数据驱动的数字化转型(中)

这是数字化系列文章，本篇为【中篇】，上篇链接如下
https://editor.csdn.net/md/?articleId=132356072

---

---

数据产品的类型

数据即服务类产品

● 数据API：以接口的形式提供数据，应用于查询出行信息等场景，数据API将是未来最实时、最普遍的提供数据服务的方式。
● 数据订阅：以订阅的方式主动推送数据，比如用户主动订阅天气数据。
● 数据库同步：在数据库间同步数据，比如定期同步定位数据。
● 文件：以文件的形式提供数据，比如通过FTP下载统计类数据。
● 数据终端：用特定的程序终端来提供数据，比如股票终端。
数字化时代中，产品最重要的能力就是与市场客户实时互动和反馈的能力，所以数据API是数据即服务类产品最重要，也是最主要的服务方式。

常见数据产品画布说明

适用于企业从0到1识别、定义和设计精益数据产品，它定义了精益数据产品的6个要素、3个核心领域。它通过结构化的模块，帮助企业清晰地识别和解构精益数据产品的关键内容。

业务场景的价值

业务场景是一类信息的组合，能够直接描述需要解决的业务问题、服务的对象、需要的工具和原材料。它能对企业端和客户端两方面分别提供突出价值

通过解决一个具象问题，让用户直观、强烈、快速地感知到产品价值。只有让用户有获得感，才能够争取用户的全力支持和参与。识别出一个“杀手级”用户场景是企业数字化转型的核心关键。

场景画布

企业能够结构化地将每一个数据产品的立项、调研阶段的工作非常精准、明确地罗列在画布上，有效识别出高价值的业务场景

商业画布

精益商业画布

更为全面的商业画布如下，目前有很多开源的网站可以提供商业画布的在线编辑

精益数据治理

精益数据治理的最终目标是，让数据治理的概念和工作内容融入数据生产过程中，让企业不需要刻意设置独立的数据治理岗位。

数据的滞后性和局部性是导致数据问题的根本原因之一，精益数据治理从客观上接受这两个现象，认为企业在建立标准规范的同时，应该尽可能地提高响应力，而不应该以建立全面、繁重的标准为目的。

精益数据治理的实施框架

上图中灰色部分为传统数据治理部分，蓝色为在传统数据治理的基础上多了一个垂直的业务场景实施部分

精益数据治理画布

数据资产目录核心功能模块

企业数据资产目录是数据治理和利用的核心工具

企业数据协同全景图

精益数据中台

倡导企业通过“全局谋划，以用促建，快速迭代”的方式，构建以数据服务为核心的精益数据中台。

从分层架构看中台

数据中台/数据仓库/数据湖区别

数据智能工程化

数据智能要成为企业的生产力，就必须以工程化的技术来解决模型开发、部署、测试、上线、预测等全链路、全生命周期管理的问题。

构建数据智能的工程化能力是一个体系化的工程，但是可以以如下3个关键能力作为抓手。
1)DataOps。
DataOps是一套实践、流程和技术，它将综合的、面向流程的理念与敏捷软件工程中的自动化方法相结合，提高数据的质量、生产速度和协作，促进数据分析领域的持续改进。企业通过构建DataOps体系提升数据生产和利用的持续交付、快速迭代、高效协同的能力。
2)MLOps。
MLOps(Machine Learning Operations)是在机器学习过程中借鉴和利用敏捷思想的一种实践，MLOps的流程和工具可以帮助机器学习团队构建自动化、可复用的工作流以及可复用的数据资产，来提高效率并加速机器学习算法的迭代。
3)AIOps。
AIOps是利用大数据、现代机器学习以及其他先进的分析技术，直接或间接地增强IT运维（监控、自动化和服务台）能力，让产品具有前瞻性、个性化以及动态的洞察力，从而更稳定、更高效地运行。

DataOps和AIOps的构建能够提升企业数据智能应用的端到端能力，规模化发掘数据智能的业务价值。

数据中台的定义

数据中台诉求分解

数据中台的4个核心能力

如何打造数据中台

1.统一规划
数据中台介于业务场景蓝图和数据资产蓝图之间，对上承载着业务场景的实现，对下支撑着数据资产的管理和数据治理

2.切片式建设
建设数据中台，要在顶层规划的基础上，以业务场景牵引，进行切片式建设，如下，右边有两个业务场景需要数据中台来支撑，其中场景一要优先实现，这种情况下，数据中台就要分两个阶段优先建设场景一，先完成其中第一阶段所需要的功能。

3.打造数据中台的6个阶段

4.业务场景蓝图示例