袋鼠云数据中台专栏2.0 | 企业三界:业务界面,应用界面,数据界面

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: 关于袋鼠云数据中台专栏V2.0 数据中台如何定义?企业数据化与数据中台的关系是什么?数据中台如何支撑企业战略转型? 袋鼠云近两年来,先后为国内数十家大型龙头企业提供数据中台咨询与实施落地服务,积累了大量的实战经验,同时也在为客户服务的过程中,不断完善和升华自身的数据中台理论体系和实践方法论。

关于袋鼠云数据中台专栏V2.0

数据中台如何定义?企业数据化与数据中台的关系是什么?数据中台如何支撑企业战略转型?

袋鼠云近两年来,先后为国内数十家大型龙头企业提供数据中台咨询与实施落地服务,积累了大量的实战经验,同时也在为客户服务的过程中,不断完善和升华自身的数据中台理论体系和实践方法论。希望通过后续文章的分享,与诸位读者交流,共同加快企业全面数据化进程。

本专栏每周更新1-2篇,敬请期待~

正文

一、企业三界

本篇文章阐述「企业业务」、「企业信息化」,「企业数据化」三者之间的关系。

界面是一个很宏观的东西,玄幻小说里所谓的人界,地界,天界,都用界面这个词来描述。之所以用到界面这个词:

第一说明它所划分的东西很宏大;

第二说明界面之间的区隔很明显;

同时也说明,这些区隔之间一定是有交互的,有本质和内在的联系。

笔者就用界面这个词来描绘一个企业内的三部分内容:企业的业务,企业的信息化和企业的数据化。
image

企业三界透视图 业务界面、应用界面、数据界面

二、业务界面

业务界面最持久,就像人类社会的存在一样,自从诞生了企业这个实体,企业业务界面也就随之诞生了。

现有的几种经典的「企业架构(EA)」描述方法,都能够对企业业务架构进行完整而详细的描述。

image

图片来源于网络
或者我们更简化一些,了解一个企业可以从两个方面来看:

一个是「静态的实体」,一个是「动态的流程」。

静态的实体是对人、财、物的描述,这其中我们尤其关注人。企业的组织架构,部门职责和岗位设置与岗位职责,这些要了解清楚。

另一方面是动态的业务,业务以业务流程的方式展现,从最宏观的企业价值链,一直到部门间甚至部门内的业务流程,这些流程让我们看到企业业务架构中动态的一面。

当我们把上述的内容都了解以后,我们对一个企业的基本业务情况也就了解的差不多了。

三、应用界面

企业的应用界面建设,也就是我们所谓的「企业信息化建设」,也是笔者十几年的工作内容。

从最开始的财务电算化,到「办公自动化(OA)」,到「MRP」,「MRP2」,到「ERP」,然后就是企业各种主要业务的对应专业软件涌现。

图片来源于网络
当企业内的系统开始变多,变复杂的时候,一方面大规模的集成系统开始流行,另一方面IT咨询逐步在国内火热,企业开始从关注系统到关注系统之间的事情。

然后就是「SOA」了,从最初的门户(portal),单点登陆SSO,到ESB,到MDM。

也许应用界面的最后一个主题就是,

「业务中台」的建设了。所有应用都定制开发,采用「互联网微服务」的方式架构。最终做到真正的资源动态扩展,应用随需应变。

四、数据界面

「企业数据界面」是一个新兴的界面,既然是新兴的界面,就需要说明一下这个界面的前世今生。

以往,数据界面的功能是依附于应用界面的,因为应用界面自己就可以产生数据,而且应用界面有一定的数据计算能力,基本的业务统计可以通过应用本身的算力计算出来。

但是,应用界面的主要算力还是要支持业务稳定运行的,人们越发发现需要有专业的存储和算力要应对现有数据的再次计算需求,业务界面也就逐步将这些功能转移出来,数据界面也就逐渐拥有了自己的雏形。

图片来源于网络
也许大家会说,这些都是传统数据仓库早就提出和存在的内容,之所以笔者要用界面来再次强调和划分,是因为随着数据中台的普及和企业数据化进程的加快,我们越来越发现数据界面和传统应用界面的区隔,无论是技术路线,应用方式,乃至建设路径都有很大的差异,甚至说差异越来越大。

数据界面的主要职责就是数据的计算,它从应用界面汲取数据,在自己的界面内进行数据清洗和统一建模,最后在各种场景的驱动下,再在统一的数据模型内找到各种数据进行计算并进行结果的输出。数据界面将一部分数据结果直接供给业务界面,也就是让不同岗位,不同层级的人都能够看到和使用到数据。

随着数据智能应用的增强,数据界面的产出物,也会更频繁地和应用界面进行交互。比如很多实时计算的结果或者算法模型的应用,会以数据API的形式进行交互。

五、总结

数据界面的产出物是结果数据,这些结果数据是在数据资产金矿中淘出的金子,而业务界面和应用界面对数据界面的数据要求似乎也是无穷无尽的,所以数据界面不仅仅对业务界面和应用界面提供数据支撑,同时也会对应用界面和业务界面提出要求。

数据界面对应用界面提出的要求是最多的:

一方面是数据源的要求,如果没有数据源,那么后面的数据汇聚,萃取和产出也就无从谈起;

另一方面是数据质量提升的要求,比如基础数据不一致,数据信息缺失,数据准确度不高或者约定好的数据模型内存储了其他含义的数据等等。

数据界面也会对业务界面提出要求,尤其是在进行业务变革和业务创新的时候,企业往往要在业务动作甚至是资金上进行大量的投入,然后才能够产生数据。

数据的事情之所以单独归类为一个界面,笔者认为有以下几个原因:

技术体系、能力、产品、构建方法与IT界面的内容差异越来越大

数据的重要性被企业广泛认可

需要归结成一个界面而进行单独的研究和讨论

数据界面是一个新兴的界面,传统数仓其实已经在这个界面中应用很久,且解决了很多核心关键问题,「数据中台」相比于传统数仓和数据中心,更多的是一次提升和超越。

图片来源于网络
相信笔者和诸多读者中的好多人,日后的职业经历里绝大部分精力都会投入在这个界面的建设之中,应用界面建设的很多正向和反向经验也都能够为这个界面的建设做参考,我们期望在构建这个界面之初就能够融入更多的以往建设的智慧,甚至是很多互联网的思路和做法,从而让这个建设的过程更加得平稳和迅速。

本文作者
张旭 (花名:老虎)

袋鼠云副总裁,解决方案与交付负责人

原用友股份应用集成业务部总经理,主数据管理专家、业务创新带头人

曾主导数十家国内500强企业的数字化建设原型项目的规划与落地

拥有十多年企业服务和项目管理实施经验

袋鼠云是企业数据化整体解决方案提供商,是数据中台架构倡导者、引领者,通过打通数据供应链,构建企业数据化驱动引擎,加速企业数据化进程,让数据成为企业核心竞争力。

http://DTSTACK.COM

数据智能,让未来变成现在

400-002-1024

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
目录
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。
67 0
|
25天前
|
人工智能 Cloud Native 容灾
云数据库“再进化”,OB Cloud如何打造云时代的数据底座?
云数据库“再进化”,OB Cloud如何打造云时代的数据底座?
|
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
|
1月前
|
测试技术 API 数据库
云数据库之添加数据
云数据库之添加数据
26 1
|
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。
80 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。
103 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
28 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?