标签类目体系:面向业务的数据资产设计方法论
上QQ阅读APP看书,第一时间看更新

前言

“用”数据而非“管”数据

当前很多企业在搭建数据中台时,仍然采用传统的管理思路:要梳理哪些数据,需要多少台服务器来存储数据,要采购什么计算引擎……其构建思路依然是:搭建开发集成环境进行一站式开发,利用数据管理工具对数据标准、数据安全、元数据进行管理,利用API网关对所有服务接口进行调用监控……

这些事情本身并没有错,但以技术来驱动数据中台建设也许从方向上就错了!技术专家给客户看的架构图越来越复杂,乙方企业在争抢技术领先的泥沼中越陷越深,甲方客户则看得晕头转向。

中台的核心本质是将可复用的能力、技术和工具汇聚在一起,帮助前端业务快速响应变化。中台从定义上就超出了技术范畴,它所涉及的系统领域并不局限于技术层面。

中台必须与业务接轨,不能与业务无缝接轨的不能叫中台。好的中台能让业务小组或创新小组基于中台已有的可复用模块快速优化业务功能,创新商业模式。而这种中台的建设不能再以“管”数据的思路为指导,而要以“用”数据为出发点。

现在的中台还停留在1.0时代,即供技术人员开发和管理数据使用;到了2.0时代,中台应该是一个智能操作系统,能让业务人员以可理解、易操作的方式创建服务接口或应用系统,让数据“用”起来。

也许我们应该花更多精力来思考如何快速进入中台2.0时代。

现状是,很多企业还停留在数据梳理、治理、数仓建设阶段,业内研究较多的仍然是如何制定标准、推动标准治理落地。在实践过程中,数据部门把自己变成了庞大的成本中心,数据治理项目做了几年还只是刚刚开了个头,而业务部门则嗷嗷待哺,已经失去了耐心。

数据资产是什么?数据中台的价值是什么?在繁杂的工作面前,我们需要回归事物的本质。数据资产是能给业务带来经济价值的数据资源。数据中台的价值在于让业务快速试错,在千百次的试验中找到并发挥数据的商业价值。因此比起开发、治理和管理,是不是更应该将注意力放在寻找真正能给业务带来价值的数据资源上?在本书中我们用标签—一种从业务视角理解数据的组织方式—作为数据资产的逻辑载体。有了标签对物理数据的逻辑映射,数据对于业务人员来说就不再是无法碰触的数据虚体,而是鲜活生动的数据产品,具有标签名、标签定义、标签逻辑、标签取值、标签适用场景、标签调用量、标签质量、标签价值等使用属性。标签化使得业务人员看数据就像逛淘宝,选数据就像加购物车,用数据就像下单购买一样简单。

这时候,一种岗位应运而生。这种岗位以前可能叫数据产品经理,现在应该叫数据资产设计师,而以后一定是数据资产使能者:专心研究业务所需标签,将其设计和开发出来并在数据中台的数据资产库中上架,让业务人员能自己查看、选择、使用标签,从而极大地缩短数据资产使用周期,降低业务试错成本,通过反向推动链将数据价值发挥到极致。

本书主要内容

本书共9章,分为3篇。

由来篇(第1~3章) 首先分析了当前各企业在数据建设过程中会遇到的6大数据困局,然后重点介绍了为应对这些数据困局而逐渐发展出的标签类目体系这一数据资产构建方法论及其定位、定义,最后阐述了采用该方法建设数据资产的3点必要性:资产可复用、业务可理解、价值可衡量。

理论篇(第4~6章) 详细讲解了标签类目体系方法论的4个核心原理、从核心原理衍生出的3个构建前提和6个设计步骤,以及标签方法论在实施落地过程中的具体使用技法与核心问题。

实践篇(第7~9章) 重点介绍了当前可用来提升标签类目体系的设计、使用、运营效率的标签工具和经典模板,列举了从标签到应用的5个最佳实践方案,并总结了标签化的价值、典型应用案例及标签设计人才的培养经验。

读者对象

  • 企业管理者:CEO、CIO、CTO、CDO、数字化转型项目领导者、数据中台构建项目领导者等。
  • 数据从业人员:数据部门主管、数据架构师、数据产品经理、数据分析师、数据开发工程师等。
  • 业务人员:业务部门负责人、业务人员、运营人员等。

致谢

本书有两大写作目的:一是我们想将标签类目体系的构建过程和经验汇编成册,二是我们公司希望将优秀的数据资产设计方法沉淀下来,同时对外与所有正处于数字化转型过程中的企业客户分享,输出并传播数据资产的前沿理念和方法。因此感谢数澜科技市场营销部门、交付部门、研发部门、总裁办等各部门的支持与配合。感谢甘云锋、高雁冰两位领导为本书提供建议与指导。

本书内容来自我们多年以来的数据项目实践,特别是最近几年面向企业端的数据中台建设经历。因此我们要感谢所有给予标签类目体系成长和实践机会的合作伙伴,特别感谢时尚集团、好莱客创意家居、温州检察院等企业、政府机构对标签类目体系方法论的认可及对我们工作的配合。感谢刘容、郭新和、倪建海等专家对实践篇的修改与指正。

感谢曾蓓、王尹等同事及杨福川、罗词亮两位编辑对书稿的编辑与优化。

最后,也是最重要的,感谢一直陪伴在我们身边的家人,是他们的理解和牺牲让我们能够全力以赴地奋战在数据第一线,积累起丰富的数据实践经验,并得以写下这本理论结合实际的著作。

希望我们的数据梦想能和各位分享。