爱数林星亮：新服务行业非结构化数据治理之道

近日，爱分析在京举办了2021爱分析·产业数字化峰会。爱分析邀请爱数售前总监林星亮进行了题为《新服务行业非结构化数据治理之道》的主题演讲。

2021年，疫情常态化导致新服务行业企业增长受阻，对企业组织韧性提出更高要求。在此背景下，以数据为生产要素的数据驱动型组织应运而生，已然成为企业数字化转型的主线。爱数售前总监林星亮在会上介绍了爱数大数据基础设施对新服务行业企业增强组织韧性、实现持续增长的裨益。

现将林星亮先生的演讲实录整理后分享如下。

1. 新服务企业数字化

林星亮：各位好，我是爱数林星亮。爱数最早做数据管理，做备份起步，后面做内容数据管理和治理，在各行各业积累了丰富的实践经验。今天我会带来一些爱数服务于各种零售行业、大型企业的心得分享。

1.1 爱数简介

简单介绍一下我们公司，上海爱数信息技术股份有限公司从 2006年成立到现在已经经历了15年时间，承蒙市场机遇、客户信赖，已经服务了近27000+客户，在40多个国家和地区提供数据服务，和华为、SAP、微软等成为战略合作伙伴。在国际领域，爱数也获得了Gartner魔力象限挑战者称号。

多年来，爱数专注技术创新，在研发方面持续大幅度投入。公司70%的员工都是技术和研发，公司的理念也是以技术创新作为第一生产力，每年研发投入占比大约为30%，在德国汉堡和新加坡均设有研发中心。近几年，我们第二曲线的业务就是助力客户数字化转型打造数据驱动型组织，因此我们也在不断加大AI研发方向的投入。

1.2 数字化转型助力新服务行业企业增强组织韧性

回到今天的主题。我们讲数字化转型，从另一个角度上来看，其实目标还是构建企业的韧性。

所谓韧性从哪里来？无非就是要更加靠近客户多一点，了解客户的一些需求，了解客户未来的一些需求，甚至还要影响客户的需求。

此外，就是我们想用一些性价比更高的技术。现在很多新技术价格都很高昂，如何保证避免高额的投入能更好地服务于业绩，成为企业面临的一大难题。其实所有数字化转型围绕的战略中心点是为客户创造价值，技术落地抓手是数据。在爱数看来，零售行业数字化转型的关键要素有四点：第一：数据要素驱动，数据已经变成了非常重要的生产要素；第二：关键业务的永续，现在时间机会成本都很高，如何保证关键业务的永续是数字化转型中极为重要的支撑点；第三：领域技术的创新。伴随着人工智能技术的入局，每个行业和细分的赛道，机器语言需要描述的东西千差万别。比如零售行业和地产行业，其领域技术、领域知识完全不同。第四：人才如何培育？一切都是靠人来创造的，一家企业因为有创始人才会有核心团队，才会逐步壮大。数字化转型也一样，这个转型不只是技术的迭代，而是完全的革命性变化。所以转型的人才从哪里来是一个很重要的问题。

1.3 新服务行业企业数字化转型催生数据驱动型组织

由此可见，数字化转型需要从技术、数据和人才几个不同的维度来分析。

原有IT系统的数据更多是流程的附属，简而言之，就是某种流程产生了某种过程或结果的数据，之后下一个流程要去调用数据，所以数据更多是流程的附属。但数字化转型则变成了以数据驱动，通过数据来重构流程以及运营模式甚至是商业模式。

构建数据驱动型组织有三个必要步骤。第一步：数据资产化。这是数字化转型面临的重大挑战之一，很多企业上了很多先进技术手段即使能感知到包括客户数据、运营数据、机器数据，还有本身的交易数据等全链路的数据，但并不能当既成为有用的数据资产。是要经过整合、治理后的数据，并基于业务价值需要按一定数据标准定义过的才能称之为数据资产。

第二步：数据驱动决策。这并不是纯技术语言，它需要一个组织能理解数据背后所能推动的事物，从而让更多的数据影响企业的决策。

第三步：数据驱动创新。创新是企业生存之道，任何一家企业失去创新能力，特别是民营企业和新零售企业，很难在市场上立足。因此，数据资产化、数据驱动决策、数据驱动创新，是数据驱动型组织的三大关键点。

1.4基于全域数据能力的认知智能赋能成长型企业增长

爱数有三条产品线，第一个产品线是基于结构化数据，以结构化数据的治理和整合为主。第二块就是非结构化数据，这一块治理相对来说比较难一点，市面上好像也没有很好的方案。第三块数据是机器数据，就是日志、运维等一些技术数据。

右半部分就是刚才提到包括知识图谱的三类，这三类可以概括为全域数据，基本上囊括了几种数据的呈现形式。通过知识图谱、一些人工智能的技术，可以实现知识管理、先进分析等等应用。

第二个我要讲一下，就是韧性组织这一块，这是我们搭建的架构。第一块就是大数据基础设施，业务连续性，更多是基础架构，如何能够提升组织能力的适应度。第二块是数据资产的管理，包括设备的云中立、认知、客户价值、内外资源的统筹。

2. 面向新服务企业的非结构化数据中台解决方案

今天的主题更多是非结构化数据的解决方案，简单来说，非结构化数据包括文档、图片、视频、设计文稿等，这几类文稿和结构化数据相比不同之处在于，结构化数据更多是描写单点，但是非结构化数据很多是时候是描述事物的全貌，有一些点颗粒度太大，关键的信息点很难提取出来。

一些电商企业只是想满足数据统一管理的需求，会用到网盘的机制，但这只是找一个地方存，很难找到想要的目标数据，所以还会存在所谓的数字资产管理问题。

第二块就是采用一些简单的加密软件，但没有主要的责任人进行非结构化数据的规范梳理，只是放到NAS上面，一放到NAS上面相当于变成了文档仓库。文档仓库就变成数据沼泽，这一种情况治理相对比较难。所以他们也想通过我们进行梳理。

还有就是服务行业，相当多作为核心资产和能力的非结构化数据面临流失问题，特别是研发文档、操作手册、会议机密和一些重要的文档如果没有更好地治理，从信息安全层面很有可能会泄露。

包括知识运营，企业人才是有梯队的，但是梯队如何去更好地沉淀呢？需要企业构建完善的知识体系。以前找几个专家把知识体系搭建一下，培训业务能力、营销能力、操作能力，更多是把这些专家的隐性知识变成显性，但是很难去做知识管理，真正地让它主动搜索知识。

我们服务了一个鞋服设计的公司，他们很多产品在设计部门设计出一个样稿之后，给到摄影部门，摄影部门要去拍照，然后领导去审核，因为非结构化数据的图纸是由人来创造的，同时也会因人而变，所以很难保证逐级传递的是同一份数据。这就是为什么有一些生产制造企业会有叫DCC文控的岗位。

我们通过技术的手段，让它从生产到最后一步有一个全生命周期的管理，这一点非常重要。

我们接触的很多客户，有六大需求，第一大需求就是全面掌握数字资产的现状。有很多数字资产分散在各种PC电脑里，随着高端人才流失，他的很多经验和沉淀出来的知识就从公司流失了。

第二个就是数据的互通，特别是OA、SAP，还有不同企业不同应用上面都有大附件，这些附件很多时候都存在应用软件上面，无法去做相应的复用。非结构化数据治理最大的一个价值点，就是能把沉淀的经验、总结进行复用。

还有提升数据的质量，在没有进行梳理前，同样一个文档，或者一个知识点用户可能找了很多文档才能找到，这就是要提升效率，还有知识沉淀。

我们提出了两条治理轨迹，一条治理轨迹基于数据资产的安全。首先要保证数据资产留在企业里沉淀不会流失，保证数据的安全、访问的安全、知识的安全。

第二个路径是数据整合治理和洞察，所谓整合是什么？是把桌面文档数据和业务系统里面的非结构化数据统一整合起来。我们提出了三大体系：

一个叫做文档管理体系，这一块主要偏重于终端和业务系统上面的整合。

第二个就是内容赋能体系，就是要让其中的非结构化数据变得像结构化数据一样好用，能找到而且能复用，通过元数据来实现各系统间的链接。

第三个是知识创新体系，非结构化治理后的数据更多价值最大化是实现知识创新，以前OA里面会有一些知识门户，但更多时候它只是一个窗口而已，我们现在能做到的是千人千面，不同岗位搜索相关领域知识，快速赋能给员工，加速员工的成长。

这其实就是我们服务电商行业某个企业的数据资产全生命周期管理。从左边来讲获取的渠道就是终端桌面和系统。第二块就是进行相应的分类，将所有的数据根据分类进行打标签，包括个人文档库、部门文档库、归档库等等，还有一些统一规范。系统通过人工智能的方式，把标签、摘要、元数据提取出来，就相当于从非结构化数据里面提取出结构化的数据内容出来。

最后在使用方面，我们会实现数据的安全管控。在一些数据到期之后，可以做相应的删除，并进行版本管理等。

这一块就是从图片的发布到图片的归档到图片的销毁都统一管理起来。正确的文件只有一份，如果修改过就会有留痕，这个最大的好处在哪里，就是以前业务部门觉得找一个文件很难，IT部觉得我不懂你的业务我怎么去管理这些文件呢？这套体系就能很好的解决这个问题，赋能业务，让它实现更高效的创新。

还有知识创新， AnyShare作为底层平台，AnyDATA、知识中心等工具作为知识赋能。

知识举措、业务动作、衡量结果和战略目标之间都有很好的关联性。比如，会根据业务知识库、内部知识、市场推广分为各种主题库，同时会沉淀不同业务动作、比如沉淀技术经验、培训、发布会、业绩增长、产品创新、可持续发展，图片或者是知识点可以提取出来。

总而言之，非结构化数据的治理和结构化数据的治理有一个本质的区别，结构化数据治理更多是在前期会做一些报表，后期提供一些数据反馈，指导业务能力。非结构化走向知识管理这一块，更多是赋能企业员工去做决策，去做创新。

安全是必不可少的需求。勒索病毒一直都是企业需要防范的问题。因为桌面系统和业务系统中非结构化数据十分分散，如何保证防勒索是必须要考虑的问题。

第二就是访问安全和信息安全，特别是现在提到的隐私保护。比如说在财务部门能看到的数据，业务部门看的时候要隐藏掉。人事部能看到的个人隐私数据，业务部门调档案时候就要隐掉，这就是隐私保护。除了这种情况，爱数也提供数据安全不外泄但是颗粒度更细的隐私保护。

新服务行业企业方案的价值总结几个点：

一、提升企业的生产力。

实现文档电子化，面向业务、组织部门的业务诉求形成不同的文档分类管理和规范流程，提高运营效率

数据资产化、数据要素应用于生产经营、数字资产高效管理提升组织韧性、从容应对危机

二、核心数据资产化

基于业务体系建立文档管理体系，持续沉淀组织核心数据资产，赋能不同岗位、不同业务领域，促进知识沉淀和复用、助力企业蓄能、员工赋能

三、控制企业经营风险/业务合规

具针对行业合规要求，建立针对性合规管理体系，充分覆盖文档共享发布、文档留存及备份保护各个环节，建立安全设计体系，满足业务合规要求。

满足世界不同地域、不同行业法律法规监管要求

四、业务数据的知识化，我们很多时候讲业务数据化、数据业务化，其实非结构化数据中台也可以做到这一点，这就是核心，也是最基础的工作，核心数据资产化。谈数据资产是一个很大的问题，但是怎么去落地呢？非结构化数据是一个非常好的路径。

3. 新服务行业企业数字化转型更关注方案经济性和弹性

第三个主题，在数据化转型上，大多是走一条没有太多人走过的路，每个企业都不一样。如何降低投入、提高ROI其实是非常重要的。

所以我们需要经济型方案和弹性，现在的民营企业大部分都比较艰难，都是用牙缝里省出来的费用来做转型。我们几个产品线都有低代码的开发，本身也有一些分布式的架构，在商业模式上也有做这方面的考虑。

无论是数字化转型还是智能化转型，都是边走、边试、边干，所以整个技术架构必须要够灵活，商业模式上面也可以做到按效果付费。数字化转型为什么不成功？首先：我的产业战略是否正确？第二，伙伴之间的关系、甲乙双方的关系，已经从一手的供应商变成了战略贡献度的供应商，这个角度来看，就有理由相信共创、共担、共赢。所以我们会提出按效果付费，按下载量、使用度等等付费，还有软件订阅版按年续费，背后的逻辑是来自于对产品有足够的信心。

第三块云服务就是即买即用，这个很好理解。

我们所有的动作都是帮助客户多维度的成功，助力客户的客户成功。依托丰富的内容管理生态，采用平台加生态的模式和持续的技术创新能力帮助客户。

最后一个点就是甲乙双方关系，爱数大数据基础设施有先进的技术和领先的行业沉淀。我们提出一个共同创新概念叫做“数字伙伴助力客户成功”，通过建立联合实验室一起共探数据驱动。数据驱动型组织说起来很容易，但是真正落实起来很难，业务方面、本身公司的战略方面都需要进行相应调整。

第二块是联合方案，再就是按效果付费。

最重要一点是共育数字化人才，很多客户想找一个乙方，安排一个项目经理就好了，我们告诉他，不是我们双方各出了多少人，最重要的是你的业务有没有完整地参与进来一起创新。所以在整个数字伙伴当中，爱数和客户携手共建，这种关系已经变成了数字伙伴的关系，不是简单的甲乙双方的关系，这里的核心就是 “双方都全心投入，来一起创造更多的数字结果”。

我的分享到这里结束，谢谢。