业务中台解决的是业务数据化的问题,记录所有的商业活动;数据中台则是解决数据业务化的问题,链接所有数据,赋能业务。
中台概念区别与前台和后台,中台作为衔接多个“前台”和多个“后台”的中间层,把很多与数据相关的共性功能抽离出来,减少了后台的重复建设。
数据中台介于前台和后台之间,企业级的数据共享和能力复用平台,数据中台是技术的概念,但更多涉及到管理的概念,是企业数字化转型的基础和数据中枢。
数据中台并不是一个简单的软件体系或标准化产品,更多是强调资源整合、集中配置、能力沉淀、分布执行的运作机制,是一系列数据组件或模块的集合,指向企业的业务场景。
数据中台建设要点:标准、引擎、工具
数据中台首先要解决的是数据标准问题。我们以阿里的OneData体系为例,它是数据中台的核心,体系建立的集团数据公共层,从设计、开发、部署和使用上保障了数据口径的规范和统一,实现数据资产全链路的管理,提供标准数据输出。
统一数据标准是很复杂的工作,据了解,OneData数据公共层总共对30000多个数据指标进行了口径的规范和统一,梳理后缩减为3000余个。
中层的数据引擎是挖掘数据价值的关键工具,起到承上启下的作用。
承上,是指通过数据引擎,能够设计数据的模型、自动化开发、形成主题式的数据服务。
启下,是指能够规划底层的数据仓库,保证数据标准规范定义,同时提供数据资产化管理的门户。这一个过程也有人称之为数据治理。
上层即为应用,提供分析工具。整个数据中台构建完毕之后,我们需要利用智能数据与可视化组件将数据背后的价值挖掘出来并且进行展示。
轻量、易用的数据分析工具能够摆脱对于专业数据分析人才的依赖,赋予一线业务人员智能化的分析工具,做到让数据产生价值。
中台厂商内卷现象
第一类:平台生态厂商
云服务头部企业,以卖云基础服务为主,中台建设交由生态伙伴交付。这一类的厂商优势是品牌强、生态强。中台的交付能力实际来自于生态伙伴,是否具备大数据基础工程能力,是否融入企业数据管理和大数据技术服务理念的方法论,是甄别厂商能力的关键。
第二类:解决方案厂商
垂直于某一行业领域的中台厂商,擅长于业务中台,短板于数据中台。而有些所谓的“业务中台”,很多实际上是以互联网技术整合业务去做项目工作,不具备标准化软件的支撑能力,生命力弱,无法帮助企业体系化的构建数据能力。
第三类:独立中台厂商
主创人员大多来自头部互联网企业,具备多年大型互联网数据能力建设经验以及数据智能应用项目的规模化开展能力。这样的厂商模型是最有实力真正的帮助企业去构建自主的数据能力的。
第四类:自给自足厂商
具备建设数据中台技术实力的互联网企业,但不对外商业化输出。
林林总总了各大阵营厂商的特点,其实真正能支撑好企业数字化转型的并不多。对于厂商,与其内卷于中台,不如扎实构建好数据能力;对于企业,转好型也不能光指望厂商,“自省”也很重要。
构建数据能力部署周期三个阶段
第一,打造核心技术底座
以一个万亿规模业务流程比较复杂的项目为例,部署一套大数据基础软件的周期是2周左右。在这个过程中,企业构建完成了核心的大数据基础设施,具备了整个数字化转型的技术底座。
第二,构建核心数据资产
接下来企业通过大数据基础软件进行统一的数据生产要素的建设,完成企业的核心数据资产的构建,这个阶段需要1-2个月的时间。企业核心数据资产赋能业务创景创新升级,实现企业经营管理的降本增效。
第三,持续大规模开展数据智能应用建设
企业具备了数据能力以后,就可以持续的大规模的去开展数据智能应用的各种项目建设。比如构建用户画像的模型建设,比如面向企业经营分析做可视化报表帮助企业管理层做决策,都可以基于数据能力的构建,进行衍生和支撑。
数据中台价值:数据资产化、数据服务化
资产有一条特性就是可以在未来带来经济利益,数据资产即通过数据带来一定的经济利益。
数据时代,数据价值的最大化需要在融合中才能更好的发挥出来。所以数据中台首先通过统一的标准把分散在各个地方的数据进行归类、融合到一起,然后通过数据治理将数据资产化。资产化要求可归类、可定价、可管理、可审计,然后再使资产进行增值,让数据的价值充分发挥。
而数据资产中心解决的核心问题就是让企业的数据可以被看见、被看懂、被利用。数据服务化,也是数据中台的第二个价值,通过强有力的分析工具,让企业快速洞察出数据所产生的业务价值,从而辅助于企业的日常经营与决策。
近几年很多企业都开始了中台的建设,互联网、零售、银行最先开始。中台建设的真正困难是组织上的重构,数据中台能否和组织架构进行匹配,这是一道绕不过去、但必须要迈过去的门槛。
结尾
数据中台更像是企业战略定力、组织架构、技术架构于一体的一种管理理念,企业从战略角度出发建立统一的基础底座,利用先进的技术架构和匹配的组织架构来共同推进数据中台理念的落地。
部分图片内容来源于:
和君咨询:如何理解数据中台?
36氪:与其内卷于中台,不如扎实构建好数据能力