一, 数据中台产生的背景:
- 在传统IT建设方式下,企业的各种信息系统大多是独立采购或者是独立建设的,无法做到信息的互联互通,导致企业内部形成了多个数据孤岛。而互联网的发展带来了很多新的业务模式,如服务号,小程序,O2O平台等新模式触达客户,服务客户,因为新模式是通过新的平台支撑的,所以产生的数据与传统模式下的数据也是无法互通。这也就进一步加剧了数据孤岛的问题。
二, 数据中台的概念:
- 融合新老模式,整合分散在各个孤岛上的数据,快速形成数据服务能力,为企业经营决策和精细化运营提供支撑,这种机制就叫做数据中台。
三, 数据中台需要具备的核心能力:
- 汇聚整合
所谓的汇聚整合是说数据中台必须具备数据集成和运营方面的能力,能够接入、转换、写入或缓存企业内外部多种来源的数据,协助不同部门和团队的数据使用者可以更好地定位数据、理解数据。同时数据安全和灵活可用也是需要关注的 - 数据提纯加工
数据资产化:对数据进行提纯加工之后数据才可以使用
数据中台必须连通全域数据,通过统一的输入标准和质量体系,建设提纯加工后的标准数据资产体系,以满足企业业务对数据的需求 - 数据服务可视化
数据化运营平台,能够帮助企业快速实现数据资产的可视化分析,提供包括实施流数据分析、预测分析、机器学习等更为高级的服务,为企业数据化运营赋能 - 数据价值变现
数据中台出现的意义在于提升跨部门的普适性业务价值能力,更好的管理数据应用,将数据洞察变成直接驱动业务行动的核心动能,跨业务场景推进数据实践。但是这些种种作用都需要一个评估业务行动效果的策略,那就是数据价值变现
四,数据中台的分类:
- 业务中台
业务中台更多的是业务流程管控,将业务流程中共性的服务抽象出来,形成通用的服务能力。比如说是电商平台有C2C、B2C、C2B、B2B四种模式 - 数据中台是抽象数据能力的共性形成通用的数据服务能力
- 数据中台和业务中台的关系:
在两者同时存在的企业中,数据中台和业务中台是相辅相成的关系。业务中台所沉淀的业务数据进入到数据中台进行体系化的加工,再以服务化的方式支撑业务中台上的应用,而这些应用产生的新数据又流转到数据中台没形成循环不息的数据闭环
五, 数据仓库和数据中台的比较
- 数据仓库
数据仓库的建设是数据体系的建设,主要场景是管理决策和业务分析 - 数据中台:
数据中台是将数据服务化之后提供给业务系统,目标是将数据能力渗透到各个业务环节,不限于决策分析类的场景。所以可以理解为数据仓库的建设是数据中台建设中的一部分。数据仓库可以作为数据中台的数据源之一,数据中台可以将数据仓库的投入价值进行最大化,以加快数据赋能业务的速度,为业务提供速度更快、更加多样化的数据服务。
六, 数据中台所产生的业务价值和技术价值
-
业务价值
- 极大提升数据的应用能力,将海量数据转化为高质量的数据资产,为企业提供更加深层次的客户洞察,从而为客户提供根据个性化和智能化的产品和服务
例如;在标签管理,营销圈人,效果分析等应用上实现全域的闭环,优化对客户全生命周期的理解 - 以数据为基础,支持大规模商业模式的创新。通过算法将洞察直接转化为行动;打破信息技术人员和业务人员之间的障碍;提供标准的数据访问能力。
- 盘活全量数据,构筑坚实壁垒以持续领先。数据中台应该充分利用内外部数据,打破数据孤岛的现状,打造持续增值的数据资产,实现数据“越用越多”的价值闭环
- 极大提升数据的应用能力,将海量数据转化为高质量的数据资产,为企业提供更加深层次的客户洞察,从而为客户提供根据个性化和智能化的产品和服务
-
技术价值
-
具备快速响应多数据处理需求的能力
既要保持原有的报表需求,仍需要保持批量离线计算的能力(Hadoop,orcale rac) 针对决策类业务如海量人群的圈人需求和ad-hoc需求,需要即席计算能力(storm,spark streaming,flink) 针对高并发业务场景(如用户画像),需要在线计算能力(mysql,redis,oracle)
-
支持丰富标签数据,降低管理成本
数据中台可以对标签进行快速的定义和有效的管理
-
数据价值可以体现的是业务系统的效果而不仅仅是准确度
-
支持跨主题域访问数据
如营销域和人力资源域,因为企业在数据应用的时候往往需要打破各个业务主题,会从业务对象主题出发来考虑数据应用,所以数据中台应该从全域角度出发去设计完整的面向对象的数据标签体系
-
数据应该支持的是快速复用而不是快速复制
-