數智化時代，人人都在講“數據驅動”，諸如：數據驅動業務、數據驅動管理、數據驅動決策、數據驅動創新……，似乎數據可以驅動一切。但到底什么是數據驅動，數據是怎么進行驅動的，它和數據應用是什么關系？了解了這些問題，它將幫助企業更加深刻的了解到如何充分發揮數據的作用，助力企業決策和運營。
簡單來講，數據驅動就是指基于數據的決策和行動。具體而言就是通過收集、分析和挖掘數據，來揭示隱藏的業務模式和趨勢，進而做出更明智的決策和采取更有效的行動。
具體來說，企業要實現數據驅動，則需要從以下幾個方面入手：
1、數據采集：收集與業務相關的各種數據，包括結構化和非結構化數據。
2、數據清洗：去除重復和錯誤的數據，確保數據的準確性和可靠性。
3、數據分析：運用統計分析、機器學習等方法對數據進行處理和分析，以發現隱藏的模式和趨勢。
4、數據可視化：將分析結果以圖表、報告等形式呈現，以便更直觀地理解數據。
5、數據決策：根據分析結果做出更明智的決策，包括產品開發、市場推廣、運營優化等方面。
6、數據行動：采取更有效的行動來響應數據，包括優化業務流程、調整市場策略等。
因此，數據驅動既是一個過程，也是一個結果。
從過程的角度來看，數據驅動是通過采集數據、分析數據、挖掘數據等方式，從數據中獲取洞見和規律，并以此為依據進行決策和行動的過程。這個過程需要經過多個步驟，包括數據采集、清洗、分析、可視化、決策和行動等，是一個持續的數據循環和反饋機制。
從結果的角度來看，數據驅動是通過數據分析和挖掘，獲得對業務和市場的深入理解和預測能力，從而做出更明智的決策和更有效的行動。這個結果是一種基于數據的決策和行動方式，它能夠提高企業的決策效率和準確性，降低風險，提高競爭力。
數據驅動的重要性在于，它能夠為企業提供更深入的洞察和預測能力，從而幫助企業更好地理解客戶需求、市場趨勢和業務運營。同時，數據驅動還可以提高企業的決策效率和準確性，降低風險，提高競爭力。
提到數據驅動，大多數人第一時間會想到的是數據分析。
數據分析固然重要，但分析只是數據服務的一個層面，如果從整體上看，數據驅動或者說數據服務主要涉及五個層級，我們將其稱為“企業數據服務的5級寶塔”。
用友提出了數據驅動的企業數據服務的“5級寶塔模型”，如下圖：
第一層級：展現級
典型應用：企業數據報表和數據分析報告。展現級的數據服務是通過報表報告、可視化展示和定制化報表等方式，將收集到的數據以特定的方式展現出來，幫助人們更好地理解和分析數據。
關鍵技術：該層級涉及基本的數據統計和可視化技術，如數據圖表、報表等，用于對數據的初步理解和描述。在數據分析領域，通常將這類技術稱為“描述性分析”。
第二層級：分析級
典型應用：企業的經營分析、財務分析、人力資源分析。分析級的數據服務的特點是體系化、專業化，按照不同的業務主題構建指標體系，提供更專業的數據分析，從而讓數據產生洞察力，為管理決策提供數據支撐。
關鍵技術：該層級需要進行更深入的數據探索，因此增加了指標體系、標簽萃取等，以及會用到一些常見的數據挖掘算法，例如分類、聚類等。在數據分析領域，通常將這類技術稱為“診斷性分析”。
第三層級：控制級
典型應用：風險預警。控制級的數據服務能夠通過通過數據分析和挖掘，對業務過程進行監控和預測，發現潛在的風險因素和威脅，并及時發出預警，以幫助企業采取措施應對風險，以確保業務目標的實現。
關鍵技術：該層級需要對數據進行更加深度的挖掘和應用，涉及的技術包括機器學習、預測模型、關聯規則、異常檢測等，用于發現數據中的規律和異常。在數據分析領域，通常將這類技術稱為“預測性分析”。
第四層級：決策級
典型應用：智能定價。決策級的數據服務能夠通過高級的數據分析和機器學習算法，為企業的提供更加智能化的決策支持。與前三個層級不同，雖然前三個層級都能夠為企業提供決策方面的信息支持，而第四層級更強調自動化、智能化幫助企業決策。例如通過對數據的分析和挖掘，結合機器學習算法，為企業的產品或服務制定出更合理、更科學的價格策略。
關鍵技術：這個層級是在控制級的基礎上，結合業務知識和決策目標，進行決策優化和方案制定，主要涉及的技術包括決策樹、優化算法、模擬仿真等。在數據分析領域，通常將這類技術稱為“處方性分析”。
第五層級：創新級
典型應用：產品優化。創新級的數據服務能夠通過深入的數據分析和挖掘，結合業務知識和創新思維，為企業提供全新的業務模式和產品優化方案。例如通過對用戶行為、市場趨勢和競爭環境等數據的深入分析和挖掘，提供針對產品的優化方案，以提高產品的性能、用戶體驗和市場競爭力。
關鍵技術：這是最高級別的數據服務，涉及的技術也最為復雜和前沿，例如大模型、深度學習、自然語言處理、知識圖譜等，用于實現數據的自動化處理、理解和決策。
綜上，數據服務的“五級寶塔”，構成了企業數據服務的完整體系！這與數據分析領域的四層分析層次也是不謀而合，都是對于企業數據服務深度的一種分類和表達。不同之處在于，用友提出數據服務“五級寶塔”模型，更側重于應用場景層面，而數據分層的四個層次更側重于分析技術方面。
用友的數據服務能力涵蓋了“五級寶塔”的各個層面，致力于幫助企業實現數據驅動的數智化轉型。經過多年的企業數智化服務，我們也沉淀了大量的領先企業領先實踐。
領先實踐一：用友助力某食品加工企業建立“數智一體化”平臺
該企業業務經營過程中對數據應用能力不足，數據問題出現后無法完成閉環管理。部分數據無法進入系統進行統一管理，導致業務經營數據缺失，對集團整體經營管理不利；缺乏統一的數據標準，業務中臺與數據中臺無法實現無縫銜接，企業的智能化數據應用任重道遠。
該企業選基于用友iuap平臺構建了“業務中臺、數據中臺、智能中臺”三位一體的企業數智化底座，并構建了一些列智能化應用場景，幫助企業實現數智化轉型。通過構建統一客戶視圖，對重點、關懷、風險、異動等客戶群體，實施不同的營銷策略，從而實現精準營銷。基于約束理論最優化目標函數，結合遺傳算法構建了排產優化模型，通過優化排產，降低了企業生產成本。建立了風險預測模型，通過對現金流動性、利率敏感性、資本充足率、市場風險暴露值、異常交易、信用風險等指標和場景進行實時監控、及時預警。
領先實踐二：用友幫助某制造企業實現成本的精準測算和動態定價
某船舶配套設備企業主要為水上作業者提供安全設備和服務。這個行業有很多家同類型企業，競爭是非常激烈，產品報價至關重要，經常決定著業務經營的好與壞，該類企業產品品種多，疊加復雜的樹狀 BOM 結構，原材料價格波動直接影響銷售報價，所以，產品的單位變動成本更需要及時把控。
該企業采用了用友數據應用服務BOM 展算模型，將樹狀的物料清單還原為原始采購物料成本以及各工序的人工及制造費用的消耗數量和金額，清晰展現出每一個產品成本結構最真實的狀態。配合材料最新價格，模擬測算出價格持續上漲情況下原材料的成本，獲得產品成本中最直接的變動部分，在接單階段就能迅速估算出生產成本，為動態定價提供準確依據大大提高產品報價管理效率。同時，通過 BOM 展算模型也幫助該企業實現了組織內部不同阿米巴組織之間的動態定價。
用友以“客戶為中心”，站在客戶數據應用深度的視角，創造性提出了企業數據服務的“五級寶塔”模型，為企業數智化轉型提供了指導。其實，在這個模型中還有兩個隱藏層，即：五級寶塔的“塔基”與“塔頂”。如文末圖所示：“塔基”是指全面數據治理，夯實企業數據要素基礎。“塔頂”是數據資產的流通與交易，實現企業數據要素的真正變現。關于“塔基”與“塔頂”我們將在后續的文章進行詳細介紹，敬請關注！
用友BIP數據資產入表解決方案正式發布，助力盤活企業數據資產、激發數據要素價值。用友通過提供咨詢、設計、產品、交付、運營等全流程的解決方案與服務，幫助企業完成數據資產基礎入表、統一數據治理和釋放數據價值，并拉通數據服務到數據交易的通路，增強企業數據的開放、流通和變現能力，加速數據要素的社會級流轉。
掃描以下二維碼，即可獲取用友BIP數據資產入表解決方案！
產品行業
4006-600-577
