关于企业数字化改革路径思考—数据体系

前言：今年第一篇，有些迟，这个月稍微忙着做了个小研究，本来想好了很多技术分享的，但是忍不住还是想分享这篇最近的思考，也算是自我的一个总结。

年度总结：今年技术博客有了从0到1的突破，当初以为自己每周写一篇绰绰有余，奈何肚子空空，技术多年也没太多长进，反而转向对行业、对项目、对需求的理解，与我最初的想法有所偏离，但是兴趣这种东西很难左右，博客本也有一吐为快分享的功能，给自己太多压力倒不是一件好事。2022年因为自己还有一些学习的计划，所以可能分享的频率会下降保持在一个月大概1-2篇，内容可以是技术总结，可以是行业思考，目的以自我总结为主，分享为辅。

进入正题

最近在做公司的数据体系规划，作为一个国企设计院，值得高兴的是在国企、行业内算是走得比较快的，但是相对于科技公司、互联网公司，那又至少慢了5年，数字化转型不是一朝一夕一蹴而就的事情，也不是有模板直接套用的事情。

企业数字化转型可以简单分为两类，一类是数字原生企业如滴滴平台型企业，另一类是非数字原生企业如传统制造业两类，这两类的转型有本质上的区别。

首先，为什么要做？服务的对象是谁？

要明确公司内部数据体系的目标是什么，大部分企业转型若只是喊喊口号，没有从发展思想上、发展战略上真正意识到转型的必要性，这样的企业花再多也是无用功，温和的改革无法触及既有的体系。

既然是要做企业的数字转型，根本目的肯定是赚钱，要为公司产生效益，服务的对象肯定是公司内部各业务线，而不是各位领导，那就要非常了解公司业务和未来发展方向的人来掌舵，在华为是变革委员会，一批非常最优秀的人，有能力能拉通公司的业务线，处理好利益的划分，对数字化变革有信心，有魄力，有领导力的人。

其次，数据有哪些？或者说哪些数据是能起到关键作用发挥价值的？

不同行业、不同地域、不同规模的企业，所拥有的数据是完全不同的，在整个产业链的上中下游企业都是不同的，有的企业业务或产品本身就生产数据，有的企业唯一的数据可能就是财务报销数据，因此，不同企业要真正实现数字化赋能，要对企业自身数据有充分的认知和思考，并且主动去发现价值点，这不是一个中台、一个数据湖、一个数据仓库能解决的问题。

之前我也纠结过一个问题，数据中台、数据湖、数据仓库到底适用性如何？是不是每一个企业都要有一个数据中台？

数据仓库：数仓更快支撑数据BI分析

ODS层（原始数据层）：存放原始数据，直接加载原始日志、数据，数据保存原貌不做处理。

DWD层（明细数据层）：结构与粒度原始表保持一致，对ODS层数据进行清洗（去除空值、脏数据、超过极限范围的数据）

DWS层 （服务数据层）：以DWD为基础，进行轻度汇总

ADS层 （数据应用层）：为各种统计报表提供数据

数据湖：数据湖（Data Lake）是一个存储企业的各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输。代表企业华为

数据中台：数据中台包含了数据平台和数据仓库的所有内容，将其打包，并且以更优雅以及更产品化的方式对外提供服务和价值，代表企业阿里

个人理解：数仓包含在数据湖和中台中，大部分企业都可以做数仓设计。数据湖更适合非数字原生企业的数字化转型道路，数据中台更适合数字原生企业的业务赋能。

显然不是，适用性很有限，现在数字规划也做了几款产品，但根本卖不出去，因为重要的不是平台功能有多厉害、不是架构有多清晰，重要的是数据。当这个行业数据还没呈现出海量特征的时候，不太需要对数据平台技术进行大的投入和研发，而要把重点放在数据本身上，包括数据的来源、数据的生产源头是否稳定、数据是否有人用。

在交通领域，比较重要的数据就是车路感知、公交刷卡、手机信令、出行调查等，目前在传统规划企业，还没呈现出海量数据的态势，因此现阶段数据体系还难以显现出它的赋能价值，但是随着智能化的演进，政府端的数据将会呈现爆发式的增长，如何发挥好政府的数据价值，是当下值得思考和研究的问题。

最后，这不是一个技术难题，这是一个管理难题。

前面也提到，企业自身的数字化转型，不是一个数据仓库、一个数据中台就能解决的，需要有手段、大刀阔斧地改革，所以这是一个从上到下的命题，是一个漫长的过程，“勇于自我革命，赢得历史主动”，路就在前方，摸着石头过河，总有人会到达终点。