数据驱动的闭环步骤是哪些？

这个我知道，答案都来自报告《中国企业数字化转型白皮书：成就数据驱动型企业》，如果有兴趣了解更多相关的内容，请下载原报告阅读。

1.数据采集是数据驱动闭环的起点

数据采集是数据驱动闭环的起点，是创造数据、重构系统、建立连接的过程。以往的数据采集方式主要有两种：一是伴随运营过程 简单记录，最主要的特点是数据往往伴随着一定的运营活动而产生并记录在数据库中，比如超市每销售出一件产品就会在数据库 中产生相应的一条销售记录。这种数据的产生方式是被动的、是伴随性的；二是用户原创，随着流媒体、移动互联网设备的快速发 展，用户可以通过电商点评、平台意见发布等主动产生数据。

2.数据治理是数据标准化、资产化的过程

数据治理是数据标准化、数据资产化的过程。数据价值的体现，是建立在整条数据链路的效率和质量基础上的。利用数据治理首先 可以实现数据标准化，通过对数据的标准化定义，明确数据的责任主体，为数据安全、数据质量提供保障；其次，解决数据不一 致、不完整、不准确问题，消除可能存在的对数据意义的理解偏差，减少各部门、各系统的沟通成本，提升企业业务处理的效率； 最后，标准的数据及数据结构能为新建系统提供支撑，提升应用系统的开发实施效率。

3. 数据建模将数据转化为结构化知识

建模环节是通过数据建模，将数据转化为结构化的知识的过程。通过建模环节，系统可以从海量非结构化数据中抽取结构化知识，并利用 图分析进行关联关系挖掘，可以洞察“肉眼”无法发现的关系和逻辑，通过提取节点及关系信息，节点相互连接，形成知识网络结构，并 逐渐积累为企业的结构化知识库。结构化知识库将双向作用于人和数字系统，通过提炼出简洁清晰可复用的知识模型，可以协助人实现快 速回顾知识，节省下认知资源用于更高层次的思考，并形成小颗粒度的知识模块，便于系统自动进行知识重组和知识创新，为自动化、智 能化的数据洞察打下基础。

4. 智能决策是系统开展自动化数据洞察的过程

智能决策是系统自动化、智能化地开展数据洞察，推动业务和管理决策的过程。在应用初期，系统依靠AI技术进行数据洞察，帮助我 们判断哪些是可以被委派给计算机的决策任务，哪些是短期内仍需要依靠人来决策的管理问题。对于可委派的决策，通过计算机程序 自动分析、自动进行；对于尚需要人做出的决策，将管理层的决策行为作为知识不断输入系统，利用机器学习等方式促进系统形成智 能算法，通过知识发现系统，产生新的规则、算法或模型。

5. 指挥执行是用决策结果驱动行为的过程

指挥执行是用决策的结果直接驱动行为的过程，通过监控执行过程、分析执行结果、评价执行效果，做出改进措施等一系列活动，确 保数据驱动价值的实现。在系统完成自动化、智能化业务和管理决策后，这些决策将通过系统指令的方式实时指导企业各类业务经营 环节的最佳行动。这种由数据直接驱动的行为是整体性的，能够将企业复杂的战略决策落实到多环节、跨职能的业务场景上。同时， 系统将监测整个的决策执行过程，以便在用户交互和运营业务期间进行执行结构的动态分析和实时建议最佳操作。在此基础上，实现 对不断变化的执行情况和用户动态的快速响应。

6. 反馈改进是系统自动修正和完善的过程

反馈改进是系统结合决策反馈、行动反馈的情况，通过深度学习算法去自动修正和完善的过程，通过反馈使数据驱动最终形成一个动 态的、自主发展的闭环。在数据驱动下，系统是可以实现自我学习和完善的，但是这个过程需要反馈数据的不断输入，需要模型根据 比对决策结果、执行结果的现实数据把偏差信息反馈给机器学习，形成正向和负向的数据反馈，才能在其后不断的机器学习迭代过程 中自我完善。因此，数据驱动闭环要求要有流式的数据不断地注入，要有以机器学习为基础的决策模型，要有能依赖模型输出结果可 以推动的业务系统，还要有可以反馈预测偏差的反馈机制。