增長趨勢，提前部署治理資源。這種"治未病"的能力，正將數(shù)據(jù)治理從成本中心轉化為價值引擎。這場靜默革命的終極目標，是讓企業(yè)的數(shù)據(jù)資產如血液般在業(yè)務脈絡中自由流動。當AI大模型成為數(shù)據(jù)治理的新基座，我們迎來的不僅是效率的躍升，更是一個數(shù)據(jù)價值可以像電力般即插即用的新時代。那些率先完成智能化重構的企業(yè)，正在數(shù)字經濟版圖上劃出新的疆界。

在流量紅利見頂、消費者需求碎片化的今天，鞋服零售門店如何通過AI技術突破增長瓶頸？從商品賣點提煉到短視頻精準營銷，從智能推薦到數(shù)據(jù)驅動決策，本文將結合DeepSeek等AI工具的實際案例，拆解一套可落地的門店銷售提效方法論。

在生成式AI的浪潮中，一個殘酷的真相愈發(fā)清晰：沒有知識庫支撐的大模型，就像失去記憶的智者，空有計算力卻無法落地生根。當醫(yī)療、金融、制造等領域的“場景專屬模型”開始批量涌現(xiàn)，企業(yè)之間的競爭將不再局限于算法優(yōu)劣，而是演變?yōu)橹R資產密度與迭代速度的較量。

在 DeepSeek 的協(xié)作中，用戶應扮演“導演”而非“觀眾”——通過精準的指令設計，調度 AI 的計算資源與知識儲備。掌握這 9 個技巧，意味著獲得打開智能時代的“元技能”：將模糊需求轉化為可執(zhí)行方案的架構力。

全球物流行業(yè)正經歷一場靜默的變革。過去十年，多式聯(lián)運因成本與效率的 “雙刃劍” 備受爭議 —— 既要協(xié)調公路、鐵路、水運等多種運輸方式，又要應對貨物轉運的銜接難題。據(jù)行業(yè)統(tǒng)計，多式聯(lián)運中因轉運銜接不暢導致的延誤成本高達總成本的 15%。而如今，這一困局正被 DeepSeek 這一國產 AI 大模型打破。它通過數(shù)據(jù)驅動與智能決策，讓多式聯(lián)運從 “被動銜接” 邁向 “主動優(yōu)化”，甚至重新定義了物流行業(yè)的效率天花板。

人工智能的指數(shù)級發(fā)展正在重塑技術邊界，但也催生出前所未有的安全危機。當DeepSeek以日均百萬用戶的速度刷新AI應用紀錄時，其安全防線正面臨黑客組織、技術濫用者乃至國家行為體的多維沖擊。傳統(tǒng)網絡安全范式在智能模型的黑箱特性、攻防成本的非對稱性、法律責任的模糊性三重沖擊下，已顯露出系統(tǒng)性失效的風險。

在數(shù)字化浪潮席卷全球的今天，人工智能（AI）已從實驗室走向生產線，從單點工具進化為重塑商業(yè)邏輯的“認知中樞”。其中，AI工作流正以“化繁為簡”的革命性力量，成為企業(yè)降本增效、創(chuàng)新突圍的核心引擎。它不僅是技術的迭代，更是組織形態(tài)的進化——通過將復雜任務拆解為可迭代、可優(yōu)化的智能流程，讓企業(yè)從“經驗驅動”邁向“數(shù)據(jù)驅動”，從“人力密集”轉向“智能密集”。

2025年春天，《政府工作報告》首次將"人工智能+"與"新基建""雙碳戰(zhàn)略"并列，列為國家戰(zhàn)略核心。這一決策背后，是AI技術從"實驗室突破"到"產業(yè)落地"的質變——正如蒸汽機之于工業(yè)革命，電力之于電氣時代，人工智能+正在成為第四次工業(yè)革命的"操作系統(tǒng)"。但這場革命并非巨頭獨舞：從中小制造企業(yè)到縣域醫(yī)療機構，每個行業(yè)都能找到自己的AI方程式。本文將揭示這場變革的本質、路徑與機遇。

DeepSeek-R1 模型在 4 張 NVIDIA RTX? 5880 Ada GPU Generation 顯卡配置下，面對短文本生成、長文本生成、總結概括三大實戰(zhàn)場景，會碰撞出怎樣的性能火花？參數(shù)規(guī)模差異懸殊的 70B 與 32B 兩大模型，在 BF16 精度下的表現(xiàn)又相差幾何？本篇四卡環(huán)境實測報告，將為用戶提供實用的數(shù)據(jù)支持和性能參考。

在當今人工智能飛速發(fā)展的時代，大型語言模型（LLMs）正以其強大的語言理解和生成能力，改變著我們的生活和工作方式。在最近的一項研究中，科學家們?yōu)榱松钊肓私馊绾胃咝У赜柧毚笮驼Z言模型，進行了超過4000次的實驗。這些實驗動用了多達512個GPU（圖形處理單元），它們協(xié)同工作，為模型訓練提供了強大的計算支持。在這項研究中，研究人員特別關注了兩個關鍵指標：吞吐量（通過標記的大小來表示）和GPU利用率（通過標記的顏色來表示）。這兩個指標都根據(jù)模型的大小進行了標準化處理，以便更直觀地比較不同模型在不同硬件配置下的表現(xiàn)。

在數(shù)字經濟時代，數(shù)據(jù)質量已成為企業(yè)核心競爭力的關鍵要素。Gartner研究顯示，低質量數(shù)據(jù)每年給企業(yè)帶來平均1500萬美元的損失。當傳統(tǒng)數(shù)據(jù)治理仍在依賴人工規(guī)則引擎時，大模型技術正掀起一場靜默的革命——它不僅將數(shù)據(jù)處理效率提升300%以上，更重新定義了數(shù)據(jù)質量治理的范式。

數(shù)據(jù)指標的相關工具，指出了數(shù)據(jù)指標工具，有兩種形式，一種是面向開發(fā)的指標口徑管理系統(tǒng)，一種是面向數(shù)據(jù)應用的指標數(shù)據(jù)管理系統(tǒng)，或者稱為指標平臺。

DeepSeek 的這次大規(guī)模開源行動，不僅為 AI 開發(fā)者提供了強大的工具和資源，也為 AI 技術在更多領域的應用鋪平了道路。通過降低開發(fā)門檻、優(yōu)化硬件資源利用、支持多模態(tài)處理和跨平臺能力，DeepSeek 正在推動 AI 技術的普惠化和生態(tài)化發(fā)展。隨著更多開發(fā)者和企業(yè)的參與，這些開源項目有望在各個領域催生更多創(chuàng)新應用，加速 AI 技術的商業(yè)化落地。

2025年，全球數(shù)字經濟規(guī)模突破70萬億美元之際，數(shù)據(jù)要素與人工智能的深度融合正在重構商業(yè)世界的運行法則。在這場變革中，佛山某建筑企業(yè)通過AI優(yōu)化設計節(jié)約鋼材1.6萬噸，湖北數(shù)據(jù)集團用大模型提升供需匹配效率70%，北京生物醫(yī)藥企業(yè)實現(xiàn)抗體研發(fā)效率提升百倍——這些鮮活的案例揭示著一個真理：在數(shù)字經濟時代，數(shù)據(jù)是新型戰(zhàn)略資源，AI是核心轉化工具，二者的協(xié)同效應正成為企業(yè)突破增長瓶頸的推進器。這種"數(shù)據(jù)燃料×AI引擎"的化學反應，正在全球范圍內掀起企業(yè)進化革命。

DeepSeek 官方重磅推出「Awesome DeepSeek Integration」集成工具庫！這個由官方親自整理的資源合集囊括了全網最全面的 DeepSeek 生態(tài)工具——從桌面端到移動端，瀏覽器插件到代碼編輯器，即時通訊工具到文獻管理神器，即刻賦予你的應用 AI 超能力。

"當數(shù)據(jù)治理遇上AI，不是機器替代人類，而是讓人類站在機器的肩膀上看見更遠的未來。每個治理動作都在編織數(shù)字文明的神經網絡，而你，正是這個時代的造網者。"AI通過認知增強（NLP）、預測賦能（機器學習）、關系重構（知識圖譜）三大技術杠桿，將數(shù)據(jù)治理從"成本消耗"轉化為"價值創(chuàng)造"的核心引擎，推動企業(yè)完成從數(shù)據(jù)管理到數(shù)據(jù)智能的戰(zhàn)略躍遷。

“數(shù)據(jù)是新時代的石油，但未經治理的石油會堵塞管道；知識是企業(yè)的黃金礦脈，但缺乏提煉的礦石無法兌換價值；大模型是超級引擎，但燃料不足的引擎終將熄火?！薄?唯有四者協(xié)同，才能讓企業(yè)的智能化轉型從?“紙上藍圖”?走向?“落地生根”。

人類用20W功率的大腦征服宇宙，AI卻需要一座核電站處理300頁文檔——直到今天，我們終于教會了機器如何“思考”而非“蠻算”。　

RAG：沒有改變大模型，在大模型原有的基礎上加入了一些知識，用來回答用戶的問題。 微調：原有大模型的基礎上加上新的知識改造大模型，是一個新的模型。

企業(yè)可根據(jù)實際需求選擇適合的部署方案。建議初次部署從?7B?量化版起步，待業(yè)務穩(wěn)定后逐步升級。定期關注DeepSeek?官方更新獲取最新優(yōu)化方案。

在?AI?時代，大模型的能力終將趨于相同，然而，真正決定勝負的關鍵，是隱匿于算法背后的高質量數(shù)據(jù)集。這就好比所有廚師都能購置相同的鍋具，但唯有掌握獨家秘方的人，才能烹飪出米其林三星級別的美食。

加快推動公共數(shù)據(jù)資源管理和運營機制改革落地見效，進一步增強數(shù)據(jù)資源價值釋放的驅動力，以公共數(shù)據(jù)開發(fā)利用引領撬動各方數(shù)據(jù)的融合應用，打造數(shù)據(jù)利用的多應用場景和模式，更好釋放數(shù)據(jù)要素價值。

在這個數(shù)字化轉型的時代，數(shù)據(jù)治理已經成為企業(yè)提升競爭力的核心能力之一。然而，對于很多企業(yè)來說，數(shù)據(jù)治理仍然是一項復雜而艱巨的任務。今天，我們將為你詳細介紹如何利用?DeepSeek?這一強大的?AI?工具，快速構建屬于自己的數(shù)據(jù)治理體系。無論你是數(shù)據(jù)治理的新手，還是正在尋找更高效的解決方案，這篇文章都將為你提供清晰的指導。

當你的競爭對手用大模型?10?分鐘生成市場分析報告，你的團隊還在熬夜做?Excel；當他們的知識庫能自動預警風險，你的員工卻因骨干離職陷入癱瘓?——技術差距的本質，是數(shù)據(jù)價值轉化效率的差距。

最近Deepseek成為了AI圈中最火爆的話題，一方面通過稀疏激活的MoE架構、MLA注意力機制優(yōu)化及混合專家分配策略等創(chuàng)新手段，實現(xiàn)了高效的訓練和推理能力，同時大幅降低了API調用成本，達到了行業(yè)領先水平。另一方面，Deepseek更是以7天實現(xiàn)用戶數(shù)破億的速度，一舉超越了OpenAI的ChatGPT（ChatGPT為2個月）。網上關于本地部署Deepseek-R1的教程，更是如同雨后春筍般出現(xiàn)在各個網絡平臺上。然而，這些本地部署教程往往會告訴你Deepseek-R1有多強大，但不會告訴你本地部署的“蒸餾版”Deepseek-R1相比“滿血版”究竟有多差。值得注意的是，目前公開發(fā)布的小尺寸的DeepSeek-R1模型，均是通過Qwen或Llama從R1中蒸餾過來，尺寸有所縮小，以適應不同性能設備調用DeepSeek-R1模型。換句話說，無論是7B還是32B的DeepSeek-R1，本質上更像是“R1味兒”的Qwen模型，差不多是“牛肉風味肉卷”和“牛肉卷”的差距。雖然擁有前者部分特性，但更多是后者照貓畫虎實現(xiàn)類似的推理功能。毋庸置疑的是，隨著模型尺寸的縮小，其性能也會變得更差，與“滿血版”R1的差距也會更大。而今天，大模型之家就帶你來看看，不同尺寸的DeepSeek-R1與“滿血版”差距究竟有多大？

數(shù)據(jù)資產是指由個人或企業(yè)擁有或控制的，能夠為企業(yè)帶來未來經濟利益的，以物理或電子方式記錄的數(shù)據(jù)資源。這些數(shù)據(jù)資源包括但不限于數(shù)字信息、文字信息、圖像信息、語言信息、數(shù)據(jù)庫等。數(shù)據(jù)資產具有以下幾個特點：權屬明確：數(shù)據(jù)資產通常具有明確的權屬，包括勘探權、使用權和所有權。

數(shù)據(jù)中臺作為企業(yè)數(shù)字化轉型的重要支撐平臺，通過提升數(shù)據(jù)整合與共享能力、強化數(shù)據(jù)分析與洞察能力、推動業(yè)務創(chuàng)新與發(fā)展、提高運營效率與管理水平以及加強數(shù)據(jù)安全保障等方面，為企業(yè)的數(shù)字化轉型提供了有力保障和強大動力。因此，企業(yè)在進行數(shù)字化轉型時，建設數(shù)據(jù)中臺是必然選擇。

財務共享中心作為現(xiàn)代企業(yè)管理的有效工具，通過提高效率、降低成本、加強內部控制等方面的優(yōu)勢，為企業(yè)創(chuàng)造了良好的財務運營環(huán)境，成為企業(yè)發(fā)展的有力助推器。

財務共享中心能幫助企業(yè)達到規(guī)模經濟，?主要是因為其通過集中處理財務事務，?實現(xiàn)了規(guī)模效應，?從而提高了工作效率并降低了成本。?

近日，為鼓勵數(shù)字賦能航天文化，“中國航天日”宣傳海報征集AIGC創(chuàng)作平臺通道正式開啟，這是“中國航天日”主題活動多年來首次嘗試設立AI賽道，也將激發(fā)AIGC在航天領域的更多應用創(chuàng)想。

隨著人工智能技術的不斷發(fā)展，大模型技術作為其核心組成部分，在各個領域都發(fā)揮著重要作用。

今年的政府工作報告提出，大力推進現(xiàn)代化產業(yè)體系建設，加快發(fā)展新質生產力。對此，全國政協(xié)委員、360集團創(chuàng)始人周鴻祎在接受《經濟參考報》記者采訪時表示，應提倡運用科技創(chuàng)新推動生產力躍升。只有通過關鍵性核心技術創(chuàng)新，推動科學技術的原創(chuàng)性突破、前瞻性應用，形成新優(yōu)勢，才能在全球競爭格局中搶占未來產業(yè)科技創(chuàng)新制高點。 “在新一輪科技革命和產業(yè)變革加速演進的時代背景下，我國堅持把科技創(chuàng)新擺在國家發(fā)展全局的核心位置，開辟發(fā)展新賽道、塑造發(fā)展新優(yōu)勢。從世界范圍來看，我國擁有全世界最完整的產業(yè)鏈、最齊全的工業(yè)門類、最豐富的企業(yè)場景紅利。科技創(chuàng)新為產業(yè)高質量發(fā)展深度賦能，產業(yè)發(fā)展為科技創(chuàng)新提供應用場景，二者深度融合、互促共進，為高質量發(fā)展注入有力動能。”周鴻祎委員說。 政府工作報告提出“制定支持數(shù)字經濟高質量發(fā)展政策”“深化大數(shù)據(jù)、人工智能等研發(fā)應用，開展‘人工智能+’行動”等多項具體部署。談及開展“人工智能+”行動，周鴻祎委員認為，過去是“互聯(lián)網+”思維，未來是“人工智能+”思維，其中，大模型作為人工智能發(fā)展的核心引擎，正引發(fā)一場全新的工業(yè)革命。 “我國發(fā)展大模型的一個重要方向應該是借助產業(yè)和場景的優(yōu)勢，將大模型與業(yè)務流程、產品功能相結合，尋求多場景應用、垂直化和產業(yè)化的落地，讓大模型作為生產力工具與傳統(tǒng)產業(yè)進行‘數(shù)轉智改’結合，成為產業(yè)數(shù)字化的重要賦能者。”他說。 對此，周鴻祎委員提出三點建議，一是政府、央地國企率先提供更多應用場景，聚焦“小切口，大縱深”，推動大模型垂直化、產業(yè)化落地；二是鼓勵企業(yè)在定制AI前，做好知識管理，將企業(yè)大數(shù)據(jù)平臺升級為企業(yè)知識平臺；三是鼓勵和引導企業(yè)將大模型與數(shù)字化業(yè)務系統(tǒng)深度結合，同業(yè)務流程相結合，充分發(fā)揮大模型價值。 他表示，伴隨人工智能的影響日益擴大，安全問題也愈發(fā)凸顯。通用大模型的安全，是保障人工智能技術可持續(xù)發(fā)展、實現(xiàn)廣泛應用的重要基礎，對確保人工智能系統(tǒng)的可靠性和安全性意義重大，更需國家和企業(yè)重點應對和保障。建議國家研究制定保障通用大模型安全的標準體系，推動通用大模型開展安全評測、接入安全服務，降低通用大模型安全風險。鼓勵政府、央地國企與兼具“安全和AI”能力的企業(yè)在大模型安全領域展開深入合作。

隨著數(shù)字經濟的快速發(fā)展，2024年將迎來全新的商機風口。數(shù)據(jù)治理、數(shù)據(jù)平臺和應用場景被視為數(shù)字經濟的三駕馬車，它們將成為推動商業(yè)創(chuàng)新和增長的關鍵。本文將深入探討這三個關鍵要素在數(shù)字經濟中的作用，并分析它們?yōu)槲磥砩虣C帶來的影響。

多企業(yè)在上線BI并完成了基本的數(shù)據(jù)展示后，經常會對BI后續(xù)的建設路徑感到迷茫，不知道從哪入手；或者是大張旗鼓搞了很多的BI開發(fā)，結果一頓操作猛如虎，業(yè)務評價很扎心。 BI的核心價值在于利用企業(yè)的數(shù)據(jù)資產輔助經營決策，是企業(yè)數(shù)據(jù)資產價值變現(xiàn)的重要工具。和企業(yè)經營一樣，更合理的BI建設路徑也應圍繞著ROI最大化的目標來設計，但如何評估BI建設的ROI一直是一個世紀難題。 觀遠數(shù)據(jù)客戶成功經理王星亮通過總結多年來服務各行業(yè)先進客戶的經驗，以及從其中部分客戶樣本上觀察到的現(xiàn)象，提煉出一套簡易的分析框架，以此嘗試從ROI角度為不同類型、不同階段的企業(yè)提供可參考的 BI 建設路徑建議。 一、BI價值的分類及影響因素 BI建設的ROI高低取決于價值和成本兩個方面。首先分析價值方面。 BI的核心價值在于利用數(shù)據(jù)資產輔助企業(yè)經營決策，提高決策效率。 根據(jù)過往實踐經驗的總結，我們提煉了BI建設對經營決策的兩類價值，將其分為基礎價值和賦能價值，并總結出了對其中數(shù)據(jù)賦能價值有較大影響的兩大因素： 1．基礎價值 最基礎的數(shù)據(jù)展示，讓業(yè)務部門能夠更便捷地看到不同來源的業(yè)務數(shù)據(jù)，是BI工具的基本功能，本身有一定價值，最容易實現(xiàn)，也最容易產生“審美疲勞”，屬于BI建設中的“低垂的果實”。 2．賦能價值 ? 業(yè)績增長（顯性價值） 業(yè)績增長泛指業(yè)務結果，對應指標體系中的結果指標（GMV、利潤、現(xiàn)金流、用戶數(shù)等），是所有盈利性組織最關注、最顯性的價值，也是在數(shù)據(jù)建設過程中優(yōu)先保障的。同時，這類價值也是最難評估和驗證的。一方面，因為業(yè)績增長通常是多因素共同作用的結果，難以評價數(shù)據(jù)建設單一因素在其中發(fā)揮的價值；另一方面，由于企業(yè)組織規(guī)劃中通常有清晰的角色分工，數(shù)據(jù)建設崗位通常為中后臺部門，不直接為業(yè)績結果負責，導致數(shù)據(jù)價值鏈冗長，追溯成本高。部分企業(yè)采用業(yè)務部門與數(shù)據(jù)部門目標綁定的方式，讓數(shù)據(jù)直接為業(yè)務服務，用縮短價值鏈的方式體現(xiàn)數(shù)據(jù)價值。 ? 業(yè)務提效（隱性價值） 業(yè)務提效泛指業(yè)務流程中的過程管理，對應指標體系中的過程指標（轉化率、ROI、周轉率、良品率等），這類價值的上限空間通常有限，在企業(yè)快速增長階段通常非最優(yōu)先關注點，而在企業(yè)穩(wěn)定發(fā)展、開始向內部要效益的階段會成為重要關注點。 吊詭的是，數(shù)據(jù)建設本身也是一項需要企業(yè)資源投入的工作，在企業(yè)增速趨于平穩(wěn)，開始向內部要效益的階段，數(shù)據(jù)建設需要的投入也會受到影響；從這個角度講，企業(yè)能否在高速增長階段提前布局自身的數(shù)字化建設，匹配企業(yè)生命周期合理投入數(shù)據(jù)建設資源，非?？简炂髽I(yè)決策團隊的數(shù)據(jù)意識和戰(zhàn)略格局。 3．影響因素 基礎的數(shù)據(jù)展示價值對企業(yè)實際的經營活動價值非常有限，更多是作為提升內部數(shù)據(jù)意識、展示企業(yè)數(shù)字化發(fā)展水平的工具，形式大于內容，不同企業(yè)差別不大；但不同類型企業(yè)的數(shù)據(jù)賦能價值則有很大差異，主要影響因素有以下兩個方面： ? 可獲得的數(shù)據(jù)資產與其重要經營活動的匹配度 以“復購率”指標為例，如果一家企業(yè)提供的商品或服務有較高的復購價值，復購率會是衡量其經營健康度的重要指標，用戶運營就是其重要的經營活動之一；而用戶數(shù)據(jù)相對外部潛客數(shù)據(jù)更易獲得，只要做好了用戶相關的數(shù)據(jù)資產建設，就能很快在用戶運營環(huán)節(jié)發(fā)揮出數(shù)據(jù)價值。 反之，如果一家企業(yè)提供的商品或服務復購需求較低，老用戶的數(shù)據(jù)對其核心業(yè)務的增長價值有限，業(yè)績增長更依賴的外部數(shù)據(jù)又難以獲取，則會造成數(shù)據(jù)資產與重要經營活動的錯配，難以發(fā)揮數(shù)據(jù)資產價值。 ? 經營活動中各類決策過程對數(shù)據(jù)資產的依賴度 整體而言，不同類型決策對數(shù)據(jù)資產的依賴度排序為： ? 高頻決策高于低頻決策：例如收并購、拓展新業(yè)務、組織架構調整等類型決策通常屬于低頻決策，歷史數(shù)據(jù)參考意義不大；而投流渠道選擇、用戶運營策略調整通常屬于高頻決策，可以通過歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律，指導業(yè)務動作； ?標準化決策高于定制化決策：標準化決策指決策鏈路邏輯較清晰、可描述，如門店貨品補貨決策；定制化決策指決策鏈路復雜，需考慮因素多，如大型IT項目的報價決策；通常2B企業(yè)的定制化決策比例高于2C企業(yè)。 ?分析型決策高于組織型決策：兩者核心的區(qū)別在于“人的感性因素”在該決策活動中的影響占比。 企業(yè)經營活動中各種決策類型的占比和價值貢獻，是企業(yè)是否重視數(shù)據(jù)建設的底層驅動因素。數(shù)據(jù)對企業(yè)經營活動核心環(huán)節(jié)的重要程度，決定了BI建設對企業(yè)價值貢獻的天花板。 二、BI建設成本的分類及影響因素 ROI的另一端是成本，BI建設需要以數(shù)據(jù)建設為基礎，這里將數(shù)據(jù)建設的成本包含進來，可以大致總結為數(shù)據(jù)獲取成本、數(shù)據(jù)治理成本、數(shù)據(jù)應用成本（BI建設屬于數(shù)據(jù)應用的一部分）三個方面，其相應的影響因素包括： 數(shù)據(jù)獲取成本 影響因素：外部數(shù)據(jù) or 內部數(shù)據(jù)；To B or To C；線上 or 線下…… 企業(yè)內部數(shù)據(jù)的獲取成本通常低于外部數(shù)據(jù)獲取成本，但這里有一個特例，即電商品牌企業(yè)。由于國內電商平臺（京東、淘系、抖音等）的快速發(fā)展和數(shù)字化建設程度普遍較高，電商企業(yè)可以在不建設交易系統(tǒng)的情況下依賴電商平臺的交易系統(tǒng)能力獲得交易數(shù)據(jù)，這部分數(shù)據(jù)的所有權為電商品牌，但卻是來自于外部的電商平臺系統(tǒng)。正是由于電商品牌的這個特點，讓很多電商新銳企業(yè)在自身信息化水平非常薄弱的情況下依然可獲取到非常重要的交易數(shù)據(jù)，進而放大了BI建設的ROI，使“先數(shù)字化，后信息化”的發(fā)展路徑成為可能。 商業(yè)模式（2B/2C、線上/線下等）的區(qū)別對應的本質問題是看企業(yè)的經營活動對信息化的依賴程度，越是依賴線上的、2C的企業(yè)（如零售銀行），其信息化水平需求越高（信息化水平不足的企業(yè)已經被淘汰了），其內部可用的數(shù)據(jù)資產規(guī)模越大（先不考慮資產質量），數(shù)據(jù)獲取成本就越低。相反，越是依賴線下、2B的企業(yè)，其信息化水平的重要性越低，如果要獲取充足的數(shù)據(jù)資產，就需要先完善信息化建設（其本身對經營活動的必要性卻不高），即變相提高了其數(shù)據(jù)獲取的相對成本。 2．數(shù)據(jù)治理成本 影響因素：一方/二方/三方數(shù)據(jù)；業(yè)務閉環(huán)程度…… 數(shù)據(jù)源對數(shù)據(jù)治理成本的影響，我們仍以上述電商企業(yè)為例：盡管依賴電商平臺完成交易環(huán)節(jié)的電商品牌企業(yè)無需自建交易系統(tǒng)，獲取交易數(shù)據(jù)的成本較低，但由于其數(shù)據(jù)源來自平臺方，為二方數(shù)據(jù)，因而會導致其數(shù)據(jù)治理成本提高。 業(yè)務閉環(huán)程度對數(shù)據(jù)治理成本的影響，我們以制造業(yè)企業(yè)為例：自建工廠的制造業(yè)企業(yè)可以通過完善生產信息系統(tǒng)獲取供貨數(shù)據(jù)，依賴代工生產的企業(yè)可以通過代工企業(yè)上報的方式獲取供貨數(shù)據(jù)，各自都有一定的數(shù)據(jù)獲取成本；但自建工廠的企業(yè)一旦完成了生產系統(tǒng)信息化，其數(shù)據(jù)治理成本將遠低于依賴代工的企業(yè)。 3．數(shù)據(jù)應用成本 影響因素：數(shù)據(jù)意識；法規(guī)限制；數(shù)據(jù)工具；組織結構…… 這一部分展開分析可以獨立作為一個話題，簡單概括以下要點： 總體來看，當企業(yè)受自身商業(yè)模式、企業(yè)信息化發(fā)展、內部數(shù)據(jù)文化等多種因素影響，把綜合數(shù)據(jù)建設成本降得足夠低，就會相應提高BI建設的ROI。 值得一提的是，在考慮數(shù)據(jù)工具的成本時，除了工具本身的采購成本和部署成本這些“顯性成本”外，工具自身的易用性、易維護性也會影響企業(yè)的學習成本、建設成本、維護成本等“隱性成本”，如果由于工具難用或難以維護導致沒有發(fā)揮出應有的價值，產生的機會成本浪費通常是巨大的。 三、以ROI達標為前提 企業(yè)BI建設的細分路徑 BI的核心價值在于提高決策效率，但并不是所有決策都最適合用BI解決，也沒有一套BI建設的方法論可以適配所有企業(yè)，觀遠數(shù)據(jù)嘗試提供一個簡易的分析框架，用以判斷不同企業(yè)應該參考何種路徑、在哪些環(huán)節(jié)發(fā)展BI。 1．BI更適合什么類型的決策場景 與數(shù)據(jù)資產價值及決策類型的匹配關系類似，BI更適合高頻的、標準化的、分析型的決策場景。 ? 高頻決策場景 如果決策頻率不高，例如季度、年度的企業(yè)整體經營分析場景，即使沒有BI，也完全可以靠分析人員利用其他分析工具（Excel、Python等）滿足分析需求，甚至靈活度更高。但如果能在BI上實現(xiàn)該類綜合性較強的分析，說明企業(yè)內部的數(shù)據(jù)資產質量較高，也能驅動各部門管理人員重視BI建設工作，有利于推動BI的全面普及。 ? 標準化決策場景 如果決策場景的標準化程度不高，例如針對一個偶發(fā)性事件做的針對性分析，可能需要重新搭建數(shù)據(jù)模型、清洗大量“臟數(shù)據(jù)”、重新搭建BI頁面，但該場景的復用價值有限，用BI實現(xiàn)的ROI較低。但如果企業(yè)內定制化分析的需求頻率較高，而分析難度較低，且數(shù)據(jù)資產相對完備，則較適合通過推廣“自助分析”的方式發(fā)展BI。 ? 分析型決策場景 典型的分析型決策具備可量化、可追溯、易歸因、決策鏈短等特征，可以根據(jù)數(shù)據(jù)分析結果直接做出行動決策，如生鮮門店的促銷決策，可以根據(jù)不同生鮮產品的臨期情況、庫存情況動態(tài)調價，算法規(guī)則明確后，即可通過BI應用將行動建議直接推送給門店店長，指導店員促銷動作。這一類場景適合將數(shù)據(jù)流與業(yè)務流綁定，通過產品化的BI應用實現(xiàn)數(shù)據(jù)-分析-行動-反饋的閉環(huán)。 2．如何制定更優(yōu)的BI建設路徑 理想情況下，BI的建設路徑和推廣方式需要綜合考慮企業(yè)不同階段的數(shù)據(jù)資產水平、不同類型的決策占比及重要程度、組織結構與決策脈絡有針對性的規(guī)劃制定。 ? 建設路徑 建設路徑回答的是“做什么？”的問題，這里提供一個參考思路： ①首先結合企業(yè)商業(yè)模式和戰(zhàn)略目標，找出關鍵的經營活動有哪些； ②在這些關鍵經營活動中識別出其中主要依賴的決策類型（高頻還是低頻、標準化還是定制化、分析型還是組織型），并結合可獲取的數(shù)據(jù)資產情況，找出那些更適合通過BI賦能且數(shù)據(jù)資產可用的決策場景作為優(yōu)先的BI建設目標； ③不斷重復①、②； 當然，現(xiàn)實情況下還要兼顧企業(yè)內數(shù)據(jù)資產的建設規(guī)劃、不同業(yè)務部門需求的優(yōu)先級、管理層偏好等因素制定具體的BI建設規(guī)劃。 ? 推廣方式 推廣方式回答的是“誰來做？”的問題，這里引入“決策脈絡”的概念： 觀察企業(yè)的“決策脈絡”，即整體考察企業(yè)中不同層級、不同崗位的“決策規(guī)則”是如何制定的，找出其中適宜通過BI賦能的場景決策。如果其決策規(guī)則制定的方式比較集中（適合“一刀切“的方式），則更適合采用集中建設BI的方式；如果決策規(guī)則的制定較為分散（適合“讓聽見炮火聲的人做決策“），則更適合采用自助分析的方式發(fā)展BI。 通常來講，業(yè)務類型越聚焦、提供的商品或服務標準化程度越高、人員規(guī)模越小的企業(yè)，其決策脈絡也越集中，例如單一品牌的電商新銳企業(yè)；業(yè)務類型越多元、提供的商品或服務定制化程度越高、人員規(guī)模越大的企業(yè)，其決策脈絡也越分散，例如全球性多品牌的超大型消費品企業(yè)。 3．BI建設路徑的其他影響因素 現(xiàn)實情況下，BI建設和其他事物一樣，受天時、地利、人和的多重因素影響。 四、結語：BI建設的“勢、道、術” 企業(yè)內的BI建設受各種因素影響，無論是企業(yè)內的BI建設者還是BI廠商在服務客戶的過程中，經常會感到迷惑，不同的影響因素孰輕孰重，應該如何設定BI建設的合理目標、找到適宜的路徑，總結而言，可以按照“勢、道、術”的結構來歸納： ? 勢：企業(yè)商業(yè)模式、社會信息化技術發(fā)展水平等因素是最高維的影響因素，在很大程度上定義了BI建設的難度等級，同時這類因素的迭代周期長，短期內難以改變，從BI建設的角度只能順勢而為； ? 道：合理評估BI建設的ROI、關注數(shù)據(jù)流與業(yè)務流及決策脈絡的匹配是BI建設的底層方法論； ? 術：信息化建設、數(shù)據(jù)資產建設、數(shù)據(jù)治理、BI技術架構、數(shù)據(jù)部門建設和管理、BI項目建設、BI自助分析推廣等具體工作均屬于“術”的范疇，需要根據(jù)不同企業(yè)各自的階段特征，靈活使用。 未來伴隨可觀察的客戶樣本更加多元豐富，觀遠數(shù)據(jù)將繼續(xù)驗證該理論框架的合理性和預判準確性。我們也期待與大家一起討論，共同探索提升企業(yè)BI建設ROI，讓數(shù)據(jù)為業(yè)務增長創(chuàng)造更多價值的新路徑。

隨著大數(shù)據(jù)行業(yè)的發(fā)展，大數(shù)據(jù)生態(tài)圈中相關的技術也在一直迭代進步，作者有幸親身經歷了國內大數(shù)據(jù)行業(yè)從零到一的發(fā)展歷程，通過本文希望能夠幫助大家快速構建大數(shù)據(jù)生態(tài)圈完整知識體系。