产业变革新浪潮下，数据被视为推动经济社会发展最活跃、最显著的生产要素，数据资产管理也步入向上发展的“繁花时代”。如何做好数据资产治理，如何让高质量数据“供得出、流得动、用得好”，成为决定企业数智化转型的必答题。
12月18至19日，“2024数据资产管理大会”在京召开。此次大会以“数据重塑价值 智能链接未来”为主题，采用“1主论坛+6个专题论坛”的形式，从行业热点话题出发，与政产学研各界代表共话数据资产管理热点议题。作为企业技术先锋代表，阿里云瓴羊高级解决方案专家黄彦之受邀出席“企业数智化转型论坛”，分享了瓴羊如何基于12年阿里最佳数据实践，以瓴羊Dataphin等产品为基石，助力央国企创见数智未来的路径与方法。
十年磨一剑：从阿里最佳实践，到“三流合一”数据解决方案
从2012年至今，阿里的数据治理实践，已走过了十多个年头。2012年，彼时阿里内部数据呈现爆发式增长，集团通过One Data方法论实现了ID、建模与服务的统一；至2015年，One Product在3年内快速成型，将服务对象扩展至消费者、商家与集团内部；2018年，阿里率先提出了如今耳熟能详的“中台”一词，搭建了数据、业务与服务三大中台。2021年瓴羊成立，将治理、营销、客服等多领域实践与服务能力对外输出，服务千行百业。
十几年来，阿里数据管理的技术、组织与业务，都已悄然发生变化。如今，阿里运营了世界上第三大的数据集，拥有8000多个BP，在全球范围内除了谷歌、亚马逊外，唯有阿里可以支持如此大体量的数据治理工作。在庞大的数据集外，阿里还拥有上万张表，即使在忙碌的双11，也能在200毫秒内汇集所有数据，快速输出结果。在技术之外，阿里中台组织也从原来的20多人，扩展至如今的上千人，服务对象也延展至10亿淘天用户与全球4700万商家，实现了组织与业务的双向升级。
“在这一过程中，数据的构建，完全由业务驱动，物流供应链的优化，决策风控模型实施，这些业务都离不开数据的支撑；与此同时，业务也会反哺数据，帮助数据变革升级”，黄彦之表示，阿里正是在数据业务化、数据业务化的过程中“十年磨一剑”，摸索出一条精进之道。
早在成立伊始，瓴羊就围绕三大核心要素：耗材（数据服务）、器材（软件产品）与人才。其中，耗材指的是基于友盟+等数据服务，形成的准确、高效、新鲜的数据流；器材指的是通过软件产品，帮助客户达成高效工作流；人才则是通过大量运营专家、交付团队、培养体系，将数据与工具进行落地，形成健康的商业流。
因此，“三材合一”与“三流合一”其实是“一枚硬币的两面”，目的在于共同促进数据流、工作流与商业流的有序融合。
数据流方面，瓴羊通过数据的汇总与构建，保证了全链路数据的融合、产出与监控。在此基础上，常态化治理进一步维持了数据新鲜度，保障了数据质量与数据安全；最终，个性化数据指标与标签的运营，使数据可以在不同业务部门之间，实现流畅的数据消费与流通。
工作流方面，瓴羊拥有完备的产品体系支撑：其中，Dataphin、Quick Bl广泛应用于企业数据加工，Quick Audience、Quick Service普遍应用于企业数据消费，瓴羊港以及针对金融、户外营销的产品，则致力于解决行业数据流通问题。
值得一提的是，据“2024数据资产管理大会”颁布的《数据治理产业图谱3.0》，在数据治理相关产品及服务的市场中，瓴羊Dataphin入选BUCM板块（独立服务商、一体化平台、综合服务商、提供跨行业领域服务）代表产品，充分印证了Dataphin在数据治理方案方面的领先经验与丰富成果。
据悉，《数据治理产业图谱3.0》由中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）编制，旨在梳理数据治理相关产品及服务的市场现状，洞察数据产业发展现状及未来发展趋势，为各方在数据治理领域的布局规划和未来发展提供参考。该图谱从服务商类型、产品类型、服务类型与行业类型四个维度出发，描绘出10种全新的服务商“特征画像”，并对应设计了10种不同的卡通形象，其中BUCM画像呈现出定制化、稳定性、全面性、多场景的优势特征，代表了数据管理产品的一体化、定制化服务的未来趋势。
在产品体系外，瓴羊还通过人才软实力优势，将数据流、工作流结合起来，形成数据驱动决策的商业流。例如，在企业日常经营场景中，不同身份的用户数据需求并不一致：作为“金字塔”塔尖的决策层往往采用点状数据阅读的方式找问题，数据互动需求并不强；与决策层类似，管理层数据互动也偏弱，诉求更多地集中于通过线性分析视角拆解问题、定位原因；在执行层，“解决问题”成为当务之急，这就需要较多的数据探索与交互。瓴羊1+N+N决策分析通过拆分每一层级场景，用产品工具将关键指标点串联起来，打通跨层级的“墙”，为决策、诊断与提效提供差异化支持。
数据路何以畅无阻：央国企千行百业的数智化转型路径
生长于阿里内部的瓴羊，早早地便走出了集团内部，将数据中台、数据工具与决策体系，应用于能源、工业、电力等领域，真正成为千行百业数智化服务的领头羊。
对于万亿级别的头部能源央企来说，业务大体量拖慢了取数效率与准确度，数据治理难掩疲态。2020年，该企业用瓴羊系列产品和服务代替了原本笨重的业财一体化项目，初次体验到数据治理的甜头。2022年，公司再度借助瓴羊Dataphin等产品搭建起全面的经营管控体系，集成了业财融合、审计风控、销售分析多个数智场景。目前，该系统已产出300多个模型、3万多个任务，为25个部门超500个员工或合作伙伴提供服务。
“我们借助加油站风控模型，实现了对异常订单进行实时分析，帮助该企业节约了千万级以上的损失”，黄彦之表示，系统后续还会将继续采集财务、营销、油卡等数据，为企业统一决策提供更全面的数据支撑。
数据治理不仅规避了风险损失，提高了决策效率，还大大降低了领导层的读数门槛。同样是在能源行业，另一企业则基于通义千问大模型的智能问数能力，将数据资产的业务价值显化。企业高管可以通过自由问答的方式，轻松获取数据与决策分析。
在链路更长的汽车行业，对数据的依赖性更甚。如何建设一条畅通无阻的“数据路”，贯穿研发、营销、销售、运营等环节？瓴羊将重点放在了以下三个支点：展开数据治理，打通APP、官网等前端消费数据，为后续指标、运营体系建设提供支撑与保障；加速数据消费，提高从研发到供应链管理的数字化能力，将数据应用于业务实处；促进数据流通，让数据在企业不同部门、4S店与直营门店之间流动起来，形成畅通的数据链路。
在具体的数据消费链路，智能客服近来成为各大国央企降本增效的热点，但大多企业仅仅将其视为单一的“工具箱”，没有将其与业务场景改进实现有机结合。某国企集团借助瓴羊，开辟了一条更有价值的新路：将四条业务线智能客服进行集体整合，既改善了消费者服务旅程，又满足了内部员工使用大模型对话机器人的需求，同时还降低了业务部门的成本，建立起全渠道、全业务打通的客服工作台。
“AI与数据的结合，让智能客服不再是一个工具箱，而是帮助用户从业务场景设计，到根据业务反馈升级的整体服务能力”，黄彦之强调。
在技术与业务深度融合的时代，瓴羊以其深厚的数据治理积淀、创新的“三流合一”方法论和Dataphin等产品基石，为央国企数智化转型提供了清晰路径与强劲助力，推动千行百业走向更高质量的数智未来。
