數據中臺建設（四）：企業構建數據中臺評估

企業構建數據中臺評估

一、數據應用成熟度四個階段

每個企業的發展情況不同，到底要不要構建數據中臺？我們可以從企業數據應用的成熟度來評估企業要不要構建數據中臺。數據應用能力成熟度可以總結為統計分析、決策支持、數據驅動、運營優化四個階段，各自特點如下：

以上四個階段數據應用能力成熟度依次增高，數據應用能力成熟度越高，則代表數據對業務的支撐能力越強，應用能力成熟度越低，則意味著業務對數據的依賴程度越低。企業數據應用能力程度越高構建數據中臺越有價值，下面分別介紹四個階段。

二、 統計分析階段

1979年Oracle發布商用數據庫1.0版本、微軟公司在1989年發布了SQL Server，1996年MySQL發布1.0版本，20世紀90年代隨著UNIX服務器和x86服務器的普及，數據庫解決方案進入市場，開始大火，數據庫的建設成本和技術門檻大幅降低，越來越多的企業邁入IT信息化時代，實現生產和管理自動化的系統不只是大型企業考慮的問題，越來越多的中小型企業開始嘗試利用信息系統來進行流程和管理優化，因此MRP（material requirement planning物料需求計劃系統）、ERP（enterprise resource planning 企業資源計劃平臺）、CRM(Customer Relationship Management，客戶關系管理)、OA（Office Automation，辦公自動化）等企業管理系統的建設成為21世紀初企業信息化建設的一股熱潮。

這個時候很多企業往往不會只建一個業務系統，而是針對公司每條業務線都建立一個業務系統，這些系統將業務的開展情況通過數據保留下來，但是使用數據時候出現以下問題：

第一：業務從線下遷移至線上之后，每天產生大量業務數據的同時，不可避免的出現一些系統或者數據的問題，這些問題很多情況都需要專人來監控、管理和維護。因此公司設立了一些崗位：數據庫管理員（Database Administrator,DBA）或數據庫工程師（Database Engineer ,DBE）,通過DBA/DBE來對公司的底層數據進行設計、管理和運維。

第二：業務系統無差別記錄了業務流程中每個環節的數據，并存放在數據庫中的一張張表中，導致數據庫中分散存放了各式各樣的表，并且有些表可能還是臟數據，由于表太多，業務人員和管理人員無法從這些表中找打對應的原始數據并形成最終結果，所以企業又多了一類崗位：業務數據分析師，其職責主要是通過工具將底層存放在數據庫中的原始數據變成一份份圖表或者報告，從而從數據視角發現當前企業存在的問題。

該階段主要是以業務需求為導向，通過IT系統的建設實現業務過程的流程化、自動化，通過單一維度的數據統計分析進行業務總結。該階段主要特征可以參照上圖。

三、決策支持階段

隨著企業發展，管理者們發現數據的應用不能僅僅停留在單系統上，不能充分發揮數據的價值，這時，企業對數據的需求逐漸開始向更全面、更準確、更貼合業務管理決策的方向演進。

面對來自不同系統的數據，口徑、規范不一致，應該如何處理，最簡單的方案就是尋找專業的團隊，使用專業的工具來對不同系統中的數據進行抽象和提煉，形成一套指標體系，通過這條指標體系進行數據分析，實現對整個公司運轉情況的管理，正是沿著這個思路很多企業構建了企業級的數據倉庫，并同時開始了BI工具、大屏可視化等系統的建設，這些可以將大量復雜的原始數據抽象為指標，以可視化的方式呈現在決策者面前，為決策提供決策支持。

該階段主要是企業在業務系統建設的基礎上，基于業務目標有意識地進行數據收集、管理、分析，通過企業級數據倉庫建設，為企業業務提供決策支持。關于此階段的主要特征可以參照上圖。

四、數據驅動階段

無論是在“統計分析階段”還是“決策支持階段”，業務的運轉和分析結果數據之間依然是相互隔離的。因為分析結果主要給管理者來看，然后通過人工對業務開展進行不同程度的干預，最終實現業務優化。

隨著企業業務數據的不斷豐富，DT時代的到來，以及大數據、人工智能技術的發展，在應對海量原始業務數據不能直接被業務使用問題時，業務部門根據自身情況，自建大數據團隊以及相應的數據處理能力，通過匯聚、清洗、建模、挖掘等方式，將從數據中挖掘的價值服務于業務，從而讓數據驅動業務邊的更精準、更有效。

最為典型的數據價值應用于業務場景就是面向個體用戶進行千人千面的推廣展示和精準營銷業務：企業首先根據需求，收集千人千面所需要的數據，打通所有相關數據后，通過算法的能力，實現對用戶偏好的挖掘，從而實現不同客戶所得到的服務是專門量身定制的。例如一些新聞app、抖音，當發現你喜歡一類新聞或者視頻時，就不斷的推送這類信息，吸引你不?？矗瑥亩嵘褂胊pp的時長。

該階段主要是企業在大數據背景下，開始基于海量數據積累，利用大數據相關技術進行數據的深度挖掘和分析，通過數據驅動業務發展，為業務應用提供數據服務，實現業務與數據的深度融合。

五、運營優化階段

前面所講的“數據驅動階段”，在特定的場景下，數據已經與業務緊密結合，數據在業務運轉過程中直接產生價值。

但是，由于數據應用都是獨立建設，沒有從全局考慮，企業在數據應用的過程中，經常會遇到標準口徑不一致（例如數據分析后用戶為男，給不同部門使用時，A部門使用gender表示，B部門使用sex表示）、內容重復建設（例如：各個業務線都有獨立數倉，煙囪式開發），各業務數據無法融合產生更大的價值（例如：各個業務線之間需要數據關聯，當前不能很好的關聯產生更大業務價值）、企業數據價值無法被業務快速應用等問題。因此，企業開始考慮從全企業視角進行數據能力的輸出，有些企業把這個定義為企業數據資產建設，以數據來驅動企業升級轉型。

這個過程涉及匯聚各類企業數據資產、消除數據孤島、將數據進行融合，構建統一的數據資產，在構建過程中并進行數據治理，使數據資產符合生產要求，通過數據服務化的能力（就是接口）快速服務于業務。同時，以上過程中針對數據資產的使用和內容進行運營優化，以使得企業數據越用越有價值，這就是數據中臺的建設。

要想實現數據資產價值最大化，在構建企業數據資產運營時需要滿足以下5個條件：

第一：能夠追溯數據資產的形成過程，包括涵蓋了哪些數據來源，經過了怎樣的加工環節，涉及哪些業務環節和部門等。（血緣追蹤）

第二：能及時獲取到數據資產當前狀態，尤其是數據質量和安全情況，如：更新頻率、空置率等。（數據質量和安全平臺）

第三：能夠知道數據資產被哪些業務調用了，以通過建立數據閉環了解和追溯數據資產所帶來的業務價值。（調用管理平臺）

第四：能夠對整個數據中臺從數據采集到數據應用的整個鏈路建立監控體系，便于及時發現和排除故障，保障數據資產的穩定性。（任務追蹤）

第五：建立豐富的數據內外部共享和服務渠道，實現數據價值釋放和交換。（交換平臺）

構建數據中臺時，會從組織架構層面成立單獨的數據資產管理委員會來統籌數據資產的管理工作，包括牽頭指定數據資產的管理政策、擬定數據資產運營規則并監督各個部門執行，同時負責整個數據資產平臺的運營、組織和協調工作。

該階段主要是企業基于大數據和人工智能相關技術之上，構建一套源源不斷把數據變成資產并服務于業務、讓數據用起來的機制，形成數據閉環，通過運營優化持續發揮數據業務價值。

六、不同行業數據中臺需求

數據中臺的構建并沒有行業限制，任何行業都可以構建數據中臺，只是不同行業、不同階段的企業所需要的數據應用能力不同，對數據的依賴度也不同。

數據中臺建設是一個持續完善的過程，任何企業構建數據中臺不是一下完成，下面是一些行業所處的階段以及對數據中臺的共性需求。

1、大金融（銀行、保險、證券、互金等）行業

數據應用能力成熟度

處于數據驅動向運營優化過度階段

對數據中臺的訴求

業務強依賴于數據，是數據使用最深的行業，對中臺是真實的強需求。

基本都是自己的數倉和垂直數據應用，也有較完善的數據團隊。

希望自主可控，對中臺服務商要求較高

2、公共安全行業（食品安全、信息安全等）

數據應用能力成熟度

處于決策支撐向數據驅動過度階段

對數據中臺的訴求

業務對數據有強需求，數據中臺、數據治理也都提上日程。

對業務的專業性要求高，對中臺服務商資質要求較高

3、零售行業

數據應用能力成熟度

處于統計分析向決策支撐過度階段

對數據中臺的訴求

一般都是多端多渠道，包含門店、app、小程序、服務號、電商等渠道

對多渠道的數據整合運營有強需求，需要數據中臺的能力支撐

大多看中短期收益，不注重建設完整的數據中臺能力

4、地產行業

數據應用能力成熟度

處于決策支撐向數據驅動過度階段

對數據中臺的訴求

業務迫切：市場從黃金期進入白銀期，增量時長有限

數據整合需求：多業態發展，需要數據整合能力

信息化基礎：地產企業信息化基礎一般，需借助外部開發力量

業務配合：業務部門強話語權，數據中臺需加強技術部門話語權

5、工業制造行業

數據應用能力成熟度

處于決策支撐階段

對數據中臺的訴求

數據基礎：物聯網、5G等普及，工業制造數據有了完善采集的基礎

場景清晰：效率提升、工藝優化、質量監督等場景清晰

采集困難：大部分工控軟件不開放數據，且對行業的專業知識要求高

6、政府

數據應用能力成熟度

處于決策支撐向數據驅動過度階段

對數據中臺的訴求

數據豐富：掌握最好、最全的數據，智慧城市的推進，帶來更豐富的資源

類目繁雜：來源于各種部門、企業，歷史包袱比較重，冷啟動艱難。

項目規模大：一般只有大的中臺服務商才能承建

7、央企

數據應用能力成熟度

處于決策支撐向數據驅動過度階段

對數據中臺的訴求

業務多元化：集團形態業務板塊多元，數據跨業態

信息化基礎好：規模較大且業務復雜，信息化基礎好，建設數據中臺起點高。

有樣板案例：龍頭型央企已經開始著手建設

通過以上各個行業來看，企業是否上中臺，與企業數字化程度息息相關，那么什么樣的公司適合構建數據中臺？具備以下特點的公司可以加速考慮建立數據中臺：

企業有一定的信息化基礎，沉淀了數據，實現了業務數據化過程

企業業務復雜，有豐富的數據維度和多個業務場景，特別是多業態型集團企業

企業有數字化轉型、精細化經營的需求

大數據

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。