带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标，明晰零售数智现状（1）https://developer.aliyun.com/article/1349398?groupCode=tech_library
3.2.2夯实数智底座，整合治理应用，挖掘资产价值
图14数智资产建设调研结果
来源：IDC 中国零售行业企业数智化成熟度调研，2023年6月，中国， N=100
调研结果：该一级指标仅有个别处于创新引领阶段，其中数据平台建设与应用 和数据整合与治理呈一定的分化状态，在第二和第三阶段位于80%左右；数据分析与挖掘呈一定的正态分布；数据服务与业务化表现相对较为均衡，处于数智成熟阶段以上比例较大。
反映问题：零售企业数据平台建设处于赛道抢占期，企业在积极布局、为后续业务支持打基础。然而，数据整合与治理指标平均水平较低，说明企业数据治理工作遇到了一些阻力，同时平台厂商在客户数据治理上仍需提供更多的支持，企业端也需构建成熟的数据治理团队。数据平台建设与应用、数据分析与 挖掘整体走势相同，高点不同，也说明了市场平台产品的数据分析能力能满足 当下的业务需求，但只有数据分析与挖掘指标整体高于数据平台建设与应用指标，才能更好地支持企业业务创新迈进创新引领阶段，故数据的智能分析能力 将会是厂商布局的重要着力点与分水岭。数据服务与业务化未呈现第三阶段及 以上的集中分布，这说明作为业务的重要接口，数据服务与业务化在零售行业的发展仍处于群雄割据的状态，企业技术部门驾驭数据的流程与能力参差不齐。与数据组织动能一级指标对比来看，企业数据资产发展程度较低，整体不及组织数智愿景预期。
企业诉求：稳固数据资产及平台能力，强化数据治理，打好数据治理基本功， 最大化支持数据的业务创新。突围数据的分析与挖掘能力，获得零售竞争优势。降低业务部门的数据使用门槛，让数据服务更普惠。
应对策略：自建数据资产的零售企业需做好数据资产建设规划，进一步加大数据资产建设的投入，构建成熟的数据治理团队及流程体系，为支撑数智愿景及未来业务需求打下基础；在与伙伴合作共创或自建推进中受阻的企业，不妨考虑与头部厂商合作，借鉴专业的技术及治理能力，实现能力的快速获取及弯道 超车。持续加强数据治理效率，必要时可采用专门的数据治理分类工具或厂商 服务，简易化海量数据的治理难度，同时为数据平台注入智能，进一步提升数据的分析与挖掘能力，普及BI在业务中的集成与应用，寻求实现工具智能化。
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标，明晰零售数智现状（3）https://developer.aliyun.com/article/1349396?groupCode=tech_library
