近几年来，人工智能这个话题可谓热度爆表。对于新科技的出现，有人赞赏人类智慧的发达，对于新生事物有着不泯的好奇心。同时，也有人为这样的发展感到焦虑，纠结人类会不会被人工智能所取代，答案当然是不会。因为在相似的办公场景下，人终究是比机器代码要灵通的。信息时代产生了浩如烟海的大量数据，这些数据已难以靠人工处理，迫切需要走向智能。在互联网办公时代，我们要怎样借用互联网这个平台去学习智能化办公？ 在现在信息化的企业办公时代，同样在智能上存在着的办公自动化系统， 是为满足各大企业办公运营管理的智慧应用管理平台，优秀的办公系统正步入整合化、智能化的时代，为此优秀的系统厂商正努力的让办公系统越来越多的整合来自系统内部和外部的数据，并进行智能分析，生成统计报表，为领导者提供精准的决策依据。显然办公自动化这一人机系统，人、机，缺一不可。 管理是艺术，但更是科学。它依赖于个人的能力，但更依赖于因科学的方法和工具而建成的一整套完善的体系。如今的企业领导者正运用算法决策工具和高精尖的软件来管理他们的机构。目前以云计算、大数据、移动技术为代表的新一代 IT 技术正在紧密融合，而对办公自动化系统来说拥有一颗智能“大脑”，其必然也要进行自身的升级换代，智能化、整合化则是一个很清晰的未来。

2018/02/07

今年，人工智能首入政府工作报告，成为热门词汇，引发广泛讨论，并由此引发各行业“智能化”热潮。作为具有中国特色的互联网产物，OA产业在“智能化”的革新道路中已经有所突围，以九思、浪潮、联合永道等为代表的新型oa系统悄然兴起，给OA行业“智能化”的发展道路带来了新的启迪。不过，业内专家分析指出，虽然时下OA办公系统领域涌现了一批老品牌的新智能产品，应用值很高。但站在整个OA产业链的角度来看，仍然存在一定的挑战。所以，基于互联网科技的变迁性，OA系统软件厂商最好的发展模式就是以完善的架构体系去适应移动互联网的“智能化”节奏。 从现实来看，OA“智能化”的市场需求，使得OA办公系统产品必须及时跟上了模式革新的脚步甚至有所创新。以现有OA平台为例，通过创新技术优势为企业用户提供智能化的工作平台，并且功能应用贴合企业日常运转，可以满足各种办公需要，智能、便捷、灵活，充分利用碎片时间，极大地提高工作效率，为企业创造“时间效益”。 根据相关机构市场调查显示，OA办公系统实用性和易用性对系统的用户黏着度有很大的影响。更为关键的是，界面美观，操作简单，运行流畅，人性化体验的OA避免了大量的数据刷新操作，既降低了oa服务器的压力，又最大限度的节省了手机流量，节约用户资费。诸如产品的安全性、服务能力以及移动互联催生的社交化趋势等，这些用户最关心的问题也是oa智能化路上必须要考虑的，毕竟用户才是支撑OA持续发展的动力所在。

2017/12/09

从2012年的“用户标签”到2014年的“用户画像”，从2015年的“大数据”到2017年的“人工智能”，大数据正在从神坛走向现实。 “标签”到“画像”，代表着数据在数量和维度上，逐渐在丰富：“大数据”到“人工智能”，表明从原始数据到本体认知的过渡。 无论是数据积累的量变到质变，还是数据到认知层面的过渡，大数据已经开始在一些特定领域和场景下为客户解决实际问题，创造价值。 本文将从产业链、市场、误区、挑战四个部分对大数据市场现状以及下一步的发展提出自己的观点与洞察。

2017/10/13

很多客户认为大数据就等于买数据，在应用的过程中生搬硬套；或是对大数据的不切实际的预期，要么是将其神话，要么就对应用的过程缺乏耐心；还有人认为有很多数据就应该能马上产生价值，但实际情况是数据准备不足，基础薄弱。 误区一：大数据等于买数据 很多行业客户最初对外部数据的认知是从购买外部数据开始。无论是用户画像，还是做其他用途的数据。客户还延续了IT建设的思维，认为所缺的只是外部的数据。有了外部数据，依靠自身的力量也完全可以完成大数据在所在行业的应用。别人搞大数据做用户画像，就也来画像；别人提大数据能精准营销，那也来搞精准营销。并没有从认知层面建立数据思维，对大数据有一个全面的有高度的理解。这种生搬硬套的做法也从某种程度上导致了数据应用效果不好的局面，没有真正将数据发挥其应有的价值。 外部的数据应用是属于跨域的数据应用，需要很强的专业性。这一工作既需要了解市场上各类数据的属性，也需要了解如何将数据加工才能满足行业的需求。并不是每个数据都能为行业的某个需求做出明显效果的；也不是经过一次的采购就能完成的事情。也许，三五年后，当外部数据种类稳定且成熟，行业内部自身的数据专家也可以主动地去选择外部的数据，依靠自身的力量完成与内部数据的融合，去满足业务的需求；但在今天，可能更多地还要依赖外部专业数据团队的帮助。 误区二：大数据是万能的 在外部数据应用的过程中，还有一个主要的误区就是对数据应用的不切实际的预期。要么是将大数据、人工智能神话，要么就对数据应用的过程缺乏耐心。 首先，大数据本身是一门技术，它与其他技术一样都有着它的局限；大数据不是万能的，但是数据思维是可以创造很大价值的。 其次，外部的数据产生的业务场景与行业不同，因而在使用的过程中，就要仔细甄别，不断调整。距离行业需求越近的数据质量越高，做出的产品就越好。但无论多近，外部数据始终是外部数据，其产生的环境与行业的需求大多不会100%契合，所以就需要专业数据团队的进行加工、处理，经过几个轮回的迭代才可能取得好的效果，要有足够的耐心。 误区三：有大量的数据就马上能产生价值 有很多行业用户，依靠多年的积累形成了大量的数据。他们认为有大量数据就能马上产生价值。先不说这些数据的维度和质量能产生多大价值，首先面对的是大量的数据格式混乱，数据字段不一致，要想发现其价值就如从杂草堆里挑出一根针。 对于大多数行业客户而言，首先都面临数据的归集与治理的工作，磨刀不误砍柴工。 无论是“大数据等于买数据”，还是对“大数据是万能的”，还是“有大量数据就能产生巨大价值”都反映了数据应用在大数据在行业的应用尚属初级阶段。

2017/9/21

尽管大数据已经经历了五六年的发展，数据无论在维度上还是数量上都已经比几年前有了很大的改变。但是客观上讲，还没有达到质的飞跃。由于相关的法律建设没有完成，大量数据被滞留在少数流量入口处，形成了一个个数据的孤岛。还没有形成数据的有效打通、流转，更谈不上创造新的价值。 我依然坚持2017年初的判断，数据仅在局部市场，特定的场景已经成熟，可以为客户创造很大的价值。但还没有办法形成规模化市场，这是由于数据发展的成熟度决定的。 数据的缺失，并不能靠高明的算法弥补。这与统计模型，大数据还是人工智能都无关系。只能面对这一现实，去寻找先期成熟的市场，尽可能地立足现在的数据以及算法帮助客户解决他们的实际问题，创造价值，形成商业闭环；同时积极地关注其他市场的成熟。数据应用市场与其他早期市场并没有不同，都是由点及线，最后再到面的。这是个螺旋上升的过程，没有捷径可循。 数据思维的建立 与数据的缺失相比，一个更大的挑战在于数据思维的建立。我们正在经历一个从IT到DT的跨越的时代。大数据、机器学习、人工智能都是这一跨越中的工具。但不幸的是，很多用户甚至从业者还是沉迷于技术本身，把大数据等同于一个普通的技术，没有上升到数据思维。 数据思维绝不只是技术部门的事情，而是整体战略的问题。数据思维要渗透到每一个部门，每一个环节，用数据去辅助决策，让数据去重构业务流程，数据应用才能发挥其最大的价值。只有将数据思维贯彻到企业的每一个环节中，数据才能真正转化成生产力，数据的价值才能真正得以体现。 大数据技术是战术，而数据思维是战略。 2017年，产业格局越来越清晰。无论是数据服务平台提供商，还是数据解决方案提供商，都在正确的方向上走出了坚实的一步，其价值已经得到了各自市场的认可，进入了良性的循环。虽然，我认为大数据的真正高潮还未到来，短时间内还处于投入大于产出的局面，但曙光在前，已经在一个量变到质变的积累过程当中。随着技术和数据的进一步成熟，随着行业的深入，相信不远的未来（可能是2-3年）将会迎来数据时代的真正高潮！

2017/09/02