|
01、背景 項目有很多對內/對外/輔助，但無論項目內部的如何復雜，大體的結構都是 “用戶前臺”和“管理后臺”。 用戶前臺 前臺即指由各類前臺系統組成的前端平臺。每個前臺系統就是一個用戶觸點，即企業的最終用戶直接使用或交互的系統，是企業與最終用戶的交點。比如：
管理后臺 后臺即指由后臺系統組成的后端平臺。每個后臺系統一般管理了企業的一類核心資源（數據計算），例如財務系統，產品系統，客戶管理系統，倉庫物流管理系統等，這類系統構成了企業的后臺。比如：
用戶前臺、管理后臺的關系 前臺與后臺就像是兩個不同轉速的齒輪，前臺由于要快速響應前端用戶的需求，講究的是快速創新迭代，所以要求轉速越快越好；而后臺由于面對的是相對穩定的后端資源，而且系統陳舊復雜，甚至還受到法律法規等相關合規約束，所以往往是穩定至上，越穩定越好，轉速也自然是越慢越好。 隨著企業務的不斷發展，這種“前臺后臺”的齒輪速率“匹配失衡”的問題就逐步顯現出來。而中臺就像是在前臺與后臺之間添加了一組“變速齒輪”，將前臺與后臺的速率進行匹配，是前臺與后臺的橋梁，它為前臺而生，易于前臺使用，將后臺資源順滑流向用戶，響應用戶。 02、中臺的種類 我們按照難易程度倒序逐一論述。 技術中臺 技術中臺（基礎服務中臺）說白了就是強調資源整合、能力沉淀的平臺體系，當技術前臺實現業務功能時，為他們提供底層的技術、數據等資源和能力的支持。 各公司的基礎服務，以賬號體系為代表，都已經是中臺化的了。淘寶、天貓、飛豬等業務之間，快車、專車、順風車等業務之間，美團外賣、酒旅、團購之間，必然要做打通。 數據中臺 “數據中臺”并不是一個專業術語，簡單來說，它是指通過數據技術，對海量數據進行采集、計算、存儲、加工，且進行統一標準和口徑，以達到對企業的數據資產進行管理及應用為目的的平臺。數據中臺把數據統一后，形成標準數據，再進行存儲，形成大數據資產層，進而為客戶提供高效服務。 各業務線的數據打通、數據共享和協同運用，則屬于業務中臺的范疇，是以業務目標牽頭的（比如阿里的88VIP會員的前提就是用戶數據打通）。 有時這兩者是耦合在一起的，既有技術能力的共享，又有業務支撐。不過在國內數據分析的認知還比較淺（認為數據都是拉報表的），后者往往效果不佳。前者在不少互聯網公司倒是確實落地了。 在有些公司，數據中臺只是很粗淺地把數據整合到一起，并沒有解決任何問題，或者讓整合產生什么價值。阿里云中間件架構總監謝純良曾經說過，許多公司的數據中臺就是把數據加工成“大屏”，搞一個展示用的“大屏”就以為實現了中臺。意思就是，數據中臺如果不為業務服務，或者說為業務中臺服務，那就沒有價值。 業務中臺 既然技術模塊可以抽象出來復用，那業務模塊是不是也可以？在淘寶時用過的營銷策略，能不能直接挪到飛豬用？專車的策略能不能直接給快車用？這就是業務中臺的概念。 很顯然的，由于業務存在更高復雜度，因此難度更大。 業務中臺是各大公司追求的最終效果：前臺業務敏捷推進，后臺業務穩固支持。不過真實情況往往事與愿違，難盡人意，真正做到業務中臺運轉良好的，很少見。 組織中臺 事實上，有一大部分人認為當前所謂“中臺建設”，無論是研發中臺、算法中臺、技術中臺、子業務中臺等，都更應該被歸類為業務（類）中臺建設。如果要走向平臺型組織，必須要建設另外一種中臺——組織中臺，即由后臺拋出的“機構化業務伙伴”，由人力BP、財務BP、戰略BP組成的“類投資團隊”角色。其實就是嫁接在前三種中臺基礎上，再加入“放權機制”的中臺結構。 整體來看，組織中臺做的事情依然是賦能和激勵。BP團隊就是用戶和前臺團隊之間的連接者。他們代表企業家（或公司的股東），一次次地把前臺團隊從不切實際的夢想中拉回現實，讓他們直面用戶需求，合理地分配資源，沿著最佳的路徑前進，一路升級打怪，直至抵達最終的目標（如上市退出）。 組織中臺擁有的是“激勵的指揮棒”和“賦能的方法論”：運用前者讓前臺團隊動起來，并看到自己前進中所缺少的能力；運用后者則是補齊這些能力，讓他們走得更順利。總結起來，就是“激勵開路，賦能加持”。 03、數據中臺的基本能力 1、數據中臺具有數據服務的能力 數據中臺幫助業務部門建立工作臺，通過工作臺可以快速獲取到數據相關服務，包括數據提取、數據分析、數據推送、數據回流等服務；數據中臺可以將臟亂差的數據進行加工、治理、切分、建模、打標簽等。 2、數據中臺可以使業務人員具備數據應用開發的能力 業務人員可以根據自己業務單元的需求，做深度的應用開發，比如精準、智能、智慧等相關應用，這些應用可以獨立變成產品。 3、數據中臺具有強大的海量數據處理能力 數據中臺對數據治理能力、融合能力、采集能力、同步能力等為數據應用提供了強大的基礎支持。無論企業生產、運營、消費者溯源、供應商維護、外部公共數據等不同維度的數據，數據中臺都可以通過不同的功能實現數據的打通、共享。 由于不同的業務場景需要不同規模的計算平臺來處理海量數據。數據中臺的建設幫助業務人員根據應用需求隨時調度計算能力。 4、數據中臺具有數據開發的能力 數據中臺中分析工具、挖掘工具、清洗工具等不同數據工具的設置可以幫助上下游企業和外部用戶直接開發應用。數據中臺可以將上下游工具進行傻瓜式包裝，比如應用開發、應用復制、應用使用、應用評價、應用分享等功能的設置，幫助企業不同領域的用戶實現數據共享、應用共享。 5、數據中臺具備自學習和自動完善的能力 數據中臺賦能業務人員的特性決定了其具有自學習的能力。中臺可以通過不斷的能力疊加，將數據和公司資產進行良性的循環和回流，賦能企業業務和技術部門，為企業建成一個具有滾動的、增長的、變化的自學習能力平臺。 6、數據中臺具有資產沉淀能力 用戶在使用數據的過程中會自動地沉淀出高價值的數據，通過數據中臺的融通能力，將這些有價值的數據進行良性的循環與回流。企業因此對自身的用戶數據、會員數據、人力數據等認識加深。這樣的沉淀能力可以為公司提高核心競爭力。另外，公司內部高價值的資產，比如模型資產、IT資產、DT資產、數據資產、應用資產，以及應用資產中的用戶資產、畫像資產等均可以通過中臺沉淀下來，為公司日后的應用提供更多的支持。長期以往的沉淀幫助公司建立核心競爭力，使企業在數字化轉型中先行一步，快速布局數字化市場競爭。 7、數據中臺具有數據質量自動跟蹤的能力 數據在使用過程中往往有多部門多角色參與，各個部門會定義多種多樣的數據指標、標簽和使用方式，長期以往數據治理體系將會越來越復雜。一旦數據無法跟蹤，會導致前端的數據應用出錯，最終使得企業決策失誤，付出較大代價。數據中臺可以避免以上問題的出現，數據質量智能追蹤和血緣分析會跟蹤數據的血緣系統，確保數據質量。 8、數據中臺具備數據融合打通的能力 隨著企業業務多變，數據互聯互通變得越來越重要。數據中臺將數據定義和意義保持一致，使數據真正實時打通。 9、數據中臺具有IT系統和DT系統風險隔離的能力 IT系統在企業數據采集、管理方面發揮著作用。業務需求變化快，而IT系統卻無法隨著DT系統變化，DT系統有著自身存在的意義。兩個系統的目標、定位不同，必然導致數據應用出現分歧。數據中臺的建立可以幫助企業對數據進行風險隔離，確保一方不影響另一方。 04、數據中臺的特征 一直以來，企業的BI數據管理跟IT是緊捆綁的，但跟公司的戰略、業務脫節非常厲害，很多企業幾乎沒有想過企業獲取利潤跟數據管理有多少直接的關系。企業有投資，有費用，反正屬于IT要干的事就去干吧，大家都在做，我們當然也要做，在我剛開始做元數據管理的時候，就是這個感覺，從沒想到這個東西跟企業的利潤有半毛錢關系。 做了怎么樣？不做了又怎么樣？我們甚至連自己都騙不過。直到開始做大數據，當商務、開發必須緊密銜接的時候，當發現某個數據問題已經導致變現困難的時候，才感覺到數據管理的真正價值，才知道自己的數據管理工作該干什么。
那一個“好”的數據中臺應該具備什么特征呢？ 1、全流程、一體化。要實現從數據資產層、大數據計算層、數據治理層、數據工具層、數據模型層、數據應用層一站式處理流程，實現數據由入到出的全流程服務。 2、行業落地靈活，幫助新零售、教育、金融、制造業、政府等不同行業客戶解決數據融通、業務提升等問題，實現數據中臺在不同行業的靈活落地。 3、合作多元化，可滿足不同場景下客戶需求，可提供定制服務，可以以提供標準化產品、定制化服務等。 看到這里，你是否對數據中臺已經有了一個較為清晰的認知？事實上，不論是哪個行業中臺化都不是一蹴而就的，還是要遵循“具體問題，具體分析”的道理。沒有放之四海而皆準的中臺化策略，有的業務就不需要中臺化，有的中臺化反而會適得其反。有的公司壓根就只有一個業務，或者有幾個業務都沒有重復造輪子的現象，那硬去學習大廠的中臺，一定是東施效顰了。包括中臺的鼻祖阿里，也經歷過“痛極思變”的過程，在跌跌撞撞中成長的，不是老板一聲令下就全部到位的。 轉自國元數據搜狐號https://m.sohu.com/a/492848934_410617 |
|
|
