好的人工智能离不开数据，数据是企业的核心资产，很多企业都有大量的数据，其中做得好的是互联网原生企业，它们自己拥有数据，自己拥有分析能力的企业，比如阿里、腾讯，它们有大量的数据，可以不断地做分析，做得相对比较成熟。另外也有一类公司，它们是属于第三方，虽然自己不拥有数据，但是会和很多数据提供商或企业合作，以提供数据产品为生。然而最常见的一类企业，是所谓的传统企业或实体经济企业，他们拥有数据，但是主业又和数据不相关，比如银行、制造业，这类企业面临着怎么样从业务驱动数据的过程转为数据启动业务，大家现在也都在往这个方向走。
数据数字化的过程，实际上就是数据价值释放过程。像腾讯、阿里这些企业有大量的数据，但是把这些数据真正的价值能够体现出来实际上是很大、很复杂的过程。在数字化转型开始之后，大家开始做数据的集中，建立了大数据平台，把数据放到一起去，但是现在还不够，下一步释放数据要到治理阶段，提供数据标准化、资产化，真正让数据发挥更大的作用，能够做到数据驱动业务。
现在的挑战有四个方面：
一是数据应用困难。我有一大堆数据，很难把它真正运用起来，很难和我的场景结合起来；
二是数据质量低下。一大堆数据，也不知道这个数据可靠不可靠，同一个客户一大堆名字，不同的地址，如何利用这些数据；
三是数据人才不足。真正的大数据人才都集中在一些非常专业的公司里面，真正到企业里的没有几个人；
四是数据难以整合。怎么把分散的数据很好的整合在一起，而且能够连续的使用，整合不是一次就完了，一次也整合不了。
我认为要真正把数据的价值发挥出来的核心就是要做数据治理，数据治理是让数据价值得到体现，能够真正发挥数据作用，不把数据治理的问题解决，企业很难再往前进一步。
那么到底怎么做？还是回到最基本的东西，我们先要有战略，根据公司的业务战略，要制定一个数据的战略，制定数据战略的核心还是团队，要有一个专门做数据的团队，在一个大的公司里一定是跨部门的团队，有了这个团队然后针对数据公司的业务战略来制定公司的数据战略，制定目标，制定计划。然后在这个数据战略的基础上制定你的项目治理、数据治理的策略，最后把数据治理作为一个公司级的立项来做，真正有预算，有人来做。我想这个真正实施起来确实也是挑战，所以后面给大家提一些方法，思路。
根据实践，我们觉得比较现实的方法就是用场景拉动建立数据治理体系，实际上是从前端开始，由你的场景驱动，例如销售，从客户流失分析开始，根据需要来梳理数据，在梳理出数据来源之后，开始建立相关的数据治理结构。然后根据这一个场景来预警数据，最后再在上面叠加不同的场景。这是我们觉得比较现实、经济、有效的做法，当然我们也有一定的工具辅助。
大数据织网，它实际上就是基于数据治理做的数据虚拟化，来实现数据的使用、治理，最后集成一整套连贯的体系，它能让你快速的使用这些分散的数据，在这个过程中逐渐的完善数据管理体系，治理体系。这是一种比较新的解决方案，针对企业数据使用数据难的问题的解决方案。
基于这个新的概念，我们做了一个解决方案，这也是基于数据虚拟化，把数据治理的不同要素引入到数据平台里面去，从前端的需求到不同类型的数据源，实际上通过虚拟化的技术处理，用缓存来存储一些常用的数据场景，能够快速的从不同环节得到数据，同时从后端现有的结构数据库或者非结构数据库里直接获取数据，而且这个速度可以非常快。
有了这之后，最后就是智能化的运营，数据变现，最终大数据的变现就在人工智能上，其实现在人工智能发展得很好，但是我觉得后面的整个数据的治理、管理、应用还没有跟上，我希望这些搞数据的人能够把这个重视起来，发现更好地解决方案，真正让所有的数据最终都能变现。
文章来源： 首席数字官，作者： 赵博智；
编者：云朵匠 | 数商云(微信ID：shushangyun_com)
<数商云（www.shushangyun.hk）是全球知名的企业级电子商务系统开发商，为企业级商家提供电商系统开发（多种模式电商平台搭建：B2B/B2B2C/B2C/O2O/新零售等）、大数据平台搭建及电商行业解决方案服务>
