Dtwave_的博客

在项目的启动阶段，需要敏捷方式推进，和业务频繁对齐目标，中台方应该快速提供数据供业务快速验证，并收集业务反馈，根据反馈做优化，这个阶段产品经理需要具备一定的业务能力，拉通业务方和开发团队，项目经理应该集中精力在跨部门事务和上层资源获取上频繁做协调。如果经过2~3轮左右的迭代，还无法确认方向，项目经理需要尽快识别风险问题，如果是成员专业能力问题，需要尽快替换，如果是甲方配合问题，需要跟甲方明确后期沟通模式，如果是客观现实情况不具备当前目标要求，需要跟甲方沟通调整目标预期。

业务创新（当前it系统无法支撑新业务的流转，适应市场变化）
业务流转优化（当前数据支撑响应周期过长）
数据质量问题（当前数据质量差，无法提供决策用）

需要根据存量数据量级，增长量，数据类型；
历史资源（cpu，内存，带宽）等；
预计业务体量（标签，指标，报表）等；
服务器扩容周期，扩容方案等。比如企业内部要求半年，在资源评估中需要根据增长情况，做好相应的阈值，以满足采购周期。
在做资源评估后，需要做好相应的监控度量，快速识别风险。

业务中台是抽象业务流程的共性形成通用业务服务能力，而数据中台则是抽象数据能力的共性形成通用数据服务能力。比如，原始业务数据通过资产化服务化，形成客户微观画像服务，这个服务可用于电商平台的商品推荐，也可能用于地产购房意愿，还可能用于金融领域的信用评级等。同一个服务，在应用层面展现的内容可能不一致，但是底层的数据体系是一致的。数据中台也将极大提升数据开发的效率，降低开发成本，同时可以让整个数据场景更为智能化。
数据中台和业务中台的建设没有先后之分，根据企业现实情况决定。
从数据层面看，业务中台只是数据中台的数据源之一，除此之外，企业还有很多其他的数据来源，如App、小程序、IoT等多源数据，可以将这些数据的价值直接赋能于现有业务或某个创新业务。从服务层面看，数据中台的数据服务也不一定经过业务中台作用于业务，它可能直接被上层应用系统进行封装，如电商领域的“千人千面”系统。而从业务中台的角度来看，如果没有数据中台，可以做一些简单的数据处理，如分析和统计等，而通过数据中台赋能，则可以使业务系统拥有“全维度”、“智能化”的能力，譬如推荐、圈人等。