数据中台建设(四):企业构建数据中台评估

举报
Lansonli 发表于 2022/05/03 11:13:26 2022/05/03
【摘要】 ​企业构建数据中台评估一、数据应用成熟度四个阶段每个企业的发展情况不同,到底要不要构建数据中台?我们可以从企业数据应用的成熟度来评估企业要不要构建数据中台。数据应用能力成熟度可以总结为统计分析、决策支持、数据驱动、运营优化四个阶段,各自特点如下:​以上四个阶段数据应用能力成熟度依次增高,数据应用能力成熟度越高,则代表数据对业务的支撑能力越强,应用能力成熟度越低,则意味着业务对数据的依赖程度越...

企业构建数据中台评估

一、数据应用成熟度四个阶段

每个企业的发展情况不同,到底要不要构建数据中台?我们可以从企业数据应用的成熟度来评估企业要不要构建数据中台。数据应用能力成熟度可以总结为统计分析、决策支持、数据驱动、运营优化四个阶段,各自特点如下:

以上四个阶段数据应用能力成熟度依次增高,数据应用能力成熟度越高,则代表数据对业务的支撑能力越强,应用能力成熟度越低,则意味着业务对数据的依赖程度越低。企业数据应用能力程度越高构建数据中台越有价值,下面分别介绍四个阶段。


二、​​​​​​​​​​​​​​统计分析阶段

1979年Oracle发布商用数据库1.0版本、微软公司在1989年发布了SQL Server,1996年MySQL发布1.0版本,20世纪90年代随着UNIX服务器和x86服务器的普及,数据库解决方案进入市场,开始大火,数据库的建设成本和技术门槛大幅降低,越来越多的企业迈入IT信息化时代,实现生产和管理自动化的系统不只是大型企业考虑的问题,越来越多的中小型企业开始尝试利用信息系统来进行流程和管理优化,因此MRP(material requirement planning物料需求计划系统)、ERP(enterprise resource planning 企业资源计划平台)、CRM(Customer Relationship Management,客户关系管理)、OA(Office Automation,办公自动化)等企业管理系统的建设成为21世纪初企业信息化建设的一股热潮。

这个时候很多企业往往不会只建一个业务系统,而是针对公司每条业务线都建立一个业务系统,这些系统将业务的开展情况通过数据保留下来,但是使用数据时候出现以下问题:

第一:业务从线下迁移至线上之后,每天产生大量业务数据的同时,不可避免的出现一些系统或者数据的问题,这些问题很多情况都需要专人来监控、管理和维护。因此公司设立了一些岗位:数据库管理员(Database Administrator,DBA)或数据库工程师(Database Engineer ,DBE),通过DBA/DBE来对公司的底层数据进行设计、管理和运维。

第二:业务系统无差别记录了业务流程中每个环节的数据,并存放在数据库中的一张张表中,导致数据库中分散存放了各式各样的表,并且有些表可能还是脏数据,由于表太多,业务人员和管理人员无法从这些表中找打对应的原始数据并形成最终结果,所以企业又多了一类岗位:业务数据分析师,其职责主要是通过工具将底层存放在数据库中的原始数据变成一份份图表或者报告,从而从数据视角发现当前企业存在的问题。

该阶段主要是以业务需求为导向,通过IT系统的建设实现业务过程的流程化、自动化,通过单一维度的数据统计分析进行业务总结。该阶段主要特征可以参照上图。


三、决策支持阶段

随着企业发展,管理者们发现数据的应用不能仅仅停留在单系统上,不能充分发挥数据的价值,这时,企业对数据的需求逐渐开始向更全面、更准确、更贴合业务管理决策的方向演进。

面对来自不同系统的数据,口径、规范不一致,应该如何处理,最简单的方案就是寻找专业的团队,使用专业的工具来对不同系统中的数据进行抽象和提炼,形成一套指标体系,通过这条指标体系进行数据分析,实现对整个公司运转情况的管理,正是沿着这个思路很多企业构建了企业级的数据仓库,并同时开始了BI工具、大屏可视化等系统的建设,这些可以将大量复杂的原始数据抽象为指标,以可视化的方式呈现在决策者面前,为决策提供决策支持。

该阶段主要是企业在业务系统建设的基础上,基于业务目标有意识地进行数据收集、管理、分析,通过企业级数据仓库建设,为企业业务提供决策支持。关于此阶段的主要特征可以参照上图。


四、数据驱动阶段

无论是在“统计分析阶段”还是“决策支持阶段”,业务的运转和分析结果数据之间依然是相互隔离的。因为分析结果主要给管理者来看,然后通过人工对业务开展进行不同程度的干预,最终实现业务优化。

随着企业业务数据的不断丰富,DT时代的到来,以及大数据、人工智能技术的发展,在应对海量原始业务数据不能直接被业务使用问题时,业务部门根据自身情况,自建大数据团队以及相应的数据处理能力,通过汇聚、清洗、建模、挖掘等方式,将从数据中挖掘的价值服务于业务,从而让数据驱动业务边的更精准、更有效。

最为典型的数据价值应用于业务场景就是面向个体用户进行千人千面的推广展示和精准营销业务:企业首先根据需求,收集千人千面所需要的数据,打通所有相关数据后,通过算法的能力,实现对用户偏好的挖掘,从而实现不同客户所得到的服务是专门量身定制的。例如一些新闻app、抖音,当发现你喜欢一类新闻或者视频时,就不断的推送这类信息,吸引你不停看,从而提升使用app的时长。

该阶段主要是企业在大数据背景下,开始基于海量数据积累,利用大数据相关技术进行数据的深度挖掘和分析,通过数据驱动业务发展,为业务应用提供数据服务,实现业务与数据的深度融合。


五、运营优化阶段

前面所讲的“数据驱动阶段”,在特定的场景下,数据已经与业务紧密结合,数据在业务运转过程中直接产生价值。

但是,由于数据应用都是独立建设,没有从全局考虑,企业在数据应用的过程中,经常会遇到标准口径不一致(例如数据分析后用户为男,给不同部门使用时,A部门使用gender表示,B部门使用sex表示)、内容重复建设(例如:各个业务线都有独立数仓,烟囱式开发),各业务数据无法融合产生更大的价值(例如:各个业务线之间需要数据关联,当前不能很好的关联产生更大业务价值)、企业数据价值无法被业务快速应用等问题。因此,企业开始考虑从全企业视角进行数据能力的输出,有些企业把这个定义为企业数据资产建设,以数据来驱动企业升级转型。

这个过程涉及汇聚各类企业数据资产、消除数据孤岛、将数据进行融合,构建统一的数据资产,在构建过程中并进行数据治理,使数据资产符合生产要求,通过数据服务化的能力(就是接口)快速服务于业务。同时,以上过程中针对数据资产的使用和内容进行运营优化,以使得企业数据越用越有价值,这就是数据中台的建设。

要想实现数据资产价值最大化,在构建企业数据资产运营时需要满足以下5个条件:

  • 第一:能够追溯数据资产的形成过程,包括涵盖了哪些数据来源,经过了怎样的加工环节,涉及哪些业务环节和部门等。(血缘追踪)
  • 第二:能及时获取到数据资产当前状态,尤其是数据质量和安全情况,如:更新频率、空置率等。(数据质量和安全平台)
  • 第三:能够知道数据资产被哪些业务调用了,以通过建立数据闭环了解和追溯数据资产所带来的业务价值。(调用管理平台)
  • 第四:能够对整个数据中台从数据采集到数据应用的整个链路建立监控体系,便于及时发现和排除故障,保障数据资产的稳定性。(任务追踪)
  • 第五:建立丰富的数据内外部共享和服务渠道,实现数据价值释放和交换。(交换平台)

构建数据中台时,会从组织架构层面成立单独的数据资产管理委员会来统筹数据资产的管理工作,包括牵头指定数据资产的管理政策、拟定数据资产运营规则并监督各个部门执行,同时负责整个数据资产平台的运营、组织和协调工作。

该阶段主要是企业基于大数据和人工智能相关技术之上,构建一套源源不断把数据变成资产并服务于业务、让数据用起来的机制,形成数据闭环,通过运营优化持续发挥数据业务价值。


六、不同行业数据中台需求

数据中台的构建并没有行业限制,任何行业都可以构建数据中台,只是不同行业、不同阶段的企业所需要的数据应用能力不同,对数据的依赖度也不同。

数据中台建设是一个持续完善的过程,任何企业构建数据中台不是一下完成,下面是一些行业所处的阶段以及对数据中台的共性需求。

1、大金融(银行、保险、证券、互金等)行业

  • 数据应用能力成熟度

处于数据驱动向运营优化过度阶段

  • 对数据中台的诉求
  1. 业务强依赖于数据,是数据使用最深的行业,对中台是真实的强需求。
  2. 基本都是自己的数仓和垂直数据应用,也有较完善的数据团队。
  3. 希望自主可控,对中台服务商要求较高

2、公共安全行业(食品安全、信息安全等)

  • 数据应用能力成熟度

处于决策支撑向数据驱动过度阶段

  • 对数据中台的诉求
  1. 业务对数据有强需求,数据中台、数据治理也都提上日程。
  2. 对业务的专业性要求高,对中台服务商资质要求较高


3、零售行业

  • 数据应用能力成熟度

处于统计分析向决策支撑过度阶段

  • 对数据中台的诉求
  1. 一般都是多端多渠道,包含门店、app、小程序、服务号、电商等渠道
  2. 对多渠道的数据整合运营有强需求,需要数据中台的能力支撑
  3. 大多看中短期收益,不注重建设完整的数据中台能力


4、地产行业

  • 数据应用能力成熟度

处于决策支撑向数据驱动过度阶段

  • 对数据中台的诉求
  1. 业务迫切:市场从黄金期进入白银期,增量时长有限
  2. 数据整合需求:多业态发展,需要数据整合能力
  3. 信息化基础:地产企业信息化基础一般,需借助外部开发力量
  4. 业务配合:业务部门强话语权,数据中台需加强技术部门话语权


5、工业制造行业

  • 数据应用能力成熟度

处于决策支撑阶段

  • 对数据中台的诉求
  1. 数据基础:物联网、5G等普及,工业制造数据有了完善采集的基础
  2. 场景清晰:效率提升、工艺优化、质量监督等场景清晰
  3. 采集困难:大部分工控软件不开放数据,且对行业的专业知识要求高


6、政府

  • 数据应用能力成熟度

处于决策支撑向数据驱动过度阶段

  • 对数据中台的诉求
  1. 数据丰富:掌握最好、最全的数据,智慧城市的推进,带来更丰富的资源
  2. 类目繁杂:来源于各种部门、企业,历史包袱比较重,冷启动艰难。
  3. 项目规模大:一般只有大的中台服务商才能承建


7、央企

  • 数据应用能力成熟度

处于决策支撑向数据驱动过度阶段

  • 对数据中台的诉求
  1. 业务多元化:集团形态业务板块多元,数据跨业态
  2. 信息化基础好:规模较大且业务复杂,信息化基础好,建设数据中台起点高。
  3. 有样板案例:龙头型央企已经开始着手建设


通过以上各个行业来看,企业是否上中台,与企业数字化程度息息相关,那么什么样的公司适合构建数据中台?具备以下特点的公司可以加速考虑建立数据中台:

  • 企业有一定的信息化基础,沉淀了数据,实现了业务数据化过程
  • 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
  • 企业有数字化转型、精细化经营的需求

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。