［译］商业成功的数据化五步曲
大数据文摘“金融与商业专栏”视角集中在金融及商业决策分析相关的大数据分析文摘，内容涵盖金融、信贷、风控、投资、理财、商业等领域。鼓励独家首发与观点原创，行业前沿理论分享，国外优秀文章翻译以及行业领袖采访演讲编译，力争刊出更多金融和商业领域相关精品文章。欢迎各位同行及对数据分析感兴趣的朋友加入，共同分享交流。
欢迎熟悉外语（含各种“小语种”）的朋友，加入大数据文摘翻译志愿者团队，回复“翻译”和“志愿者”了解详情。
大数据文摘翻译作品，如需转载，请后台申请授权。
大数据文摘翻译作品
作者：Markvan Rijmenam
翻译：朱潇男；校对：秦时明月
欢迎个人转发朋友圈；其他机构或自媒体转载，务必后台留言，申请授权
在现在这个变幻莫测的世界里，大家越来越喜欢给一个事物加个后缀—“什么什么化”。比如之前的“游戏化”，以及最近流行起来的“数据化”。数据化其实是将一个通常的商业流程转变成以数据为驱动指标的过程。整个过程大概包括了数据的收集、数据的归集与存储、数据的分析与重新建立关系--并最终发现新的商业机会。数据化相对来说是一个较新的现象，代表了数字与现实的交互。
数据化这个词如果运用到我们工作生活中能代表很多含义，而且它们应该比我们想象的还要深刻。所以，理解如何将商业过程“数据化”是非常重要的。同时，它也能让你更好的为即将到来的“数据驱动型社会”做好充足的准备。
数据化与物联网
最明显的关于数据化的例子就是代表了自我量化以及可穿戴趋势的AppleWatch。用户可以通过AppleWatch生成关于用户自身的大量数据并加以分析，也可以同其它的数据相关联从而启发出更多与个人生活息息相关的见解。
对于公司组织来说，数据化过程是从收集数据开始的--从各方数据源获取的大量数据。物联网将许多产品及装备联系在一起，为搜集各种数据提供了可能性。我们可以想象下平时人们怎样在办公室间流动（人力分析），司机是怎么开车的（交通分析），或者不同的产品的使用情况是什么样子的（产品行为分析）。
根据最近的Ericsson的数据化报告，一共有四个方面的数据化实例：
1． 个人数据化：包括客户是怎样通过智能手机上的应用程序产生个人信息数据，个人风险指数的评定以及个人信用评级等等；
2． 商业流程的数据化意味着精简和提升现有的商务流程：这个可以用来重新配置现有的供应链系统或者是金融业务流程。比如说，小额支付的迅猛增长能够提供更多购买习惯的信息，从而对金融行业产生极大的影响。
3． 城市的数据化：智能城市是一个代表—城市里布满了各种智能传感器用来收集数据，从而提升城市的整体管理流程效率，比如垃圾回收、公交系统等。
4． 私人生活的数据化能够向我们展示人们平时是怎么生活的。例如，他们什么时候会打开热水器，多久洗一次衣服，喝多少咖啡等。所有这些都是从一点一滴的数据中收集出来的。
数据化五步法
综上所述，怎样做数据化呢？下面我们提供的五个步骤让你加速处理你的业务数据化流程：
1． 让你的办公场所、产品以及你的整个组织变得智能化。这意味着你能通过传感器和物联网来收集数据。记住一定要连续并且广泛地收集数据，不管是从办公室也好还是人或者设备也好。这些数据可以为后面打下很好的铺垫。
2． 取样数据放回原环境测试以确保数据质量。因为数据的质量和准确度是数据化中极其重要的一环。
3． 消除你系统中的数据孤岛。数据往往以“数据竖井”的方式分散地存放在不同的部门和个人手中。当把数据集中起来以后，比如以数据池的方式，就会将不同的数据之间建立联系，消除数据中互相孤立的情况。
4． 重新审视你的组织和业务。组织的数据化为你展开了一系列新的可能，所以你应该跳出原有的束缚，在新的架构下重新找寻新的机会。
5． 以“概念验证”为开端更好地理解大数据给你的公司组织带来的许多可能性。开始数据化过程是一点一滴来的，没办法一蹴而就。
当你正式开始做数据化的时候你就会发现，它远不只是一个技术的挑战那么容易。数据化过程涉及到整个组织的每个方面，包括商业流程，战略流程，数据监管，公司文化等。所有这些方面在做数据化时都应该被考虑到，而这并不是一个简单的任务。
【译者简介】
有意联系译者，请给“大数据文摘”后台留言，附自我介绍及微信ID，谢谢！
朱潇男，南开大学管理科学与工程系学士，香港中文大学系统工程与工程管理学系硕士，现供职于美国万事达卡国际组织北京代表处。
秦时明月（王玥），南开大学国际经济与贸易专业学士，加拿大皇后大学数据分析管理学硕士。曾就职于小微借款及信用风险评估管理公司担任数据分析工作，对于个人信用评分，自动审批系统和反欺诈风险管理方面有丰富的实践经验。对大数据在金融及市场营销领域，尤其是互联网金融领域的应用有浓厚的兴趣。非常希望结交各路大数据人才，并和大家讨论分享大数据趋势。
来源：https://datafloq.com/read/5-steps-to-datafy-your-business-and-be-successful/1014
数据分析, 数据挖掘
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！
