业务数据化与数据业务化深度解析

什么是业务数据化？什么是数据业务化？业务数据化与数据业务化是什么样的关系呢？今天就来谈谈对这三个问题的理解。

1、  什么是业务数据化？

所谓业务数据化是指将业务过程中产生的各种痕迹或原始信息记录并转变为数据的过程。业务数据化从本质上说是用数据表现和解读业务。业务数据化并非什么新鲜事，从OA系统、CRM系统，到ERP系统其实都属于业务数据化，只是由于传统行业许多业务是在线下展开，完全数据化十分困难。借着互联网，尤其是移动互联网的普及，DT时代来临，才有条件实现完全的业务数据化。

完成业务的数据化实际上需要经过简单数字化和流程数据化两个步骤（如图1）。一般来说，简单的数字化是IT时代下信息化所做的事情，而流程的数据化则是DT时代下数字化转型所做的事情。信息化是数据化的初级阶段，信息化能提升效率、沉淀数据，信息化为数据化输入必要的数据，信息化为数据化奠定基础；而数据化则倒逼IT系统的优化和完善，数据化通过对信息化阶段的数据进行集成、连通和分析来洞察业务，优化运营和决策。 

图1  业务数据化的概念模型

具体来说，业务过程中能生产出数据，把这些数据沉淀和收集起来，通过表单和信息流转的方式进行存储，做到这些只能算是完成了简单的数字化，还没有达到数据化的阶段。数据化侧重结果，将数字化的信息以指标化的形式有条理、有结构的组织起来，便于查询、回溯、预测和分析等，再应用于业务流程的各个环节，帮助解决相关的决策问题，做到这些才能称之为业务数据化。

2、  什么是数据业务化？

业内对于数据业务化的概念和内涵并无统一说法。大家普遍的认识都是来自阿里集团内部关于“一切业务数据化，一切数据业务化”的说法的理解。业内普遍的看法是，数据业务化是指：通过对业务系统中沉淀的数据的二次加工，找出数据中的规律，让数据更懂业务，并用数据驱动各个业务的发展，将数据渗透到各个业务的运营当中，让数据反哺业务，最终释放数据价值，完成数据价值的运营闭环。以上定义侧重于从运营的角度来阐释数据的业务化，强调数据对业务的理解、渗透和反哺。然而，这个定义并未揭示出数据是如何驱动业务运营的，也并未解释其原理和作用过程。况且，阿里是基于自身已建立起庞杂的业务群落和成熟的数据生态的基础上提出这个观点的，这个观点是契合其中台战略的背景的。因此，这个定义的普适性有限。

笔者认为，数据业务化重点在“业务”二字，表面意思是将数据做成一项业务，说到底，数据业务化应当属于产品或业务的范畴，应从数据的产品化与商业化角度来定义数据业务化。基于此，笔者对数据业务化进行了重新定义。笔者认为，所谓数据业务化是指：在数据整合的基础上，将数据进行产品化封装，并升级为新的业务板块，由专业团队按照产品化的方式进行商业化推广和运营。从这个定义可以看到，数据业务化的本质是数据的产品化、商业化与价值化。如图2所示，数据业务化实际上强调产品化、新业务和专业化运作，也就是以数据为主要内容和生产原料，打造数据产品，按照产品定义、研发、定价、包装和推广的套路进行商业化运作，把数据产品打造成能为企业创收的新兴业务。

图2  数据业务化的概念模型

 3、  业务数据化与数据业务化之间是什么关系？

根据以上对业务数据化与数据业务化的理解和分析，笔者认为两者之间实际上存在着四种关系：浅与深的关系、先与后的关系、Doing与Done的关系、相辅相成的关系。

 图3  业务数据化与数据业务化之间的关系

（1）数据应用的深度：浅与深的关系

业务数据化是数据的浅层应用，数据业务化是深层应用。前者是前提和基础，后者是前者的延伸与深化。

（2）数据应用的节奏：先与后的关系

先有业务数据化，再有数据业务化。在数据价值释放这首歌曲中，业务数据化是前奏和序曲，数据业务化是主体和高潮部分。 

（3）数据价值释放的进度：Doing 与Done 的关系

在数据价值释放的进程中，业务数据化是Done、是先手，数据业务化是Doing、是后手。业务数据化是过去式和现在完成时，而数据业务化则是现在进行时和将来完成时。

（4）相会于数据中台：相辅相成的关系

业务数据化与数据业务化相会于在数据中台，是数据中台战略落地的左右手，业务数据化是左手，对应业务中台，数据业务化是右手，对应数据中台。业务数据化与数据业务化相辅相成，业务数据化是为了更好的开展数据业务化。数据业务化对业务数据化提出更高的要求，倒逼业务数据化做的更精细，两者共同服务于业务运营和数据价值释放。

OK，以上就是笔者对业务数据化与数据业务化相关的三个问题的回答，欢迎批评指正。