私藏丨2020年数据中台方案怎么写?收好这份模板,轻松搞定!

学习委员    发布于:2019-12-24 浏览 1380

相对通用的「数据中台建设方案模板」就看这篇文章!一解大家的燃眉之急,帮助大家为 2020 年的规划交出一份满意的答卷。

 2019年,中台大热,侃侃而谈概念的人很多,但鲜有文章帮助大家仔细地拆解中台落地的方法。

一来中台是个新东西,有具体实践经验的人是少数,多数人都处在摸着石头过河的阶段;其次,每家企业的战略不同,分属的行业和业务场景也不尽相同。

难道1000家企业有1000个数据中台,中台落地方案就无章法可寻了吗?

当然不是的。

距离2020年只有不到10天了,很多朋友跑来找小澜求助,说老板让提交一份2020年度的数据中台建设方案,愁到头秃,心境濒临奔溃的边缘。

那么,小澜是否可以帮助大家梳理出一个相对通用的「数据中台建设方案模板」呢?一解大家的燃眉之急,帮助大家交出一份满意的答卷。

小澜掐指一算,这个,也许,还真可以。

那我们就废话不多说,即刻开动!提醒:接下来你将受到「干货暴击」,要耐心看完哦!你也可以「点赞」或者「转发」,留着以后慢慢研究~💪

 

--------------- 我是一条硬核的分割线 ---------------

 

 Step 1、万事欲则立:目标对齐

数据中台不是目的,企业建设数据中台,本质是为了帮企业解决,DT时代大背景下所遭遇的问题,和突破瓶颈的。比如:如何通过业务数据化帮企业找到更全量的数据?数据质量参差不齐该如何治理?集团数据是否无法在保证安全的情况下互通互联?业务驱动模式下数据开发效率低下怎么解?…

每家企业都会面临各种各样的问题,先把想要解决的问题梳理出来,是你写好这份“数据中台建设方案”的第一步。

当你把问题分门别类地整理一遍,你心里就大概明确了接下来中台建设的核心关注点。接下来,你需要向汇报对象,进行「预期建设」,说白了就是对齐大家的目标

数据中台的落地往往会牵动全公司上下各部门的每一根神经,为了避免日后不必要的纠缠,需要你在一开始就明确大家的目标与方向,比如:各部门对于中台的理解和诉求是什么?这套中台建设方案是业务驱动还是技术驱动?公司可投入的预算及人力大概有多少?是以增设岗位的形式还是成立虚拟团队的方式来推进?…这些都是你需要在这一阶段明确的事项。

当你把以上内容梳理清楚之后,基本上等于为了这个建设方案开了个好头,接下来你就可以展开更详尽的方案设计了。

Step 2、打仗前的粮草清单:数据成熟度自测

当数据中台正式立项,有人就又陷入了迷茫:第一步该做什么?

万事开头难,可千万别小看这第一步,可以说是牵一发而动全身。小澜建议你,在这一阶段,你需要建立一个「全局视野」即给企业做一个细致的诊断和盘点。就像一个练了10年内功的老和尚,和一个刚进寺庙的小沙弥,获得同一本“武功秘籍”时,他们需要根据自己的内功状况来决定自己该如何修炼。

具体该怎么做呢?其实也不难。人类从石器时代走到信息时代,社会和科学发展的背后,其实数据的“维”并没有显著增加,「人」「物」「场景」足以描述一切。

小澜推荐你「数据应用成熟度模型」,通过诊断数据对业务的支撑程度,进而评估企业应用数据的能力,通过回顾数据应用实践过程,数据应用能力成熟度可以总结为「统计分析」「决策支撑」「数据驱动」「运营优化」四个阶段,如图2-1所示:

图片引用自《数据中台:让数据用起来》

当你结合公司现状,在表格中找到目前你公司所处的成熟度阶段,就可以有针对性的给出一些具备借鉴意义的数据中台建设思路了。

接下来,小澜给你举些简单的例子🌰,看看各行业的数据成熟度以及对中台的诉求:

行业:大金融(银行、保险、证券、互金等)

数据成熟度:数据驱动向运营优化过渡

  • 希望自主可控,对中台服务商要求较高

  • 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

  • 基本都有自己的数仓、垂直数据应用,也有较完善的技术团队

     

行业:公共安全

数据成熟度:决策支撑向数据驱动过渡

  • 业务对数据强需求,数据中台、数据治理也都提上日程

  • 对于业务领域专业要求高,对中台服务商资质要求较高

 

行业:地产

数据成熟度:决策支撑向数据驱动过渡

  • 业务迫切:市场从黄金期进入白银期,增量市场有限

  • 数据整合需求:多业态发展,需要数据整合能力

  • 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

  • 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

 

行业:工业制造

数据成熟度:决策支撑阶段

  • 数据基础:物联网、5G等普及,工业制造数据有了完整采集的基础

  • 场景清晰:效率提升、工艺优化、质量监督等场景清晰

  • 采集困难:大部分工控软件不开放数据,且对于行业领域专业知识要求高

 

行业:政府

数据成熟度:决策支撑向数据驱动过渡

  • 数据丰富:掌握最好最全的数据,智慧城市的推进,带来更丰富的数据

  • 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

  • 项目规模大:一般只有大的中台服务商才能承建

 

通过以上内容,相信大家对自身企业的数据应用成熟度有了比较清晰的预判,在小澜看来,尤其是具备以下3个特点的企业,可以加速考虑建立数据中台:

(1)企业最好有一定信息化基础,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、精细化经营需求。

看到这里,你应该已经基本掌握了这一阶段需要完成的事项,把你的思考成果写到你的“数据中台建设方案”中吧!

本部分内容,可以取名为「集团数据应用评估报告」,现在再看一眼,你的方案是不是已经充实完善多了?但切不要沾沾自喜,赶紧跟随小澜进入下一个阶段的规划吧~

 Step 3、适合才是最好的:技术平台选型

接下来你的当务之急就是选一个好伙伴和一套合适的系统,将你的企业纷繁复杂的数据汇聚、加工、管理并运营起来。

对于伙伴的选择,小澜给你推荐2个维度供你参考,你也可以在这个基础上自行做延伸:

(1)是否能提供有技术实力的大数据平台以及丰富的行业实践经验。

(2)是否具备“指导企业建立数据用起来机制”的一套数据中台建设方法论,譬如组织架构的设计、数据资产的管理与运营、数据安全的构建、数据人才的培养等。

接下来你会面临一组选择题:选体系 -> 选工具

首先是选体系,目前国内外的商业公司使用大数据主要有两种方式:

第一种是自成体系的封闭系统,从分布式的存储到计算等技术都自成一体,例如大数据技术的开创者Google;

第二种是和开源的大数据技术生态一起发展,例如Cloudera,开源项目Hadoop的很大一部分代码都是这家公司贡献的。

你需要根据你所在企业的数据应用情况,比如:结构化、半结构化或者非结构化的存储需求;以及预估企业至少未来5年的数据增量需要;还有合适的生态及工具支持等等,来做一个最终决定。

在工具选取层面,你也需要做好较为全面的思考。首先是「数据采集交换类」的工具,来完成诸如:数据库数据的同步、系统日志的同步、非结构化数据的同步、互联网数据爬取等工作。

其次是「数据开发类」的工具,包括离线或批量数据处理类、实时或流式数据处理类以及算法和人工智能类三大类技术栈。

怎么样?看到这儿是不是松了口气,数据中台建设方案已经有了非常细节和实质性的进展,当你在这一阶段确定好系统和工具,恭喜你,接下来就可以进入具体的数据体系建设规划了。

Step 4、打好稳固的地基:数据体系建设

现在,可以掏出纸和笔,记录下以下几个非常重要的关键词:覆盖全域数据结构层次清晰数据准确一致性能提升降低成本方便易用

这6个关键词就是中台数据体系应具备的特征指标。如果你给出的数据中台数据体系建设方案,不能涵盖这几点,那么你的方案很大概率是不合格的。

那么,如何才能设计出一个体系化的数据层次架构呢?不要急,小澜给你再举个例子你就大致明白了。下面以某地产公司为例,来分析适合绝大多数企业的数据中台数据体系架构,如图4-1所示。

图片引用自《数据中台:让数据用起来》

数据体系架构是一套指导规范,实施过程中严格按照架构执行。这个层次架构是用来定义数据分层以及每一层的模型建设规范,你可以根据自身企业的特性,按照贴源数据层、统一数仓层、标签数据层、以及应用数据层来做一个全盘的规划。并把这个数据体系以类似上方图表的形式,落地到你的“数据中台建设方案”中,相信定能增色不少。

当然,数据体系当中所包含的可以深挖的细节还有很多,比如贴源数据表怎么设计?数据域怎么划分?标签类目设计是否有方法论可参照?等等..如果要展开来细说,小澜大概可以讲个昏天黑地,因为这将是一场把企业的数据转变为资产的淘金之旅,是保证企业数据可持续用起来的重要环节。

基于数据标签的类目设计,小澜已经有一套非常成熟的方法论,所以此处先不展开,日后有机会,小澜再写一篇专门针对数据标签方法论的干货给到大家。我们的“数据中台建设方案”还要接着往下写。

 Step 5、数据资产管理:门户+治理方案

作为数据中台最最重要的组成部分,数据资产部分值得你费些笔墨详细的展开来写一写。首先,你可以把下方这段粘贴下来复制到你的“数据中台建设方案”中。

中国信通院联合多家企业于2019年6月发布了《数据资产管理实践白皮书4.0》,其中对数据资产定义有以下三个特征:

(1)「企业拥有或控制」这个特征指明了数据是有其主体的,同时也说明了数据资源可能来源于企业内部的信息系统或者日常经营活动的沉淀,同时也有可能是企业通过外部的交换、购买等手段获取到的。

(2)「能带来未来经济利益」这个特征清楚地表明了在企业中,并非所有的数据都构成数据资产,数据资产是能够为企业产生价值的数据资源。

(3)「数据资源」这个特征表明了数据资产的存在形态,是以物理或者电子方式记录下来的数据。

目前绝大多数企业或多或少会面临这些数据资产问题:数据基础薄弱、缺乏统一的数据视图、数据应用不足等,因此企业急需通过数据中台实现数据资产的:「可见、可用、可运营」,如图5-1

图片引用自《数据中台:让数据用起来》

图中可见,数据资产管理在数据中台架构中位于中间位置,介于数据开发和数据应用之间,处于承上启下的重要地位。

数据资产管理对上支持以价值挖掘和赋能业务为导向的数据应用开发,对下依托大数据平台实现数据全生命周期的管理,并对企业数据资产的价值、质量进行评估,促进企业数据资产不断自我完善,持续向业务输出动力。

 Step 6、最后一公里:数据服务能力落地

以上5个阶段,都是帮助企业把数据更有效的转变为资产的过程,当数据的价值被源源不断开发出来之后,如何在业务中透出?

数据服务体系就是把数据变为一种服务能力,通过数据服务让数据参与到业务,激活整个数据中台,最终给企业带来各种适配业务场景的数据解决方案。

小澜给大家找了一张数据中台总体架构图,大家就会对刚才所说的内容有更清晰的认识:

图片引用自《数据中台:让数据用起来》

目前比较常见的4种数据服务,即:查询服务分析服务推荐服务圈人服务。还有3种常见的数据应用,即:数据大屏数据报表智能应用(人脸识别、智能客服、自动驾驶等)。以上这些都已经被广泛应用在各行各业的业务场景中,解决企业数据应用最后一公里的问题。

在这一环节的“数据中台建设方案”的撰写中,你需要更敏锐的发掘企业的创新应用场景,有些是目前企业已经有的,有些是企业想要去尝试的,还有一类,可能是目前企业也无法预见的场景。但数据中台的价值,有一部分也在于解未知的场景问题,构建好了企业的数据服务能力,可能在未来的某个灵感乍现的瞬间,你会发现数据中台已经准备好了一切,不需再一环一环打通数据,也不需要从头开发数据,随时可以准备开始战斗,为企业赢得的是宝贵的时间窗口和竞争能力。

 Step 7、让数据用起来:中台运营7要素

最后一个环节,你可以站到一个运营者的视角,来写写如何让数据中台机制更持续、顺畅地高效运作起来。

数据中台的运营,说白了是性价比和稳定性的权衡,如何在保障数据质量和安全的情况下,做好成本控制,让数据中台发挥出更大的价值。

小澜建议你从4个动作来深度讲解数据中台的运营方法,分别是:统一战略搭建组织打造氛围,以及实践创新。以搭建组织为例,小澜就建议你可以按照图7-2来设计:

图片引用自《数据中台:让数据用起来》

数据中台运营是个持续且琐碎的长期工作,总结起来,小澜写了一首简单的数据中台运营打油诗,也许能把这件事说得更加简单易懂。

图片引用自《数据中台:让数据用起来》

洋洋洒洒说了这么多,终于把数据中台建设的一些关键环节都帮大家梳理了一遍。不知道你看完之后是否对写“数据中台建设方案”心中又多了那么一点点自信和把握?

但受篇幅限制,小澜在本文中也略去了很多细节未能展开详说,很多读者也许也觉得读得意犹未尽是吗?其实,小澜也并不是行业内的专家,只是找到了一本超好用的实战手册——《数据中台:让数据中台用来》偷师学艺。

这本书由机械工业出版社出版,集合了数澜科技N位数据大咖,萃取了106家头部企业的数据中台建设经验,反复打磨碰撞,沉淀成具有通用价值的方法论,写成这本“中台蓝宝书”。

首先,这是一本沉甸甸的实战宝典,可以带领大家系统性学习数据中台建设方法论,同时,它也是一本工具书,里头会详细讲解建设过程中需要掌握的知识点,和要避免的坑,供你查阅。

无论你是初识数据中台的行业小白,还是有过无数血泪史的数据大咖,相信都能在这本书里头找到共鸣和启发。

目前,《数据中台:让数据用起来》已在各大平台正式上架,大家前往京东、当当、淘宝等,都可以买到哦!

首版1万册,为期2周预售期间,已被大家抢购预定2300多册,迅速蹿升至京东新书榜TOP2,余量不多,赶紧囤一本过年勤学苦练,来年升职加薪就是你啦! 

收藏此文章 点赞此文章

评论 (0)

暂无用户回复

评论此篇文章

登录后可回复
/1000