数据中台（02）- 数据中台能力与应用场景_数据中台应用场景

01 数据中台不是“银弹”

数据中台不是解决一切问题的“银弹”，它的成功是建立在信息化的基础上的，没有完善的信息化基础，企业就无法全面理解企业业务，更难以从中获取有用的信息。

一般来说，拥有多个事业部、多条产品线，需要在众多产品线中形成数据共享和复用的企业，可以最大化数据中台的投入产出。在多条产品线、多个业务部门形成数据合力之后，数据的作用将得以最大化。数据中台有两大好处。

• 其一，在开发新产品的时候，可以重用现有的数据功能，新产品线在接入数据中台后能够快速构建上线。例如，如果某个企业已经有了一个统一的用户画像服务，那么每个新上线的系统就可以直接使用这个用户画像服务，而无须重新构建。
• 其二，打通后的数据能够提供额外的决策信息。例如，某个企业想要实时评估广告投放效果，但是相关数据分别存放于渠道商的网站上、自己的业务系统以及第三方的 ERP 和 CRM 中。

即使是规模很小的企业也需要有正确的方法论和架构来建设自己的数字化运营体系，而数据中台正好提供了这样的方法论和架构。

02 数据中台的核心能力

数据中台建设的核心思路是赋能业务部门，提供更好的数据能力工具，使业务部门能够通过中台提供的功能快速获取商业洞见，从而快速提供数据驱动的业务产品。因此，脱离了业务应用，数据中台的建设就是空中楼阁，我们在规划数据中台建设的时候，要有业务应用的场景，后续的迭代必须由真正的业务需求来驱动。

数据中台有如下的核心能力：

• 【全局商业洞见】:例如通过分析市场行为，发掘新的商机和产品机会；通过对现有产品的表现进行评估和判断，提升其用户满意度及市场竞争力；对公司各个部门和功能的表现进行实时多维度评估，例如对每个业务部门各个维度的业绩进展、重要经营指标的实时掌握等等
• 【个性化服务】：例如服装行业需要根据消费者的喜好和身材数据定制衣服、鞋帽。这些推荐系统一般包含用户画像、产品画像、匹配服务、反馈服务等
• 【实时数据报表】：不可否认，有不少大屏的项目是面子工程，但是一个能够显示最新核心指标、易用的可视化工具是非常重要的。正所谓“一图胜千文”，一个好的实时数据看板可以让管理者快速掌握企业的运行状况，让一个部门、一个项目组的人员能够快速了解当前产品的运行情况，对任务及其优先级有一致的理解。
• 【共享能力开发新业务】：例如今日头条的案例中，可以看到它们在企业内利用现有用户数据快速落地新业务的强大能力，赋能企业内各个业务部门，帮助其快速理解现有数据。

03 数据中台的行业应用场景

数据中台在各个行业的应用场景和案例来阐述数据中台的适用场景，能够更好地回答“数据中台究竟能给我们带来什么价值”这个问题:

• 【互联网行业】：例如阿里巴巴数据中台的核心是 OneData, OneData 体系建立的集团数据公共层从设计、开发、部署和使用上保障了数据口径的规范和统一，实现了数据资产全链路的管理，提供了标准数据输出。统一数据标准是一项非常复杂的工作，因为同一个数据指标的定义众多。例如，对于 UV 这个数据指标，统一标准之前阿里巴巴内部竟然有十多种数据定义。据介绍，OneData 数据公共层总共对 3000o 多个数据指标进行了口径的规范和统一，梳理后数据指标缩减为 3000 余个。从 2015 年至今，中台战略已经为阿里巴巴创造了巨大的价值。
• 【连锁零售业】：作为一个数据驱动的零售商，衣邦人在广告渠道管理、精准营销、个性化服务、门店管理等方面充分发挥数据的威力。例如，其数据中台打通了各个渠道的广告数据以及后台的 CRM、EP 及业务系统数据，可以实时了解广告投放的真实成单效果，防止可能的广告欺诈，同时可以精准计算各个渠道的 ROI，进而及时放弃无效渠道，增加高效渠道的投入。在客户服务层面，能够快速实现精准的用户画像，提供个性化的促销及产品推荐。在管理层面，为各个门店提供定制化的业务数据报表，赋能一线业务人员。
• 【金融业】：以富国银行为例，这家一度被称为“美国最佳零售银行”的私人银行，以创新和客户服务著称于世。早在 1983 年，富国银行就建立了自己的数据仓库系统。富国银行还是少有的将数据战略写入董事会战略的银行之一，其对数据战略的重视可见一斑。不过，像大部分银行一样，富国银行以前的数据平台都是围绕业务线建立的，每个业务部门都建设有自己的数据系统，这就导致富国银行虽然坐拥 7000 万客户的数据，但是这些数据分布在众多银行部门和系统中，难以复用和共享。而要解决这样的问题，数据中台是非常适合的。
• 【物联网】：物联网数据的处理有其特殊性：一是设备的多样性导致数据的多样性，必须通过物联网网关将其转换成标准格式；二是同样的数据需要用不同的时间粒度和形式来处理。例如，同样的能耗数据，必须以实时流数据的形式提供给实时报警系统和监控大屏，以关系型数据的形式提供给 BI 报表系统生成日报和周报，三个月到半年的数据需要以时数据的形式提供给智能监控分析程序进行机器学习，更长时段（比如两到三年）的数据需要以压缩的数据格式提供给历史数据分析程序。对于这种多样的需求，一般的数据平台处理起来通常会非常棘手，而通过数据中台，将物联网网关数据纳入统一的采集框架，自动提供底层数据不同格式和粒度的管理和转换，在汇总后将基本数据通过统一的数据接口供上层应用使用，而且所有的应用和数据全部运行在同一个集群中，由统一界面进行管理，从而解决了多源异构数据的处理及可控管理的难题。

04 数据中台如何为企业赋能

举例阿里巴巴数据能力共享示意图：

【赋能决策部门】： 在数字化运营的企业里，数据对于决策层的重要性不言而喻，日益普遍的CDO（首席数据官）和 CDS（首席数据科学家）职位的设置就是很好的证明。2o15 年，美国政府将来自 LinkedIn 的数据科学家 DJ Patil 任命为白宫的 CDS，就是希望他在互联网企业的数据经验能够帮助政府和其他行业做出更科学的决策。对于企业的管理决策层而言，数据中台可以为其赋予五大能力：

• 快速智能的商业决策支持
• 精细化的运营和管理
• 产品的快速迭代
• 内部数据能力的共享和复用
• 完善的ROI管理

**【赋能业务部门】：**对于业务部门来讲，它们对数据中台的需求贯穿了整个产品生命周期。数据中台能够为业务部门带来如下能力。

• 获得市场洞见：通过对现有用户和市场数据的分析，了解市场和用户的情况。
• 预测产品的市场：在将产品全面推向市场之前了解市场可能的反馈。
• 监控产品的性能：在产品推出后快速了解产品运营的各种指标。
• 持续跟踪用户行为及反馈。
• 自动发现市场的异常并快速响应。

**【赋能研发部门】：**产品研发部门希望能集中精力在业务逻辑的开发上而无须考虑数据处理的细节，因此数据中台应当具备与 DaaS (Data as a Service）平台相似的能力：

• 需要的数据都能够随时获得，并且能保证数据的可用性及正确性；
• 要有方便的数据处理流程，有一套标准，能够很方便地进行数据处理；
• 要有数据服务，提炼出有价值的数据后，能够通过数据服务将其开放出来进行共享和使用；
• 要有数据应用，能轻松地进行A/B测试、做大屏、进行数据监控等。

【赋能大数据部门】： 在数据中台的建设中，大数据部门处于核心位置，但是大数据部门的工作除了搭建大数据基础能力平台之外，更要侧重于全局的数据能力统一管理和赋能。传统大数据团队的主要任务一般如下：

• 安装和运维 Hadoop、Hive、Spark、Kafka 这些大数据基础组件；
• 提供 ETL 工具的运维支持，有时候帮助业务部门写一些查询，进行一些查询的优化；
• 提供大数据平台集群用户的管理、权限的分配及数据的管理与备份等；
• 负责大数据系统的运维、扩容和升级，帮助业务部门解决系统问题。

而在数据中台的运营中，大数据部门除了上述工作之外，还需要建立数据标准并确保数据标准的执行；

• 提供自助的数据工具供各个业务部门使用；
• 开发支持业务系统的数据处理框架、测试框架、数据分析框架，避免各个业务 T 部门重复开发；
• 确保各个业务部门能在数据平台上发布、共享它们的通用数据能力；
• 提供数据应用发布、运维、更新的全生命周期管理；
• 精细化运营整个大数据平台，确保每个数据应用的 RO 都得到追踪。

05 文末

本文是《云原生数据中台：架构、方法论与实践》的读书笔记，谢谢大家的阅读，本文完！