睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

再谈数据中台,数据中台到底该"捧"还是"踩"?

时间:2022-06-24来源:小亿浏览数:213

01、数据中台七年

几家欢喜几家愁,距2015年“数据中台”这一概念首次亮相,已有7年。不少企业通过数据中台,实现了新增长。海底捞借助数据中台,搭建了一套完整的数据分析报表系统,通过这些分析报表制定更为灵活的营销手段,提升会员的满意度。基于数据中台,推动CRM系统的升级,散乱的数据被进行规范重组后,为最终实现千人千面奠定了基础。 

富国银行于2017年启动了类似搭数据中台的一系列举措,如进行企业数据治理、企业数据资产管理、企业数据管理、企业级数据集成、数据安全管理及数据授权等,建立起全行集中数据运营和洞见团队、建设了新型的数据平台。通过这样的变革,富国银行实现了数据战略升级。2019年7月,在全球前1000的银行排名中,富国银行高居第七位。

北京中信大厦通过数据中台,将物联网网关数据纳入统一的采集框架,自动提供底层数据不同格式和粒度的管理和转换,在汇总后将基本数据通过统一的数据接口供上层应用使用,而且所有的应用和数据全部运行在同一个集群中,由统一界面进行管理,从而解决了多源异构数据的处理及可控管理的难题。

但同时,也有不少企业搭建中台失败。诸如茅台的中台项目进展不顺利、某大型制造企业的中台项目成效低的著名案例还有很多,一些企业已经停止了在数据中台上的大量投入,进行“拆中台”,相关团队急剧缩减,还有部分企业已经放弃搭建数据中台的尝试,在数字化转型的路上另寻良方。

02、“数据中台”价值何在?

经历过“追捧”和“质疑”,数据中台的概念在众多企业的落地实践中,逐渐走向了普及。虽然行业对“中台”一直存在着争议,但不可否认的是数据中台的概念随着各行各业数字化转型的深入得到了很好的推广,其架构与理念也逐渐渗透到了处在数字化转型进程中的企业的方方面面。

那么到底什么是数据中台?其价值与核心能力到底体现在哪儿?

数据中台是介于前台和后台之间的企业级数据共享和能力复用平台。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。数据中台的这种组织形式是企业苦于数据建设烟囱林立、数据建设分久必合的一种结果,有利于资源整合与复用节省成本。

数据中台的架构一般由以下几个板块组成,这些板块也体现着“数据中台”应具备的价值与核心能力。

1.数据汇聚能力

随着企业的业务走向多元化,企业内容往往便形成了多个信息部门和数据中心,大量系统、功能和应用重复建设,存在巨大的数据资源、计算资源和人力资源的浪费,同时组织壁垒也导致数据孤岛的出现,使得内外部数据难以全局规划。

数据汇聚是数据中台必须提供的核心工具,提供适用、适配、成熟、完善的一站式大数据平台工具,在简便有效的基础上,实现数据采集、交换等任务配置以及监控管理。

2.数据存储计算能力

通过数据汇聚模块汇聚到中台的数据,没有经过什么处理,基本是按照数据的原始状态堆砌在一起的,这样业务还是很难使用。数据存储计算是一整套数据加工以及加工过程管控的工具,将数据的一部分计算能力放到存储端完成,就地对大量数据进行预处理或分析,从而加速数据挖掘和洞察,提升效率。

3.数据治理能力

数据就像石油,需要经过提纯加工才能使用,这个提纯加工处理的过程就是数据治理。

传统的数字化建设往往局限在单个业务流程,忽视了多业务的关联数据,缺乏对数据的深度理解。数据中台必须连通全域数据,通过统一的数据标准和质量体系,建设提纯加工后的标准数据。

4.数据资产管理能力

数据资产体系是中台的血肉,但通过数据资产体系建立起来的数据资产还是一套偏技术的数据体系,业务人员比较难理解。资产管理是以企业全员更好理解的方式,把企业的数据资产展现给企业全员(当然要考虑权限和安全管控),数据资产管理包括对数据资产目录、元数据、数据质量、数据血缘、数据生命周期等进行管理和展示,以一种更直观的方式展现企业的数据资产,提升企业的数据意识。

5.数据服务能力

为了尽快让数据用起来,数据中台必须提供便捷、快速的数据服务能力,让相关人员能够迅速开发数据应用,支持数据资产场景化能力的快速输出,以响应客户的动态需求。数据中台的服务模块并没有自带很多服务,而是提供快速的服务生成能力以及服务的管控、鉴权、计量等功能。

03、条件、路径与方案拨开“数据中台”建设迷雾

上述的数据中台的架构与核心能力,恰好踩在了很多企业数字化转型的痛点之上:如数据重复建设、数据需求响应慢、数据成本增长快、数据质量差等问题。在众多企业纷纷步入数字化转型深水区的关头,数据中台的出现似乎提供了一个完美解决方案,于是“数据中台”一度大热。

但为何有的企业能通过数据中台构建起自身的第二增长点,但有的企业的数据中台却最终以人力物力的浪费而告终。这其中涉及到的是多方面的原因,如目标不明、战略缺位、能力不足、支持乏力、业务分隔等。

抛开复杂因素,这里我们主要结合经验,从数据中台的建设出发,总结了关于数据中台建设的前提条件、路径与步骤方面的建议。

三大前提条件

并不是所有的企业都适合建立数据中台。数据中台的构建需要大量人力物力的投入,所以数据中台的建设一定要结合企业的现状,有的放矢、按需选择,不可盲目跟风。结合多个数据中台实践案例,可以发现成功实现数据中台的企业一般具有下面几个特点。

①具有一定信息化基础
②企业业务多元,有丰富的数据维度和多个业务场景
③企业有明确的数字化转型、精细化运营的需求

三大建设路径

(1)领域业务导向
中台是为业务服务的,一些企业在建设数据中台时会选择一个领域明确的切入点和建设周期。比如,企业将数字营销作为数智化转型的切入点,为支撑数字营销,有些企业会做会员相关的领域,有些企业则选择电商相关的领域。

这样聚焦领域的数据中台的特点就是贴近业务、敏捷、周期短,其重点在共享能力的沉淀。比如有些企业会以会员为切入点,重点关注会员场景。刚开始时,会员域只具有基本的会员管理能力,只能完成基本的业务闭环,但是随着业务的深入,还会不断沉淀会员体系、会员权益、B端和C端会员精细化管理等能力。由此可见,领域场景的能力沉淀过程也是中台自我演进的过程。

(2)双中台建设
双中台建设指的是业务中台与数据中台同时建设。业务与数据双中台建设聚焦于业务,围绕创新开展业务和数据系列能力的建设,从而快速满足业务场景闭环及业务创新尝试。 以做营销活动为例,没有数据中台,无法圈选到合适的人;没有业务中台,设计不出合适的促销活动,无法带动交易;没有活动和交易数据,找不到合适的人群。

双中台一体化建设的特点是体系化,业务与数据是闭环的,但周期较长。 对于一些业务发展更迭较快的企业,业务与数据的紧密结合有助于数据更好地发挥其驱动价值。

(3)全域数据中台

全域数据中台就是对数据进行全面资产化、体系化的布局。这类数据中台中台一方面关注全域场景的通用能力,另一方面也关注不同场景的能力串联。

全域数据中台的建设周期较长,既需要有一整套机制来护航数据中台的运营,比如保障已制定的规范的执行落地,又需要体系化的工具,还需要体系化的思考,比如考虑多业务之间的交叉赋能共享等。正由于周期较长,所以很难一步到位。因此,企业可以设计分阶段实施,比如第一阶段打基础,第二阶段建模型、第三阶段赋能业务。这就需要在企业内部首先达成共识,才能保证系统建设的稳步推进。

3. 四大行业解决方案

在不同的垂直行业,企业们存在着不同的需求和痛点。目前在数据中台的应用上较为成熟的行业有金融、零售、制造和地产等。以下是4大行业的数据中台解决方案,具有一定的参考借鉴价值。

(1)金融行业
由于信息化建设起步早、投入大,使得金融行业的数据建设相对较为成熟。但随着国家对行业的监管要求趋严、市场竞争加剧、业务复杂度提升,提升风控和服务水平成为金融机构下一阶段经营发展的重要课题。而数据数据作为生产要素,是金融机构未来业绩增长的核心驱动力,然而如何使海量数据真正赋能业务、发挥价值,数据中台中数据服务和应用的多样性、敏捷性、智能性将变得更加必要。
     
以银行业为例,银行业的数据中台建设需要在前台业务系统与后台数据系统之间构建一条数据和能力的通道,为前台的业务团队、客户经理、财富顾问与后台的数据专家、算法模型专家、人工智能专家的工作衔接提供强有力的支撑。业务团队专注于产品的具体逻辑与业务管理流程,数据专家专注于加速从数据到价值的过程,提高对业务的响应能力。
    
(2)零售行业
在过去的信息化建设进程中,零售企业积累建设了包括ERP、MES、CRM、WMS、等在内的各种业务系统,加之线下门店、自有商城、电商平台、社交软件平台等各类渠道的涌现,企业获取的销售、营销数据愈发零散、且往往都是孤立存在;而日益碎片化的触达时段及场景、层出不穷的媒介载体和复杂的社交数据,也使全景化的消费者画像和用户标签体系难以整合建立。与此同时,爆发式的海量数据使企业原有的CRM系统算力和能力难以满足业务的计算分析需求。
 
零售行业的数据中台解决方案主要是以“人-货-场-服务-体验”为依托,借助大数据、智能算法等技术构建企业经营分析、消费者画像、实时交易、智慧门店、智能预测等智慧零售可视化大屏,辅助企业数据决策,让数据驱动业务、让数据产生价值。
  
(3)制造业
随着产业数字化进程不断加速,传统制造业企业正面临数字化转型的关键时期。过去的各个制造管理系统建设缺乏总体规划,导致遗留了大量数据语义彼此独立、数据口径无法对齐、系统间交互性差等问题,使得生产制造全流程中产生的众多高价值数据只能在自身系统里流转,无法在更长的链条上发挥价值。

因此,高效集成多源异构的制造数据,构建企业级的数据架构和完备的数据服务体系,发挥数据指导作用,实现业务增值,是传统制造业走向科学、精细化运营的核心。

(4)地产行业

告别增量高速增长的时代,进入存量化的下半场,地产企业过去高杠杆、高负债、高周转的运营模式逐渐难以为继,投资与经营的双重压力倒逼地产企业向精细化运营转型。

如何提升组织运营能力、进行多业态有效管控,如何提高运营效率、最大化存量资产价值,如何精准洞察用户需求、寻求新的收入增长点,都是新阶段地产企业的战略性难题。要解决这个难题,企业就要通过企业级的可复用能力平台快速组合形成新的业务,与消费者进行强连接。
 
04、小结

不可否认,数据中台的确给企业的数字化转型提供了一套较为完整的解决方案与思路建议。但条条大路通罗马,数字化转型也不应只有数据中台这一唯一道路。企业在选择是否建设数据中台,以及建设数据中台的过程中,应结合自身情况,进行定制化、个性化地建设,而不是跟热点、照葫芦画瓢,这样不仅无法达到降本增效的目的,对于各种资源的投入也是一种浪费。
(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询