聚焦全域数据价值,用友BIP 3 “自驱力”数据中台浮出水面

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 聚焦全域数据价值,用友BIP 3 “自驱力”数据中台浮出水面

随着云时代的到来,企业进入到数智化转型的新阶段,用友BIP应运而生,基于统一数智底座,构建了打通企业内部运营管理与外部商业创新数智化的云服务群,实现数智化赋能,深受企业欢迎。

前不久,用友于2022全球商业创新大会上正式发布了“用友BIP 3”,把这一源自于“国产”的企业服务平台产品,推进到了第三个阶段,力求为企业带来更好的产品体验,而其中一个重头戏,就是进一步聚焦全域数据价值的重构。


我们知道,数智化正在改变整个世界,而数字世界的底层,则是庞大的不断产生、汇集和运算的数据。正是在数据驱动之下,电商、外卖和打车改变了人们日常的生活节奏;科研院所不仅能预测恶劣的天气,还可以仰望星空探索宇宙;医疗大数据让部分癌症的治愈成为可能……企业数智化转型之所以能够不断提速,数据是最重要的新型生产要素,所有行业的创新场景,都与数据驱动紧密相关。但遗憾的是,企业对数据的认知还远远不够。2020年信通院发布《大数据白皮书》指出,仅有32%的企业数据价值能够被激活。同时,数据孤岛现象的存在、数据多样化挑战、数据运营思维的缺失、数据安全的威胁,这些问题依然困扰着企业的数智化转型。如何唤醒沉睡的数据资产,把数据真正地用起来,以支持自身业务的数智化转型,是企业当下思考最多的问题。用友BIP 3将会如何帮助企业在数智化进程中,更好地进行数据价值的驱动?数据中台的能力组件逐渐浮出了水面。

1数据中台并不能包治百病


实际上,企业数智化主要包括数字化和智能化,前者是基础,后者通过智能决策产出价值。但是在数智化的进程中会遭遇各种各样的问题,数据孤岛或是数据标准化问题,都是其中之一。正因为这些挑战的存在,才让数据中台作为一种新的机制浮出了水面。

从定义上,数据中台是一套可持续“让企业的数据用起来”的机制,是依据企业特有的业务模式和组织架构,通过有形的产品和实施方法论支撑,构建一套持续不断把数据变成资产并服务于业务的机制。简单的说,数据中台能将海量数据进行采集、计算、存储、加工,同时统一标准和口径。经过数据中台对数据标准的统一之后,形成数据资产,进而向上支撑应用衍生高效服务。数据中台的好处是,既能将企业数据沉淀为数据资产,又能降低重复建设、减少烟囱式协作的成本。而可复用、可扩展、可运营的中台化能力,就是实现场景化应用的基础。不难发现,数据中台的出现很大程度上解决了传统信息化的不足。它站在企业数智化转型的全局高度,聚合了业务、数据、技术,并让它们产生合力,形成一个数据价值链条,帮助企业从数据资产中获取业务价值。但是不是数据中台就能够包治百病?业界林林种种的数据中台产品和品牌,是否都能够解决企业数智化转型所有问题呢?显然不是。业内有很多不同方向的数据中台搭建思路。比如“通用型”中台的策略是围绕数据中台底层的核心能力搭建产品和交付能力,不过多地牵涉业务层,也不去区分行业场景;而“垂直型”中台的策略是为企业设计上到业务下到数据架构的全套数字化转型解决方案,专注于为具体行业提供一体化的服务。

而用友BIP 3重磅发布后,作为重要的组成之一,它又会如何定义数据中台?

2BIP 3:站在用户视角的用友数据中台


我们知道,数据中台诞生于公有云,是典型的云时代产物,因此最初的数据中台是不关注用户属性的,它更像是一种通用能力。但是企业的数智化成熟度本身就参差不齐,很多传统企业,并没有那么多的数据,所以对数据中台的使用只停留在展现层,只需要报表和分析;但是中大型企业,就需要更多的数据,并对这些数据进行深入的分析,来支撑企业的管理决策;而行业领军级的企业则需要在数据服务层有深入的应用,比如数据治理和数据智能,用于赋能企业的业务和管理决策,使其一直处于行业领头羊的位置。这说明,数据中台的理念本身不具备普适性,但如果将数据中台打造成为产品的组合,它所形成的能力,从低到高,可以为各种成熟度的企业提供服务。这是用友BIP 3数据中台的一个先进之处:并不预设企业的形态,会根据其需求的特征,来提供数据中台的方案。比如中小企业客户,它并不需要部署hadoop集群,也没有那么高的存储和算力需求,但它需要大数据的技术框架,这种情况企业要如何获得数据中台的能力?这个答案也许目前仅有用友可以给到。用友设计了一套单机的产品,目的就是为用户提供一体化极简安装部署的数据中台版本。支持单机部署安装,简化服务的依赖,支持一键安装部署与升级,让用户不需要更大的底层资源,就可以将数据中台的高端技术用起来。


目前用友BIP 3数据中台以企业规模和成熟度为切入点,设定了三个不同的赛道:针对小型企业提供报表平台的产品,针对中型企业,专注于BI工具的赋能,而针对高端市场,则提供数据工场+数据治理+智能分析的整体解决方案。同时,用友BIP 3数据中台更开放,不会绑死在某个技术体系上。核心关键在于,用友更接近客户的实际业务,比如了解什么场景下应该用什么样的数据库。尤其是,用友兼容当下所有主流的数据库,可以免去客户选择的烦恼。同时,用友还会根据客户实际的业务发展的趋势,预计未来的数据规模,给客户提供数据中台部署的建议,这是其他数据中台公司所无法企及的。站在用户的视角,用友数据中台,不会将复杂的开发细节给到客户,以订单统计报表为例,在BIP 3的领域应用中,只需要简单的拖拉拽,就可以清晰处理,而不需要去关注与订单相关有几张物理表,表当中的物理字段都是什么含义,该如何设置。客观地说,企业一定比服务商更懂业务,但未必懂技术。这种带来客户简单化的体验,才是数据中台应该实现的价值。

3  赋能领域数据价值重构

为用友BIP 3形成数据服务


随着用友BIP 3的发布,用友建设全面数据服务能力的战略主张,也逐渐呈现出来。而这恰是用友更为强调数据中台能力的使然。

用友BIP 3拥有大量的领域级应用,过去领域和领域之间是缺乏深度联动的,比如制造业不关心供应链或者财务的需求,但是用友BIP 3的一大创新是业财一体,业务事项可以实时同步到财务,实现实时会计,实时生产运营的数据。这就需要实时数据的打通,虽然领域之间数据的流通,是通过领域之间实现,并没有通过数据中台。但是涉及到对账,要为上下游提供数据接口,做数据比对,还是需要数据中台的能力。为什么要做全面数据产品,客户有没有跨领域的数据分析需求,很多跨领域的数据服务场景,要求数据同步,分享更加畅通。数据中台就是保证这种畅通,确保没有壁垒。而数据中台往往能带给客户预期之上的体验,以德荣医疗为例,本身因为整体业务战略需求建设了用友数据中台,但意想不到的是,通过数据中台支持业务的演进,在其他的业务场景,创造了很多新的应用,比如预测医疗耗材消耗量的工具,就是因此而诞生的,并有效地为公司达到了降本增效的目标。在整个用友BIP 3的体系里,数据中台的价值主要是基于提炼数据,横向服务于领域应用,从领域中拿到数据,并将加工处理后的数据反馈到领域应用,实现领域应用的数智化。比如资金分析,供应商评价,销量预测等一些领域的主题分析产品,都是在这种数据反馈的闭环下产生的,它们架构的基础能力是用友数据中台的数据仓库,数据加工,维度建模等能力。可以总结。用友的数据中台是把能力赋能给各个领域,既是数据汇聚的终点,又是数据分发和分析的起点。在用友BIP 3的架构中,数据中台负责各领域数据价值的重构,为用友BIP 3形成独特的数据服务奠定基础,也推动着用友BIP 3全面赋能和支持企业的数智化进程,铸就数字经济时代企业数智化的“大国重器”。

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
2月前
|
机器学习/深度学习 敏捷开发 存储
数据飞轮:激活数据中台的数据驱动引擎
数据飞轮:激活数据中台的数据驱动引擎
|
3月前
|
SQL 运维 Oracle
【迁移秘籍揭晓】ADB如何助你一臂之力,轻松玩转Oracle至ADB的数据大转移?
【8月更文挑战第27天】ADB(Autonomous Database)是由甲骨文公司推出的自动化的数据库服务,它极大简化了数据库的运维工作。在从传统Oracle数据库升级至ADB的过程中,数据迁移至关重要。
66 0
|
2月前
|
机器学习/深度学习 数据可视化 数据挖掘
唤醒数据中台潜力:加速数据飞轮转动,实现数据驱动的秘籍
本文探讨了如何通过数据飞轮激活数据中台的潜力,实现数据驱动的创新。文章分析了数据中台面临的挑战,如数据孤岛和工具复杂性,并提出了建立统一数据治理架构、引入自动化数据管道和强化数据与业务融合等策略。通过实际案例和技术示例,展示了如何利用数据飞轮实现业务增长,强调了数据可视化和文化建设的重要性。旨在帮助企业充分挖掘数据价值,提升决策效率。
63 1
唤醒数据中台潜力:加速数据飞轮转动,实现数据驱动的秘籍
|
2月前
|
存储 机器学习/深度学习 数据管理
数据技术的进化史:从数据仓库到数据中台再到数据飞轮
数据技术的进化史:从数据仓库到数据中台再到数据飞轮
|
2月前
|
机器学习/深度学习 消息中间件 搜索推荐
【数据飞轮】驱动业务增长的高效引擎 —从数据仓库到数据中台的技术进化与实战
在数据驱动时代,企业逐渐从数据仓库过渡到数据中台,并进一步发展为数据飞轮。本文详细介绍了这一演进路径,涵盖数据仓库的基础存储与查询、数据中台的集成与实时决策,以及数据飞轮的自动化增长机制。通过代码示例展示如何在实际业务中运用数据技术,实现数据的最大价值,推动业务持续优化与增长。
78 4
|
2月前
|
机器学习/深度学习 搜索推荐 算法
从数据中台到数据飞轮:企业升级的必然之路
在探讨是否需从数据中台升级至数据飞轮前,我们应先理解两者之间的关系。数据中台作为数据集成、清洗及治理的强大平台,是数据飞轮的基础;而要实现数据飞轮,则需进一步增强数据自动化处理与智能化利用能力。借助机器学习与人工智能技术,“转动”数据并创建反馈机制,使数据在循环中不断优化,如改进产品推荐系统,进而形成数据飞轮。此外,为了适应市场变化,企业还需提高数据基础设施的敏捷性和灵活性,这可通过采用微服务架构和云计算技术来达成,从而确保数据系统的快速扩展与调整,支持数据飞轮高效运转。综上所述,数据中台虽为基础,但全面升级至数据飞轮则需在数据自动化处理、反馈机制及系统敏捷性方面进行全面提升。
102 14
|
1月前
|
机器学习/深度学习 JSON JavaScript
LangChain-21 Text Splitters 内容切分器 支持多种格式 HTML JSON md Code(JS/Py/TS/etc) 进行切分并输出 方便将数据进行结构化后检索
LangChain-21 Text Splitters 内容切分器 支持多种格式 HTML JSON md Code(JS/Py/TS/etc) 进行切分并输出 方便将数据进行结构化后检索
26 0
|
1月前
|
数据管理 数据挖掘 大数据
数据飞轮崛起:数据中台真的过时了吗?
数据飞轮崛起:数据中台真的过时了吗?
|
1月前
|
存储 数据管理 大数据
从数据仓库到数据中台再到数据飞轮:社交媒体的数据技术进化史
从数据仓库到数据中台再到数据飞轮:社交媒体的数据技术进化史
|
3月前
|
关系型数据库 Serverless API
神秘的 ADB Serverless 模式,究竟是怎样实现数据共享的?答案等你来揭晓!
【8月更文挑战第27天】在数字化时代,数据共享至关重要。阿里云AnalyticDB for MySQL的Serverless模式提供了一种高效便捷的解决方案。它采用多租户架构,确保数据安全隔离的同时支持资源共享;具备自动弹性伸缩能力,优化资源利用;支持多样化的数据导入导出方式及丰富的API,便于集成到各类应用中,实现数据价值最大化。无论是初创企业还是大型组织,均可从中获益。
57 0