您的位置:首页 > 资讯中心

中国数据化引发魔力效应,热度之下真的缺点啥

发布时间:2019-02-25 10:18:54 阅读量:875次

非常高兴来到ITShare数智未来峰会,以CIO和CTO为核心的技术领袖的活动现场。其实对我来说,特别是对于一个典型的文科男来说,参加这样的活动不算很多,但是我也越来越意识到这一点的重要性。

过去七年间,我们投了将近500家不同类型的公司,基本上分布在智能化、新文创、大健康领域等。这些创业企业,凡是能够得到快速发展,短周期中间不断能有周期进化和突破的企业,不论你做哪一个行业其实都跟信息化、数据化和智能化的发展有关。

1.jpg

从人员构成上面来说,都跟在技术团队中的投入、技术人才的挖掘、技术人才的培养和对技术领导者在整个领导团队中间的重要性所给予的重视,密切关联在一起。

同时,我们也会注意到,这些企业对于更前沿的技术关注度超越同行,这就是为什么我们这几年中间,所投的企业当中每年能出一个独角兽企业的原因。事实上做早期投资者,往往经历的时间比较早,最初我们融钱的时候,做第一期基金7+2,你要知道9年周期在市场上融钱很难的,特别是做二级市场的投资人,他们愿意给钱到周期半年或者一年的公司,对他们来说股市三天进三天出,上一个星期进下一个星期出,我们站在股权投资早期那么多年的时间判断,很显然跟他们不太一致。

技术变革7年间,极大的促进了创业企业的加速发展,有IT技术和信息化的导入,使它们成为快速成长的公司。我们第一个正式股权上市的公司安能物流,在本土创业企业里面,投入比较大信息化和数据化领域中,这样为这个公司在创业企业短期行业排名中从第2000位成为排名第一的公司起了一个非常重要的平台式的支持作用。

2.jpg

这也是为什么今天说培植数字化领导力的重要性今天中国“数字化”三个字带有魔力化的效应,我们上上下下都在强调数字经济和数字化的发展。比如像浙江,把数字经济定为“一号工程”,意味着每一个地级市都在搞“一号工程”,每一个县和每一个区都在搞“一号工程”。在整个长三角,数字化的水平是比较高的,在整个北上广深地区,数字化水平总体来说也比较高的。

不仅仅这样,我记得刚刚提出来贵阳做数据的时候,本地领导干部一脸蒙,大数据是什么?我们小数据都没有讲清楚,怎么大数据呢?后来从贵阳到贵州成为了大数据高地,大家说贵阳和贵州都能干得出来,为什么江苏和南京没有搞得那么强,甚至上海开始的时候都没有他们那么强。

中国站在远见和前瞻的角度去推动经济发展,跟其他国家非常不一样,这种推动的发展的确得到了很多的前沿企业,包括前沿技术领袖们的重视。今天在我们这里有CTO联盟,实际上大家应该说是感同身受的,不仅仅是在过去这几年中间,大家工作责任和工作压力大了,另外一方面,工作机会多了,从你所在的公司,到你所在的行业,到你所在的地区,包括我们所在的国家,对你作为人才的重视度高了。

3.jpg

在上海你能感觉到大家的工资就要涨了,跳槽的时候给你加码了,你跳槽的频率高了,即使是普通的IT人才,都会发现很多猎头公司把你当做一个非常重要的目标锁定你了。这是我们看到的热度。

其实这个热度真的有那么热吗?或者说真的有那么好的一个商机吗?回过头来说,大数据这个行业除了卖机器卖存储服务器,到底应用中间产生了多少附加值?云计算,作为计算结果产生了多少附加值?今天物联网的应用也开始推动了,但是物联网的应用在真正改变的领域中间产生了多少附加值?

如果在这个中间做一个计算的话会怎么样呢?大数据大概一年产生80几个亿,2018年100亿多一些,一个普通的日化公司一年都能干500个亿,那么牛的行业,说得那么热闹,但是就产生那么一点?

4.jpg

当然这是前沿行业,未来要不断地发展。这前沿当中很多缺少的东西在什么地方呢?没错,今天我们有很多CTO,有很多IT技术人才,只是今天的技术人才,真正能够变成技术支撑引领者,甚至管理规模化的生产力了吗?或者说你现在具备这个能力了,问题你现在去做的时候真的有那么多的人才给你干活吗?

如果普通大学里面培养的从研究生到本科生到专科生,基本上不能干你让他干的活的话,你讲的那个理论上来说能干的经济是真的经济吗?在上海或者杭州,也许数据经济能有规模,但在湖州、徐州、无锡、台州都能做出那么大的生意吗?或者我们真正能干得出来你所期望的生意吗?

数据智能新时代的组织领导力

这是我今天提出来的问题。我在这个里面提出四个命题,解释了我认为我们在推动数字经济真正成为现实的过程中,数字领导力之所以重要的原因。

5.jpg

1、一切行动的数字化与数据化

我们说的是“一切”。比如涉及到数字公安的项目,对公安的同志来说,将来管的所有事情,不论是管户籍还是服务用户,不论是服务对象还是控制对象、管理对象,老百姓在你这儿干的事,或者是犯罪分子的行为都能够留下痕迹,和他们相应关联的一切东西,都信息化、数字化、数据化

作为公安干警,相应的警务行为都跟对象匹配。像上海这样的城市,有一年一个领导跟我说,我们每年能产生800个以上的博士学位以上的犯罪分子,我们能够破案的人群里面,有博士学位的大概不超过8个。

所以很显然,今天的警务人员和能付出的预算都有限的,我们如何能够在充分掌握对象的痕迹,用数据化管理所有信息的基础上,对他进行的管理、控制行为和服务行为,更加精准有效?所以,这就是我们说一切的行动,都要数字化,不论是对象的,还是我们作为管理者或者服务者的。

2、重要数据的智能化

如果有了所有的数据,就能解决问题吗?数据本身其实不解决问题。我最早做调研数据出身,调研数据中最典型的是报告数据,为什么过去我们经常质疑统计部门的数据有问题?就因为是报告数据。统计部门发一张表让自己填,你怎么填?如果我是一个企业,我填数据给人的时候,我给社会部门填那样的,给工商部门填这样的,给政协委员填那样的,我可以给不同人填不同的。统计局每年各种普查有很多表要填,那么大的量为什么不叫大数据呢?就是因为过去的数据形态使得它很难。

我自己下海创业的原因,就是因为那个时候机关里面写报告都是写“广大群众一致认为”,我问领导“我们一个群众没有问,为什么说群众一致认为?”我们领导说“群众还要问吗?我们从来都这样说,群众也不会说什么。我们已经习惯了这样的行为模式,为什么今天能够有讨论大数据的基础?因为互联网进一步发展到物联网,物联网化程度极大提高,所有的事物都能留下痕迹数据。

今天阿里巴巴号称有大数据源,科大讯飞号称有大数据源,京东号称有大数据源,高德号称有大数据源,它们把大家上任何地方留下来干的事,都能够留下数据。事实上我们知道这两种数据来源的区别非常重要,以世界角度来看,其实50年代以前,以报告为特点的主观数据已经在发展了。我这个行业很早之前就有了报告数据,但是60年代左右行为科学开始发展,很大量的数据开始基于对于行为痕迹的研究,行为痕迹数据和报告数据之间有非常大的区别。

6.jpg

最典型的是我们做了一个实验,大学里面有70%左右的男大学生,大学里面厕所不放纸,男生上完厕所以后,只有30%的人随身带纸,剩下70%的人怎么办?有10%的人找人送纸,还有10%的人看随身有什么替代的,还有53%的人上完厕所没擦屁股。我们怎么知道的呢?

每年有273万男大学生,上完厕所没擦屁股在校园里晃荡。但是你门口问他擦了吗?他说擦了。报告数据显示有1%的人没擦屁股,而实际监测数据显示有53%的人没有擦屁股。一个是行为监测数据,一个是报告数据,这就是两者的区别。

今天我们有大量的行为数据,但大量的数据一定有用吗?不见得。大量的数据如何用啊?现在上海的地铁里面每小时有18万人次在进出,如何抓数据?理论上每个人的痕迹我都知道,但是你怎么抓地铁扒手呢?把抓扒手的经验变成七个指标,第一个指标是在一个小时之内,在同一个地铁口中间来回进出两次以上的人是重点指标,18万人次变为了6000人次。另外一个指标是同一个排队等待上车的人群中间,通过插队的方法进入人群的是嫌疑人,这6000人次会变成3000多人次。第三个指标是当一个人得手之后,同时有三到四个人同一个轨迹撤离,几乎所有的地铁扒手都是团伙作案。

7.jpg

我们用七个行为指标可以把地铁扒手嫌疑人缩减到三个人,这是智能化。把痕迹数据用智能方式筛选出来,把公安干警过去的经验变成算法,算法变成软件,软件变成智能筛选,人使用就好了。不然的话,对着一大堆数据没有办法用的,海量数据使用很困难。

3、核心决策的数据智能化

从一个破案者到一个公安决策者,到一个城市治安管理决策者,到一个城市整体的决策者,到一个国家的决策者。如果我们把小的决策单位都数据智能化,一直到大的单位的数据智能化,就能大大提高我们决策行为和决策对象之间内在契合的程度,跟前面说破案者的行为实际上一样的。

4、数据智能技术的常规化

最后,我们要把数据智能技术常规化,对于绝大部分人来说做到这一步已经不简单。前年库克参加乌镇互联网大会的时候说,苹果未来的发展,是要让它成为傻瓜化的智能应用平台。现在大多数数据化对人才的要求比较高,这个阶段可能需要一段时间,这个阶段的延续走向数据智能技术的常规化和通俗化,实际上本质上是傻瓜化普通的人要到阿里巴巴开一个网店,没有那么复杂的,很多东西变成按按钮,这个店就开出来了。

为了做这件事情,我们需要做一件非常重要的事情,大部分推动行业发展的时候站在技术的层面,开发数据源、开发算法、来做智能,这个非常重要的过程通常称为产品化,我们要培养更多的人变成真正干这件事情的人。

数据化领导力的五维世界

在我们所在的企业当中,数字化领导力通常包括五个维度。

8.jpg

第一个维度,是这个企业有非常明确的基于数据技术领先的业务发展战略,不管你做什么的,将来要有先进性和发展性,有基于数据技术支持的业务领先。

中国不管其他行业说得再牛,只要食品安全有问题就没有信心,将来食品行业的信心来源于什么地方呢?举一个例子,今天喝的普通的水依然不安全,因为水里面只要塑料瓶装的,就含有危及人类健康的微塑料,其实如果常年保持每天喝一瓶水的话,我们每年摄入的微塑料足以危害我们的健康,对致癌有显著的作用。

如果今天你不喝这个塑料瓶水,开始喝一杯茶水,你觉得喝茶对于身体好吧?我告诉你,只要你看得见茶叶的茶,通常都是农药超标的,因为茶叶是跟普通的菜一样未经检验就上市了,未经洗涤就加工的,未经技术标准过滤就被人们使用的,我告诉你只要你喝水,你跟癌症不远了。

9.jpg

我们今天绝大部分的食品都以粗放的方式存在的,以至于食品行业长期以来处在粗放的状态,无论餐饮还是工业包装食品。从这个角度来说,食品行业将来真正革命性的突破,我认为是跟数字技术密切联系在一起的,恰恰在今天制药行业、生物技术等领域中间这个概念强一点,食品领域不是很明确,至少很多食品业界的领导品牌,并没有把这样的概念变为很明确的东西。

比如说在座的CTO、CIO们就没有食品行业的,所以很多行业并没有意识到,数字化技术对它的支撑是很重要的方面。除了这个以外,它还需要有好的数据治理架构,以及如何跟外界更好的数据交换的策略。

如果过去以经验为核心的管理架构,变成以数字化为支撑,你对你自己核心管理者的要求就不一样了,简单的说,对于CTO和CIO的依赖程度就不一样了,所以在一个公司里面有没有CTO,以及CTO所处的位置基本上定义了公司自己的性质。不同的公司里面CTO所处位置也不一样,有一些公司CTO位置可能比较高,有的CTO就是一个技术总监或者技术负责人。

11.jpg

当然,我们有很多企业家,或者非常卓越的CTO们,对于前面我所强调的五个维度,从不同角度也都有所强调,同时也的确有很多企业从发展战略到数据治理架构到数据融合模式到CEO的管理逻辑都非常清晰的定义了出来,包括跟外部数据协作的战略和有更高职位的技术意义上的管理者。

我特别强调了,数据意义上的首席数据官,最早咱们有CIO的概念,后来有CTO的概念,在CTO下面至少还得有一个CDO,首席数据官变得非常重要。中国企业大部分还没有首席数据官,或者有的公司依然没有这么重要的位置。如果处在需要技术支撑的时候,首席数据官将成为不可或缺重要角色。

每个业务都在数据支撑之下的话,意味着更加具体的数据技术的人才将变成很重要的支撑力量,包括像数据科学家、数据工程师、以及更加基础的数据蓝领和数据白领。事实上这可能是在CTO制下岗位中间典型人才工作方式。

12.jpg

现在如果回到大学里面,对于大数据专业的大学生不是按照岗位所需要的角度来开知识课和技能课,专业叫大数据但是不会干大数据,比如我们需要有大量数据架构师,但是他们大部分干不了这个活,架构师需要相当多经验的要求和技能的训练

这些东西怎么能够更好的做到呢?有一些企业走在前沿,进行了这样的探索和尝试有所收获,还有一些企业听说了,但是没有真正进入到中间来做这样的工作。具有数字领导力的企业的领导者,对于数据化、大数据、数据智能和数字化的推动,价值认知超越一般普通人。

另外,在这些公司中间,尝试让数据化的工作者,从事技术、业务、相应的服务工作、协调工作的人能够变成核心管理者。与此同时让更多的年轻人才,按照岗位需要的角度,进行岗位式的训练,在他们职业规划中间,首席数据官成为未来的发展方向。我们认为在技术人才训练包括在大学生层面当中,应当把未来数据官的训练,作为很重要的方向。

13.jpg

我们非常有兴趣跟CIO和CTO联盟,把CDO放在大的环节层面说这个事情,让更多领导有信心下决心做这个事情。比如在技术人才的训练中间,有一个岗位去训练这些人才。这些尝试性工作,我们现在在一些地方已经开始实验。我们需要大量的CTO、CIO能够进入,成为支持者。

另外一个方面,大家能够成为非常好的用人端。因为这是一个供需两者之间平衡的需求,作为用人端训练需求端,更好的提出他们的导向,使他们知道为什么要学这个东西,为什么学更多这样的东西,让他们明白这样的价值和意识。

所以从这个角度来说,我们从给领导们培训,到更多人成为我们这个数字化时代的首席数据官,到培养更多的年轻人才,数据官将成为我们很重要的发展方向,以岗位为核心的知识凝聚和技能训练,可能会缔造一个完全不同的人。

14.jpg

我们也相信,数字化经济的规模成长和发展,只有来源于规模的人力资源的形成,才能成为可能。甚至在上海的时候,我提出一定是以职业技能人才为基础的某一个行业的群聚,才能导致这个行业能够在这个地方群聚。数据智能行业和新一代IT行业,以及今年的5G和互联网3D化,每年有7个标志化的发展,使得数据经济又是技术领域的前进,又是业务领域弥漫式渗透式的发展。

我今天说这个的原因是,我们投的公司在技术化发展的时候,人是更大的问题,我们站在切身的痛点提出了未来需要努力发展的工作。

我们希望2019年能有很好的开端,希望能形成新产业集中地,形成对于数据人才培养的合作机制。既能够造福于更多其他的企业,也很重要的是,我们自己所在的企业,或者我们自己将来创业的单元,都能够有机会受益于我们这样的新兴人才培养,使得新兴产业的发展成为更加现实的可能。