数据中台

“什么是数据中台？”“数据中台有什么用？”“什么样的企业适合建数据中台？”“应该怎样保证数据中台的效果？”“怎么才能说服我企业的董事长和CEO同意立项”“如何才能保证企业数据不被滥用，又能被开发出价值’‘“在我的行业里，有没有可以参考的成功的数据中台案例”“需要多长时间和多少钱才能建起来？建完之后如何才能创造出价值呢？有没有持续优化成本的办法？”

灵魂问题

(1）企业战咯方面：该阶段的企业战略定位纯粹以业务为驱动，主要以满足企业业务需求，实现业务过程的流程化、自动化为导向。

（2）数据形态方面：该阶段的企业可能有少量的业务数据积累，但没有以数据为导向积累数据，数据主要以业务系统依托的关系型数据库进行存储，数据无组织，各业务数据分散存储和管理，数据维度单一，尚末开始理解全业务链条背后各个环节的数据，无数据质量管控。

（3）数据场景方面：该阶段的数据应用场景只针对业务系统中的关键数据和指标进行简单的、单一维度的统计分析和管理，铺助业务总结，每次基于业务目标的数据统计都需要定制化开发，如周报、月报等。

（4）数据应用工具方面：该阶段业务报表主要基于系统嵌人式报表模块产出，或系统数据导出后通过 Excel制作报表，模式相对单一。通过一些统计分析，可以了解系统的一些基本使用情况和经营指标。

（5）组织架构方面：该阶段企业无专门的数据相关部门，主要以I部门的数据库运维管理和业务部门的数据分析师为主。需要数据相关的能力时，一般用系统中定制的统计报表或者由特定业务部门提供Excel报表。

统计分析阶段

(1）企业战略方面：该阶段，企业开始具备通过数据支撑经营次策的思路，并在考虑通过数据可视化的方式实现数据与业务的融合，以解决业务问题和支撑管理决策。

（2）数据形态方面：企业开始注重业务过程中的数据积累，开始对各业务环节的数据进行汇聚、管理，数据维度逐渐丰富。以面向业务主题的指标体系为形式进行数据组织，开始注重数据质量的管控，实施数据质量控制。

(3）数据场景方面：该阶段的数据应用场景开始基于数据仓库进行各业务主题的数据收集、管理、分析，为企业管理人员提供决策支持，构建包括领导驾驶舱、企业运行指数、企业第四张报表等场景应用。

（4）数据应用工具方面：开始针对数据收集和管理建立数据仓库、数据开发工具和专业可视化工具，进行系统化数据收集、管理和分析。

（5）组织架构方面：开始出现数据分析师岗位，可能会设立专门的数据挖掘或商业智能部门来支持企业进行数据化决策。

决策支持阶段

(1）企业战略方面：迈进DT时代，企业开始将数据作为企业的重要资产和生产资料。通过大数据技术对企业相关数据进行汇聚、打通和分析挖掘，为业务应用提供数据服务，通过数据驱动业务发展

（2）数据形态方面：业务数据积累具备一定规模，对结构化数据、非结构化数据进行处理与应用。数据在组织形式上开始对业务涉及的相关数据进行汇聚、打通，开始根据需求进行数据清洗加工和标准化处理。

(3）数据场景方面：该阶段的数据应用场景主要以满足业务需求为主，主要是用数据提升现有业务能力，进行智能化升级。与上一个阶段数据主要服务于管理层不同，从该阶段开始，数据开始从管理层逐步向具体的业务，业务开始认知到数据的价值，开始业务和数据的融合。利用算法进行深人挖掘和分析，实现数据与业务的深度融合，为业务优化提供数据支撑，最为典型的就是个性化推荐、风控、精准营销等场景。

（4）数据应用工具方面：在该阶段，企业开始通过以Hadoop/Spark生态体系为代表的批计算、流计算、即席计算、在线计算等大数据处理技术及机器学习、深度学习算法进行数据汇聚和开发，并最终为现有的业务场景赋能，以驱动业务升级。

（5）组织架构方面：在该阶段，企业开始设立业务部门的数据团队，为业务场景的需求提供数据能力的支撑。一般会设置大数据工程师、算法工程师、数据科学家等职位，尝试通过大数据、人工智能等技术进行业务创新。

数据驱动阶段

（1）企业战略方面：在该阶段，企业开始建设数据中台，数据中台定位是为企业未来五到十年发展提供数据能力支撑，在DT时代对企业进行智能化升级。注重数据资源使用的合理性和效率，并通过对数据资产及服务的不断运营，建立了从数据资产化到资产业务化的可持续数据应用的高效闭环，为企业源源不断输出数据智能的能力。

（2）数据形态方面：在该阶段，企业数据伴随数据驱动的业务快速发展，数据量快速增长，通过建立企业体系化、标准化的数据采集、存储、打通、应用流程，实现了企业数据的全面资产化。在数据质量方面，通过建立体系化的数据汇聚、加工及应用流程，并逐渐通过运营手段完善数据管理制度和规范，保障数据资产的高效输出和循环落地机制，形成数据资产管理闭环。

（3）数据场景方面 在该阶段，数据应用通过统一的数据资产体系，提供统一、标准化的数据服务能力，为企业各类快速变化的业务应用提供数据服务支撑，包括原有业务的优化以及业务创新。其服务可以通过数据中台自助式完成，缩短企业数据到业务的路径。

（4）数据应用工具方面 在该阶段，企业在数据应用工具方面除了通过API或可视化的形态服务于业务场景之外，开始为企业数据资产的运营和管理者提供专业化的数据资产管理工具，以便对数据资产进行统一管理和维护，并通过构建数据运营指标对数据的价值、质量、安全和标准建设情况进行度量，为数据治理、奖惩考核等机制提供相应的能力支撑，真正形成一套让企业数据持续用起来的机制。

（5）组织架构方面 在该阶段，企业组织架构中开始在管理层设置数据管理委员会、CDO等来负责数据机制的建设和管理，开始为未来数据智能驱动的企业战略升级提供支撑，将数据变成企业的一种独特资产。同时也会成立专门的数据资产运营部门，一方面保障数据资产应用的合理性和效率，另一方面构建企业数据资产对内和对外服务的通道，将更多的数据服务消费者引入到平台当中。

运营优化阶段

企业数据应用的成熟度评估

分支主题

各行业中数据中台需求特征

1、企业最好有一定的信息化基础，沉淀了数据，实现了业务数据化过程；

2、企业业务复杂，有丰富的数据维度和多个业务场景，特别是多业态型集团企业

3、企业有数字化转型、精细化经营的需求。

什么样的企业适合建设数据中台

数据中台建设的评估与选择

在企业IT架构日益复杂的今天，亟需通过一套机制联通IT架构和各类数据，融合新老模式，整合孤岛数据，沉淀数据资产，快速形成数据服务能力，为企业经营决策、精细化运营提供支撑，这套机制就是数据中台。

数据中台是企业数字化转型的必然产物。

https://baike.baidu.com/tashuo/browse/content?id=aa3243d2567e821aa52f9887&lemmaId=19452566&fromLemmaModule=pcBottom&lemmaTitle=supercell

2019年是数据中台爆发元年。2014年阿里从supercell公司接触到中台概念

数据中台必将依循从概念引爆到迭代试错再到规模复制的认知升级路径。

什么是数据中台

数据中台建设的核心目标是以客户为中心的持续规模化创新，而数据中台的出现，将会极大提升数据的应用能力，将海量数据转化为高质量数据资产，为企业提供更深层次的客户洞察，从而为客户提供更具个性化和智能化的产品和服务

以客户为中心，用洞察驱动企业稳健行动

以数据为基础，支持大规模商业模式创新

盘活全量数据，构筑坚实壁垒以持续创新

业务价值：从洞察走向赋能业务创新，形成核心壁垒

应对多数据处理的需求

丰富标签数据，降低管理成本

数据的价值能体现业务系统效果而不仅是准确度

支持跨主题域访问数据

数据可以快速复用而不仅是复制

技术价值：能力多、成本低、应用广

数据中台的业务价值与技术价值

1种战略行动：把用数据中台驱动业务发展定位为企业级战略，全局谋划。

2项保障条件：通过宣导统一组织间的数据认知，通过流程加速组织变革。

3条目标准则：将数据的可见、可用、可运营3个核心准则始终贯穿于中台建设的全过程，保障建设在正确轨道上。

4套建设内容：通过技术体系、数据体系、服务体系、运营体系建设保证中台建设的全面性和可持续性。

5个关键步骤：通过理现状、立架构、建资产、用数据、做运营5个关键行动控制中台建设关键节点的质量。

数字中台建设的金字塔模型

数据中台