谢晨:符合三个条件的企业必须建立中台数据

谢晨：符合三个条件的企业必须建立中台数据。一是要有一定的规模，二是要有一定深度和广度的数据资产，三是要有基于数据的管理和风险控制场景。只要这三个条件基本满足，数据中心的建设是完全必要的。

数据中心实现的数据能力是实现智能财务的基础。它通过对内部和外部数据的深入洞察，捕捉新的商机，然后通过智能分析技术构建不同部分和领域的数据模型，实现数据可视化，优化企业的财务决策和商业决策。

在现有HR职能流程管理系统建设的基础上，推进整合的数字中间平台建设——即过去的HR系统(如核心HR、职业发展、招聘、培训等)。)都是纵向的烟囱。即使系统之间有一点等的集成关系，数据和服务还没有完全打开；要建立一个平台，实现数据和HR数字服务的完全共享，支持服务产品的创新和迭代；

数据中台主要实现哪些功能

数据中心是产品还是技术？严格来说，不是。它是一种可持续的企业数据使用机制，是一种战略选择和组织形式，是基于企业独特的商业模式和组织，通过成熟的产品和实施方法论的支持，不断将数据转化为资产，服务于业务的机制。它的底层逻辑是通过数字化的手段，将数据抽服务，以响应前端业务的快速变化。

数据服务(API)是数据中心的最后一公里，是数据价值输出的重要形式之一。API的生产效率直接影响数据赋能业务的效率。

其实数据能力并不是真的。从数据仓库、数据湖、数据中间站，甚至业务分析、数据分析、数据科学，人们对数据的理解和应用都在进一步提高。那些过去高大的名字，正在逐渐像统计学、机器算法的根源一样去卷，不是另一种局限性。

另外，在全面数智化的前提下，用友数据中台采用智能发现类产品，如智能交互机器人，通过多轮对话，将企业数据从拉式转变为推式，主动将数据推送给关键决策者。

赵理明:一是应用范围将进一步扩大，需要综合考虑业务战略、组织架构、数据市场、技术演进和业务场景，构建更有利于业务发展的数据能力体系；第二，数据AI整合的数据中间站将成为一种发展趋势，包括数据AI和AI数据。

白皮书讨论了AI中台应该具备的四大关键能力。综上所述，AI数据需求趋于精细化、场景化、完善的数据服务体系将是AI中心的基础；随着自动机器学习技术的加速发展，AIR&D平台已经成为技术包容性的关键；AI部署和运行越来越复杂，系统化工具成为大规模应用的保证；AI模型已经成为企业的新资产，AI资产管理势在必行。