企業(yè)如何轉(zhuǎn)型到以數(shù)據(jù)為中心？需要從哪里開始以及使用什么技術(shù)？這些是目前企業(yè)遇到的共同問題。這些問題很有挑戰(zhàn)性，但值得思考。

挑戰(zhàn)來自于數(shù)據(jù)所帶來的多重影響，讓企業(yè)感到“驚心動(dòng)魄”，因?yàn)閿?shù)據(jù)洪流讓企業(yè)很難在高速變換的環(huán)境中迅速且準(zhǔn)確地做出決策——然而同時(shí)做好所有事情是不可能的，決策者需要安排好優(yōu)先級(jí)。

企業(yè)現(xiàn)在面對(duì)的都是不斷演進(jìn)的技術(shù)格局、數(shù)據(jù)源的爆炸和數(shù)據(jù)分析的價(jià)值日益增高。不斷演進(jìn)的技術(shù)格局。數(shù)字技術(shù)蓬勃發(fā)展，無論是IT基礎(chǔ)設(shè)施還是到終端設(shè)備的創(chuàng)新都會(huì)引發(fā)出新的技術(shù)架構(gòu)和商業(yè)模式。企業(yè)不僅要適應(yīng)數(shù)據(jù)時(shí)代的高速運(yùn)轉(zhuǎn)，還要從中敏銳地發(fā)現(xiàn)和抓住機(jī)會(huì)。

數(shù)據(jù)源的爆炸。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)的來源無論是深度還是廣度都大幅增加，比如說，服裝業(yè)企業(yè)，分析成交單數(shù)、客單價(jià)，成交單數(shù)是進(jìn)店人數(shù)乘以成交率，進(jìn)店人數(shù)又是路過人數(shù)乘以進(jìn)店率，那么路過人數(shù)、進(jìn)店人數(shù)就屬于數(shù)據(jù)廣度，而詳細(xì)到每個(gè)訂單的時(shí)間、地點(diǎn)、價(jià)格、款式等就屬于數(shù)據(jù)源的深度。把所有數(shù)據(jù)全部收集起來并提升數(shù)據(jù)源的深度與廣度才可以提升數(shù)據(jù)分析的維度，讓數(shù)據(jù)發(fā)揮更大價(jià)值。

數(shù)據(jù)分析的價(jià)值日益增高。我們現(xiàn)在經(jīng)常發(fā)現(xiàn)，有很多企業(yè)在競(jìng)爭(zhēng)的過程中，最終不是被同行業(yè)競(jìng)爭(zhēng)對(duì)手打敗，而是被很多跨行業(yè)的公司所打敗。很簡(jiǎn)單的一個(gè)例子，大家都認(rèn)為亞馬遜是做電商的，但這是錯(cuò)的,它現(xiàn)在最主要的收入來自于云服務(wù)。也就是說企業(yè)需要找到自己的核心數(shù)據(jù)并充分發(fā)揮其價(jià)值，這個(gè)是最關(guān)鍵的。

那么在大數(shù)據(jù)時(shí)代，企業(yè)又該如何做出決策？

我們不妨用維恩圖做一個(gè)數(shù)據(jù)驅(qū)動(dòng)型商業(yè)模式圖，這些集合分別是“企業(yè)有可能做什么”、“在實(shí)際中可以做什么”以及“希望實(shí)現(xiàn)什么”，這些元素是企業(yè)決策者在做決定時(shí)所需要考慮的，然而沒有任何企業(yè)可以滿足所有利益相關(guān)者的所有需求，這意味著需要根據(jù)這個(gè)維恩圖中間的交集設(shè)定優(yōu)先任務(wù)。確定在哪里做什么，需要業(yè)務(wù)和技術(shù)團(tuán)隊(duì)的合作——我們已經(jīng)看到不同利益相關(guān)者群體之間進(jìn)行討論，利用這個(gè)模型在這個(gè)領(lǐng)域取得決策成功。

當(dāng)決策者由此梳理出優(yōu)先任務(wù)時(shí)，接下來可以用POC即概念驗(yàn)證來推動(dòng)這個(gè)任務(wù)。

概念驗(yàn)證（Proof of concept，簡(jiǎn)稱POC）是對(duì)某些想法的一個(gè)不完整的實(shí)現(xiàn)，以證明其可行性，示范其原理，其目的是為了驗(yàn)證一些概念或理論。

比如說在汽車行業(yè)，對(duì)于一個(gè)汽車企業(yè)來說數(shù)據(jù)源是十分廣泛的。細(xì)分到客戶服務(wù)這樣的數(shù)據(jù)，車企一般都會(huì)與經(jīng)銷商一起管理和解讀。隨著汽車行業(yè)的數(shù)字化進(jìn)程，車企從關(guān)注客戶數(shù)據(jù)到后來也開始關(guān)注共享汽車甚至自動(dòng)駕駛等商業(yè)模式。隨著數(shù)據(jù)分析方式的智能化。主動(dòng)的數(shù)據(jù)采集被實(shí)時(shí)感知儀器所取代，這些數(shù)據(jù)漸漸的需要與機(jī)器學(xué)習(xí)和人工智能等高級(jí)功能一起收集，自動(dòng)執(zhí)行簡(jiǎn)單的決策（例如低風(fēng)險(xiǎn)授權(quán)），執(zhí)行更大的任務(wù)。

在很多情況下，企業(yè)決策者是不可能一開始就知道數(shù)據(jù)如何演變，采集數(shù)據(jù)的方式又會(huì)有何進(jìn)步。在以上對(duì)數(shù)據(jù)進(jìn)行認(rèn)知的過程中，車企是希望擁有更多有價(jià)值的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行分析來開展業(yè)務(wù)。實(shí)際中車企可以提早引入數(shù)據(jù)分析，加強(qiáng)數(shù)據(jù)管理，并在實(shí)踐中不斷進(jìn)行驗(yàn)證。

這種概念驗(yàn)證是很有必要的，它幫你了解業(yè)務(wù)運(yùn)轉(zhuǎn)是否在正確的軌道上; 它與現(xiàn)代企業(yè)希望遵循的敏捷開發(fā)模式相適應(yīng); 它確保你不浪費(fèi)時(shí)間在價(jià)值較小的想法上; 它幫助促進(jìn)業(yè)務(wù)和技術(shù)團(tuán)隊(duì)之間的信任。

從英特爾的角度來講，當(dāng)客戶希望投資基礎(chǔ)設(shè)施，用于大數(shù)據(jù)分析和挖掘的時(shí)候，這是值得鼓勵(lì)并且是值得的，因?yàn)榭蛻舻拇_能夠從技術(shù)投資中獲取價(jià)值。在今天復(fù)雜的市場(chǎng)環(huán)境中，正確的做法是，先證明投資的價(jià)值，再采取行動(dòng)。

這就是我們?yōu)槭裁刺岢谌σ愿皩?shí)施具體分析戰(zhàn)略之前進(jìn)行概念驗(yàn)證演練（Proof of concept，簡(jiǎn)稱POC）。概念驗(yàn)證不僅僅是測(cè)試想法，還把利益相關(guān)者更緊密地團(tuán)結(jié)起來并產(chǎn)生信任。

是的，決定分析戰(zhàn)略就像走鋼絲并且有很多可能的路線。提前確定優(yōu)先任務(wù)，并通過概念驗(yàn)證進(jìn)行測(cè)試，企業(yè)決策和數(shù)據(jù)分析戰(zhàn)略做好最充分的準(zhǔn)備。