1.4 建好数据中台的四个前提

结合多年的实践经验，笔者认为要建好数据中台需要具备四个前提条件。

1.4.1 具备业务、数据、技术相融合的新思维

1.数据中台

数据中台不仅是一个软件平台，也是一种大数据服务方式，更是一种数字化建设新思维，它需要将业务、数据和技术三者融合起来，才能真正使数据在经营活动中产生价值，实现企业数字化转型过程中的商业蜕变。

首先，数据中台是一个软件平台。从功能架构来看，数据中台包含数据采集、数据存储、数据处理、数据服务、数据治理和平台运营六大数据处理功能模块，所以软件平台是其主要载体。

其次，数据中台是一种服务。几乎在所有关于数据中台的资料里都可以看到“服务”两个字，如“数据资产化、资产服务化”。数据中台将来自各种数据源的数据资产化后，最终目的是要通过应用程序接口（Application Program Interface,API）、消息队列、数据库、文件、自主分析终端等形式将数据开放、共享给数据消费者。所以数据服务是其外在的呈现形式。

2.数字孪生

企业经常会遇到这样的情况，即软件平台搭好了，数据内容也服务化了，平台各项技术指标也都验收通过了，但是面对业务的一些敏捷的、场景化的需求时，系统还是无法做出及时反馈。问题到底出在哪里呢？这就要引出一个重要的概念——数字孪生，其是业务、数据、技术融合的新思维。

数字孪生要将现实中的业务对象和对象关系在数字化的场景中模拟重现，所以必须要有大量全方位和全渠道的数据为其提供素材，并且需要强大的数据集成、加工和建模能力为其提供技术保障，而数据中台便是企业构建业务数字孪生的重要载体。

在电商领域有一个成功的数字化应用叫精准营销。面对海量的消费者，实时准确地定制出千人千面的营销策略，其底层所依托的核心技术就是用户画像。用户画像通过定义对象和标签的方式将现实中的用户模拟成数字化模型，再基于数字化模型构建场景化应用。这就是典型的数字孪生思维的商业实践。

比如，某互联网企业利用来自线上、线下用户的消费数据、生活数据、社会属性数据等，依托数据中台的数据处理能力，从人群属性、兴趣偏好、用户行为、实时场景四大维度，对用户对象的性别、年龄阶段、消费习惯、职业类型、购物偏好等几千个属性进行标签化处理，构成全方位、全类别的用户画像。在此基础上，无论面对多么复杂的营销场景，数据中台都可以使用丰富的用户标签快速、精准地定位目标对象。

那么传统企业的精准营销是什么？是精细化管理。很多企业都在建设精细化管理平台能力，但是基本都只是出了一些多维分析的报表，无法做到真正的精细化。为什么会出现这样的状况呢？因为分析数据的维度不够，同时缺乏及时性。那怎样才能丰富分析数据的维度，提高数据的及时性呢？方法是构建企业管理对象和业务对象相对应的数字化对象和数字化标签，形成各种对象的画像。这就是所说的业务、数据和技术相融合的新思维之一，只有通过技术手段将业务对象数字化，业务人员才能基于各种各样的数据对象灵活搭建数据使用场景。

1.4.2 找到高价值的业务场景

数据中台的核心能力是为业务提供随需而变的数据服务，找到和识别出高价值业务场景是数据中台项目成功的关键。笔者认为寻找高价值的业务场景应当从以下三个角度思考：工作效率提升、经济效益增长和模式创新。

1.工作效率提升

要素1：消除有大量重复工作的环节。例如，电子不停车收费（Electronic Toll Collection,ETC）系统的出现，消除了大量人工收费的重复工作，提高了收费效率，减轻了交通压力。

要素2：设计完成复杂业务计算工作的逻辑。例如，地产投资测算多维模型可以让运营人员告别复杂的Excel表格公式。用户只需在系统中输入参数，便可一键完成测算。该模型可以减少大量复杂人工计算工作，解决投资测算不准确、不及时的问题。

要素3：设法实现实时看清业务全貌、掌控业务过程的目标。例如，笔者在过往的咨询项目中曾为某大型能源化工企业打造了“四中心一平台”数智运营中心。“四中心”的内容如下。

a.监控中心，提供敏捷、及时的运营状态监控，实时捕捉业务动态，监控经营趋势，发现经营问题。

b.决策中心，提供深入的管理洞察能力，为企业决策层、管理层实时提供管理分析报告，帮助管理层准确掌握企业运营状态。

c.指挥中心，应用以人工智能为代表的智能化技术，为管理层提供敏捷、实时的决策能力，将管理决策和任务自动化下达到各业务系统，形成自动运营管理闭环。

d.策略中心，提供以企业管理规则为基础的支持能力，将企业经营过程中积累的问题、策略方案、管理方法等内容数字化，是实现数字化运营的基础。

“一平台”指的是数据中台，它为各个中心的正常运作提供持续、稳定的数据服务。

要素4：让各业务进行高效协同，消除信息孤岛。例如，统一的组织主数据管理系统，会让企业所有业务系统都使用同一套组织主数据开展业务，这样就减少了因为组织结构不清晰、责任不明确带来的协同困难。

2.经济效益增长

要素5：设法大幅降低成本。例如，无人超市利用图像识别、智能监控、移动支付等技术，极大减少了超市的人力资源成本。

要素6：设法实时控制和预警业务中的风险。例如，地铁隧道的灾害预警功能，周期性地扫描隧道中的画面并进行图像识别和对比，对可能存在的安全隐患做出风险预警，及时提示工作人员进行安全检修。

要素7：设法减少大量的人员编制。例如，机器播种、工厂的自动化生产线、无人驾驶、机器人餐厅等自动化、智能化的应用都在显著降低人力成本，解放生产力。

3.模式创新

要素8：设计可以在行业中产生绝对竞争优势的商业模式。例如，打车软件利用移动互联网和大数据的特点，将线上与线下相融合，颠覆了路边拦车的模式，用新的商业模式改变了传统打车的市场格局。

1.4.3 拥有高质量的数据

近些年大数据成为热议的话题，海量数据如果不能确保质量，不仅不能为业务赋能，反而可能制造出更多麻烦。只有对数据资产进行治理和管理，为数字化业务场景提供一致和可识别的数据，才能有效发挥数据的价值。笔者认为若要做好数据治理和管理，则需要做好以下四个方面的工作。

①管理好元数据，搞清楚企业有什么数据，数据存储在哪里、从哪里来等问题，形成企业级的数据地图。保证数据可查找、可溯源、可追踪。

②统一数据标准，对企业业务术语、数据模型标准、主数据和参照数据标准、指标数据标准四大类基础数据进行规范化维护和管理。数据标准化之后，系统才能更好地管控数据质量，支撑更高层面的数据应用。

③做好数据质量管理，从技术、流程、管理三个方面定制数据质量校验规则，从数据的收集、存储、加工、共享等环节，对数据进行质量校验，并借助流程引擎的支持，形成发现问题、分析问题、解决问题的全流程闭环。确保数据最终结果的准确、完整、一致。

④做好数据资产管理，挑选有价值的数据作为资产，然后对其分类、打上数据消费标签，让高价值数据资源能被快速定位，从而全面提升企业数据资产服务能力。

1.4.4 理解数据中台的能力

企业在建设数据中台之前，首先要正确地理解数据中台的能力，然后再结合企业的业务现状决定要不要建数据中台。笔者认为数据中台应当具备两方面的能力：提供高效的业务响应能力和强大的数据应用能力。

1.数据中台提供高效的业务响应能力

①可以随时随地地获取到业务需要的数据。

②数据融入系统业务流程当中，业务流程的关键节点可以实时得到数据分析结果的监控和指挥。

③数据分析的结果更多的是对事中的监控和事前的预测，而不仅仅是对历史数据的呈现。

④以往的数据平台满足的是定制化需求，现在数据中台满足的是场景化需求。

2.数据中台提供更方便、更强大、更智能的数据应用能力

①数据资产服务能力。数据中台对企业全域数据进行治理，在保证提供高质量数据的基础上，进行统一的数据资产管理，并提供单一视图的数据API服务。

②数据中台继承了大数据平台的所有技术能力，为企业提供海量数据存储、计算和建模能力，并将其封装成低代码、可视化的数据开发平台，对业务人员更友好。

③自动化、智能化能力。数据中台集成了人工智能（Artificial Intelligence,AI）模型库和数据智能组件，支撑企业实现业务执行自动化和战略决策智能化。

④业务对象数字化能力。以往数据平台提供的是从业务源系统集成的数据，现在数据中台提供的是基于业务对象形成的标签数据。

不同行业、不同企业有着不同的业务特点，没有一套方法论、工具适合所有行业、企业，照搬别人的模式注定失败。所以建设数据中台必须从企业的业务需求出发，结合自身的业务特点和信息化现状，通过建设与企业相匹配的数据中台体系来提升业务响应能力和数据应用能力，切忌照搬互联网企业的数据中台架构。