企业数据发展三阶段

对于一个企业来讲，数据能力的发展我个人总结为了了以下三个阶段

阶段一：数据仓库阶段

        数据能力刚刚建起，数据团队开始逐步接入各个业务体系数据，以及设计接入埋点的数据。

        面对各方涌入的大量数据，搭建企业级数据仓库，对于数据进行有规划的接入，存储，建模，分析。初步具备数据资产的管理能力，以及面向业务团队的支撑能力。

        但是对外的产出大量依赖于人力的获取或者简单的bi查询。

        此阶段的重点是：数据同步，数据建模开发。

阶段二：数据平台阶段

        随着数据资产体量的不断扩充，数据仓库的逐步稳定，业务团队的需求逐步增加，逐渐苛刻。会面临这人力获取的压力越来越大的问题，急需合理的方案设计来实现计算机算力替代人力进行数据查询。

        因此数据能力便进入了一个数据平台化的阶段，标签系统、用户画像系统、用户行为分析系统的产生，使数据的更加精细化、具体化，初步引导业务方向。自主分析平台，多维分析平台的产生，将数据查询的能力平台化，极大程度上解决了人力查询数据的问题，使业务团队能够更加方便、快捷的使用数据。

        此阶段的重点是：对数据和业务进行抽象设计，实现标签化及自助服务。

阶段三：数据治理阶段

        随着数据体系的逐渐成熟，数据的红利期也逐渐过去，公司对数据的成本投入也逐渐冷静。数据团队不得不得考虑如何降本增效。因此便进入了数据治理的阶段。

        数据治理首先需要现有的数据数据资产有一个清晰的认知，具体有哪些数据？哪些表？这数据怎么来的？表之间怎么流动的？数据最后是如何对外产出的？这一系列的问题便抽象出的元数据管理系统，主数据管理系统，数据血缘系统等。

        其次数据治理需要考虑如何降本增效，指标管理系统的诞生统一了企业各部门对于数据指标的不同认知，总结出了相对重要的数据指标，并管理了数据指标的生命周期。换言之就是为数据“划了重点”，这样在成本控制时就能够有所轻重。数据质量系统能够进行及时的或周期性的检查监督数据质量，及时发现数据系统中的异常问题并告警，一定程度上减免异常问题的影响。

        此阶段的重点是：元数据管理，数据血缘管理，指标管理，数据质量管理，数据成本管理。