欧美噜噜久久久xxx,色婷婷精品综合久久狠狠,欧美精品不卡,亚洲欧美一区二区三区蜜芽,无码国产精品一区二区免费97

MobTech袤博科技楊冠軍受CSDN之邀，探索企業數字化轉型最佳路徑

2022-03-23 14:12:21 來源：壹點網

近日，MobTech袤博科技合伙人、首席數據官楊冠軍受邀參加CSDN《新程序員》“數字化轉型”主題分享，圍繞著從企業數字化轉型的“前世今生”、企業應該如何實現從“青銅”到“王者”的段位跨越，以及作為開發者該如何應對高階數字化的未來等維度進行展開，一起探討企業數字化轉型的實踐思路與發展，共同碰撞新興視角~

以下為對話正文：

一、企業數字化轉型的定義與邏輯

CSDN責編楊陽：您在進行《企業數字化轉型的前世今生》一文的創作過程中主要有哪些思考？在選題背景，文章框架結構方面進行了哪些構思？

楊冠軍：我想按照三步走原則，即“我是誰，我從哪里來，我到哪里去”講講行文思路。基于這個大的邏輯下，文章第一部分講述企業數字化的定義和范圍，第二部分講述企業數字化轉型的必要性，第三部分講述怎么進行企業數字化轉型。顯然所有的企業都想往王者階段邁進，應該如何實現這一目標，就在第三部分詳述。

CSDN責編楊陽：您對“數字化轉型”的定義是什么？

楊冠軍：企業數字化轉型的定義要分為兩步，一步是數字化的定義，一步是企業數字化轉型的定義。二者不是區別的關系，是遞進的關系。先搞清楚數字化，才能搞清楚企業數字化轉型。

所謂數字化就是通過計算機技術，將物理世界發生的各種事情與數字世界的表達鏈接起來，構建出一個數字世界，進而通過數據和算法推導出物理世界的深層規律。而企業數字化轉型，就是將企業管理、營運和決策中的經驗、方法用數字表達出來，積累為很多的數據，再通過這些積累的數據和算法重構企業的商業模式和服務模式，使得企業經營全過程可描述、可衡量、可追溯、可預測。數字化和轉型需要系統性融合，二者是承接關系，數字化是路徑，轉型才是目的。

CSDN責編楊陽：您在文章的開篇說到企業數字化的過程，可以分為“青銅、白銀、鉆石和王者”四個階段。請您說明一下企業的這四個階段在數字化轉型上分別有哪些表現，貫穿在各個階段的演化邏輯是怎樣的？

楊冠軍：所謂青銅和白銀階段，就是把物理世界中極其重要的事物，如人、財、客戶和用戶，先通過系統或者數字管理起來。這一階段的管理手段多為線上化，處于業務數字化的階段。通過把物理世界的業務表達成數字，實現企業的降本增效。此時數字只是為物理世界服務的一種工具一種手段。所謂的黃金和鉆石階段，才是一步一步通過數字世界指揮物理世界。通過大數據平臺，物理世界的事物能夠響應數字世界的指令來做事情。此時企業走向數字業務化的階段，即數字就是業務本身。四個階段可以歸納為業務沉淀數據和數據賦能業務兩個層面，是實現從業務到數據到資產到服務的閉環。

數據賦能業務閉環全景圖

二、企業數字化轉型的核心技術與落地應用

CSDN責編楊陽：您在書中談到數字化的底層主要依托大數據和人工智能來支持。為什么是這兩個技術，不是云計算、5G，或者其他技術？您認為技術為數字化轉型帶來哪些推動？

楊冠軍：大數據和人工智能是和數字化轉型離得最近的技術，云計算、5G也是會對數字化轉型有助益的，很多中小公司都沒有技術能力去搭建自己的大數據集群，也沒有能力去存儲、計算、分析這些大數據，如果沒有云計算的IAAS和PAAS，那么數字化轉型對于這些公司來講基本上是天方夜譚了。那5G等網絡的進步，能夠讓數據的傳輸更加快捷，也就能夠采集、傳輸更多類型更多量級的數據，也為大數據輸送了原料。

CSDN責編楊陽：您目前在正在做哪些數字化業務？主要應用到哪些技術？能否舉例說明下這些技術在業務當中起到的核心作用？

楊冠軍：目前MobTech在做的數智平臺主要分四個部分。首先是豐富的數據積累，支持結構化/半結構化/非結構化的數據格式；其次是安全的數據接入，除了全量增量ETL外，還支持實時接入，并配合聯邦學習平臺；緊接著需要高效的數據處理能力，除了數據資產平臺，調度、標簽、模型的平臺外，公司還創建了自有的存儲和計算引擎，其存儲和計算分離技術也在大力投入中。最后，通過智能BI、知識圖譜、自助分析等平臺助力于業務場景，不僅如此，還有SAAS和PAAS的標準化輸出，支撐核心政企服務。

在數智平臺領域，數據打通是基礎，數據處理是核心，數據應用是目標。以數據應用智能BI平臺為例，就是要把數據的客觀情況快速展現出來，數據的問題快速歸因出來，數據的結論快速預測出來。智能BI平臺，通過多模態AI解析引擎，解析業務或用戶的需求。無論是自然語言描述的需求，還是規則需求，亦或是條件洞察、自助篩選的需求，都能通過BI平臺生成可執行的大數據任務，從數倉中拿到符合條件的數據，通過可視化、自助報表、數據大屏等形式展現出來，指導、支撐、輔助業務。當然也可以與第三方系統進行交互，進行二次深度分析。

MobTech數智中臺架構

CSDN責編楊陽：您提到“聯邦學習”，可以具體談談如何通過聯邦學習來實現多方數據的聯合分析、訓練和預測嗎？

楊冠軍：隨著數據安全、數據合規逐步受到重視，數據交互層面的安全性已經是重中之重，聯邦學習技術可以在不進行數據交換的情況下，通過加密技術完成聯合建模，同時具備雙方特征的優勢，去更好的應用到生產。

在ToB場景里，比較常見的一種聯邦學習類型叫縱向聯邦學習。其邏輯是進行模型訓練之前，首先要進行樣本對齊，通過隱私求交算法，比如基于RSA加密的隱私求交算法，來計算出聯合建模雙方共同擁有的樣本，并對雙方樣本的y值和標簽進行對齊，這一步除了雙方樣本交集內的樣本不會向對方泄露交集外的任意樣本。

比如，在進行模型訓練時雙方要聯合訓練一個邏輯斯特回歸模型，雙方的數據存儲在各自的內網機器中，每輪迭代過程中，不直接交換原始標簽數據X和y值，雙方只交換同態加密后的中間計算結果和模型的梯度，由一個可信第三方來進行參數和模型損失的更新，當模型收斂時，聯合雙方會分別存儲訓練好的半邊模型，即雙方各自的X的參數w。當需要進行模型預測時，也需要雙方共同參與預測，雙方分別計算半邊模型結果wx，再由預測任務的發起方進行模型最終結果的計算和輸出。

聯邦學習邏輯圖

三、企業數字化轉型的現狀和展望

CSDN責編楊陽：您在文章中提出了一個設問，內容是現階段產業界是否搞清了“數字化”和“企業數字化”的區別？您認為它們的區別體現在哪些方面？

楊冠軍：產業界目前還沒搞清楚企業數字化轉型的定義，很多企業嘴上喊著數字化轉型，花了一兩年沒得到啥水花，就說數字化轉型是空中樓閣。如果數字化轉型都這么容易看到效果的話，那充其量算一個小小的數字化升級，離轉型還差著十萬八千里呢。轉型是重構商業模式，既然是重構，就必然是一個長期的過程。

數字化轉型涉及到企業方方面面的東西，如組織，文化，管理，營運等等。實行數字化轉型實際上就是企業的一種變革，是對生產資料、生產環節、生產方法和生產者等的一種變革，進而推動企業形成新的核心競爭力。

CSDN責編楊陽：您文中提到“數字化管理”是企業“最容易忽略的部分”，這一現象的原因是什么？具體來看，都有哪些容易忽視的方面？

楊冠軍：我先說一下管理的三個階段吧，這個在我寫的《數據賦能：IT團隊技術管理實戰》一書中也有介紹，就是制度化、信息化、數字化，分別對應人治、工具治、數據治。當下管理大多還停留在人治或者工具治的階段。執行復雜、評價片面、信息孤島、數據靜態等現象更是層出不窮，這就會造成管理淹沒在細節中而無暇顧及全局。整體上看無論人治還是工具制都是很難有效落地的，也是很難公平公正得評判工作，更加不可能把工作的價值詮釋清楚。更為矛盾的點是科技本身已經進入了高大上的數字化/智能化時代，而對團隊的管理反而只是停留在低階的工具化時代，這是真的有點不可思議了。

究其根本原因，有三點，一是數字化管理注重修煉內功，很容易動力不足。二是數字化管理通常會增加管理成本，對于管理者以及被管理者來說都會有一個漫長的學習成長過程。三則是數字化管理是個長線仗，短期內很難衡量成績。這三者就導致了數字化管理會被天然的忽視。但往往決定企業成敗的關鍵就在于數字化管理，其是數字化轉型中最基礎的組織部分，是企業數字化轉型的地基，稍有不慎容易塌方。

CSDN責編楊陽：對于數字化轉型的未來，您還有哪些期待和建議？您認為還會有哪些更多的應用場景？

楊冠軍：可以篤定的是，數字化轉型一定是主流趨勢。不做數字化轉型的企業，會逐漸淹沒在歷史的洪流中。不學數字化轉型的技術人，也會被逐漸淹沒在歷史的洪流中。最期待的場景是通過大數據驅動出一個數智世界。這個世界中，你可以在短期內完成物理世界中一輩子都無法完成的事情和體驗。

CSDN責編楊陽：您在上一個問題中對數字化轉型的未來充滿期待，如果這些場景真正實現了，那對于開發者來說需要做好哪些準備？比如說在對未來的產業發展預判、核心技能的掌握等方面。

楊冠軍：引用一句口頭禪：“堅持身體和靈魂都在路上”。持久戰最后比拼的東西越是基礎的體力、智力和心力。首先體力是基礎。數字化時代也好，非數字化時代也罷，只有保持足夠給力的身體和體力，才有可能奔跑著趕上數字化的浪潮。其次智力是極其重要的。要保持足夠的開放，去學習去鉆研去擁抱新的知識，人永遠沒有辦法兌現自己認知以外的價值，所以必須通過持續學習去提升認知，抓住機會。最后則是心力，穩定的身體才能支撐穩定的心態，從而發揮最好的狀態。如果心態不穩，才智一定會大打折扣。

價值驅動企業，轉型賦能未來。本次直播對話采訪，MobTech袤博科技首席數據官楊冠軍從基礎大邏輯、核心技術、落地應用以及未來展望等多方面剖析了企業數字化轉型體系構建中將遇到的難題，幫助大家探索以數字化激發企業增長動能的理論依據與實踐方法，繪制企業數字化轉型的最佳路徑和最新視角。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

標簽：數字化