数据中台思维导图模板_ProcessOn思维导图、流程图

数据中台调研

调研背景

自从阿里提出中台概念，中台项目已成企业热门话题

调研目的

调研方向

现状调研

局部采样

方法原则

调研原则

三个无关

产品

产商

行业

两个关注

通用性

实践的启发

一个本质

从概念和方法层面探寻本质

调研问题认知

1、数据中台的定义

2、数据中台的价值

3、数据中台解决的问题

4、数据中台相关的建设方法

5、数据中台的典型架构

6、数据中台背后的本质和趋势

数据中台现象

从2018年以来，根据百度搜索指数的数据，数据中台的现象正在逐渐冷静和理性

正在进入“后数据中台时代”

数据中台定义

gartner分层

中台是介于前台业务和后台业务之间，沉淀差异化能力，快速支持前台变化，提升业务响应能力，<br>产生更多收入，为主动创新的前台业务提供支撑，提升企业对市场变化的响应能力。

划分

前台

创新性业务

主动创新，快速试错

生命周期短

试验性系统

偏进攻性

弱管理，强创新

中台

差异性业务

企业的差异化能力，核心竞争力

简化管理

配置化，自动化

企业的利润中心，主要收入来源

后台

稳定性业务

流程稳定，相对静态

生命周期长

强管控和合规

企业的成本中心

superCell

大中台，小前台，创造出超杠杆效益

前提

足够大的行业和市场

顶级的优秀前台团队

对技术的长期投资

充分赋权，弱化管理，充分发挥前台创造力

风投模式

核心理念

中台的核心是将遗留的流程化系统/单体应用解构成可复用，可组装，可快速创新的能力平台，<br>供前台调用，从而快速赋能前台的创新能力

“数据驱动”-->从“流程”到“数据”

价值链

“交接棒”价值链

以经验知识设计为核心设计业务流程，围绕流程设计组织架构，强调标准化，运营驱动，KPI为导向

“同心圆”价值链

数据驱动业务，围绕客户设计服务，为前台提供响应的创新能力，让后台运营职能转换为客户价值

数据中台是一个体系，包括软件、方法、和组织

战略和治理

顶层设计和规划

治理数据保证质量

管理企业数据目录

平台和技术

数据基础架构

数据应用服务

机器学习智能服务

持续优化的智能服务

组织和运营

智能持续交付平台

数据中台的运营体系

数据中台的核心是Data Api

前台

敏捷开发，快速创新

中台

快速提升服务，高性能高安全

优化数据模型，提升数据质量

后台

数据开发，稳步进行

数据仓库、数据湖、数据中台有不同的侧重和用户群体

数据仓库

 报表即服务

用户以决策层为主

数据湖

数据集即服务

用户是数据的开发者

数据中台

Data Api

前台系统及数据用户

数据中台价值

前五大价值诉求

业务场景出发

距离业务更近

多样化的数据服务

告别报表堆积时代

产生客户价值

用客户价值度量数据价值

快速支持业务

复用数据开发组件，构架data ops体系

统一的数据资产

同源可探索，易发现的数据资产体系

帮企业实现两类价值

业务优化

提升业务盈利能力

提升生产效率

提升运营利润，降低成本

提升运营体验

提升资产利用率

业务转型

创新数字化产品和营销

销售数字化产品

商业平台化

数字化生态

数字化转型

中台解决问题

认清业务需求

有业务数据

已有数据仓库

报表乱

没人用

开发效率低，跟不上业务变化

数据能力培训赋能

数据仓库架构重构升级

数据建模优化

不能支持业务的实时需求

升级实时架构，构建实时数仓

没有数据仓库

有数据报表

数据报表不好用

梳理数据报表信息，构建数据仓库

没有数据报表

梳理用户数据流程

数据准确性差

有清晰的数据需求

精益数据治理

没有数据应用需求

不知道数据在哪

数据资产管理

数据不完整

构建数据全景图，识别缺漏数据

构建数据应用采集数据

没有业务数据

没有业务系统

有业务系统

有业务需求

没有梳理业务场景

有清晰的业务场景

没有业务需求

做数据战略

梳理业务需求

规划数据场景和服务

做人工智能

识别智能场景

启动数据实验室，快速试错

跨越四大鸿沟

业务鸿沟

数据与技术人员不懂业务，业务人员不懂技术和数据

场景鸿沟

找不到高价值的业务场景，无法清晰度量业务价值

质量鸿沟

数据质量差，无法保证业务效果

规模鸿沟

如何规模化将数据和智能技术应用到多个应用场景

四个业务领域问题

效率问题

报表需要很多天产出

不能实时获取用户推荐清单

能力问题

应用开发人员多

懂数据开发人员少

协作问题

为什么获取的数据不一致

如何知道数据在哪里

同样的数据逻辑，为什么要重复开发

创新问题

如何在数据中创新

如何验证和度量创新点的价值

六大核心问题域

价值域

数据服务的构建和发布

需要什么样的服务

如何对外提供服务

如何发布服务

数据服务的用户是谁

业务价值的探索和挖掘

如何定义业务的价值

如何从数据中探索新洞见

需要哪些数据探索挖掘的工具和技术支撑

如何验证数据分析挖掘结果的价值

数据的存储和加工

如何存储海量非结构化数据

如何存储海量结构化数据

如何进行数据获取转换加载

如何实现流水线的加工

管理域

运营和运维

运营

如何获取更多用户

如何识别优质客户

如何让服务更稳定

如何让服务更弹性

如何提升服务SLA

如何持续和自动化发布和构建应用服务

运维

如何审计用户操作

资源如何管理和调度

如何自动化测试、交付集成数据流水线

如何管理复杂的基础架构环境

管理和治理

管理

如何保证数据服务的安全性

数据服务的价值如何度量

如何提升数据服务的客户满意度

如何减少数据服务的资源浪费

如何控制不同用户的权限

如何保证数据安全

如何管理多个数据分析挖掘项目

如何复用数据集

治理

如何构建高质量数据

如何让数据存储和加工更标准

如何让数据可追溯和可信任

共享和协作

共享

如何发现我需要的数据服务

如何在数据的构建过程中协作

如何分享好的数据服务

如何知道数据服务的所有者是谁

协作

多用户如何协作

如何共享数据集

如何提升数据服务的客户满意度

如何减少数据资源的浪费

如何协作开发指标模型

数据中台建设

灵魂拷问

1、公司业务是否在市场足够大，是否有足够的增长空间来支撑数据中台建设的愿景

2、是否有足够优秀的前台团队来发挥杠杆效应，发挥中台价值

3、是否准备好长期的技术投资

4、企业高层是否放权给团队，让中台变成能力平台

过程化

数据业务化产生价值需要一个过程

不要一次性建设大而全的中台

数据中台没有标准的解决答案，首先要梳理问题空间