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
|
2月前
|
SQL 人工智能 数据挖掘
阿里云DMS,身边的智能化数据分析助手
生成式AI颠覆了人机交互的传统范式,赋予每个人利用AI进行低门槛数据分析的能力。Data Fabric与生成式AI的强强联合,不仅能够实现敏捷数据交付,还有效降低了数据分析门槛,让人人都能数据分析成为可能!阿里云DMS作为阿里云统一的用数平台,在2021年初就开始探索使用Data Fabric理念构建逻辑数仓来加速企业数据价值的交付,2023年推出基于大模型构建的Data Copilot,降低用数门槛,近期我们将Notebook(分析窗口)、逻辑数仓(Data Fabric)、Data Copilot(生成式AI)进行有机组合,端到端的解决用数难题,给用户带来全新的分析体验。
110587 119
阿里云DMS,身边的智能化数据分析助手
|
2月前
|
关系型数据库 MySQL 数据挖掘
阿里云 SelectDB 携手 DTS ,一键实现 TP 数据实时入仓
DTS 作为阿里云核心的数据交互引擎,以其高效的实时数据流处理能力和广泛的数据源兼容性,为用户构建了一个安全可靠、可扩展、高可用的数据架构桥梁。阿里云数据库 SelectDB 通过与 DTS 联合,为用户提供了简单、实时、极速且低成本的事务数据分析方案。用户可以通过 DTS 数据传输服务,一键将自建 MySQL / RDS MySQL / PolarDB for MySQL 数据库,迁移或同步至阿里云数据库 SelectDB 的实例中,帮助企业在短时间内完成数据迁移或同步,并即时获得深度洞察。
阿里云 SelectDB 携手 DTS ,一键实现 TP 数据实时入仓
|
2月前
|
Apache 流计算 OceanBase
手把手教你实现 OceanBase 数据到阿里云数据库 SelectDB 内核版 Apache Doris 的便捷迁移|实用指南
本文介绍了如何将数据从 OceanBase 迁移到阿里云数据库 SelectDB 内核版 Apache Doris。提供 3 种数据同步方法 1. 使用 DataX,下载 DataX 并编写配置文件,通过 OceanBaseReader 和 DorisWriter 进行数据迁移。 2. 利用 Apache Doris 的 Catalog功 能,将 OceanBase 表映射到 Doris 并插入数据。 3. 通过Flink CDC,设置 OceanBase 环境,配置 Flink 连接器,实现实时数据同步。
手把手教你实现 OceanBase 数据到阿里云数据库 SelectDB 内核版 Apache Doris 的便捷迁移|实用指南
|
2月前
|
存储 人工智能 数据管理
【云故事探索】基于阿里云助力地理产业2.0落地,实现遥感数据智能化管理
中国某遥感数据服务中心借助阿里云ECS、GPU和OSS服务,成功实现了地理信息产业升级。此前,中心面临数据管理混乱、服务响应慢等问题。通过阿里云的解决方案,构建了全生命周期管理的遥感数据平台,强化了自动化、智能化的数据生产能力,提升了数据服务的准确性和及时性。此外,平台还增强了数据共享,扩大了应用范围。未来,中心计划结合AI技术,探索地理信息3.0时代,利用阿里云的人工智能平台进一步提升数据管理和应用能力。
99 1
|
2月前
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
2月前
|
机器学习/深度学习 存储 分布式计算
机器学习PAI常见问题之DLC的数据写入到另外一个阿里云主账号的OSS中如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
12天前
|
人工智能 分布式计算 DataWorks
首批!阿里云 MaxCompute 完成中国信通院数据智能平台专项测试
2024年5月31日,在中国信通院组织的首批数据智能平台专项测试中,阿里云数据智能平台解决方案(MaxCompute、DataWorks、PAI)顺利完成测试。
80 5
首批!阿里云 MaxCompute 完成中国信通院数据智能平台专项测试
|
3天前
|
Cloud Native 文件存储 数据库
《阿里云产品四月刊》—CPFS 智算版数据流动(1)
阿里云瑶池数据库云原生化和一体化产品能力升级,多款产品更新迭代
|
2月前
|
存储 安全 数据挖掘
性能30%↑|阿里云AnalyticDB*AMD EPYC,数据分析步入Next Level
第4代 AMD EPYC加持,云原生数仓AnalyticDB分析轻松提速。
性能30%↑|阿里云AnalyticDB*AMD EPYC,数据分析步入Next Level
|
27天前
|
存储 负载均衡 安全
使用阿里云解决云上数据保存的挑战
在数字化时代,数据成为企业重要资产,但快速增长的数据管理变得复杂。为此,作者选择了阿里云作为云上数据存储解决方案。阿里云凭借其高性能、高可靠和高安全的云存储服务,如对象存储OSS、文件存储NAS等,解决了数据保存问题。此外,阿里云的多副本和多机房策略确保了数据的可靠性和安全性,同时,丰富的存储产品线满足了不同场景的需求,帮助企业降低存储成本并提高数据访问效率。通过实施数据迁移、访问和备份恢复,作者成功优化了数据管理并期待未来与阿里云的更多合作。
53 8

热门文章

最新文章