前言
在很多企业还徘徊在数字化大门之外时，有些头部公司已经开启了企业的数字化进程，并取得了不错的成绩。‍‍‍‍
最近一段时间，我访谈了几位数字化领域领先的公司高管，想要深入了解他们在操盘公司数字化过程中的收获和体会。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
访谈一圈下来，这些先行者让我感受到数字化推行的艰难远超想像。门外的公司觉得数字化门槛很高，迈进去很难；而已经入门的会发现，前途更是充满荆棘。很多之前完全没想到的问题横亘在面前，可以说是一步一坑。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
所以我想把这些案例整理出来，一方面记录一下数字化过程中的艰难，另一方面也给后来者一些参考，避免重蹈覆辙。（这类文章如果大家喜欢，可以多给我留言。我会持续采访数字化专家，为大家带来更多观点和视野）
我没想到，光是维持数字化模型的稳定就要花费如此高的成本‍‍‍‍‍
访谈者介绍
R是国内某金融集团的数据负责人，负责集团的整体数字化转型工作。他有近20年的数据工作经验，是一名从一线做起的数据全能型人才。‍
采访正文
我算是中国国内最早做数据的一批人，毕业后进入国内通信领域的顶尖公司，负责内部CRM的建设。因为工作需要，阴差阳错的进了数据这个圈子，从数据底层开始做起，一直做到上层应用，再做到数据分析，释放数据价值，算是端到端都做过了。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
五年之后，这家公司搭建数据中台，于是我又作为初创人员加入到公司内的数据平台建设之中，通过7年的时间，为这家全球公司初步落地了数字化解决方案。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
后来来了现在这家金融集团，一方面觉得金融的数据准确性更好，另一方面觉得数据在金融方面的应用更直接，更能产生价值。我来了以后主要负责整个风险的二三级管控，当时这部分工作主要依赖审核人员的经验，整个流程以手工为主，效率非常低。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
我当时提出通过标签+规则+模型的方式，把审核人员的经验沉淀成组织能力，并借助系统来提升效率，这个想法在8年前还是比较先进的。得益于集团老总的认可，我从零开始搭建团队，一步一步做近200人的团队（这里特别感谢你那篇《从零到1搭建数据团队》，让我受益匪浅）。‍‍‍‍‍‍‍‍‍‍‍‍
在这几年里，我们搭建了2000+个标签，近千条规则和大几百个模型，现在集团内有60%+的风险是通过系统自动发现的，为公司节省了大量的人力成本。当时我真的十分自豪，觉得自己算是彻彻底底把数字化这件事落地了。可以说，我是数字化坚定的追随者，深信其必将改变我们的社会甚至人类历史。
可是从去年下半年开始，我却陷入了深深的迷茫之中，甚至一度动摇了对数字化的信心。原因就是随着我们数据资产的增加，我发现为了防止它们腐败就需要投入大量的人力。
比如，如果每个月有10%的源数据发生变化，为了要保证数据资产可用，我们需要做大量的工作：数据修正，重新跑标签，修改模型等等，光这些事情就把我团队的人拖死了。对于老板来说，一个200人的团队没有新的产出，而老的能力还时不时出问题，就会提出严厉的质疑。真的是跑马圈地一时爽，后期维护火葬场。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
更让我觉得泄气的地方在于，即便加人，我也很难突破60%的风险自动发现瓶颈，因为业务发展和变化的速度已经超过了团队搭建模型的速度。比如，业务要快速发展，很多业务开始是手工做的，根本没有信息系统，没有数据，我想入手成本很高；再比如，一些反欺诈规则，当我们发现并沉淀下来可能需要两个月，可一旦上线使用，外部欺诈者很快就能发现并做出应对。这就导致我们花了两个月时间的成果，刚刚跑两天就失效了，投入产出严重不匹配……。
现在的我有些怀疑，数字化是不是还是有阶段的，至少目前这个阶段，数字化并非我们想像中的那么美好和强大，还是有很多力所不逮的领域。‍‍‍‍‍‍‍‍‍‍‍
对数字化的思考
数字化是趋势，但数字化不是万能钥匙，它也需要有天时和地利的加持。‍‍‍‍‍‍‍‍‍‍‍
数字化离不开数据，而要准确、高效的获取数据就离不开信息系统。传统意义上，实现业务信息化不但时间很长，而且很昂贵。所以很多业务刚刚开展时，业务往往等不及上系统，人员手工先跑起来，这对于数字化来说是很不利的。
但这个问题也有突破的趋势。最近系统研发领域掀起一股低代码风潮（就是不用或者用很少的代码就可以写出一个应用），包括大模型的智能编码（给出需求，代码自动就出来了），一旦能够落地，信息系统的建设成本将极度降低，数字化的基建问题就解决了一大部分。‍‍‍‍
而回到模型、标签的维护上，这个短期来看没有突破的迹象。但如果大模型能够进一步演进，如果模型、标签的创建和维护可以部分甚至全部托管给人工智能呢？这样现在担心的效率和成本就不再是问题，就能充分发挥数字化带来的价值了。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍
事物的发展总是螺旋状上升的，有时候可能明明做事情A，却需要B达到某个水平。我相信，当越来越多企业到达这个阶段时，就会有企业猛攻低代码和人工智能在模型维护上的探索了。这两件事可能短期得不到结果，但从长期来说，方向是正确的。
这篇访谈文章是我们在数字化领域的一次尝试，如果大家喜欢这个系列，欢迎点赞+转发，给我们更多的动力和支持。
END
大家对于小数点数字化社区感兴趣的小伙伴可以联系林佳，
备注：小数点社区，如果没有备注，不会通过哦
继续阅读
阅读原文