文丨史凯  编辑丨李国欢

来源丨首席数字官

图片来源：首席数字官

数据中台是中国数字经济发展的一个新产物，在2016年甚至更早时候，国内企业开始思考如何将企业数据赋能业务用以助力企业业务发展，进而搭建出了承载系统等，而这些承载系统或体系便是数据中台在中国的雏形。

今天，数据中台已被中国乃至世界企业广泛应用于企业的数字化建设当中。2018年，数据中台一度成为国内网络热搜词汇；2019年，数据中台更是被不少业界人士预测或将成为其“元年”。

那么数据中台赋能企业数字化转型的关键因素有哪些？就Thoughtworks来讲，站在企业和业务发展角度来看，建设数据中台还需要回答这四个问题。

问题一，数据中台对于企业业务的价值是什么？

企业抓住了有客户价值的业务场景，便是抓住了建设数据中台成功的第一因素，它是构建数据中台最重要的抓手，也是重要牵引。

因此，企业在进行数据中台构建时，第一步要做的事情是找到场景并识别价值，排出建设优先级。  

   Thoughtworks近些年同众多大型企业的合作发现，很多企业内部有数据平台、数据湖、数据底座，存储了很多的数据，但是大部分的数据类的项目面临了同一问题，即并不清楚在数据底座以上的数据平台部分都有着怎样的应用场景。

    并非任何一家企业能够，能够在没有特别清晰的场景的情况下投入大量资金进行数据湖、数据仓库的建设。

所以，大部分企业在进行数据中台的构建时，第一要务应当是要找到其应用场景和识别应用场景。

图片来源：史凯演讲PPT

其次，数据中台的需求来自于场景但是高于场景。数据中台是一个抽象化的赋能平台。因此，企业不仅仅需要考虑场景，还需将场景中对于数据中台的需求进行抽象，建设出高于场景的设计与模型，最终的始发点仍然是场景。

因此，Thoughtworks将这样的思想总结为三个圈，即场景、数据、技术。 

每个企业在构建数据中台时需找到自己的构建顺序，一般而言其顺序为拥有业务价值、数据基础同时还需具备数据技术储备，满足以上顺序的场景便可作为优先建设的场景。所以能否画出这三个圈是数据中台建设成功的第一步。

问题二，数据中台数据的质量不够好，该怎么办？

原材料数据的质量不够好该怎么办？这一问题是过去十多年数据治理的一个重要部分。相较于能源、汽车等其他行业，金融行业的数据治理成功率更高一些，因为金融行业的数据治理具备“有价值”的前提，一直以来，金融行业的数据合规且风控严格，从监管角度来看，企业进行数据治理，但其他行业并非如此。

在其他行业中，过去的数据治理项目大多是独立项目组，与业务没有直接关系，因此企业大多是站在企业高度制定标准、流程和团队。

图片来源：史凯演讲PPT

在过去的十年，ERP，MES这种系统相对来看是内部的、静态的，其主数据变化并不大，但今天完全不同，今天企业大部分数据产生于外部，是企业自身IT无法控制的。因此，在这一趋势变化下，传统的数据治理方式是否还灵？

因此，基于数据治理的变化，Thoughtworks数据智能团队提出了精益数据治理概念，指为消除库存、过度生产、运输、移动、等待、错误-重复工作、工作不足这七种浪费。

当Thoughtworks将数据不一致、数据孤岛问题结合看待后发现，所有数据产生的问题都来自于这七种浪费，无任何意外。因此我们确定今天的数据治理更需要按照精益的方式进行。

那么，什么是精益数据治理？精益数据治理至少需要满足这两点：首先是场景驱动；其次是客观的接受数据质量引发的所有问题。通常数据质量存在问题是正常现象，而很多时候其并非是问题，因为业务变化速度快于数据产出的速度，所以企业需要在精益的数据中令其产生价值。

问题三，数据中台应该采用什么样的技术？

图片来源：史凯演讲PPT

数据中台应该采用什么样的技术架构？

首先，我们要充分意识到，数据中台是一个企业加工生产数据的业务系统，它不是一个传统意义的技术平台，它是一个生产系统，它的生产资料是数据，它的产品是数据数据服务，是那些对业务产生洞察和价值的服务。而这一切都跟这个企业的业务目标，行业领域，文化结构，流程体系，等因素紧密相关，所以，数据中台一定不是一个可以一次性购买部署的套装软件，它是一个为企业的业务目标服务的量身定制的系统。

其次，它紧密绑定，跟随着企业的业务战略，所以它是一个演进式架构，在不同的阶段，不同的领域，会采用不同的技术选型。

所以，我认为，企业的数据系统，正从原来的数据仓库这样的封闭架构走向开放架构，企业的数据中台是开放平台，一个建立在演进式架构之上的开放平台。

问题四，数据中台如何持续地为业务产生价值？

图片来源：史凯演讲PPT

数据中台如何持续地为业务产生价值？这一成功因素在于持续的组织与运营。

数据中台与数据平台、数据仓库的最大区别，即：数据中台距离业务更近，能够直接产生业务的价值体系。数据平台，数据仓库输出的是二次架构的数据和数据报表，指标等，是数据基础架构，而数据中台是直接为客户和用户提供数据产品的组织。

数据中台将从一个软件平台类项目，演进成企业的一个实体业务单元，像一个数据服务工厂那样，将数据中台当做一个产品建立全产品开发和运营的组织。

典型的参考架构，如下图所示：

可以将数据中台团队，分为以下几个大类别

数据中台运营团队：

当数据中台构建起来后，对于中台之上的业务的整体运营，包括用户服务，数据运营，服务治理等。如果把数据中台当做一个数据产品的研发，生产，加工和交易工厂来说，那么数据中台的运营团队就是这个数据产品的交易市场的管理和运营。

数据中台开发团队：

数据中台本身是不断演进的，所以企业需要一个数据中台的开发团队，不断根据市场的需求来持续开发新的功能，保证数据中台的先进性和持续性。

数据服务开发团队：

数据中台本身是一个多租户的数据服务工厂，所以不同的数据开发者都可以在这上面开发贡献自己的数据产品，但是作为企业的数据服务部门，要承担起为企业开发公用的数据服务的职责，所以这里也需要一个数据服务开发团队。

数据资产治理和开发团队：

数据中台的底座是数据平台，是数据资产治理和开发团队，从数据资产的规划，数据资产的采集获取，大数据平台的建设等，这些都是数据资产治理和开发团队的工作。

最后我们总结一下，企业要构建自己数据中台，需要从四个部分考虑：

一、探索数据价值场景
二、围绕业务场景治理数据质量
三、演进式架构构建数据中台的开放技术架构
四、组建与企业的战略一致的数据中台组织单元

对此，您有何看法？欢迎留言。
关注「锦囊专家」，让数字化转型的新趋势、新技术、新案例变得触手可及！