上述“三步走”看似简单，但真正实现起来还需做非常多的工作。本篇仅从技术的维度挑其中两项进行阐述以供讨论，一是第二步中的“企业内部高质量数据”具体如何定义以及如何建立？二是第三步中的“将AI能力嵌入到企业所有的业务流程中去”的前提条件是什么？

1. 企业内部高质量数据如何定义以及如何建立？

当我们谈论企业内部高质量数据如何定义时，一般会从技术的维度讲要所有的数据“完整、准确、及时和一致”，这些维度固然非常重要，但这仅仅阐述了“数据本身”的高质量，而没有提到“数据处理能力”的高质量。

什么是“数据处理能力”的高质量？如果用一次词来概括就是“还原”，只有通过数据处理“还原”了碎片化的实体、碎片化的场景，数据本身的价值才能真正发挥出来，才能真正打破企业内部多年来一直困扰的“数据烟囱”。

如何实现“还原”？我觉得阿里巴巴在“OnePerson、OneProduct、OneLocation、OneIP”数据资产建设方面的实践经验非常值得借鉴。

OnePerson，识别一个“碎片化的个人”，让似是而非的行为数据串联融合起来，在此基础上，用大数据的处理能力还原了“碎片化的个人”。

很多人可能同时拥有手机、个人电脑、平板电脑等多个数码设备。比如，某个人拥有两部手机、一台iPad、三张信用卡，这个人每天都登录阿里巴巴旗下各业务的APP或网站（例如淘宝、天猫、高德等）。在这种情况下，你能不能知道这是同一个用户（One Person）？你有没有这种识别能力呢？这时，有谁能够识别这三个设备和三张信用卡背后的用户都是一个人？有多大的能力去识别一个“碎片化了的个人”，将是一个巨大的考验和商业机会。

识别出One Person后就可以把散落于APP和网站内外似是而非的行为数据串联起来，用大数据的处理能力还原“碎片化的个人”，包括跨屏、跨端、跨域的自然人身份识别，高质量、可解释的基础标签，全方位识别消费者需求与兴趣，在此基础上才实现了数据化运营的场景，例如人群圈选、人群应用、洞察分析、千人千面等。数据本身的价值自然也就呈现。

而对资产密集的电力行业来说，识别“一个碎片化的设备”就是“数据处理能力”高质量的一个起点，我觉得这和阿里里巴巴识别“一个碎片化的个人”背后的技术逻辑是一致的。

2. 将AI能力嵌入到企业所有的业务流程中去的前提条件是什么？

将AI能力嵌入到企业所有的业务流程中去，这是落地AI+的“最后一公里”，但如何才能走好这“最后一公里”？我觉得可以借鉴曾鸣教授在其《智能战略》一书中提出的自动化决策的五步骤：

步骤‍‍	关键行动
将物质世界数据化	将功能和资产上线
将每项业务软件化	将决策链编码
让数据流动起来	设计应用程序接口、允许数据连接
完整记录实时数据	将全部实时数据都记录下来
应用机器学习算法	协调和优化

对照来看电力行业的上述五步骤的实现情况，电网走的是比较靠前的。但在发电集团，尤其发电集团还包括除发电以外的煤炭、煤化工、运输等多个业务板块，要想实现上述五个步骤还有不少功课要补。

如何补课？从技术平台的角度我个人非常认可国资委在20年发布的《关于加快推进国有企业数字化转型工作的通知》中针对技术数字技术平台的描述：“探索构建适应企业业务特点和发展需求的“数据中台”“业务中台”等新型IT架构模式，建设敏捷高效可复用的新一代数字技术基础设施，加快形成集团级数字技术赋能平台，为业务数字化创新提供高效数据及一体化服务支撑。”

但在“数据中台”“业务中台”等新型IT架构模式落地过程中，我觉得电力行业是被不少自己都没干过“数据中台”“业务中台”的服务商给带“歪”了。站在现在回头看，可能理解的会更加深刻。

电力行业现在及未来几年里落地AI+三步走的过程中会是什么样的呢？我们都很期待！