数据时代带来的挑战，不仅仅是数据量的爆发式增长，更重要的是如何管理、治理和利用好这些数据。为实现技术成本降低、应用效率提升、业务赋能的目标，企业需要从组织战略的角度设计和构建数据中台，不断推动技术和团队创新。企业的发展往往伴随着业务多元化，由此产生的业务数据也越来越多样化，这为企业进行数字化转型带来了更多可能，也促使企业思考如何更好地利用数据、挖掘数据价值。目前，大中型企业的数据存储仍然分散在各个业务部门和终端，造成大数据平台垂直分布、水平碎片化的状态。为了打通这些数据，建立可复用的数据分析能力，以达到技术成本降低、应用效率提升、业务赋能的目的，“数据中台”应运而生。很多企业都在关注如何建设数据中心，但企业高管也发现，建设数据中心的难度不仅仅局限于了解什么是数据中心。近日，《财资中国》采访了Gartner高级研究总监孙鑫，围绕建设数据中心的思路进行了分析。孙昕指出，建设数据中心的目的是为了让企业实现高效的数据驱动，减少重复的架构建设，这就需要企业高管站在组织战略的高度进行顶层设计。Gartner高级研究总监孙昕现状：企业数字化与数字经济存在脱节尽管企业数字化转型众所周知，但在实际运营过程中，很多企业的数字化业务运营模式尚未发生根本性转变.采访伊始，孙鑫指出，目前中国企业数字化转型与数字经济存在脱节，表现在以下三个方面。首先，数据的价值尚未被衡量。大多数企业还没有建立科学的数据价值衡量标准，数据的挖掘、分析和利用还处于比较早期的阶段。根据Gartner2019年CDO调查，只有25%的企业真正衡量了数据的价值。一方面，大部分企业没有CDO这个角色来规划和利用企业数据；另一方面，即使设立了CDO，大多数企业也没有对数据人才进行适当的培训和招聘。即使使用了先进的工具，也没有在人们的数据分析能力上积累长期价值。二是数据资产利用相对被动。目前，企业对数据资产的利用过程还处于按需处理阶段。企业员工发起数据分析和处理需求，相应的数据员工在不主动使用企业数据的情况下进行操作。此外，企业数据分散在各个系统中，没有建立有效连接，数据孤岛问题突出。三是数据分析产品尚未正式推出。技术领先于业务。一方面，数据管理工具的能力已经高度聚合，在统一的平台上可以发挥相当大的作用；数据质量阶段，没有通过一系列的方式真正实现数据的价值。因此，企业需要更多地运用技术手段，提升数据管理能力，主动利用元数据，实现数据资产价值的最大化。面对企业数字化现状与数字经济要求的差距，我国互联网企业提出了“数据中台”的概念，将数据管理和分析与企业业务联系起来。虽然业界对数据中心还没有形成统一的定义，但这并不妨碍企业利用先进的理念和技术来实现数据中心的目标。在孙鑫看来，企业在开始建设数据中心之前，应该思考两个问题：第一，数据中心的产出是什么，能不能为业务带来价值；第二，公司目前的数据分析能力如何？缺陷，以及可以使用哪些工具来弥补这些缺陷。行动：在公司战略高度打造数据中台。提到数据中台，大多数企业都会下意识地认为需要重新构建一个系统。在孙鑫看来，其实大可不必。企业的数字化转型不是一蹴而就的。企业在数字化转型过程中，构建了适用于各种场景的数据分析平台，如客户体验平台、生态平台、物联网平台、内部信息系统等。数据中台的建设方向应以企业数字化平台为核心，即Gartner定义的数据和分析平台（红色虚线部分），帮助企业各数字化平台的业务用户做出更好的决策，并在各个数字化平台的协同孵化下，形成可复用的数据分析能力（图1）。▲图1数据中心建设方向。资料来源：Gartner为企业打造数据中心的行动。孙鑫建议，要用产品思维去设计和构思。他解释说：“过去，公司在做项目的时候，很少考虑内部员工的满意度，或者外部用户应该如何接受。数据中台就是让数据分析更有效，给用户更多的获得感。”“在具体实施中，孙鑫提出，数据中心建设应站在公司战略的高度。数据中心的每个能力对应不同的厂商，一些对应的数据调用需要多个部门的配合。可见，数据中心的建设是一项跨部门、跨业务场景的工作。孙鑫认为，一个好的数据分析团队是由集中的团队和分散在各个业务线上的团队组成的。建议企业将数据中心定义为组织战略，将数据分析团队作为数字化平台建设的必备条件。一个元素。具体来说，建设数据中心可以遵循以下思路。第一，不建议搭建新的数据中台，而应该采用数据集成的形式，搭建一个数据无缝对接的平台。为企业建设数据中心，绝不是把所有的数据都收集到一个地方，然后才开始应用数据。随着数据的不断涌入，数据中心应该以连接的方式重新利用原本存储数据的介质。有手段。其次，要为前端业务赋能自助分析能力。建设数据中台需要对数据资产进行标注，并提交给具有业务属性的业务用户。因此，数据中心的能力是动态的，前端业务人员不断配合输入，后端数据工程师不断调整，让数据及时分配给业务用户。三是场景带动数据中心建设。数据中心首先要找到相对明亮（可见度高）的业务场景。在这些场景下，可能会涵盖对数据分析能力的各种需求。在对这些场景进行深入研究后，通常会发现数据中心需要具备的能力，从而确定数据中心的建设方向。以增加活动销量为例，需要对增加销量的目标进行分解，找到每个小目标中对数据分析能力的需求，比如报表能力、交互可视化能力、数据准备能力等。第四，提高员工数据素养。展望未来，人们对数据产品和服务的期望不断提高，企业需要不断提升员工的数据素养，使他们能够接受更先进的数据产品或数据中心能力的输出。一是要有将数据分析应用于业务的思维，二是要善于使用数据工具，三是要有数据分析的方法。创新：从数据连接到能力再利用的数字化转型，关键是要真正发挥数据的价值。Gartner预测，到2022年，CDO将与CFO一起，有组织、有计划地评估企业信息资产，以合理地改善数据并获取价值。90%的企业会明确将信息或数据作为企业的核心资产，将数据分析能力作为企业的核心竞争力，并在企业内部进行推广。但数据中心的输出能力只是DataasaService，即API的形式远不能直接被业务部门使用，这就降低了企业数据分析应用的广度。组织应通过集成和重用丰富数据分析功能的输出（图2）。孙鑫认为，随着新技术的引入和融合团队的建立，这无疑是一个创新的过程。例如，基于机器学习的增强数据分析和管理工具可以大大降低用户的使用门槛（自然语言驱动的分析），减少数据管理的工作量（主动使用元数据来学习用户行为）。企业应该明白，使用增强能力是为了减少数据分析的人工部分，让用户有更多时间去构思企业如何利用数据进行创新。▲图2数据分析能力的整合与重用资料来源：Gartner图分析（Graph）的推出，将进一步帮助企业发现严重未被充分利用的数据。图可以发现企业数据与数据之间以及不同部门使用的数据之间被忽视或难以察觉的联系，从而找到可重用的能力。数据时代带来的挑战不仅仅是数据量的爆发式增长，更重要的是如何管理、治理和用好这些数据。在人口红利转化为数据红利的当下，传统的大数据建设方法论显然不能满足企业应对环境变化、保持增长的需求。孙鑫建议，企业高管应该思考合理设计和建设数据中心，减少重复结构，通过数据分析为业务带来更多价值。方向。
