大数据运营的六阶段：筑巢、联姻、孕育、分娩、培育、腾飞

从企业战略制定到战略实施是一个复杂的过程，那些高大上的咨询成果难以落地成为困扰众多企业管理者的难题。因此，从企业战略出发，多层次、多维度、体系化地设计企业架构，成为保障企业战略落地的有效手段。企业架构有效衔接了企业发展战略、基础设施建设、生产运营、企业管理等多个环节，并以服务能力为中介，有效地衔接了业务与技术，成为企业战略落地实施的指南针。

大数据时代的到来，为企业提供了另外一种提升核心竞争力的方式和手段。企业可以通过吸纳、整合和挖掘隐藏在大数据背后的规律，理解和把握客户需求，按需生产，同时运用互联网思维，有效匹配能力需求和资源供给，以最具有成本效益的方式提供产品和服务。

大数据不能脱离企业业务活动而单独发挥作用，企业应当基于企业架构完成大数据服务的设计和运营，这样才能让大数据找到立足点和归宿。以电信运营商为例，每月都会产生PB数量级的通话行为和上网行为记录，如此大量的通信业务使用记录中蕴藏着巨大的能量和价值，我们既可以基于通信行为分析用户偏好，实现精准化营销，也可以结合电信运营商基站使用情况、用户价值、应用价值等辅助完成无线网络的规划设计。当然，通信大数据也可以作为资产对外销售，更大程度地发挥通信大数据的价值。从某种程度上说，大数据的潜力取决于企业的想象力。

随着企业对大数据理解的日益深入，大数据服务的数量势必会不断增多，有效管理和发现新的大数据服务逐渐成为一个挑战性的难题。一方面，我们可以从企业业务活动出发，分析企业业务活动中的决策环节需要什么决策输入，另一方面，我们也可以从大数据出发，分析大数据的决策支持能力，两种方法合在一起就更高更加快速地发现新的大数据服务。这样不但解决了大数据服务难以管理的问题，而且可以做到有的放矢地，挖掘出更多的大数据服务。

企业业务活动可以分为两大类。一类属于操作型活动，例如信息维护、定单提交、工单流转等，这类活动的关键在于“行”，追求执行的“正确”。另一类属于分析型活动，例如客户偏好分析、资源消耗分析、财务分析等，这类活动的关键在于“思”，追求“正确”的执行。大数据用于支持分析型活动，保证操作型活动能够“正确”执行。

要使得大数据能够更好地支持企业决策活动，需要企业具备良好的大数据运营能力，包括获取更多的数据源，保证数据的准确性、及时性，等等。可见，大数据服务的从创意到形成并非一朝一夕的，是一个长期的、不断探索的过程，企业只有掌握运营大数据的方法，才能够发挥大数据的价值。

 

 

为了展现从企业战略到大数据运营的全过程，本书按照一个人从成家立业到奋斗腾飞的过程，将内容分为筑巢、联姻、孕育、分娩、培育、腾飞六个大的阶段，像经营家庭一样经营大数据。

第一阶段为“筑巢”阶段，目标是完成企业的整体架构设计。为了全面、系统化地展现企业架构模型，本书从企业战略角度出发，从10个视角对企业进行了架构设计，这10个视角既相互区别又相互联系，宛似一座小房子，因此取名为“筑巢”，意味着企业要像构筑一座房子那样严谨，以便让企业的各个部分能够协同配合，发挥合力。

第二阶段为“联姻”阶段，目的是解决大数据与企业架构结合问题。大数据只有与企业业务活动有机结合才能发挥作用，业务活动是企业架构的业务输入，业务活动中既有“执行”又有“决策”，大数据的作用就是帮助企业快速、准确地完成“决策”。大数据与企业架构的结合是一体化、不可分割的过程，就好比我们现实生活中的婚姻，男女双方在构筑更加美好的生活过程中都有贡献，缺一不可，因此第二阶段取名为“联姻”。

第三阶段为“孕育”阶段，目的是解决大数据服务孵化问题。操作型应用通常是先有需求后有数据，而大数据应用则是先有数据后有需求，两者正好相反。因此，对大数据服务的需求分析和设计与操作型应用采用不同的思路和方法。从大数据服务设计是一个从大数据能力朝着待解决问题不断靠近、反复迭代的过程，整个过程漫长而充满期待，好比精子寻找卵子一样充满风险和挑战，因此将这一阶段称之为“孕育”。

第四阶段为“分娩”阶段，是大数据服务设计和开发成果向大数据运营转换的阶段。不同于操作型应用的转换过程，这个阶段会经过多次调整和完善，直至达到最满意的答案，例如数据清洗、数据转换、数据装载、数据稽核、模型调整、算法优化等。此阶段类似于十月怀胎后的分娩过程，也许十分顺利，也许要经历多次镇痛，但是只要保持耐心，随机应变，终究会得到满意的结果。

第五阶段为“培育”阶段。大数据服务并不是一劳永逸的，企业外部竞争环境总是不断变化，大数据的数据源、数据时效性等也在不断发生变化，这些都需要企业重新审视大数据服务，重新调整分析模型和算法，这好比是我们家庭种培育孩子，我们总是需要根据社会要求来调整培育方向，使得孩子更能够适应社会发展的需要。这一阶段取名为“培育”，意思是对大数据服务的“培养和教育”。

第六阶段为“腾飞”阶段。在这一阶段，大数据的价值完全得以体现，可以说，经过前面几个艰难困苦的阶段，大数据服务终于可以扬眉吐气了。大数据魅力无穷，取得了一个又一个辉煌的成果，因此本阶段取名为“腾飞”。

此外，本书内容的体系结构和方法论主要参考了Frameworx/NGOSS、ITIL/ITSM两个国际标准规范。Frameworx/NGOSS方法论解决了业务活动与大数据的结合问题，ITIL/ITSM方法论则侧重解决大数据服务从设计、转换到运营的衔接问题。

大数据技术是保障大数据应用落地的重要手段，在本书最后一部分专门分析大数据相关技术，比如Hadoop、Oracle、R、GIS、Android等的原理和方法，使得大数据运营体系更加完整。

本书中提出的大数据运营方法论以支持服务型企业为主，同样也可以作为政府机关、事业单位、科研院所等构建和运营大数据服务的参考资料，具有良好的行业通用性。本书主要以电信、金融和互联网3个行业为主线进行分析。

本书面向的读者对象不但包括企业战略层面的管理人员，如企业的总经理/CEO、信息总经理/CIO、技术总监/CTO等，同样适用于项目经理、系统架构师、数据分析师、开发工程师、测试工程师等掌握大数据运营过程。

全书内容思维导图如下所示：