1.1.4　數(shù)據(jù)質(zhì)量：數(shù)據(jù)可信和一致化的要求程度高

基于業(yè)務(wù)特征和運(yùn)營環(huán)境的特點(diǎn)，非數(shù)字原生企業(yè)對(duì)數(shù)據(jù)生成質(zhì)量有更高的要求。數(shù)據(jù)產(chǎn)生時(shí)的質(zhì)量高低不僅直接影響產(chǎn)品質(zhì)量，而且直接影響整個(gè)內(nèi)部業(yè)務(wù)的運(yùn)作效率和成本。例如，華為公司會(huì)對(duì)合同錄入質(zhì)量進(jìn)行嚴(yán)格度量和控制，以確保下游各環(huán)節(jié)能夠及時(shí)、準(zhǔn)確、完整地獲得所需數(shù)據(jù)，并在整個(gè)端到端鏈條中對(duì)異常數(shù)據(jù)進(jìn)行嚴(yán)格監(jiān)控。數(shù)據(jù)質(zhì)量要求嚴(yán)格，需要配置多重精確規(guī)則，基于客觀事實(shí)多重校驗(yàn)，確保數(shù)據(jù)可信、一致。

非數(shù)字原生企業(yè)在消費(fèi)數(shù)據(jù)時(shí)對(duì)數(shù)據(jù)質(zhì)量的要求也更高，一般會(huì)更聚焦于與業(yè)務(wù)流程相關(guān)的特定場(chǎng)景，更關(guān)注業(yè)務(wù)流程中問題的根因和偏差，數(shù)據(jù)挖掘、推理、人工智能都會(huì)聚焦于對(duì)業(yè)務(wù)的理解，面向業(yè)務(wù)去做定制化、精細(xì)化的算法管理，因此消費(fèi)數(shù)據(jù)時(shí)的質(zhì)量容錯(cuò)空間非常小。

上面所列出的非數(shù)字原生企業(yè)的特點(diǎn)，是我們基于華為的發(fā)展和對(duì)行業(yè)的認(rèn)知所總結(jié)的，包括對(duì)非數(shù)字原生企業(yè)存在的問題和歷史包袱等的表述，只是管中窺豹。聯(lián)合國工業(yè)體系分類中525門小工業(yè)體系的差異，足以說明非數(shù)字原生企業(yè)數(shù)字化轉(zhuǎn)型的復(fù)雜性。精益管理技術(shù)下的不合格產(chǎn)品的“小數(shù)據(jù)”，讓制造業(yè)AI難以基于這樣的數(shù)據(jù)量訓(xùn)練出性能良好的產(chǎn)品質(zhì)檢模型，同樣說明非數(shù)字原生企業(yè)的數(shù)字化轉(zhuǎn)型不可能是對(duì)數(shù)字原生企業(yè)的簡單復(fù)刻。