本文目录
显示
1.
01 数据中台定义
1.1.
1. 与数据仓库的对比
1.2.
2. 与数据湖的对比
1.3.
3. 与BI的对比
1.4.
4. 与大数据的对比
1.5.
5. 小结
2.
02 数据中台价值
2.1.
1. 帮助企业建立数据标准
2.2.
2. 促进中台组织形成
2.3.
3. 全面赋能业务，促使降本增效
2.4.
推荐阅读
要建设数据中台，我们首先需要明确什么是数据中台，以及数据中台能为企业带来什么价值。
01 数据中台定义
数据中台是一种将企业沉睡的数据变成数据资产，持续使用数据、产生智能、为业务服务，从而实现数据价值变现的系统和机制。通过数据中台提供的方法和运行机制，形成汇聚整合、提纯加工、建模处理、算法学习，并以共享服务的方式将数据提供给业务使用，从而与业务联动。
再者，结合业务中台的数据生产能力，最终构建数据生产—消费—再生的闭环。为了更好地理解数据中台，我们将其与数据仓库、数据湖、BI、大数据等相关概念进行对比。
1. 与数据仓库的对比
数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。因此，其重点在于数据的集合。数据仓库可使用维度建模方法论从业务过程中抽象出通用维度与度量，组成数据模型，为决策分析提供通用的数据分析能力。
数据中台与数据仓库相比，至少有四大优势。
第一，数据中台强调数据业务化，让数据用起来，满足企业数据分析和应用的需求。
第二，数据中台梳理的流程比数据仓库建设更加复杂和全面。数据中台增加了以企业的全局视角来梳理数据域的环节，这是数据中台建设中很重要的一环。数据域的梳理正好体现了中台化的能力。
举个例子，新零售场景下，企业的交易场景有很多，包括自建商城渠道、第三方电商渠道、外卖订单渠道、线下门店渠道等。建设数据中台时就需要规划出一个交易域，此交易域要抽象出各种渠道的业务流程，并能覆盖线上、线下运营部门在运营时需要考核的维度与度量。
因此数据中台建设过程要更多从企业全局出发，从人、货、场多维度打通数据，真正做到无论消费者从哪个渠道进来，都能洞察其与本企业的接触轨迹。
而数据仓库的建设则相对单一，专注于维度模型如何设计，如何拆解指标和维度，却很少关注基于人、货、场这些主体进行实体拉通，然后做出全局的画像数据供前端业务调用。
第三，数据中台建设的范畴远远大于数据仓库的建设，除了完成数据仓库的建模，还需要制定完善的数据治理方案，甚至在建设的过程中需要成立专门的数据治理委员会来促成复杂的数据治理工作。
最重要的一点是，在数据中台的规划阶段就需要去主动迎合业务，需要全面梳理哪些业务场景需要利用数据的赋能才能形成业务闭环，因此，在建设数据中台的同时就必须着眼于业务场景的赋能。
第四，对于企业来讲，建设数据中台并不只是搭建一个能力平台。正如我们在《中台战略》一书中提到的，建设中台需要中台文化及相匹配的中台组织。
因此，从宏观上来讲，数据中台承担着企业重新搭建数据组织的职能，倒逼企业为了运营好数据中台而建设一套能与之匹配的数据中台组织。数据仓库则纯粹注重于系统解决方案，并不涉及组织形态。
因此，简单来说，数据仓库重在建数据，而数据中台则将建、治、管、服放到同样的高度，数据仓库只是数据中台的一个子集。
那我们为什么会从数据仓库发展到数据中台呢？因为传统的数据仓库已不能完全满足企业数据分析的需求。企业已从原来的统计分析转变为预测分析并提供标签、推荐等算法，从被动分析转变为主动分析，从非实时分析转变为实时分析，并且从结构化数据转变为结构化、半结构化和非结构化的多元化数据。
2. 与数据湖的对比
与数据中台相关的概念还有数据湖（Data Lake）。数据湖是一种数据存储理念，作为一个集中的存储库，它可以以自然格式存储任意规模的数据，包括来自关系数据库行和列的结构化数据，XML、JSON、日志等半结构化数据，电子邮件、文档等非结构化数据，以及图像、音视频等的二进制数据，从而实现数据的集中式管理。
目前Hadoop是最常见的实现数据湖概念的技术。比如HBase可让数据湖保存海量数据，Spark可以使得数据湖批量分析数据，而Flink等可让数据湖实时接入和处理IoT数据等。
3. 与BI的对比
BI（商业智能）是分析数据并获取洞察，进而帮助企业做出决策的一系列方法、技术和软件。相比数据仓库，BI还包含数据挖掘、数据可视化等工具，并可支持用户在一定范围内任意组合维度与指标，从而上升到支持决策的层面，而不只是作为数据仓储。
4. 与大数据的对比
数据中台也不等于大数据。数据中台是基于大数据、人工智能等技术构建的数据采、存、通、管、用的平台。
数据中台需要以Hadoop、Spark等为代表的大数据处理技术做支撑，但绝不能将数据中台与大数据划等号。数据中台不只有大数据处理技术，还包括智能算法、与业务联动的特性、数据资产、数据工具等。
5. 小结
可以说数据中台是上述概念和技术的集大成者。
- 首先，大数据丰富的数据计算和存储技术为数据中台提供了强大的数据处理能力。
- 其次，数据中台作为企业数据的集结地，其底层也当然承载着数据湖的职能。
- 再次，数据仓库对数据的分域建模是数据中台的重要部分，它承载着将企业数据治理得井井有条的职能。
- 最后，基于强大的数据能力，结合业务场景提供实时、智能的服务和应用是数据中台的核心价值体现。
02 数据中台价值
数据中台不等于大数据平台，数据中台的核心工作也并不是将企业的数据全部收集起来做汇总就够了。数据中台的使命是利用大数据技术、通过全局规划来治理好企业的数据资产，让数据使用者能随时随地获取到可靠的数据。
因此，数据中台一旦建成并得以持续运营，其价值将随着时间的推移将呈指数级增长。数据中台的价值众多，下面详述其中的三大价值，见下图。
1. 帮助企业建立数据标准
在有数据中台之前，企业基本不会有全局的数据标准，即使有相关的数据标准，由于没有数据中台这个实体形态，数据标准也无从执行。数据中台的建设天然会帮助企业建设数据标准，包括数据建设规范和数据消费规范。
数据建设规范有诸如数据接入规范、数据建模规范、数据存储规范和数据安全规范等，数据消费规范包含数据权限规范、数据调用规范以及数据销毁规范等。这些标准都是建设数据中台时必须建立起来并依托数据中台去执行和落地的。
2. 促进中台组织形成
再宏伟的企业战略规划，都离不开一套科学合理的组织去落地执行。数据中台建设将是企业宏观战略规划的一个重要部分，那么在践行数据中台建设的过程中，摆在企业第一位的问题就是如何搭建起一套能稳定护航数据中台建设及运营的数据中台班子。
数据中台这种体系化工程将横向拉通企业数据相关方，包括中台建设团队、中台运维团队、数据产品经理团队、数据资产管理团队、数据运营团队等，组成标准的企业数据委员会，从而形成企业真正的中台组织。
需要说明的是，中台组织可以是一个横跨各个业务部门的弱矩阵组织，也可以是一个完整的实体组织。这需要因地制宜，因企业不同而异。
3. 全面赋能业务，促使降本增效
数据中台的终极价值是降本增效，无论是建设数据标准还是形成中台组织，其核心目标都是帮助企业达成战略规划。
通过数据中台，可以更加合理地布局团队；数据从加工生产到使用的整个时间周期将大大缩短；以中台之力拉通整合企业营销、交易、服务、库存、物流等一方数据，结合二方及三方数据，以全局视角，形成强大的数据资产，滋养各业务板块。
同时有目的性地针对场景，设计出赋能场景的数据应用，帮助其从研、产、销等多个方面缩短产品研发周期，生产未来一段时间畅销的产品，精准找到愿意购买公司产品的群体，以至于增强用户对企业产品及服务的友好体验，提高用户对于企业品牌的忠诚度，降低企业运营过程中的损耗，压缩供应链端的周期等。
这些价值都是企业一直以来孜孜追求的目标。
推荐阅读
- UCloud 618年中盛惠：企业级Intel云服务器55元/年起，新增香港云服务器促销低至年654元
- 青云QingCloud：云市场嗨购开工季 | 请查收你的专属薅羊毛必备攻略