关于数据中心的文章很多，相信大家也看过很多，但是今天想聊的话题很现实，就是如何判断自己数据中心的水平？跟阿里比起来，离你有多远？来看看中台成熟度评估图：从数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据生命周期八个能力域阐述五个层次的具体标准.企业数据管理能力成熟度模型可用于评估和提升组织的数据管理水平，帮助组织弥合业务与IT之间的差距。DMM根据企业的数据管理能力提出了五个层次：Performedexecutablelevel、Managedmanageablelevel、Defineddefinedlevel、Measuredmeasurablelevel和Optimizedoptimizedmanagementlevel，如下图：DMM模型涉及五个方面25个流程Domain，如下图所示：以上三种评价方式很系统，但是存在两个问题：一是因为数据中的平台本身没有明确的定义，所以上面的评价实际上变成了整个数据的企业。管理体系的评价，数据中心的商业化、服务化、开放性没有得到很好的体现。其次，基于这些评价标准，很难快速清晰地看到各行业数据中心之间的差距。因为每个人都或多或少做了各方面的工作，你觉得有没有，有没有，有一个度的问题，这个度涉及的维度太多了，你其实不知道哪个维度更重要。同样重要。比如数据治理很好，但是服务很差。你觉得这个数据中心先进不先进？《数据中台》本书中提到了数据应用成熟度的四个阶段，简单但更符合实际，更有指导意义，如下图所示：那么，我们能否给出一个相对简洁的数据，可以快速找到差距呢？中台成熟度模型呢？云原生成熟度评估模型给了我一些启发，如下图所示，无论这个云原生成熟度评估模型是否合理，都清晰??明了，简单明了，可以很容易地抓住主要矛盾和找到差距。从而明确自己前进的方向。解读这张图，我觉得有两个核心点：一是明确每个关键技术点只在一个阶段出现，高层的默认所有低层的关键技术点，更清晰。二是一定阶段的关键技术点必须在企业中得到广泛应用，普及率至少达到50%。满足云原生三级灰度发布需求。用这张图来评估各个企业的云原生水平，可以得到一个大概的分数，可以相互比较。比如一些先进的互联网公司可能在3级以上，而你的企业可能刚到2级。因为你没有任何灰度发布能力。基于这一指导原则，这里给出了数据中心平台的成熟度模型，从能力建设和业务驱动两个维度，重点对系统灵活性、工具效率、数据共享、服务丰富度、智能化水平等要素进行定义数据中心成熟度的四个等级，如下图所示：第一阶段：如果你的企业数据已经基于一个中心化的平台进行了采集和整合，比如50%的数据已经被整合，在同时你拥有需要分配的能力，可以认为已经到了数据中心的初级阶段。此时的服务模式还是以传统BI做可视化为主。事实上，大部分企业都在第一阶段徘徊，因为数据壁垒无法打破，按需配置资源的生态也面临着技术、机制、流程等方面的障碍。比如别人申请租户，你要等两周才能打开。很坏。第二阶段：如果你的企业只是收集数据，很少有人使用，那么平台在数据方面的水平也很一般。你必须建立标准，开发管理平台，运营系统，这样这些数据才能被有效地使用。比如一个企业50%以上的营销、分析、IT人员都必须能够基于你的平台来操作数据。大多数企业面临的挑战是巨大的。少数企业正试图向第二阶段演进，但该阶段对平台的易用性和运营能力要求较高。基因更好的互联网公司更容易跨界，但传统公司就很难跨界。这并不简单。技术问题，还有数据文化问题，都需要公司战略的真正支持。第三阶段：如果你的企业已经建立了一套真正贯穿全领域（体现多维价值）的企业级模型体系，大部分数据可以实时支持各种场景，同时时间，可以以服务化的方式提供方便的对外开放，比如阿里云+平台的按需订货能力，直接基于模型或者产品实现大规模变现的能力，那么它已经到了第三阶段。少数先进的互联网公司已经达到了这个水平，但普通公司很难做到。比如面向服务，不仅仅解决技术问题，还要打通从下单、激活、开票到收款的整个流程，建立一堆业务管理标准，尤其是库存业务量大的时候，就会陷入创新的困境。第四阶段：数据智能达到自驱动层面，形成全面的数据驱动的商业生态。没有人做到这一点。限于笔者的能力和眼光，很难说这种划分方法是科学的和系统的，但它给出了另一个评价视角，希望对大家有所启发。最后，如果让您给公司的数据中心打分，您认为自己能打几分？
