通过统一的数智化底座，企业可以将技术、业务、数据深度融合，落地数智化转型，实现提质增效，迈向商业创新，成就高质量发展。升级企业数智化底座，从场景化服务到数据驱动，再到实时决策，就是企业实现商业创新的路径之一。并且随着数据指数级增长、算力大幅度提升和 AI 技术的势不可挡，数据驱动这一环的重要程度也与日俱增。
但是，仍有许多企业对此有疑问：在这个数据驱动已成必然趋势的时代，企业如何更好地沉淀数据资产，并基于数据及智能产生价值，实现柔性扩展，驱动业务增长与资源有效配置？
数据驱动的数智企业长什么样？
对企业来讲，如果之前从未接触过数据驱动，那么很容易将其与“用数据说话”这一概念混淆。但其实，用数据说话只是数据驱动的最底层概念，比较常见的操作是用报表图形等可视化工具，去描述之前需要用文字说明的数据。
而数据驱动，则可以通过互联网或其它相关软件来采集海量数据，将数据整合成信息后进行提炼，形成自动化的决策模型，并可以通过“数据+智能+算法+场景”的方式来预测企业的未来发展，或者进行风险管控等等。
如果用一句话概括，前者是“人找数”，归根到底还是要由人来做决策；而后者是“数找人”，实现了从数据采集、到数据治理并最终决策的全自动流程。
那么，一家数据驱动的企业到底具备什么特点呢？核心企业通过数据的分析与管控，进行成员企业的数据分析，做到成员企业的业务信息共享，比如经销商的库存信息实时共享，销售信息共享，根据共享数据，进行成员企业销售预测，同时也根据成员企业的数据分析，做到智能补货，减少牛鞭效应。
以传统的采购为例，之前的采购流程通常是项目立项－找到合适的供应商－询价比价－采购，期间，企业选择供应商一般基于供货周期、信用、历史交易等几个信息来进行人工筛选。但市场瞬息万变，企业若一味依赖之前的信息筛选显然无法满足现在的实际业务需求。比如因为疫情的出现，之前经常采购的工厂倒闭，或者优质供货商身处疫情区域无法发货的情况比比皆是，这些问题都会给人工筛查造成极大的困难。
而如果是数据驱动的企业，就会根据企业内、外的实时数据变化，结合 AI 及机器学习等能力，通过多种维度组合成一种供应商的推荐因子，经过推荐因子筛选，采购经理可以快速定位那些质量高、交货周期短、成本低、服务好的供应商。这样一来，效率就会得到极大的提升，之前一个采购经理只能管 100 家供应商，现在就可以管200家甚至300家。
上述提到的，通过自动匹配的方式代替之前的人肉搜索，就是数据驱动的方式之一，其基于数字化、智能化的联合，聚焦于客户提供的场景提供数智化服务，继而提升业务价值、岗位价值，进而大幅度提升商业价值。
由此可以看出，企要想适应这瞬息万变的市场并在无数挑战中杀出重围，必须牢握数据驱动这把“开山刀”。
企业应怎样实现数据驱动？
不过要注意的是，企业要想实现数据驱动，不单单是引进几个工具、构建几个平台这么简单，有三点问题需要优先考虑：转型的意识、对业务的理解以及能力问题。
首先是意识层面，企业必须意识到未来数据的价值，具备数智化转型的概念；其次是对业务的理解，企业要保证业务领域对接到实际的业务需求，然后要把这个需求场景化；而能力的重要性不必多说，必须确保企业中有人且有能力，去帮助企业在数智化转型这方面完成从 0 到 1，从 1 到 2，从 2 到 10 的迭代。
最后才是工具层面的能力，通过工具将技术能力与业务场景融合起来，用各种算法或模型实现数据赋能，并解决实际业务场景的需求。近几年，以构建企业数智化能力为核心的中台架构便备受关注。
企业通过中台架构，可以打通并整合企业线上线下全渠道的业务数据，在数据接入集成后进行数据清洗、转换、加工、抽取，最后形成统一的数据标准、数据规范和标准的数据管理流程，在数据得到有效管理后，再以数据资产为基础，结合实际业务场景创建数据分析模型和算法模型，利用大数据挖掘技术、云计算和 AI 等技术，企业就可以实现智能分析、用户画像、行业数据图谱等数据服务能力并全盘把握数据，最终真正实现数据赋能组织、数据驱动企业。
除此之外，中台架构兴起的另一个原因，则与企业的试错成本脱离不开。随着企业业务的发展，越来越庞大的后台系统无法及时响应前台需求，而在这两者之间加一层中台，用来统一封装后台子系统以及对接前台不同终端，就可以支持企业的快速试错及创新。
传统企业想要适应不断变化的外部环境，构建敏捷中台架构的重要性不言而喻。但是，在中台构建的过程中，企业想要做到“恰到好处”很难，经常会陷入缺乏理性思考，盲目跟风的境地。
大型企业的数智化实现需要在统一数智化规划与顶层设计、数据治理和关键应用系统建设的同时，通过数智底座平台的支撑，提升组织整体的数智化能力，支持功能应用共享化，业务应用产业化，优化基础能力支持业务创新，实现管理变革。
