浙江珍琦护理用品CIO窦新明:业务数据化与数据业务化需有机结合 | 阿里云研究院名人堂

简介: 在激烈的数字化商业竞争下,浙江珍琦护理用品有限公司顺应时代的激流,不断增强数智化能力,从一家传统的成人护理用品制造企业逐步成长为国内护理用品重要生产基地之一。
来源 | 飞天CIO学堂微信公众号

image.png
图为浙江珍琦护理用品有限公司CIO窦新明

导语

在激烈的数字化商业竞争下,浙江珍琦护理用品有限公司顺应时代的激流,不断增强数智化能力,从一家传统的成人护理用品制造企业逐步成长为国内护理用品重要生产基地之一。

近日,作为第67期企业数智化升级走进阿里的学员,浙江珍琦护理用品有限公司信息数据负责人窦新明和笔者分享了如何将业务与数据结合,克服困难走向成功。窦新明表示,“项目的落地以及成果的扩大都离不开业务数据化和数据业务化的有机结合“,通过流程的规范与再造,开展场景化演练,使所有业务明确其数字化需求,再根据这些实现了数字化迭代的需求定制生成个性化流程是一剂良策。

01 规范数字化流程,提高参与感与配合度

名人堂:您好,请问在企业数字化转型方面,您有什么成功案例可以分享?

窦新明:我是2020年初入职珍琦,当时公司的IT系统运行已经不堪重负,与发展迅速的业务很难匹配、跟进,后台数据已经有迟滞现象。迫于压力,我们决定重新对数据进行核准校对,并采取了一系列方式方法使数据变精确。

首先我们想到的是基于流程解决问题。但倘若将流程卡得非常死,大家就都不认可它,导致线上、线下脱离,还是会造成数据不精准,各个业务部门及我们数据部门也无法定位这些错误数据以及问题产生的根源。

因此,我们又进行了第二步尝试,通过引入一个BI(商业智能)工具和一套数据分析方法论来解决问题。具体而言,就是对线下数据先开展场景化演练,即搭建“人人都是数据分析师”的培训专班,让所有员工参与进来,再将所有需要的数据场景进行演练。在演练的过程中,让员工真切地体会到他们需要某个具体的字段或流程,他们在参与时就会觉得我们的数字化支持是有帮助的,不会因为看不懂、听不到、配合度为零,导致系统停滞和瘫痪。

最终,我们通过持续开办数据培训班,使所有的业务形成数字化需求,再根据需要的内容去定制个性化流程。在这个实际操作中,利用数据的业务场景演练,同步解决问题,比如可根据渠道类型及各种应用场景分类分析出需要的产品、区域、用户画像等。员工在取得实效后,自然会默契配合。

02 业务数据化和数据业务化的有机结合

名人堂:您此次走进阿里交流学习,对阿里数据中台有什么感受呢?

窦新明:当全员数据思维养成、形成默契配合后,未来数据化工作将会顺利开展。对于做信息数据工作而言,我们的确需要借助阿里这样的互联网企业在业务数据化方面的先天优势来满足客户需求,需要阿里的数据中台支持。

我公司的数智化转型的征程还在半路上,项目的落地以及成果的转化都离不开业务数据化和数据业务化的有机结合。也就是说,我们不仅要对业务过程中产生的各种痕迹或原始记录进行数字化存储,还应使数据成为面向客户实现商业价值的重要内容,以数据交流业务,让数据赋能业务,二者相辅相成,才能更好地助力企业数字化转型。我们企业在数字化业务成长过程中,也越来越重视数字化技术人才的储备和培养,也诚邀各类数字化人才加入我们,一起成就,共同成长。

关于浙江珍琦护理用品有限公司

珍琦企业创立于1999年,是一家专业从事卫生护理用品研发、生产及销售的企业,为国家高新技术企业、省级企业技术中心、浙江省科技型中小企业。
产品涉及成人健康护理用品、母婴护理用品、妇女卫生用品、宠物护理用品四大领域,先后与几十家国内外知名企业建立合作关系,成为中国最主要的护理用品生产基地之一。 (来源:公司官网)

image.png
(欢迎扫码进入圈子)


image.png

相关文章
|
机器学习/深度学习 算法 搜索推荐
精确率(Precision)和召回率(Recall)
精确率(Precision)和召回率(Recall)是用于评估分类模型性能的指标。它们通常用于二分类问题,例如判断一个样本是正例(Positive)还是负例(Negative)。
8635 0
|
机器学习/深度学习 人工智能 算法
【最优潮流】直流最优潮流(OPF)课设(Matlab代码实现)
【最优潮流】直流最优潮流(OPF)课设(Matlab代码实现)
477 0
|
Linux 网络安全 iOS开发
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
678 1
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
|
Prometheus 监控 Cloud Native
性能监控之 Golang 应用接入 Prometheus 监控
【8月更文挑战第4天】性能监控之 Golang 应用接入 Prometheus 监控
1089 0
性能监控之 Golang 应用接入 Prometheus 监控
|
JSON 监控 数据格式
Grafana导入 json 文件的 dashboard 错误 Templating Failed to upgrade legacy queries Datasource xxx not found
Grafana导入 json 文件的 dashboard 错误 Templating Failed to upgrade legacy queries Datasource xxx not found
1320 0
|
传感器 存储 程序员
一文彻底搞明白51单片机的发展历程
51单片机自1980年Intel推出MCS-51系列以来,历经40余年发展,从最初的工业控制逐步扩展到家电、通信、智能家居等多领域。其哈佛架构和丰富的指令集奠定了技术基础,并通过持续创新保持竞争力。面对ARM等新架构的挑战,51单片机通过工艺革新和功能扩展,如集成ADC、USB、蓝牙等,仍占据电动工具、智能传感器等成本敏感领域的70%以上市场份额。如今,它不仅是嵌入式技术的活化石,更是中国电子产业崛起的见证者,全球90%的51单片机产自长三角地区。坚持学习,每天一个小知识点,是不是有了新收获,加油哈!
2155 0
|
机器学习/深度学习 存储 缓存
2024机器遗忘(Machine Unlearning)技术分类-思维导图
本文通过思维导图的形式,详细介绍了机器遗忘技术的分类、优缺点、面临的威胁和攻击以及防御机制,并探讨了评估机器遗忘系统有效性的方法,包括精确遗忘和近似遗忘技术,以及在数据隐私保护和法律遵从方面的应用。
1774 5
|
机器学习/深度学习 算法 搜索推荐
【机器学习】Apriori算法在关联规则学习中的应用
【机器学习】Apriori算法在关联规则学习中的应用
810 0
|
存储 搜索推荐 Java
ES查询的实时性问题详解
ES查询的实时性问题详解
2241 0
ES查询的实时性问题详解
|
编解码
UE中使用Editor Utility Widget创建编辑器工具
UE中使用Editor Utility Widget创建编辑器工具
1841 0
UE中使用Editor Utility Widget创建编辑器工具