大数据行业经历了十余年的快速发展，正式进入数据智能化阶段，数据驱动决策，驱动业务发展的企业新需求，实现数据价值最大化。
「大数据」概念在国内从2010年兴起，至2012年真正火爆起来，早些年也有许多大数据相关的故事，后来虽被证实「啤酒纸尿裤」的故事是杜撰的，但它的数据分析成果早已成为数据智能应用的经典案例。
数据的核心价值在于从经验决策迈向数据决策，快人半步地认知世界。
数据智能对企业的价值
企业拥有数据不等同于能够解决问题，如何激活和释放数据价值则更为重要。
我们在深耕数据智能应用之上，也为零售领域各行业客户数智化转型赋能，助推企业降本增效。
举个例子：
奇点云为某家居建设统一的客户标签体系，实现了：
• 数据中台总数据量达到100T，客户数量达到3000万；• 新增有效客户标签200个以上；• 基于统一的算法标签实现客户精准投放，渠道投放成本每年节省500万元；• 基于精准营销，复购率比原来提升4%，营收比原来增加2亿元左右。
如何解决数据问题？
我们所有的企业在数字化转型走到今天，发现业务问题背后往往可能隐藏的为数众多的数据问题，如数据不通、数据不可用、数据变现等问题。
那么，如何解决这些数据问题？
数据问题不仅仅是数据本身的问题，奇点云基于中台建设思路，总结出了「盘、理、管、用」的数据方法论。盘清原始数据、理出数据资产、管妥数据资产、用出资产好价值。
从数据用起来的角度，根据业务场景，看数据是否已被收集、治理，是否已变成数据资产价值，所以叫「盘理管用」。但从我们思考的维度则相反，我们要关注怎么去盘、怎么去理、怎么去管，以及最终怎么去用。核心目的是让数据发挥价值。
数据资产盘点
奇点云认为，企业的资源，包括组织（人）、业务（系统）、数据（资产），三种资源相互影响，形成良性的闭环，螺旋迭代优化，才能成为优质资产，驱动数据发挥价值。
数据资产治理
数据中台领域的数据治理六要素：标准定义、数据模型设计、数据同步、数据清洗、数据建模、数据规范设计。
数据资产管理
数据资产：基于租户级别提供统一的数据管控体系，包括基本信息管理、数据血缘、数据操作、权限管理、生命周期、脏数据管理、类目管理。
数据资产应用全域数据：数据资产不仅仅是企业内部的数据资产，规划智能模型需要另外可使用的外部数据，包括交通、POI、商圈客流、天气、楼盘等，按需提供。
业务开放：开放数据API，赋能业务使用方。
经营决策：通过经营决策报表实时反映企业运行状态，助力企业管理者高效决策。
数据智能：是数据应用的最前沿，最终探索数据价值就是构建数据智能应用模型，采用深度学习等算法技术来实现数据智能应用模型，根据业务运行情况自动自我迭代。
如何最大化释放企业数据价值？
以上只是解决了数据平台层的各类问题，在数据应用层面，我们还需清楚如何释放数据背后的价值。
大数据不等于数据分析，也不等于数据价值。早年业界流传着两种说法，第一种是数据流派，不看业务而是通过海量的数据发现数据背后潜在的规则；另一种是业务流派，通过业务痛点看所需的数据，再通过代码得以实现。两大流派各有特点，但从发现数据价值的角度看，数据和分析的价值还需进一步结合业务场景最终实现数据价值。
数据价值的三个关键点
1、数据资产通
过「盘理管用」的方法论，把数据梳理成数据资产，是数据价值的基础，各类数据资产的模型、层次关系、关联关系。
2、数据分析
通过各种数据分析的方法和算法技术，从数据中发现价值。
3、行业知识
引入行业知识，构建行业特有的经验模型，实现数据价值的最大化。
上图从数据价值的角度，最底层数据采集和奇点云自研的AI驱动的数据中台，从采集到计算再到算法服务形成数据资产，恰到好处地解决了数据到资产的问题；数据智能应用层则解决了数据分析和算法逻辑的问题；在应用行业层我们有产研团队和行业专家，结合行业经验实现数据赋能。最终实现数据价值的三个关键点，让数据创造价值，让商业更智能。
要让数据发挥价值，先通过「盘理管用」的方法论解决数据的问题，再通过算法和数据分析解决技术问题，结合行业专家丰富的行业经验，最大化释放数据价值，驱动业务增长与创新。
