企业构建数据中台的意义

简介: 疫情期间,为了响应教育部“停课不停学、停课不停教、停课不停研”的号召,给多所高校进行了线上直播分享,其中一个主题就是关于数据中台的构建的意义,笔者整理出来分享如下。

企业面临的一些新趋势

在过去20年间,企业的IT投资主要集中在业务流程自动化方面(即实现无纸化办公),以便让企业的业务处理速度更快以及成本更低。正是在应用议程(Application Agenda)的驱动下,企业部署了很多的业务系统如ERP、财务系统、供应链管理系统、呼叫中心Call Center和CRM等。所谓无纸化办公,重点不在无纸,而是在于系统化和自动化,让计算机系统来保证业务流程的运行而不是依靠人工流程。但是,随着竞争的加剧和新一代信息技术革命的出现,今天这些类型的投资已经不能给企业带来可持续的竞争优势,因此最近几年我们可以看到一些新的趋势:
1) 企业更加专注于优化他们的业务以便在市场竞争中获得更大更持久的优势,这意味着企业为了更好的业务决策,不再愿意仅仅利用ERP和财务应用系统来提供财务风险洞察;
2) 为了获得更加动态的需求计划,企业不再愿意仅仅管理其供应链;
3) 为提高客户服务水平以便增加营收,企业不再愿意仅仅管理其呼叫中心和客户关系系统;
4) 当基本实现业务自动化以后,企业开始尝试对现有的大量数据进行深入的分析和利用,以便找到一些新的业务增长点,大量数据的产生使企业开始做一些深层次的创新,不同规模的企业都在努力追赶大据时代的速率和步伐,提升效率,对客户需求进行快速响应,规避不易控的风险。

决策环境日益复杂多样

随着业务量的增长和竞争的加剧,很多企业运营速度越来越快,决策环境越来越复杂多样,不能仅仅依靠经验和直觉判断,企业需要数据驱动来帮助决策,同时基于大量数据所做的决策还要满足速度的要求,业务的数字化转型逼迫企业要有效且及时的利用数据。如下图所示,决策与分析从上到下分为战略、管理和运营三层,在战略层面企业关注战略性转变和调整,在管理层面企业关注业务成本资源和绩效成果管理,在运营层面企业期待以更加及时的方式管理特定的运营流程。企业需要把各式各样的分析能力集成在一起提供实时决策支持,从下往上看,企业对分析的范围、聚合度和业务假设需求日益增加;从上往下看,企业对分析的详细程度、容量和速度要求日益提高。
3.png

企业构建数据中台的意义

通过构建数据中台,企业可以全面掌控信息并获得可信、完整、相关联的企业信息单一视图。通过对数据的唤醒,企业可以获得深入的洞察力,帮助企业进行正确的决策并转化为实际行动。通过掌控信息构建数据中台的基础,通过数据分析发现问题并获得指引业务的洞察力,通过将业务分析模型加入到业务流程中,使洞察力的价值不是被一次或几次体现,而是常态化地发挥作用,指导企业的常规业务活动。通过将分析模型嵌入到业务流程或者将分析结论自动化的返回到业务流程中去,避免同样的问题再次发生或者问题发生时立即加以应对,最终实现流程的不断优化。通过数据中台,数据的价值被最大化的挖掘并加以利用,数据从待开发状态被唤醒成为业务优化的驱动者。在唤醒数据的过程中,除了业务分析和优化能力还涉及到业务流程的解读以及如何构建问题模型等内容。

具体来说,企业构建数据中台具有以下意义:

1. 数据中台主要是将数据作为生产资料转化为数据生产力。在DT时代,企业只有了解用户,在数据支撑的条件下不断创新,打破数据孤岛,才能在日益激烈的竞争中长期保持优势。

1) 数据中台可以从企业数据和各种新来源各种数据(结构化、半结构化和非结构化数据)中获取深入洞察力,并依据洞察力帮助企业进行更明智的决策以及进一步转化为实际行动。利用数据中台聚合的企业全维度数据,企业可以从海量信息中发现业务规律、可能出现的欺诈、风险和新的商机等,通过分析技术创造独特的竞争优势,将分析技术融入到战略决策和日常运营管理中。
2) 帮助企业更好的了解自己所处的行业和客户。在快速变革的时代,特别是新一代信息革命影响着每一个行业(DT时代,互联网+),企业的经营方式、企业与客户互动方式等都在发生变化。数据中台建设的核心目标是以客户为中心的持续规模化创新。通过构建数据中台,汇集企业360度数据、行业全渠道数据等,打造高质量的数据资产,为企业前方业务提供数据支撑和深层次客户洞察,帮助企业制定更加个性化和智能化的产品和服务(符合长尾理论)。例如,电商企业可以通过汇聚客户360度数据(全域数据),实现地理围栏、精准营销、个性化标签、千人千面、效果分析等,优化对客户全生命周期的理解。
3) 支持企业进行商业模式创新,为业务洞察提供数据支撑。依托云计算、大数据和人工智能算法模型,将海量全域数据(碎片化的、割裂式的数据意义不大)进行机器学习和深度学习建模,找出潜藏的规律(业务洞察),支持前方团队业务创新(转换为行动),从而带动大规模的商业创新。透过数据中台提供的各种数据服务,弥补业务人员和技术人员之间的沟通协作鸿沟(技术人员不懂业务、业务人员不懂技术),使得数据应用到业务变得简单。同时,数据中台提供的标准化的数据访问能力,也促进了内部各业务系统的进一步创新和融合。
4) 数据中台实际上是一个以信息为中心、以洞察力为导向,以分析驱动决策的数据平台。全面的分析洞察是构建在全面掌控信息之上的,通过对数据的唤醒,企业可以获得深入的洞察力。

2. 数据中台本身是一个成本中心,如何平衡数据中台构建本身所耗费的成本、数据中台给企业业务带来的创新收益(效率提升、成本节省、营收增长)是重点。 平衡不好的情况下, 比如过于激进的数据中台实施策略会造成前方业务团队的激烈反弹从而失败,因为短期内数据中台的实施很难带来立竿见影的效果,但是会给各个业务部门增加很多工作量。

3. 数据中台的实施本身需要企业完成业务自动化和数字化转型,很难一蹴而就,实施过程需要渐进式的方式来完成。最好基于业务驱动的模式,结合Kimball维度建模和Inmon关系模型方法分步骤的实施,避免大跃进的方式给企业带来的动荡和迷惘。

4. 对一些大型的企业(中小型企业不需要,直接梳理一些业务需求就可以了),其实可以先构建业务中台,这样对前方的业务支撑作用非常明显,内部绩效考核也更加清晰和明确。在构建业务中台的基础上,进一步构建数据中台,为业务中台持续螺旋式创新提供全面的数据支撑。

相关实践学习
使用CLup和iSCSI共享盘快速体验PolarDB for PostgtreSQL
在Clup云管控平台中快速体验创建与管理在iSCSI共享盘上的PolarDB for PostgtreSQL。
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
|
3月前
|
存储 机器人 关系型数据库
如何使用 LangChain 和 PostgreSQL + Drizzle ORM 构建上下文聊天机器人
如何使用 LangChain 和 PostgreSQL + Drizzle ORM 构建上下文聊天机器人
159 1
如何使用 LangChain 和 PostgreSQL + Drizzle ORM 构建上下文聊天机器人
|
4月前
|
人工智能 机器人 API
使用 OpenAI、LangChain 和 LlamaIndex 构建 Knowledge
使用 OpenAI、LangChain 和 LlamaIndex 构建 Knowledge
414 0
|
4月前
|
存储 人工智能 机器人
通过 OpenAI 和 Langchain 构建 Arxiv 论文摘要 Twitter 机器人
通过 OpenAI 和 Langchain 构建 Arxiv 论文摘要 Twitter 机器人
55 0
|
4月前
|
人工智能 测试技术 API
LangChain :构建个人AI代理从这里开始
LangChain :构建个人AI代理从这里开始
199 0
|
6月前
|
存储 分布式计算 供应链
数据中台实战(03)-构建数据中台的三要素:方法论、组织和技术
数据中台实战(03)-构建数据中台的三要素:方法论、组织和技术
134 0
数据中台实战(03)-构建数据中台的三要素:方法论、组织和技术
|
7月前
|
存储 分布式计算 大数据
企业级大数据中台构建与实施
企业级大数据中台构建与实施
|
7月前
|
存储 SQL 关系型数据库
AnalyticDB PostgreSQL构建一站式实时数仓实践
本文介绍通过 AnalyticDB PostgreSQL 版基于实时物化视图,构建流批一体的一站式实时数仓解决方案,实现一套系统、一份数据、一次写入,即可在数仓内完成实时数据源头导入到实时分析全流程。
1872 5
AnalyticDB PostgreSQL构建一站式实时数仓实践
|
8月前
|
关系型数据库 数据库 PostgreSQL
如何使用pgvector为RDS PostgreSQL构建专属ChatBot?
随着ChatGPT的问世,人们开始认识到大语言模型(LLM,Large language model)和生成式人工智能在多个领域的潜力,如文稿撰写、图像生成、代码优化和信息搜索等。LLM已成为个人和企业的得力助手,并朝着超级应用的方向发展,引领着新的生态系统。本文介绍如何基于RDS PostgreSQL构建专属ChatBot。
|
8月前
|
存储 API Docker
【Docker】使用 Docker 和 Streamlit 构建和部署 LangChain 支持的聊天应用程序
【Docker】使用 Docker 和 Streamlit 构建和部署 LangChain 支持的聊天应用程序
|
8月前
|
关系型数据库 分布式数据库 数据库
基于PolarDB PostgreSQL版和LLM构建企业专属Chatbot
随着ChatGPT的问世,人们开始认识到大语言模型(LLM,Large language model)和生成式人工智能在多个领域的潜力,如文稿撰写、图像生成、代码优化和信息搜索等。LLM已成为个人和企业的得力助手,并朝着超级应用的方向发展,引领着新的生态系统。本文介绍如何基于PolarDB PostgreSQL版向量数据库和LLM构建企业专属Chatbot。
22882 14