2024企业敏捷经营实践合集

CONTENT个体与组织在VUCA时代的生存之道 面向未成为数据驱动的敏捷决策者 .观远数据一站式智能分析平台6.0赋能企业敏捷决策 观远6S方法助力企业数据建设阶段升级 .金融毕马威中国金融业数字化转型生产关破局 数禾科技语义BI数据民主化进阶之路 某券商：数据驱动业务，开启数字化转型“五大转变零售消费舍得酒业从经验驱动到数据驱BI赋能敏捷运营 维他奶让数据看得见摸得是实现数据价值的必要条件 吉家宠物宠物行业全链路数据分析方法论与实践 慕尚集团敏捷BI上线一年不到满足全集团业务数据需员工使用率达86.3% 张亮集团3个月从0-1快速落地数据分析能BI实现业务全流程数字化 复星星选聚焦以终为始的消费者价值运绘就产业数字化转型蓝图 互联网及先进制造 水滴公司建设去中心化数据组实现业务全支撑全渗透 上汽飞凡明星平台月活达70敏捷BI实现组织提效管理创新 零跑汽车BI是一个六边形武器 观远数据智能决策峰会暨产品发布会 77本届盛况 78往届精彩 7901Insights来 个体与组织在VUCA时代的生存之道王亚军《企业即算法》作者、前龙湖集团首席战略官现在经常提到当下是百年大变局，但我认为不止于此，现在或许是三百年未有之大变局，当下汇聚了三大趋势转折点。,一是三十年，市场供求结构调整，改革开放以来真正的快速发展，人口结构、偏好的变化；,二是百年，涉及到理解的变化，国际局势高度复杂，全球贫富分化；,三是三百年，技术奇点临近，AI、元宇宙、基因编辑技术等等的突破，以及环境容量承压带来的生活方式挑战。当三大转折点汇聚在一起，我们面对的未来不确定性，与过去任何时候相比都是最大的。三百年未有之大变局；VUCA时代，走老路到不了新世界三百年未有之大变局；VUCA时代，走老路到不了新世界~30年 ~100年 ~300年市场供求结构调整 国际局势高度复杂 市场供求结构调整人口结构、偏好变化 人口结构、偏好变化 人口结构、偏好变化扫码观看直播回放

企业管理要如何应对这样的趋势？现有的企业管理理论众多，归根结底只有两种范式⸺神创论与进化论。企业管理范式：神创论VS进化论02神创论“预测未来”，企业战略是明确清晰的，确认好目标顶层设计，执行层再按管理层的决策往下执行即可；进化论难以预测未来，需要持续与外部环境共同演化，持续进化。管理中常见的内容，如战略、执行、创新等，在这两种范式中的内涵都非常不同，甚至相反。特别是管理中最难的问题，转型。02行业洞察转型是一件困难的事情。人、动物、植物都是从一个细胞逐渐成长为大的个体，但通常的企业转型方法不是这样。常见的企业转型方法论是拼接式的，例如一个只会在地上跑的变形金刚，如果想让他能飞，就需要加上翅膀和喷气发动机。行业洞察这样的转型障碍在于“着相”，看得见结果与形式，就只在外在形式上下功夫；但看不见过程与成长，缺乏时间感，变化很难长久。没有内在的变化，形式的变化只要过一段时间又会回到原来的状况。如何从根本实现转型，完成企业的进化？在这之前，需要前讨论一个问题，什么是进化？常看到的进化图是一种直线过程，从猴子一步步进化到直

立的人。如果把进化为人当成一个目标，一直不断改变就会进化成功。但这就让人们问这样的问题：为什么现在的猴子进化不了人？其实，如果从真实世界的场景，即第一人称视角，来思考进化时，这不是一个线性的过程，而是一种分叉的过程，是进化树。而第三人称视角的思考，超脱于现实之外，隐含了当前结第一人称视角第三人称视角进化论范式的管理，必须以第一人称视角思考

企业管理只有有两条主线，一是决策，二是协作。神创论是顶层决策，下层执行，只需要遵从顶层的决策，很难有横向的协作；进化论则是走规模化路线，形成分布式的决策和分布式的协作，需要更多的人做决策，进行协作。如何能让不同的公司上万人、十万人都做出高质量的决策？03行业洞察03行业洞察规模化路线类比：单核CPU 多核上万核的GPU类比：高带宽信号传输与协议企业存在的价值就是解决问题管理的两条主线决策协作以第一人称视角来做企业时，决策与协作是管理的两条主线自相似分形，是一种解法。自相似分形是自然界实现规模的最佳策略，类似雪花的形成，树枝的分叉，血管的分布等等。每个部分和整体的形状是相似的，在数学上也叫分形。通过分形生产出来的个体，在传输速率来讲是成本最低的，这是自然界的优化策略。进化论范式的企业成长公式数：企业算法、分布式大算力、迭代、时间，由分形什么是企业算法？企业的所有管理要素可以分为三层：底层是管理体系，指具象化的管理内容，包括制度、流程、工具、方法，例如产品设计流程、采购流程、只有数字技术敏捷与组织敏捷深度融合，才能充分实现数字化价值高A区：只有数字技术敏捷与组织敏捷深度融合，才能充分实现数字化价值高A区：传统组织+敏捷的数字化 痛苦B区：传统组织+数字化 更强的命令-控制低C/D区：敏捷组织+数字化 更敏捷低高组织敏捷度

顶层是企业算法，指核心决策依据，是最抽象、最稳定的，包括核心业务逻辑、核心管理逻辑、核心价值企业成长也是企业独有知识的创造、进化过程，这是捷，就是不断地产生这个组织特有的能力，即创造有回到数字化转型，从现在计算技术角度来讲，其实越署基础设施；容器、微服务等更快响应业务需求；轻进一步赋能业务人员……数字技术是越来越敏捷的，但是组织管理的敏捷有高低，只有数字技术敏捷与组织敏捷深度融合，才能充分实现数字价值。如果组织敏捷度较低，“传统组织+敏捷数字化”带来的是痛苦，决策反复摇摆；“传统组织+数字化”，带来的是04行业洞察数字技术敏捷04行业洞察数字技术敏捷A.极其痛苦，摇摆反复C.行云流水未来企业B.四平八稳，管控为先D.顺水推舟未来可期敏捷与数字化转型三原则很多企业在讲数字化转型、敏捷转型，都希望进化成“未来企业”。未来企业里其实隐含了一个关键元素，就是“敏捷组织”。只有数字化转型，缺乏组织敏捷，就无法实现未来企业的目标。提高敏捷与数字化转型成功率，成为未来企业的三个原则：一是自上而下的认同，自上而下建立新的认知，推动范式革命，从董事长、CEO、高管团队至下，一起形成共识。

二是由内向外的生长，以企业算法打通专业壁垒，知行合一。将不同行业的知识，作为企业的共性提炼出来。这需要很长时间的磨合。三是融合共演成形，数字化和组织共同敏捷，融合共演，这两件事情需要同时进行。这要求CDO、CIO影响业务部门和CEO，建立起一套基于组织原生敏捷的共同语言。以上提到的是企业的成长，由核心算法、管理策略、管理体系形成，而个人的成长也具有共同的底层逻辑，由领导动力飞轮驱动，相由心生，生生不息。领导力表层素质管理体系领导策略管理策略领导动力飞轮核心算法个体企业个人与企业成长具有共同的底层逻辑，相由心生、生生不息企业即算法 领导动力飞轮05行业洞察希望能够通过这个讨论给大家一起启发，思考怎么更好地切入到业务，影响并引领业务，让整个组织数字化转型、敏捷决策来应对30年、100年、300年大变局，能更好地活下去！05行业洞察面向未来成为数据驱动的敏捷决策者苏春园观远数据创始人&CEO敏捷决策是未来敏捷决策是未来，但敏捷决策其实不是一件新鲜事。在历史不同的阶段，敏捷决策不断发生。近代史里著名的红军长征故事，从瑞金出发到达延安的路线上，每一个我们如今看到的历史标记点，都是敏捷决策的典范；改革开放的过程，是摸着石头过河的过程，验证了“实践是检验真理的唯一标准”，也展现了一个敏捷决策的过程。敏捷经营的本质是“战略”与“行动”之间的持续反馈与迭代。在企业中，顶层的使命、愿景是中长期不变的，而战略往下到直到行动，是要随着外部环境不断变化的。战略愿景使命06行业洞察近几年，这一趋势已越来越明显。在Gartner对CEO的调研中，超过50%的CEO、董事会希望增加数据驱动的决策，将数据分析能力作为第一重要战略能力。同时，2023年Gartner对CIO进行关于“会在哪些数字化的投入方向上增加投资”的调研中，数据分析位列第一。06行业洞察扫码下载嘉宾分享

数据分析扛起了未来支撑企业敏捷决策的重任。但在行业角度，数据分析的落地仍然存在巨大挑战。这个挑战其实不是某一个技能或工具，更多时候指向的是“共识”。在企业中数据分析如何让决策更敏捷？数据分析在解决什么层次的决策问题？怎样衡量数据分析与业务结果之间的价值？从认知到落地，顶层共识的缺乏，不断在放大数据分析落地过程中的各种偏差。如何形成共识，如何知行合一，这是数据分析的最大挑战。五大陷阱与应对策略挑战的方向明确了，挑战本身就将成为机会。观远数据团队内部常讲“问题就是机会”，社会存在的问题就是每一个企业的机会，每一个企业存在的问题就是

每个人的机会。我们分两步，第一找到问题背后更本质的东西，解决认知的问题；第二找到行动的方法，解决落地的问题。下面是我们总结的数据驱动敏捷决策的五大陷阱与应对策略。内容与数字均为虚构内容与数字均为虚构陷阱1：过去成功的战略惯性，反而成为今天敏捷的天敌很多企业过去成功的战略惯性反而会成为今天敏捷的天敌。过去几年，很多成功的组织都非常深度地实践了一些经典的战略执行体系，从市场洞察开始层层拆解，通过战略解码定义到每个团队每个月甚至每周最

细颗粒度的行动计划。在外部环境相对稳定、业务与组织相对不变的假设下，会带来超强的执行。但在外部不断变化的今天，各个战场各个神经末梢都面临着快速变化的经营环境，每一个更细颗粒度的计划就会损失对外部响应的敏捷性，因此需要思考怎样将各种变化作为常量、作为第一性的要素，放到战略生成与调整的整个过程中，实践敏捷的战略与执行。07行业洞察07行业洞察陷阱2：少数人在顶部决策，更多的人在炮火中迷失第二个陷阱是关于企业中决策方式的问题。这是硅谷最有名的几家公司很有代表性的决策方式和组织架

构，可以对照下我们的企业更像哪一种，是少数人在顶部决策，还是更多人在炮火中能决策？在今天的环境下，我们提倡的是开始分布式决策，让组织向敏捷转型，要让更多听到炮火的人能决策。局部视角认识受限局部视角认识受限场景1场景2场景3陷阱3：优化局部目标，缺乏全局思维维是最常见的一个陷阱。局部视角认知受限，从局部

目标出发找到的关键场景或关键路径，在全局视角里未必会是重要的。重视全局目标，才能绕过一些风险场景，补充新的、更重要的、对全局更有价值的场景与路径，在每个局部，解决对于全局重要的真问题。08行业洞察陷阱4：关注结果指标，缺乏可行动的过程指标08行业洞察当识别了关键场景和路径，我们观察到很多组织容易陷入到狭义的结果导向、对结果指标过度关注的陷阱。而在敏捷决策的新常态之下，真正业务向下拆解的时候，更加重要的是过程指标，尤其是可行动的过

程类指标，比如大家可能听到的先验指标、领先指标或原子指标这些叫法。做的好的企业会更重视在更细的颗粒度上的过程指标，例如我们服务的客户上汽飞凡，同样关注GMV，但更关注GMV下面的转化率、意向转化率、4S转化率往下一个阶段的变化等等，建立行动与过程指标之间的关系。提出假想验证假想解决问题五步法假想是人类最伟大的思维方式提出假想验证假想解决问题五步法假想是人类最伟大的思维方式—任正非分析问题持续落地“定义问题最后一个陷阱是定性和定量的对立，缺少假想与检验的科学思维与方法。在一个公司里，简单说有两类人，一类人更擅长讲故事，更强调经验和直觉，但另一些人更希望看到科学的逻辑，决策的严谨性，最后导致很难形成有质量的决策往前推进。关于定性与定量的对立，我们看到定性与定量对立的背后，是更高维度的科学思维，基于假想与验证将这两者进行统一。通过经验、通过个人的直觉，可以形成一些有意义的假想，在数据分析中不断对假想进行

验证，将定性与定量有机统一。在过去一年，观远数据自身也在实践基于“解决问题五步法”的敏捷工作站模式，从定义问题、分析问题开始，提出解决问题的假想、不断验证并落地，这中间也包含对假想的证伪，以及重新回到问题和路径本身，去不断迭代对问题的分析和定义。的陷阱，对策包括两个方面：认知方面，通过整体思09行业洞察09行业洞察67% 73%67% 73%业务的需求CEO的期待提高市场销售 减少客户流失业务用户自助分析仪表盘他们真正想解决的问题他们提出的需求让听到炮火的业务团队能用数据做好决策非常关键。过去，业务团队里的业务用户会跟IT团队提出很多需求，包括报表、仪表板、指标等，这些需求对应着他们真正想解决的真实业务问题，但他们还需要依赖IT团队。如何让业务团队自己拥有能用数据解决这些问题、做好决策的能力？根据外部机构调研数据显示，67%的CEO希望数据分析与决策更多能在业务内闭环，而不是在IT领域完成，这样才能让业务敏捷和快速响应；73%的业务负责人希望在业务团队内有更多的数据分析与技术人员，结合在一起才能让业务团队更好的用数据做好决策。观远实践：数据驱动的敏捷决策之路战略1全局视角战略1全局视角关键场景1 关键场2 关键场景3假象验证战术指标1指标2···2增长降本防风险假象验证过程指标1 过程指2···假象验证执行3 行动指标目标···行动N行动4行动3行动2行动1盈利优先的增长目标

在认知层面，首先，每个企业都具备自身从战略（目标）、战术（指标）到执行（行动）的分层次业务逻辑。基于此，我们通过三步来拆解与优化，形成敏捷决策的认知，形成数据分析的行动基础：第一步，找到全局的真问题。从第一性的全局视角，从理解公司的北极星目标出发，识别局部支撑全局最重要的那些关键场景与路径，解决全局而不是局部高价值的真问题、真场景、真路径；第二步，拆解可行动的指标逻辑。将关键场景与路径进行拆解，拆解成对应的最重要的关联指标，尤其强调过程指标、可行动的原始指标，更关注过程的变化，结果自然发生；第三步，执行中不断假想与验证。刻意构建行动与过程指标的关系，具体到每一天的行动任务，追踪最小颗粒度的过程变化，不断验证或调整假想，巩固机会，步步为赢。财务指标1指标2···业务指标1指标2···过程指标指标1指标2···从战略拆解到行动，在行动中不断验证业务的假想与路径。自上而下对齐，自下而上反馈，双向反馈迭代，这是敏捷经营的关键认知。从认知到行动，主要通过科技的赋能，让业务能用起

来的数据分析产品与能力，是支撑敏捷决策的最大杠杆。10行业洞察熟悉观远数据的老客户都知道，观远的一站式智能分析平台有三个特点：企业级、易用性和场景化。尤其10行业洞察是易用性，能让业务人员几天就可以轻松上手看数据、做决策。这源于观远数据产品的设计理念、对产品价值的追求和产品不断优化的方向，是让业务团队产生更多的数据生产者。通过易用性的产品，提升组织内部10倍的数据生产者，去赋能100倍的数据消费

者。从总部到一线，让从CEO到一线的各个业务部门的人员，都能回到炮火中的决策逻辑，关注到最原子级别可以产生的行动和指标，层层协同、决策反馈、不断行动，持续抓住外部变化里的机会。管理者企业级生产部门 供应链 市场部门 销售部门 BIManagenment总部到一线100X10XBI平台消费者场景化易用性生产者IT+各业务部门星火燎原的行业领先实践管理者企业级生产部门 供应链 市场部门 销售部门 BIManagenment总部到一线100X10XBI平台消费者场景化易用性生产者IT+各业务部门敏捷决策的三个代表案例。某互联网泛农平台：从CEO到一线的指标拆解与数据决策的核心指标树，将决策逻辑强化、分解、透明化，让

大家更易理解。右边是指标分级、到岗到人。这个企业的数据驱动有三个小细节，想特别跟大家分事情和全局各个链路指标的目标关系，通过不断的培11二是该企业内部有二十个机器人，不断地同步最原子级别的任务和指标的完成情况，让业务能快速迭代；11行业洞察三是企业内部贯彻的一句话，“从数据驱动到指标驱动，从指标驱动到目标驱动，最终从目标驱动到愿景驱动”。行业洞察北极星指标核心指标树北极星指标核心指标树指标分级到岗到人规模损益用户体验商户体验内容与数字均为虚构观远数据与该品牌已经合作了3年，从品牌最早几十个人使用观远，到现在已经超过了几千人在用观远数据平台，品牌也实现了从以前12个月、52周，到现在365天的数据迭代。随着企业战略变化，该企业敏捷决策的解决方案版图仍在不断丰富中。以通过数据强化网点管理，指导一线执行动作以导向更好的网点销售的场景为例，Step,1显示的是基于最一线对每个网点的反馈观察行为，总结成每个具体的行动能跟对应原始指标产生的关系。例如某个网点的

铺货率、主管跟最一线的业务代表联合拜访的比率等等。一步步到Step,2，每一天、每一个网点、每一个业态产生的数据关联与过程指标的关系、高亮的异常指标。而后Step,3进一步形成反馈的闭环，导向一个个可执行的行动。这样的决策场景在该品牌只是冰山一角，企业有几千个这样的场景甚至更多，每个场景产生的经济效益少则百万多则千万甚至更大。这个案例希望与大家分享的是，在数据驱动的敏捷决策中，在企业的关键场景链路之中，构建最小的可行动的行动与指标的关系，不断反馈迭代。12行业洞察12行业洞察内容与数字均为虚构内容与数字均为虚构数据推送与闭环迭代指标异常定位与分析数据监控-DMAIC从定义问题到衡量指标从VOC（客户声音）到CTQ（品质关键点）的拆解Steps3Step2Step1某头部股份制银行：从总行到分行，超万人的分布式决策实践观远数据与该行的合作也已超过3年，从一开始几百人，到现在该行有几万人在使用观远BI。金融行业近几年特别火的新增长业务——代发业务，很多银行过去甚至今天依然是总行告诉分行、支行，有哪些企业在当地可以做代发业务扩展的传统模式。但该行通过

敏捷模式建设，将这一能力赋能给分行，让分行可以结合所熟知的企业，通过很多不同的分析维度，同时参考总行或其他分行数据，不断在过程中识别更符合当地的画像，选择转化好、更好潜力、更有长期价值的企业进行拓展。在该行从总行到分行能够支撑过万的分布式决策模式的背后，建立了三层影响圈，让各个分行具备能力后，能够在相对统一的规则下进行分布式决策。用户分析，内容分析，体验分析，平台分析等用户分析，内容分析，体验分析，平台分析等多搭台，勤动员：技术开放日，数据分析比赛等精应用，做提效：分行共创，分行自投等沉淀精品应用先识别，再转化：种子用户的全生命周期运营月活，分行覆盖率，精品应用数有监控有策略有目标各网点各支行分行业务中台观远项目团队线上业务分行业务中层分行数据分析师系统支持+数据开发一线职能团队分行IT运营支持团队分行业务高层一线业务团队第一层第二层第三层总行服务支持团队服务支持影响圈满敬意的不是越来越多的客户logo，而是在这些logo织，更是推动着整个行业与社会的进化。观远的使命与长期陪伴今年观远数据迎来了七周年。9月份的七周年庆典上，

我们发布了升级的价值观。价值观焕新的原因，是当我们越来越意识到和我们的客户一起敏捷是未来的趋势，以及数据驱动和敏捷决策的关系时，我们决心自己要成为一个更敏捷的组织。13行业洞察焕新的六条价值观，是观远数据所有小伙伴共创的。其中的两条这里小分享下：“始终把客户价值放在第一位”，是我们第一位的价值观，坚定的为客户创造价值，也是对所有老客户们、未来的新朋友们的承诺；“科学求真地解决问题”，通过数据思维、科学思维，求是求真，务实的解决真问题，是敏捷组织的重要行为，与各位在实践敏捷的路上共勉。13行业洞察使命MISSION愿景VISION成为智能决策的全球引领者

价值观VALUES①始终把客户的价值放在第一位②科学求真地解决问题③以成长驱动增长④坚持坦诚且清晰的沟通⑤作为一个团队来赢得胜利⑥用热爱创建未来七周年的另一个重点升级，是观远数据今年开始运行的6S模型，是我们服务升级的最重要内容之一。通过6S模型，大家可以匹配自己企业所处的数字化发展阶段，是从无到有的激活期，还是已经进入了渗透期、复制期，或者广泛自助期、业数融合期，或已经开始对AI进行探索尝试。在这个路线图里，我们会从不同维度给到企业一些建议，和企业一起结合企业自身情况，选择最合适的进阶方式，配套观远所提供的各类服务，帮助企业稳步进阶。产品方面，观远数据一站式智能分析平台6.0正式发布。升级核心是对一站式能力的强化与更新，因为我们看到越来越多客户有各种各样的需求希望在一个平台上实现，因此观远BI6.0会特别强调一站式，让企业能够在一个平台上更好的管理，让业务同学能够在统一平台上更好的协同。产品6.0有很多升级，其中一个高亮点，是很多客户期待的BI与ChatGPT的融合——BICopilot系列产品。观远数据从2016年成立即在行业首先提出了AI+BI的理念，并一直在这个方向上不断的坚持探索，积累了很多底层的认知与能力。今年我们非常开心的看到，因为ChatGPT与大模型技术的到来，AI+BI的进程将被

极大的加速，企业内使用BI的门槛将极大的降低，未来“让每个企业有100倍的数据消费者”这一目标越来越触手可及。过去的大半年时间里，我们一直在为BI与ChatGPT融合的BICopilot系列产品做准备。BICopilot系列产品通过BI与大语言模型的融合重塑数据分析全链路，将为企业进一步降低数据分析的应用门槛，让组织更敏捷，让决策更敏捷。成为数据驱动的敏捷决策者“不确定的时代，在确定的方向上坚定地行动”，这是我想在分享的最后送给大家的一句话。过去几年大家都在说不要“内卷”，那么内卷的反义词是什么？不是反内卷，更不是躺平，内卷的反义词在我们看来是“进化”，个人的进化，组织的进化，构建在不确定中找到确定性的未来能力。14行业洞察敏捷向未来。与大家共勉，一起成为数据驱动的敏捷决策者。14行业洞察Methodology的 敏捷经营赋能企业敏捷决策观远数据一站式智能分析平台6.0正式发布张进观远数据创始人&CTO10月20日，观远数据2023智能决策峰会暨产品发布会于上海中星铂尔曼大酒店圆满收官。这次盛会圆满结束，将是观远数据成立七周年的里程碑。在过去的七年里，观远数据不断发展和进化，助力着更多企业实现数据驱动的敏捷经营之路。在峰会现场，观远数据联合创始人兼CTO张进正式发布观远数据一站式智能分析平台6.0，推动企业能力焕新进化，助力更多企业客户享受数据价值。以下为张进精彩分享节选：敏捷决策关键词：一站式BI“让业务用起来”的现代化BI产品，最核心的三大特质是易用性、企业级、场景化，这些特性能够真正赋能企业的敏捷决策与敏捷转型。在实际落地中，产品形态的关键词是“一站式”。以最常见的经营分析的场景为例，从销售数据、成本数据、目标数据等原始数据，汇总成经营数据的分析模型，到财务报表、再到经营分析看板，进而产生分析洞察与业务决策，这个过程涉及到企业组织各部门的各种角色。整个决策链路可以总结为四类需求，即数仓需求、报表需求、分析需求和AI需求。16路径探索对此，传统的解法一般是使用割裂的产品，有数仓需求采购数仓工具，有报表需求采购报表工具，有自助分析需求再采购BI工具，如此割裂化严重的产品，不仅意味着学习门槛极高，而且在部署后还需要面对权限对接、数据迁移等方面的高昂成本。针对这个问题，观远是如何解决的呢？16路径探索扫码下载嘉宾分享

观远数据自2016年创业之始一直坚持“一站式”的产品理念，通过过去七年的迭代，观远数据逐渐掌握了面对这四类需求构建一站式产品的方法论，正式发布最新的一站式智能分析平台--观远BI,6.0。在BI一站式的新趋势中，观远BI,6.0从技术架构、数据底层、产品体验等方面，都处于引领地位。观远BI6.0产品矩阵观远BI6.0产品矩阵观远BI,6.0产品矩阵包含BIManagement、BICoreBIPlus、BICopilot四大部分：BIManagement打造能够保障安全稳定大规模应用的企业级平台底座，BICore聚焦端到端的易用性，BIPlus的场景化问题，BI,Copilot,是利用大语言模型的能力构建的最新模块，为BI应用持续注入新的活力。观远BI作为一站式BI平台，面向融合需求，以解决企业的完整决策链路。以下将分别从数仓需求、报表需求、分析需求、AI需求四个板块，分享观远BI,6.0中的产品迭代和创新功能。数仓需求：融合集中管理首先是数仓需求。观远BI与传统BI最大的不同，在于其自带了一套数据湖的底层存储方案。与此同时，为

更好地支持企业基于hadoop和databricks上构建企业级湖仓，观远数据研发团队在观远BI,6.0中对hadoop和databricks进行了深度的架构和技术融合。在部署观远BI时，IT部门可以轻松地构建企业级湖仓，业务人员则可以基于敏捷数仓进行快速的业务分析和决策。观远BI,6.0的数据回写和反向ETL中沉淀的稳态业务数据，可以一方面返回到企业级湖仓进行统一管理和控制，另一方面可以无缝传输到下游业务系统进行自动化决策，无需人为干预。17路径探索此外，观远BI,6.0还推出一款高频增量更新调度器——“实时数据Pro”，支持数据实时融合处理。该调度器采用了Micro-Batch微批计算引擎，优化了对实时分析场景的支持，并同时支持事件驱动和定时驱动的工作流调度。这为用户提供了更高的性能、极速的响应能力，并稳定支持高并发的实时数据处理体验。17路径探索EXCELCSVEXCELCSV报表需求：独立的报表工具永远无法让业务用起来其次是报表需求。众所周知，每个企业在报表层面都面临供需矛盾，开发流程冗长、迁移成本高、使用效果差。这主要源于传统报表工具的设计是面向IT设计，未针对敏捷决策场景下的业务使用进行优化。典型场景三大痛点典型场景三大痛点经营分析报表报表迁移线下Excel报表 报表工具开财务分析报表数据产品报表经营管理报表周期性报表需要IT协助取 已有的线下Excel无法·主要面对IT人员，业务用户难掌数，周期长，流程长， 快速迁移上线，需从0·IT工作量大，响应慢重复工作多综合管理报表到1构建报表和BI割裂，无法融合呈现分析人事分析报表监管报送风险管理报表开发流程长迁移成本高使用效果差汇报分享报表成本分析报表

骤即可创建基础的业务报表：首先，将Excel报表模板上传至观远BI；其次，将数据源切换为BI托管的定期更新数据源；最后，保存报表至看板并直接使用。中国式报表Pro高度兼容Excel用户已有操作习惯，即18路径探索18路径探索如何简化报表流程，实现敏捷迭代数据自动更新？如何实现Excel报表最小成本快速迁移？如何降低使用门槛让业务人员用起来？如何让报表分析能力最大化？分析需求：丰富的行业场景主题帮助提升BI开发落地效率典型场景分析方案参考，快速起步解决业务问题场景包让分析构建过程更容易经典分析模型视觉风格典型场景分析方案参考，快速起步解决业务问题场景包让分析构建过程更容易经典分析模型视觉风格数据接入可视化插件大屏模板

含数据接入、经典分析模型、可视化插件、视觉风格、大屏模板等等全新素材，让分析构建过程更容易，实现了更便捷的分析路径、更丰富的信息承载、更顺滑的看数体验，让业务：更快上手：新手培训效率提升30%；更快上线：看板制作效率提升20%；更快传达：性能与分析效率提升50%。零售消费金融泛行业更多...财务分析HR管理业财业务AI需求：创业至今始终坚持AI+BI理念立志让决策更智能最后是AI需求。观远数据自2016年创立以来一直秉持着AI+BI的理念，致力于让决策更智能。观远BI,6.0进一步增强了AI能力，推出智能洞察和BICopilot系列产品。1、智能洞察实现从"看板+文档"到"报告+洞察"的跨越。通过深入业务打造智能化应用服务和企业决策知识库，旨在降

低数据理解成本，提高决策效率，这意味着更强大的智能化功能，帮助用户从数据中获取更深入的洞察和见解。19路径探索分析决策树配置，辅助报告自动生成，沉淀决策资产。将业务专家的分析思路转化为灵活可配的“智能决策树”，自动遍历多个维度层级，分析业务堵点、痛点及造成原因。再结合数据可视化的能力，输出易于管理层直接解读的结论报告。最后支持通过AI算子和行业模板的完美融合，提升数据分析高度和决策质量。19路径探索基于报告发起讨论，关联业务动作，沉淀决策资产。20路径探索通过异常原因补充、报告发起讨论、关联业务动作的功能，使得决策过程更加完整，信息更加全面，决策更加高效，实现全面的经营管理闭环。20路径探索2、BICopilot系列产品BICopilot系列产品通过BI据分析全链路，进一步降低数据分析的应用门槛。基于BICopilot的ChatTo-即可自动搭建ETL、创建看板和定制报告风格、询问有关数据的问题并获得深度见解等。Chat2Help，24小时在线技术支持每位产品使用者在遇到问题时都可以及时向Chat2Help寻求帮助。当遇到报错或问题时，只需将报错信息复制粘贴到对话框中与Chat2Help进行问答，它将直接告诉你报错的含义。但与其仅仅解释报错信息，更重要的是采取行动来解决问题。Chat2Help还将指导一步步排除报错，并提供解决方案。Chat2Help能够满足不同角色用户的不同需求。无论你是新手还是专业用户，Chat2Help都将提供准确、个性化的支持，帮助解决问题并顺利进行决策分析。这将大大降低产品的门槛，使每位用户都能轻松使用AI能力。Chat2Answer，用对话开启数据洞察市面上99%的BI问答产品的设计思路都面向IT分析师等人群，没有真正考虑到业务通过对话方式获取所需数据。而Chat2Answer的出发点也是观远团队一直主张的面向业务。Chat2Answer利用知识库构建，可以帮助业务用户理解数据的含义，并提供智能解读。当用户提出数据相关的问题时，Chat2Answer会解释数据背后的原因，并给出针对性的建议和可操作的方案。Chat2Answer产品的形成需要结合What、Why、How三个方面，但它并不需要大量的构建成本。通过

使用观远BI产品并在某些部门、场景广泛推广后，利用数据资产形成知识库的效率非常高。也正是如此，呼吁企业在使用观远BI后，尽快在相关部门和场景中推广产品使用。没有知识库的支持，直接调用大语言模型来处理数据集的准确率通常只在10%到20%之间。只有当业务真正使用平台并留下知识资产后，才能快速积累知识库，进一步提升回答准确度。同时，为了更敏捷、准确地获取知识，观远BI,6.0将数据血缘从表级提升到字段级。这样，在不同企业中提取字段信息和知识时，可以进行更智能更细颗粒度的识别。有了Chat2Answer，可以预见敏捷组织的未来。类比一下，它可以使传统的电报式BI变成手机式的现代化BI。通过现代化的BI平台，业务资产和数据资产沉淀在一起，使得业务分析与决策之间无需中间人进行翻译。观远数据一站式智能分析平台6.0围绕企业对赋能敏捷经营的BI工具的数仓、报表、分析、AI能力需求，帮助企业以更高效率、更低门槛、更敏捷方式实现更智能的决策，并以更高频、更广泛、更有效的业务决策驱动“自组织涌现”，最终，让数据进一步赋能业务，以10X的产能撬动100X的数据消费者，为企业创造更多、更大价值。希望每家企业都可以把观远BI用起来。通过更多的业务场景和更高的分析频率，有效利用数据做出决策，每个企业都可以在自己的领域成为行业领先者。观远6S方法论助力企业数据建设阶段升级孙妍观远数据副总裁BI行业新观察：数字化的趋势和挑战首先分享一下Gartner《2023年CIO和技术高管会议：中国篇》报告中总结的一些发现，整个报告主要突出三个观点：其一，即使在经济下行的环境下，商业智能和数据分析仍然是企业第一大投资趋势。与2022年相比，62%的受访者表示将在2023年提高商业智能和数据分析领域的支出；其二，大约52%的企业在进行数字化转型的过程中会遇到这样那样的难题，甚至是失败；其三，企业数字化转型失败最尖锐的矛盾原因在于缺乏顶层设计，部门之间无法达成共识，或无法匹配战略资源。接下来来看下企业为什么会遇到这样的困难。企业的BI建设会遇到很多问题，其中最核心要回答的问题就是“数据分析能力建设、数字化建设是谁的事情”，是数据部门的事情，还是企业的事情？这是今天所有讨论的原点，也是企业在做数字化建设时往往容易忽略的点。很多企业找到观远数据的时候会说“我要选一个好产品，我要用好的培训”等，这些事情当然也很重要，但在我看来，一个企业数字化转型能不能成功，最重要的一件事情是“资源”。扫码下载嘉宾分享

7月份时我们回访了一个很重要的客户，该客户平台从2月份到七月份用户数增长了10倍，而且客户本身就拥有非常大的用户基数。我们和客户负责数字化建设的副总裁进行了交流，问客户推广怎么做的这么快，有什么成功秘诀可以分享。他讲了一句话，“数字化战略一定是一号位工程，如果不是一把手工程就做不下去了”。听完这句话更验证我们的推断。为什么数据团队在推出数字化应用的时候，业务团队、管理团队会有那么高的配合度？实际上就是把公司所有的预算、资源拧成一股绳。这是推进整个数字化建设战略很成功、很关键的一点。21路径探索所以，在讲BI能力建设的时候，我们很容易能看到数据应用、数据资产、数据技21路径探索这些都是建设的“果”。建设的“因”实际是在组织能组织设计、组织分工、流程、考核、业务流程、IT等业的综合能力是息息相关的。

观远6S方法论辅助企业顶层设计的基础理论观远数据目前服务了600多家企业客户，在这个过程段，每个阶段大概是1-3年左右。在每个阶段中，企业有共同面对的问题、机会和挑战。因此我们绘制出一个图谱，来帮助企业做BI数字化建设的阶段跃迁。应用融合应用融合分析结果融合于业务执行系统分析结果影响战略决策95%的人拥有能力去中心化数据广泛用于日常，成为决策前提数据内容生产的角色大幅增加，不限于数据岗位从多到精更多角色在更多场景下养成看数用数习惯具备批量复制分析场景的要素从有到多部分角色形成依赖数据决策习惯“看到-归因-解决”的闭环从无到有数据弱依赖一部分场景能通过报表回答发生了什么AI融合BI与AI又能完美融合普世的数据文化，顶尖的数据技术行业领先的数据应用及方法论S1S2S3S4S5S6BI+AI融合第二阶梯（第一次飞跃）“分布式”产出模式数据的人管理数据第一阶梯“中心化”产出模式“需求-交付”的应答式合作模式第三阶梯（第二次飞跃）从“辅助决策”到“分析即决策”从“商业智能”到“人工智能”企业BI建设阶段6S模型6SConstructionModelingOfEnterpriseBI22路径探索例如在S2仓建设方面的问题。在S3动决策更闭环的一些场景。在S4化和企业基因就成为共性的问题。22路径探索

升级作为要达成的“果”，以企业需要具备的组织人才、业务流程、技术能力、数据能力为能达成的“因”，匹配企业BI数字化建设的6个阶段设计诊断咨数据大赛六大服务，帮助企业实现BI数字化建设阶段升级。以诊断咨询为企业BI进阶起点助力企业数据建设阶段升级字化建设阶段的跃迁，将企业推向行业标杆的高度。观远服务促进BI进阶飞轮的起点在【诊断咨询】，诊色等等。之后是匹配相关的【能力培训】，进行能力

提升。然后通过【运营中心】，将对一个人的培训变成对一个企业的培训，把一次培训变成无线循环的培训。接下来，当企业有了种子用户，就可以通过【数据大赛】让数据分析能力在企业内星火燎原。这时企业基本已经到S4【行业荣誉】。然后企业将在阶段跃升后进入下一个循环。而中间的【G-Community】，则是为了满足企业的分析师群体、算法群体、产品技术群体或高管群体都会有想在一个圈子里做交流，学习其他人是如何进行BI建设的愿望。23路径探索23路径探索服务Ⅰ：【诊断咨询】企业BI建设的“全面体检”服务客群：S1-S6，需要辅助制定BI建设规划的企业客户6S诊断体检报告6S诊断体检报告BI建设规划目标与方案客户：CEO、CIO、CDO、业务负责人观远：咨询专家、CSM、销售围绕“增强企业级数据分析能力”进行全面体检，产出诊断和“体检报告”，助力企业制定相关目标、规划和落地方案关键产出关键角色服务概述为企业BI建设进行“全面体检”的【诊断咨询】服务，是观远数据最有特色的服务之一。如何为企业进行“全面体检”，我们可以看下面这个案例：该案例是观远数据与某全球500强知名快消品行业头部企业共创。今年6月份观远为其进行了【诊断咨询】服务，形式有两种：一是面向高管侧的访谈；二是面向一线的业务问卷调研。调研时原本客户只给我们约了三个人访谈，但聊着聊着企业自己就发现好像三个人是不够的，就安排了更多不同的角色来参与调研。正如前面所说，企业数字化建设是很复杂的过程，并不是单一角色、单一部门做好就行的，所以必须要听到不同部门、不同立场的不同声音，判断和结论才会更准确。访谈调研最后会产生一个体检报告，我们会和企业共同判断企业目前所处阶段，这个阶段会有哪些表征，并建议企业在这个阶段进行哪些方向的重点探索与考

核。同时，会在落地实践阶段，将企业四大能力扩展成7个大能力、27个小能力，进行成熟度和重要性两个方面的评估，分别评出高中低不同等级。而后将重要性高且成熟度低的部分，作为企业下一步建设的建议方向。出于对【诊断咨询】服务的认可，该客户今年也在跟观远数据一起做【运营中心】、【数据大赛】的共创，六大服务里该客户已经用了五个，双方服务和产品的合作越走越深。我之前有问这家客户的数字化建设负责人，为什么会对【诊断咨询】这件事感兴趣，他给我的答案是，大多数BI公司更多会做内容服务，但我们真正需要的是有一个角色，从行业专家的角度和立场告诉我们企业真正应该聚焦的是什么，管理层、业务层、数据部门各自的责任是哪些。这些一定是第三方来讲才更加有公信力。这个答案非常启发我，也与Gartner调研中很多企业数字化建设面对的主要困难吻合。服务Ⅱ：【能力培训】培训认证一条龙，教学材料打包带走服务客群：S1-S3，有数据分析和BI能力提升诉求的客户（如初次使用BI产品、在业务侧推广自助分析等）BI/数据分析能力提升BI/数据分析能力提升BI/数据分析（联合）认证客户：IT、数据分析师、业务分析师、业务人员观远：训练营教练、培训讲师、CSM、销售通过设计不同角色、不同阶段、不同层级的培训认证内容，提升用户的数据分析与BI产品能力，更好利用BI产出业务价值关键产出关键角色服务概述很多公司都在做【能力培训】，观远数据服务的特色在于：第一，面向企业级的服务。这里的“企业级”不是指企业规模，而是指让企业自己拥有大于“输血能力”的“造血能力”。例如企业人员流动性较大，需要培

训的人很多，观远会为企业提供打包素材和教学材料，以及与企业做BI联合认证，也可帮助企业的讲师做培训带教和认证，让企业自己拥有“造血能力”，能够自主培养更多数据分析新力量。24路径探索第二，面向零基础的员工。观远数据一直在贯彻“让24路径探索

钟，同时将学习过程分为学一学、想一想、练一练，通过很小的循环迭代，让学员能更好的掌握知识。学员在极短时间内就可以轻松完成几门课程的学习，所以课程的完结率特别高，收获了95%以上的好评率，服务Ⅲ：【运营中心】是持续复制和提升的引擎服务客群：S2-S6，追求更体系化的消费者和生产者赋能数据监控体系：数据化驱动BI推广，提升平台运行效率精品应用沉淀：挖掘沉淀传播公司及部门级的精品应用客户：BI产品经理、BI运营、数据文化运营观远：专家服务，CSM，销售“让生产者更便利，让消费者更省心”，提升生产者效能，降低消费者门槛，沉淀和推广更多高价值BI应用关键产出关键角色服务概述【运营中心】解决的是如何从对一个人的培训变成对一群人的培训，如何将培训变得持久、有积淀。【运营中心】中包含了六个专门的服务内容，也是关键产出，我们可以看到其中一些案例：用户运营机制做企业管理的都知道如何复制一个成功的团队，包括岗责力、动力、能力，复制这三大力就能复制一个成功的团队。用户运营机制解决的就是其中的动力问题。很多员工不想学BI，本质上是不知道要学。他们需要知道学习BI有没有价值，价值能不能得到认可。所以在我们很多真实客户的案例中，用户运营会用积分、认证考核奖项，或者让员工自己讲述使用数据做了什么不一样事情的故事，激励员工的同时，让员工有自己内因的自我激励。数据监控体系做数据的人都知道“业务即数据”，所以通常会监控

库存、周转、转化率、流量等业务数据，但往往会忽视运营数据也是数据，也可以做成业务。一些案例中企业通过数据监控体系，可以将平台上的月活、性能指标等都监控起来，并根据数据来做更精细化的运营，激发企业内更多人的使用。数据知识社区很多企业会做知识社区，让知识在企业里流动起来，观远数据服务的客户里也有很多这样的案例。例如招商银行中做知识分享可获得内部积分兑换礼品；零跑汽车做了用BI读报告的知识分享创新。还有很多企业会让数据人员、业务人员做直播，让一线业务数据同学自己把自己用数据的故事讲出来，激发更多人使用数据。25路径探索精品应用沉淀25路径探索业务模式上最小业务单元有很大相似性的企业非常适的平台有应用市场功能，A分行自己好的应用上传发

布，我们的数据人员会再给它进行包装、组织、逻辑梳理，这样B、C、D等分行的人都能下载，让企业95%的人都能拥有TOP5%的人的能力。服务Ⅳ：【数据大赛】点燃企业数据文化的火种服务客群：S3-S6，有一定数据应用及种子用户的沉淀，希望通过比赛加速文化和能力建设促进BI平台在组织内的渗透，提升活跃率促进BI平台在组织内的渗透，提升活跃率培养不同部门的种子用户，扩大“内容生产者”基数加强IT与业务部门的协作，促进“业数融合”培养数据分析思维，提升数据驱动决策的管理意识沉淀高价值场景，发布数据分析（联合）认证客户：BI运营/数据文化负责人观远：培训专家，数据分析专家，CSM助力举办数据大赛，点燃数据文化星火全面加速业数融合，提升数据技能关键产出关键角色服务概述【数据大赛】是今年被咨询最多的服务。简单来说，如果企业已经积累了一定的数据势能，已经有一些活跃用户，希望将势能不断扩大，这时数据大赛可以起到助燃的作用，让星星之火变成燎原之势。今年我们跟很多企业协办了数据大赛。以规模最大的一场为例，比赛共历时5个月，有750支队伍，1700名选手，业务和数据组团参赛。5个月历程里融会贯通了很多培训、数据故事、赛程作品的review，是一场数据人的狂欢。狂欢过后，企业从平时平台月活1

万增长到4万，表示有4数，代表了背后数据文化和数据能力的提升。后来我们回访了该企业从数据大赛中得到什么，其中包括不少大赛中获奖者在当年就得到了晋升，也包括业务人员转岗到数据，数据人员转岗到业务的人员变多，企业的内部流动性变大。如果企业想将数据能力作为企业能力去推广，数据大赛对企业来说肯定是很好的一个方法。26路径探索26路径探索服务Ⅴ：【行业荣誉】企业数据发挥价值最好的背书服务客群：S3-S6，具有代表性的实践观远：观远：产品专家，行业专家，CSM，销售最佳实践：聚焦业务痛点，落地BI+AI数据解决方案行业创新：BI数据文化：打造企业人人用数文化，提升企业竞争力客户：愿意与观远深度共创的管理层，包括业务管理层与数据管理层与头部客户共创数据高价值实践共同收获权威荣誉，提升行业影响力关键产出关键角色服务概述对于BI建设阶段比较靠后，又在某一领域上做的比较奖项，这也是很多CIO、CDO比较关心的事。例如我

们跟联合利华、元气森林、宁波银行、北京银行、招商银行等客户联合申报并获得了很多行业最佳实践、行业创新、数据文化奖项。服务Ⅵ：【G-Community】贯穿全周期的加速器服务客群：S1-S6CIO：CIO：CIO私董会，观远新品推介会等分析师：分析师交流会，观远产品训练营等客户定向交流：BI建设历程、信息化建设经验等主题交流客户：CEO、CIO、CDO等高层；数据产品经理、数据分析师等观远：活动运营、CSM、销售按不同圈层做设计，组织企业BI建设、组织演进、行业方案等话题的G-Com-munity活动，促进客户间的联系、交流与共创关键产出关键角色服务概述【G-Community】就是社群，帮助不同圈子去做圈层经营，不止是线上，观远还会做各种线下会议。例如今年七八月份我们在华北做了CIO私董会，邀请了一些企业的CEO、CIO等。会后调研显示100%的嘉宾都表示下次还要参加，并且50%以上的CEO、CIO当场就报名了。另一个例子是我们在杭州做的一场面向分析师群体的线下活动，同时吸引了很多数仓产品的技术人员，进行了深度的workshop。在活动最后讲述自己收获的checkout环节，有一个小女孩站起来说，自己入职分析师行业才不到一年，作为一个新人常常觉得自己的工作没有什么价值，但听了大家的分享后又重新点燃了自己。而正是因为像她所说的这种收获，才让观远数据更有动力将这样的活动办下去。最后总结下观远的服务特色：致力于「长期」陪伴，贯穿企业数字化建设的6阶段周期；

致力于「成长型」陪伴，让企业拥有大于“输血能力”的“造血能力”，让企业能够从人才复制到能力复制。27路径探索观远数据成立至今已7周年，7年里我们沉淀了600+家企业客户，产品从迭代升级到了6.0，方法论从5A升级到6S。7年间不光是我们在成长，我们的客户也在成长，我们见证了很多客户发展、上市等，对我们也是鼓舞。观远数据是非常荣幸能和企业一起探索与成长，与客户一起经历过的旅程让我们倍感荣幸。未来的路还很漫长，我们一起走过的BI建设之路终会让我们共同走向更好的未来。27路径探索业 践 毕马威中国：金融业数字化转型的“生产关系”破局柳晓光毕马威中国金融业数字化咨询主管合伙人金融业数字化转型的根本要义：金融业数字化的“生产力”与生产关系数字化的生产力包括CDO、数据分析专员、数据工程师、科技人员等，生产关系则是从组织架构、流程、管理体系、机制上，组织好、发挥好这些生产力。金融机构的数字化，行业通行的三步走做法是：12、数据业务化。搭建现代化数据架构，实现数据联动分析，使数据能够支持业务，不再局限于单一系统统计分析功能。3、决策智能化。借助AI、大数据等金融科技的深度赋能，真正从感知认知到决策的智能化。以上三步会有时间上的递进，大多数金融机构目前处于第一步和第二步之间。整体上，无论各家金融机构目前处于哪一个步骤，都同样会关注如何将对数字化转型的想法真正落地，如何完善组织与机制以应对数字化转型的挑战。毕马威中国认为，对金融业来讲，真正的数字化是业务、技术、数据、组织的四位一体，需要打破信息的不对称，打破部门壁垒，打破数据孤岛，打破系统竖井，这些打破和链接才能使数字化真正成功。扫码观看直播回放

要实现真正的成功，金融机构从生产关系的角度至少要关注两个方面：29最佳实践一是组织机制变革。数字化生产关系的核心问题是怎样形成一个清晰的数字化战略并能够落地推进，以银行为例，大多是部门制，各有目标和职责边界，很少有人会考虑自己部门以外其他部门的事情。但数字化转型很多时候是需要多部门共进的，所以有一个全行的数字化战略推进管理机制很重要。29最佳实践二是人才培育培养。包括在业务侧如何落地产品经理机制，在技术侧如何向前一步拥抱业务，让业务与技术融合，主动服务业务。数字化转型统筹推进配套组织与机制数字化转型统筹推进的主流组织结构有三层：决策层，数字化转型委员会，负责重点审议、最高决策；治理层，数字化转型办公室，负责统筹推进、监督、管理、资源协调；执行层，数字化转型专项工作推进小组，由具体的业务、技术、数据等不同部门组成的联合项目组。数字化转型管理三层结构中最核心的是「数字化转型办公室」。在成功的金融机构数字化转型中，数转办都不会是一个虚拟机构，要有实质性的管理权限、考核权限，拥有复合型职能，包括战略引领、资源整合、协同管理、知识共享、文化建设、能力挖掘等。数转办的设置通常有三种模式：模式一：数转办作为二级部门，由董办/战略部门牵头。适用于数字化转型初期，企业数字化思维、数字化能力尚未成熟，数字化人才相对有限，而战略部门规划能力强，懂业务，对数字化转型有清晰的认识并能建立蓝图的情况。模式二：数转办作为二级部门，由科技/金数部门牵模式三：新设置数转办作为一级部门。适合各部门已建立相对成熟数字化转型思维和基本理念认知，数字化人才储备丰富且人员数字化能力较高的情况。三种模式各有优势，同样也各有缺点：模式一有战略管理的抓手，统筹推动力强，能够对数字化转型趋势及行业实践有良好的洞察，从全局视野设计数字化转型规划，但离业务、科技的一线实务工作远；

模式二人员拥有科技背景，能够快速运用科技手段赋能数字化转型，但如果单纯设立在传统信息化部门下，“科技自说自话”、“跟业务两张皮”这类问题仍然难解决；模式三作为独立部门能够保持较为中立态度解决数字化转型中的协同问题，效率较高，但作为一级部门通常是短时间的，设立时可能会面临监管的压力、人员编制的问题等。模式三能够拥有一定的授权级别，虽然难度较大，但有决心的、真正严肃认真对待数字化转型的管理层，通常会尝试模式三。可如果无法落地模式三，尝试模式一、模式二也比什么都不做要好。模式的选择没有正确答案，金融机构要根据自身数字化转型发展现状，选择一个相对更适合的选项将其落实。想要真正落实，就需要明确数转办的核心职能：第一，战略统筹。不仅要有全公司的需求收集，也要有总体的数字化规划输入。从全公司的角度自上而下的统筹，体系化的思考，谋定而后动。第二，落地监控。集中管控企业数字化转型项目，跟踪项目进展，建立管理沟通绿色通道，及时管控项目、解决问题。第四，敏捷协同。数字化转型应该是跨部门、多需求方的项目，数转办要统筹推进产品经理责任制落实，加强企业级组织协同与敏捷化管理。不同的项目有不同的牵头方、参与方，数转办就需要作为一个项目群的“大管家”推进项目，关注企业重点数字化项目的进展，过程中的资源协调、落地后的成效等都需要数转办考虑。数字化人才定义与能力培养30最佳实践组织和机制都需要靠人来推进和落实，因此数字化人才也是金融业数字化转型的核心命题之一。数字化人才不仅仅是指数据分析师，做数据产品的人、能把数字化工具用好的前线人员等也都是数字化人才。包括数转办，尽管做的是管理统筹工作，但对金融机构数30最佳实践字化的桥梁与促进作用是不可小觑的。广义上数字化人才有三类：科技型数字化人才例如产品架构师、数据分析师、建模师等技术人才。以创造更优质的科技服务为发展目标。在金融机构数字化转型中对其关键需求中包括强化技术对业务的支撑、开拓数字化创新新模式、推动全公司层面的业务与技术深度融合等。在我跟很多领先的技术管理者的交流中，会听到他们希望团队能够理解要跟业务融合，让作为产品经理和需求方的业务人员，在技术每个版本开发迭代过程中都参与进来。这个理念是我们认为科技型数字化人才需要有的。业务型数字化人才应用型数字化人才例如用户运营、组织人事管理、合规风控等业务一线应用人才，以展现更高的业务价值与管理效能为发展目标。在数字化时代，所有一线人员最重要的一点就是拥抱数字化，积极看待数字化，要让数据智能普惠。以银行为例，不仅是总行要用，分支机构也要用，一线的客服人员、营销人员也要用。前线能够使用数字化产品的应用型人才也是数字化人才，即便他们的专业技术不强，但对金融机构数字化转型的作用依旧很大。同时，这些应用型数字化人才可以作为标杆，将数字化能力的优势从一个部门传递到更多部门，最终实现数字化能力的普惠。尽管任重道远，但却是必经之路。想要培养以上三类人才，金融机构也要配套人才体系建设机制。从人力资源角度，要给予这些人才合适的

绩效评价、晋升路线、薪酬待遇。从提升数字化能力的动力角度，可以通过创新实验室、创新基金、OKR+KPI等模式激励。数字化建设成效与投入效能评估数字化建设成效与投入效能评估，也是近两年很多金解其中有些事情不能够量化评估，但也认为必须要定性分析。一些CDO和CTO可能对此会比较抵触，认为是对成本的压制或额外的考核。但更加精明的CTO和CDO反而会迎难而上，自己先考量清楚其价值，并将能，而这需要在财务和管理会计的要求下做得更好。另一方面，金融机构的数字化能力，是从全机构角度将多个数字化项目汇总加权合并，成为整体性的能力。通过对价值产出、资源投入的分析，对数字化转型效果的评估，不论是CEO还是CFO，或者技术管理者，都能更清楚地看到数字化战略推进的效果，明确数字化转型方向是否正确。31最佳实践最后总结，数字化转型的成功既取决于总体规划的战略部署方向性领导力，更考验的是数字化转型落地实施战术策略执行力。数字化时代下必备的组织、机制、人才管理模式变革，是链接数字化战略领导力与战术执行力的转换中枢，亦是数字化战略统筹自主的内生性保障与基础性能级。31最佳实践数禾科技：语义BI数据民主化进阶之路王冠军数禾科技CDO数禾科技是一家金融科技服务公司，以大数据和技术为驱动，为金融机构提供高效的智能零售金融解决方案，服务银行、信托、消费金融公司、保险、小贷公司等持牌金融机构，业务涵盖消费信贷、小微企业信贷、场景分期等多个领域，提供营销获客、风险防控、运营管理等服务。数禾科技与观远数据于2020年下半年开始合作，至今公司内部已实现人人用观远BI。曾经我们在使用的过程当中，也发现了一些问题。虽然BI很敏捷，但业务取数却不尽人意。面对精密的数据平台，业务用户往往手足无措。例如，业务希望看到本月优惠券成本是多少？今日成交订单数是多少？此类指标信息底层非常复杂，对业务人员要有一定的数据素养，例如要找到数据在哪、要了解底层数据结构和含义、要知道表之间关联关系、要熟悉SQL或Python等语言，如果缺乏这些素养，业务团队不得不依赖数据团队的帮助，这常常导致沟通频繁、响应滞后、二手数据可信度问题以及业务的敏捷性受损。对于业务人员来说，他们的需求很朴素：简单地获取数据，将其导入BI系统中快护数据的准确性，数据如何被计算，以及如何处理数据指标之间的不一致性等问题。32最佳实践对数据团队而言，同样面临棘手且复杂的情况。例如，在处理数据提取的任务时，他们必须评估和解决数据的规模、存储格式、每日数据增长的峰值以及敏感信息的处理等复杂问题。32最佳实践扫码下载嘉宾分享PPT

业务团队追求的是数据的快速获取与应用，而数据团队则注重数据的管理与质量，这两者之间的不同视角和关注重点造成了一个看似简单的任务——数据生产流转——变得复杂。业务团队与数据团队的协同工作关键在于找到应用数据与管理数据之间的平衡点。数禾科技从实践中精心设计了四种逐步深入的模式，巧妙地搭建起了连接业务需求与数据处理的桥梁，有效地弥合了二者之间的鸿沟。由分析师或业务策略团队自己开发满足需求由分析师或业务策略团队自己开发满足需求大量的私有化数据集导入BI优点：起步时有学习成本，但非常敏捷，短平快解决问题缺点：信息孤岛，割裂，重复建设大量私有化业务逻辑，业务不一致质量差，易出故障维护成本高，难以管理长此以往，限制业务发展，积重难返两个极端VS由工程师团队承接业务需求完全按需实现，所有指标预先聚合汇总成表，BI承担可视化功能优点：缺点：静态报表，不支持下钻、切片开发慢，需求积压无法实现灵活探索分析工程师驱动 分析师/策略师驱动乱慢模式一：人的驱动成表，BI仅承接可视化功能。优点在于有统一的数据视灵活的数据探索分析。

第二种是分布式，由分析师或业务策略团队自己开发满足需求。起初业务团队用得“很爽”，学习成本低，非常敏捷，快速解决问题，随着时间推移，历史遗留资产越来越多，导致速度越来越慢，无论是部门间的协同，还是成本维护，都是巨大的开支。因此，数据团队做交付，面临不够敏捷的问题；业务团队自己处理，面临数据混乱冗余的问题，这其实是两个极端。33最佳实践33最佳实践一致性一致性工程团队优点：缺点：应用层数据杂乱业务团队DCube架构部分解决了慢和乱的矛盾数据湖仓共享复用灵活性上卷、下钻固定/预定义DCube共享复用的公共指标私有逻辑多样化私有化信息孤岛私有化指标衍生指标新需求缺乏弹性模式二：Cube驱动业务逻辑指标多快好省稳业务逻辑指标多快好省稳展示数据模型BI平台记载 管理记录业务角色数字化业务流程描述业务术语数据湖仓（用户旅程）数据治理中心维度表事实表语义化：以业务流程为桥梁，实现数据模型、业务逻辑和指标等对象的语义标准化

据，灵活进行探索分析。同时，这种模式也面临一个问题。如果有新的需求、新的业务、新的指标，新的维度时，指标层的共享会格外缓慢，因为它需要精心设计和大量开发、数据回溯等。因此它只能部分解决慢和乱的矛盾。度量模式三：语义驱动度量为了进一步解决上述矛盾，数禾科技当前的策略重点转向了数据语义化。首先要为数据注入语义。语义指说同一种语言：业务术语。举个例子，“在贷余额”，在A部门是剩余本金，在B部门叫期末余额，在C部门才叫在贷余额。因此，需要一个标准的术语体系，确保大家都在使用同一种语言。为数据注入业务语言，是语义化的核心的工作。语义化的方法论是以业务流程为桥梁，实现数据模型、业务逻辑和指标等对象的语义标准化。其中，业务流程由参与者和他们的关键活动所构建，承载了业务本身。用户旅程是最重要的业务流程之一，因为它直接关联到业务的核心价值。整个业务流程在执行的过程中，业务角色和管理记录将通过数字化的方式沉淀为数据模型、数据结构，也就是事实表和维度表。最终可以从“多快好省稳”五个维度指标评估业务流程的质量。指标可以从拥有业务术语信息

的数据模型上面叠加业务逻辑、统计逻辑得到，此后再把指标数据推进BI里进行洞察和分析。现在的业务术语体系，通过业务流程注入到数据模型上，也可以注入在指标上。数禾内部有数据治理中心，管理所有的业务术语，数据湖仓管理数据模型，指标平台管理指标逻辑语义，BI平台管理洞察和分析。数禾内部构建了一个以数据治理驱动的全面语义数据体系，其基础是由数据湖仓组成的强大数据基础架构。在这个基础之上，建立了一个管理业务逻辑语义的指标平台。这一结构不仅支撑了BI和各类数据产品，甚至AI相关的产品。整个体系实现了从数据的生成、供给到最终使用各个环节的语义整合。34最佳实践总结下来，指标是分析应用中抽象高级业务语义的具体表征，技术的复杂性完全藏匿于业务友好的语义表述之内。业务只需要关心需求，不需要关心数据在哪，以及数据怎么计算，他可以随时随地访问数据，分析数据。34最佳实践AnomalyDetectionAnomalyDetectionPropensityModeling···LLM能力从Copilot到AnalystAgent分析框架和模型语义化是AI驱动的筑基之本What-if经典预测模型对比分析漏洞分析路径分析多目标决策相关性分析AARRR多维度拆解CohortRFM模式四：AI驱动当数据都语义化、富含语义信息后，我们就将进入驱动的范畴。以烹饪为类比，数据工作的过程类似于准备食材，而语义化的数据就如同经过彻底清洗和精心分类的原料。紧随其后的AI算法好比是精心编纂的食谱，它能够将这些准备好的原料转化为一道道美味佳肴。在这个过程中，分析师和业务人员就像是制作美食的厨师。AI驱动相当于拓展了菜谱。现有的经典分析框架和模

型已经在观远BI系统中得到应用。随着AI技术的深入融合，未来我们将能够实现更加深入和自动化的决策过程。以下是数禾科技未来开展数据工作的行径路线图。从数据分析的成熟度角度来看，数智化的核心功能涵盖了记录、还原、推断、预测和决策等方面。数禾致力于利用高质量、直观易懂且可靠的数据，结合机器学习和因果推断技术，进一步深化AI在推理和决策制定中的应用。分析成熟度分析成熟度发生了什么？为什么发生？将要发生什么？分析模型最好的情况会是什么？预测模型推断最优化预测&感知&竞争优势决策AI驱动还原即席查询报表标准化报表指标平台数据模型数据源记录数据湖仓35最佳实践最后总结一句话，“极多的语义，极高的智能，极限的自助，极致的敏捷，向未来”。未来，越来越强的技术能力，将赋能业务达到更敏捷的状态。35最佳实践某券商：数据驱动业务，开启数字化转型“五大转变”（为保护客户隐私，以下涉及企业名称处统称为“A证券”）数字化转型的认识和理解数字化转型是技术革新也是业务变革，是“一把手工程”也是“全民运动”，是需要业务引领、技术驱动的“双向奔赴”，这是我们对于数字化转型的认识和理解。A证券的数字化转型工作目前进行了将近三年，我们的最终目标是实现商业价值。从这点出发，我们需要做两个方面的事：其一，做正确的事，业务即IT，IT即业务。指的是要把我们现在的业务数字化，并研发数字化产品。在互联网行业或许天然就是这样，IT研发都是直接服务于客户或交付成产品。但在传统金融机构，IT或科技部门是职能部门，并不直接交付产品或服务。因此数字化转型就是要让我们从用户场景出发，产品驱动，并基于这些场景来进行数字化运营。其二，正确地做事，高质量、快速、可持续交付。指在研发数字化产品的过程中，我们需要一些方法论或工具支撑，来实现高质量、快速、可持续的交付。系统方面，分为敏态和稳态两类系统，不同类型系统通过不同方式交付，稳态系统依旧基于传统瀑布研发模式，敏态系统则会更多用到例如CMMI敏捷的理论来做。工具方面，将原来烟囱式的系统建设结构分层，在每一层上形成平台能力，包括技术底座平台、业务中台、用户端前台。数字化转型的“五大转变”基于对数字化转型的认识和理解，在公司战略层面，明确要开启“五大转变”：1、转“文化”。打造数字思维、敏捷文化。2、转“意识”。回归业务，实时感知，为客户/用户创造价值。扫码观看直播回放

3、转“组织”。业务与IT持续交付流程，实现需求的快速响应。36最佳实践4、转“方法”。论，驱动业务改进和模式创新。36最佳实践5、转“模式”。技术模式转型，新增应用采用“云原生”方式直接构建在云平台之上，采用微服务架构DevOps敏捷开发模式。数字化转型的内核是数据驱动业务，因此，基于公司数字化转型战略要求，我们梳理了数字化转型关键事项，包括：1、业务数据化。伴随着企业的数字化转型，在补齐信息化或线上化的过程中，会沉淀大量业务过程数据和业务结果数据，需要将这些数据全部汇聚到统一的企业级数仓中，实现业务数据化。2、数据资产化。通过数据治理，规范完善数据元数据信息，提供数据地图、数据目录、数据血缘，使数据变得可见、可懂、可用，形成企业级的数据资产。3、数据服务化。提供统一标准化服务API，将各类数据服务直接给到业务使用。4、数据智能化。借助AI能力或融合ChatGPT能力，进行智能推荐、营销、客户服务等方面的探索实践，与数据结合，交付高附加值的智能化产品和服务，提升客户体验和业务价值。数据平台发展历程A证券2007年开始规划建设数据中心，到2010年建设数据仓库，2015年进行数仓升级扩容，而后在2018年进入重点建设阶段，开始大数据平台建设，完整更新了整个数据平台的技术栈，并在平台之上重新搭建了数仓。到2019年启动数据中台建设，直到现在不断升级迭代。最近的两三年，在完成基础设施建设后，开始主要投入到数据资产、数据应用、数据服务的建设上。A证券的数据平台整体架构，是覆盖了“采、存、算、管、用”全生命周期的一体化数据中台体系，支持多模态计算与服务化，破除数据供需壁垒，沉淀企业高价值数字资产，构建业务场景驱动的数据产品，为运营机制、组织、人才提供持续保障。构建“听、

说、读、识”基础智能平台，基于平台能力赋能业务场景智能化。数据平台建设的效果体现在“一个大数据平台、一个数据资产底座、一套数据中台流水线、一套数据治理与运营体系、一系列数据产品与服务”。最近，我们正将一系列的数据产品和服务整合到数据门户中，让公司所有员工，只需要到统一的门户中就可以使用所有的数据产品和服务。数据赋能场景与实践在介绍完A证券的数字化转型背景后，我想分享一下作为一家券商，我们的数据赋能典型场景与在各场景中的具体实践。场景一：分支机构用数分支机构系统零散，缺少统一的获取数据途径，是长期被忽视的一个群体，用数需求一直没有得到很好的满足。去年起，A证券开始重点解决分支机构用数的问题。我们梳理了分支机构用数的主要场景，包括数据报送、明细数据