如何實踐數據應用循環

數據應用是指將數據轉化為實際的業務價值和效益的過程。但是，如何有效地實踐數據應用呢？這篇文章為你介紹了數據應用的四個階段，分別是業務數據化、數據資產化、數據資產服務化和數據服務業務化。你將學習到每個階段的目的、方法和工具，以及如何通過數據應用循環來不斷優化你的數據專案和數據產品。..........

目錄

➤ 數據應用循環

➤ 數據應用專案與數據應用循環的關係

➤ 數據應用循環對應的執行階段

➤ 數據專案的形成

➤ 數據應用循環是數據反覆疊加價值的一個過程

 ※ 數據應用循環

一個完整的數據應用循環包含四個階段：業務數據化、數據資產化、數據資產服務化、數據服務業務化。同一個企業，不同業務情境有可能位屬不同的階段，在做數據應用現況確認時，盡可能從單一事業領域或業務情境進行判斷，較小範圍的階段判斷，更有利於推進該業務的數據應用。

① 業務數據化：業務作業流程已電子化及使用資訊系統，相關業務數據已存放於資訊系統的後端資料庫中；

② 數據資產化：將同一事業領域的業務數據進行正規化及單一實體結構彙整，儲存於資料倉儲或資料市集中，且在固定時間進行數據更新，及批次數據分析，以取得批次分析或預測結果；

③ 數據資產服務化：將資料倉儲或資料市集中已彙整及分析的數據，提供給相同或不相同事業領域使用，透過API可進行數據資產更新，並且將數據服務的API進行集中管理；

④ 數據服務業務化：將數據服務融入業務作業流程中，透過API除了可進行數據資產更新，還可即時數據分析及預測，並將更新後的數據提供予資訊系統的作業流程使用，即回到業務數據化階段。

圖卡：數據服務業務化的現況情境盤點(示例)

 ※ 數據應用專案與數據應用循環的關係

數據應用循環的四個階段是循環且依序發生，在同一個數據專案中，有可能涉及兩個以上的階段推進，但不建議跳過任一個階段的實作。

例如跳過數據資產化階段，直接由A資訊系統提供數據服務API予另一B資訊系統使用時，長時間下來，API之間的耦合會快速複雜到難以管理的程度。

例如跳過數據資產服務化階段，直接由C資料倉儲提供報表查詢予B資訊系統使用時，長時間下來，會導致來源資訊系統要升級時，C資料倉儲的修改困難，也會導致B資訊系統可能無法再取得相同數據來源。

因此，一個設計完整的數據專案，都應確認專案起始點及終點，是否有規劃正確的數據應用循環，以建立長期可擴充，但數據結構仍維持住的數據環境。

 ※ 數據應用循環對應的執行階段

在單一事業領域或業務情境確定現況的階段後，需發展各階段需要執行的任務表，如下表，是一個典型的階段範例表，應依自身數據應用情況，確認以下各項：

① 首先，先將目前現況有哪些「階段任務」、「數據產出」及「數據計算」進行圈選，若有表中沒有的項目，匹配相對應階段填入；

② 定義各階段期望「業務價值」；

③ 對應業務「應用場景」；

④ 最後確認「執行階段表」欄中對應的技術架構或平台，以做為應用場景實施的場域。

經過前述過程的確認及規劃，可以避免每一個業務應用場景的需求各自獨立，導致長期下來有非常多獨立的數據應用或數據孤島；也可以避免技術架構或平台導入後，沒有善加利用，導致長期下來各技術架構或平台疊床架屋、資源浪費。

圖卡：數據應用循環對應的執行階段(示例)

 ※ 數據專案的形成

明確定義數據應用場景要實施的技術架構或平台後，即可形成一個「適當大小」的數據專案。這是什麼意思呢？

在決定數據專案時，假設只考慮業務應用場景，往往會因為涉及的資訊系統很多，導致數據應用的推動困難或曠日廢時；反過來說，若只考慮資訊系統的實作，又會落入無法滿足業務應用場景的情況，導致原本富有創意的數據應用就必需迫於資訊技術縮減實施。

那要如何定義一個適當大小的數據專案呢？例如以上表為例，假設現在希望推動一個精準行銷的專案，從表中可以得知，該應用落於數據資產服務化的階段，若前三個階段中，有尚未實現的階段任務時，表示這些任務為本專案的首要工作，依序即可以規劃出本專案需要執行的工作事項。

有了數據專案的所有工作事項後，進而就可以規劃出專案階段或子專案，就可以得到一個合適的數據專案了。

 ※ 數據應用循環是數據反覆疊加價值的一個過程

業務數據化、數據資產化、數據資產服務化、數據服務業務化，完整的數據應用循環說明了數據在這個過程中逐漸疊加價值，及數據賦能是如何實現的。

因此，確認事業領域或業務情境是處於循環的哪個階段，是數據專案啟動前一定要進行的工作，讓數據賦能具體轉換成可執行的行動，以達到收獲期望的數據價值。