數據??中臺炙手可熱，數據數據然而很多人并不知道數據中臺有什么作用，中臺中臺也不懂為什么人人都在談?wù)摂祿信_。相關(guān)析總之，(╯‵□′)╯概(′▽?zhuān)?念關(guān)系提到「數據中臺」4 個(gè)字，和數??很多人都會(huì )「不明覺(jué)厲」。據分其實(shí)簡(jiǎn)單來(lái)說(shuō)，數據??數據數據中臺就是中臺中臺企業(yè)用戶(hù)數據的(de)鏈接樞紐，數??據中臺的相關(guān)析搭建就是以數據創(chuàng )造價(jià)值的過(guò)程。

今天將會(huì )從以下四個(gè)??來(lái)深?探討《從“數據中臺”的??視角，來(lái)認知“數據分析”》。

1、數據中臺相關(guān)(guan)概念

2、數據中臺建設方法論

3、數據中臺和數據分析的關(guān)系？

4、數據中臺的能力項？

1. 什么是數據中臺

數據??中臺是一套可持續“讓企業(yè)的數據(ju)用起來(lái)”的機制，是一種戰略選擇和組織形式，是依據企業(yè)特有的業(yè)務(wù)模式和組織架構，通過(guò)有形的產(chǎn)品和實(shí)施方法論支撐，構(′ω｀)建的一套持續不斷把數據變成資產(chǎn)并服務(wù)于業(yè)務(wù)的機制。數據來(lái)自于業(yè)務(wù)，并反哺業(yè)務(wù)，不斷循環(huán)迭代，實(shí)現數據可視、可用、可運營(yíng)。

2.(???) 數據中臺的三個(gè)核心認知

2.1 數據中臺需(xu)要提升到企業(yè)下一代基礎設施的高度，進(jìn)行規?；度?；

2.2 數據中臺需要(yao)全新的數據價(jià)值觀(guān)和方法論，并ヽ(′ー｀)ノ在其指引下形成平臺級能力；??

2.3 數據中臺圍繞??業(yè)務(wù)、數據、分析會(huì )衍生出全新人才??素養要求，需要盡快啟動(dòng)人才儲備；

3. 數據中臺驅動(dòng)模式

以上四種驅動(dòng)模式，最優(yōu)的就是業(yè)務(wù)能力驅動(dòng)模式。需要業(yè)務(wù)架構師和數據架構師聯(lián)合驅動(dòng)，從公司頂層的視角構建公司業(yè)務(wù)架構，從業(yè)務(wù)架構到數據架構從上而下去建設是最好的。但是這種情況還是?比較少的。在國(guo)企、(′▽?zhuān)?央企、政府比較多，因為，采用這種方式的公司，一般它對數字化轉型非常重視。

4. 數據中臺推進(jìn)原則

4.1堅??持"業(yè)務(wù)牽引，咨詢(xún)、平臺、實(shí)施三位一體推進(jìn)"原則

?以滿(mǎn)足相關(guān)業(yè)務(wù)應用需求為目標

?按需搭建平臺

4.2遵循"橫向規劃，縱向切入"建設模式

?規劃必須??全盤(pán)考慮，打通企業(yè)的所有板塊

?數據中臺建設不可能一蹴而就，需要從業(yè)務(wù)??應用出發(fā)倒推數據需求

?圍繞單個(gè)業(yè)務(wù)場(chǎng)景的閉環(huán)快速搭??建數據中臺的各種能力

?按照全景規劃依次迭代，逐步實(shí)現全局數據中臺

5. 數據中臺ヽ(′?｀)ノ架構原則

5??.1 核心紀律嚴明

創(chuàng )建新的??架構范例的目的是要敏捷和創(chuàng )新，但它需要實(shí)用的治理(?Д?)。這種平衡是一條需要把握的微妙線(xiàn)。第一條神圣的原則體現了這種平衡。在核心上遵??守規則意味著(zhù)存儲數據的各個(gè)層需要按照它們的數據管理方法進(jìn)行結構化。這些層(′?｀)需要有詳細的治理策略，不能留下任(╬?益?)何模糊的空間。然而，DataLakeHouse的邊緣，即數據轉換、數據屏蔽和有助于洞察的層，需要具有靈活性。靈活性并不意味著(zhù)在方法中亂作一團。這些層仍然由Data LakeHouse的策略管理。但是，它們在創(chuàng )建基于需求的新特性時(shí)具有一定的靈活性。在邊(bian)緣靈活的一個(gè)例子是，將來(lái)自Data LakeHous的原始數據和來(lái)自數據服務(wù)層的數據倉庫的數據混合起來(lái)，以創(chuàng )建一個(gè)ML模型。這些數據集具有不同級別的質(zhì)量分(fen)數和屬??性。然而，這種靈活性是可以接受的，因為它有利于(yu)快速洞察的創(chuàng )建。

5.2 解耦計算和存儲

Data LakeHouse存儲大量的數據。它以結構化和非結構化的格式將數據存儲在數據湖層(′ω｀)和服務(wù)層。數據需要用不同類(lèi)型??的(de)計算引擎來(lái)處理。它可以是基于??批處理的計算，也可以是基于流的計算。緊密耦合的計算和存儲層剝離了Data LakeHouse所需的靈活性。解耦計算和存儲也有成本影響——存儲是廉價(jià)和持久的，但計算是昂貴和短暫的。它提供了按需旋轉計算服務(wù)和根據需要擴展計算服務(wù)的靈活性，還提供了更好的成本控制和成本可預測性。EDW和數據湖模式面臨的一個(gè)關(guān)鍵挑戰是計算和存儲的緊密耦合。無(wú)論是否正在使用，都需要分配計算。隨著(zhù)存儲的增加，計算也??需要相應地伸縮。云計算平臺提供了解耦計算(suan)和存儲的靈活性。

5.3 關(guān)注功能而不是技術(shù)

下一個(gè)神圣的原則是關(guān)注組件的功能，而不是它的技術(shù)化身。這一原則體現了靈活??性。正如系統上下文圖中所描述的，Data LakeHouse可以滿(mǎn)足很多人的需求。Data LakeHoヾ(′▽?zhuān)??u???se的技術(shù)表現形式有大量的技術(shù)(/ω＼)選擇。它可以部署在任何云平臺上，甚(′▽?zhuān)?至可以使用不同類(lèi)型的選擇在內部部署。此外，技術(shù)正在迅速變化。許多新產(chǎn)品都在商業(yè)上或開(kāi)放源碼世界中發(fā)展，專(zhuān)注于實(shí)現特定的功能。讓我們以實(shí)時(shí)處理為例。

Apache Storm是2011年發(fā)布的一款針對實(shí)時(shí)處理進(jìn)行了優(yōu)化的產(chǎn)品。Apache Spark在2010年開(kāi)源，到2013年成為了事(shi)實(shí)上的流處理引擎。Apache Spark一直在發(fā)展，而Apache Flink現在正在挑戰Apache Spark作為流處理引擎的霸主地位。技術(shù)ヽ(′▽?zhuān)?ノ的發(fā)展是迅速的。然而，功能仍然是相同的流處理。專(zhuān)注于一個(gè)組件完成的任務(wù)是至關(guān)重要的。此外，隨著(zhù)技術(shù)的發(fā)展，我們(╬?益?)可以很容易地替換技術(shù)來(lái)滿(mǎn)足相同的功能。

模塊化架構指的是由可連接的獨立組件組??成的任何系統的設計。模塊化架構的美妙之處在于，您可以替換或添加任何部件(模塊)，而不ヾ(′▽?zhuān)??會(huì )影響系統(′?｀)的其余部分。模塊化(hua)架構確保了Data LakeHouse架構的靈活創(chuàng )建，并且我們可以在不破壞現有功能的情況下無(wú)縫添加新功能。例如，假設將來(lái)需要向Data LakeHouse架構添加新功能。在這種情況下，可以添加組件，使其(qi)遵循與所有其他組件相同的模式。它從數據湖層獲取數據，執行其功能，并將數據存儲到經(jīng)過(guò)處理的數據存儲中，以便為(′-ι_-｀)其提供服務(wù)。模塊化架構原則確保了數據保持在核心位置。根據不同的??功能，可以實(shí)例化不同的服務(wù)以根據需要使用數據。

5.5 積極開(kāi)展編碼

防止Data LakeHouse變(/ω＼)成沼澤的唯一最重要的原則是在其層內進(jìn)行編目的程度ヾ(′?｀)?。因此，執行主動(dòng)編目是一個(gè)神圣的原則。編目是防止數據湖變成數據沼澤的關(guān)鍵。勤奮的編目可以確保Data LakeHouse??的用戶(hù)具有數據感(′?｀)知能力(′；ω；`)。他們應該理解存儲在不同生命階段的數據的屬性。他們需要理解數據轉換過(guò)程的血緣，從(cong)數據生成到數據消費。需要對Data LakeHouse架構的所有組件進(jìn)(jin)行編目，以便使用DataLakeHouse提供整(⊙_⊙)個(gè)數據生命周期的整體視圖。

6. 常見(jiàn)數據問(wèn)題

?獨：煙囪系統，數據孤島嚴重。重復開(kāi)發(fā)，成本浪費；

?斷：數據理解與數據價(jià)值鏈條的斷層；

?缺：??缺標準、缺治理、缺數據、缺流程、缺組織、缺制度；

?難：知數據難、要數據(╬?益?)難、懂數據難、溯源難；

?臟：數據質(zhì)量差；

?安全：數據存在泄漏風(fēng)險

7. 數據中臺的業(yè)(ye)務(wù)價(jià)值和技術(shù)價(jià)值

7.1 業(yè)務(wù)價(jià)值：從洞??察走向賦ヾ(?■_■)ノ能業(yè)務(wù)創(chuàng )新，形成核心壁壘

在以客戶(hù)為中心的時(shí)代，數據中臺對數字化轉型具有重要作用，以數據中臺為基礎的數據系統將位于企業(yè)應用的核心，通過(guò)數據從企業(yè)降本增效、精細化經(jīng)營(yíng)等方(fang)面為(wei)企業(yè)帶來(lái)巨大收益。具體來(lái)說(shuō)，包含以下三(╬ ò﹏ó)個(gè)層面：

◆以客戶(hù)為中心，用洞察驅動(dòng)企業(yè)穩健行動(dòng)

在以客戶(hù)為中心(xin)的時(shí)代，客戶(hù)的觀(guān)念和行為正在從根(gen)本上改變企業(yè)的經(jīng)營(yíng)方式以及企業(yè)與客戶(hù)的互動(dòng)方式。

數據中臺建設的核心目標就是( ?ヮ?)以客戶(hù)為中心的持續規?；瘎?chuàng )新，而數據中臺的出現，將會(huì )極大提升數據的應用能力，將海量數據轉化為高質(zhì)量數據資產(chǎn)，為企業(yè)提供更深層的客戶(hù)洞??察，從而為客戶(hù)提供更具個(gè)性化和智能化的產(chǎn)品和服務(wù)。

譬如，數據中臺能夠匯聚??全渠道的數據，在標簽管理、營(yíng)銷(xiāo)圈人、效果分析??等?應用上實(shí)現全域的閉環(huán)，優(yōu)化對客戶(hù)全生命周期的理解。此外，以數據中臺為基礎，通過(guò)數據化運營(yíng)提升客戶(hù)留存、復購和忠誠度，也得到諸多企業(yè)的認可。

◆ 以數據為基礎，支持大規模商業(yè)模式創(chuàng )新

只有依托數據和算法，將由海量數據提煉的洞察轉化為行動(dòng)，才能推動(dòng)大規模的商業(yè)創(chuàng )新。數據中臺在通過(guò)算法將洞察直接轉化為行??動(dòng)、實(shí)現大規模商業(yè)創(chuàng )新方面的能力，令人矚目。

另一方面，數據無(wú)法被業(yè)務(wù)用起來(lái)的一個(gè)原因是數據沒(méi)辦法變得可閱讀、易理解。

信息技術(shù)人員不夠懂業(yè)務(wù)，而業(yè)務(wù)人員不夠懂數據，導致數據應用到業(yè)務(wù)變得很困難(???)，數據中臺需要考慮將信息技術(shù)人員與業(yè)務(wù)人員(′Д` )之間的障礙打破，信息技術(shù)人員將數據變成業(yè)務(wù)人員可閱讀、易理解??的內容，業(yè)務(wù)人員看到內容后能夠很快結合到業(yè)務(wù)中去，這( ?▽?)樣才能更好地支撐(′?ω?`)商業(yè)模式的創(chuàng )新。

此外，數據中臺提供標準的數據訪(fǎng)問(wèn)能力，簡(jiǎn)化集成復雜性、促進(jìn)互操作性等特性也非常受企業(yè)CIO們的青睞。同時(shí)，在快速構建服務(wù)能力、加快商業(yè)創(chuàng )新、提升業(yè)務(wù)適配等方面，數據中臺也將(′▽?zhuān)?)會(huì )發(fā)揮重要的作用??。

◆ 盤(pán)活全量數據，構筑堅實(shí)??壁壘以持續領(lǐng)先

在以客戶(hù)為中(zhong)心(′?｀*)的時(shí)代(dai)，只有贏(yíng)得客戶(hù)的企業(yè)才能在??競爭中保持優(yōu)勢。企業(yè)能否真正做到“客戶(hù)至上”，并不斷提高對客戶(hù)的快速響應力來(lái)滿(mǎn)足客戶(hù)(???)的需求，甚至引領(lǐng)市場(chǎng)潮流，持續推進(jìn)規?；瘎?chuàng )新，終將決定企業(yè)能否在充滿(mǎn)挑戰和機遇的市場(chǎng)上發(fā)展壯大，長(cháng)久保持生命力與(yu)競爭力。

7.2 技術(shù)價(jià)值：能力多、成本低、應用廣

◆ 應對多數據處理的需求

針對不同的數據應用場(chǎng)景，需ヽ(′ー｀)ノ要能夠快速應對多數據處理需求，比如：

要保(°ロ°) !持原來(lái)的報表需求，仍需要保持批量離線(xiàn)計算的能力（Hadoop、Oracle RAC）；

針對準實(shí)時(shí)的指標統計和實(shí)時(shí)推薦，需要實(shí)時(shí)流式計算(′-ι_-｀)的能力（Storm、Spark Streaming、Fl??ink）；

針對決策類(lèi)業(yè)務(wù)如海量人群的圈人需?求和ad-hoc需求，需要即席計算能力（Greenplum、Elasticsearch、Impala）；

針對高并發(fā)業(yè)務(wù)場(chǎng)景（如用戶(hù)畫(huà)像），需要在線(xiàn)計算能力（MySQL、Redis、Oracle）。

因此，企業(yè)需要一個(gè)統一的數據中臺來(lái)滿(mǎn)足離線(xiàn)／實(shí)時(shí)計算需求、各種查詢(xún)需求（實(shí)時(shí)查詢(xún)和ad hoc），同時(shí)在將來(lái)新數據引擎（??更快的計算框架，更快的查詢(xún)響應）出現時(shí)，又不需要重構目前的大數據體系。

◆ 豐富標簽數據，降低管理成本

根據全國信標委大數據標準工作組(zu)發(fā)布的《數據管理能力成熟度模型》（DCMM），針對數據標準提到的數據分類(lèi)主要有主數據、參考數據和指標數據，但根據目前真實(shí)的數據建設情況來(lái)看，需要對一類(lèi)數據??進(jìn)行定義和分類(lèi)，譬如標簽名為“消費特征”，標簽值為“促銷(xiāo)敏感”“貨比三家”“猶豫不決”。

數據中臺能對這類(lèi)標簽進(jìn)行快速定義和有效管理。

◆ 數據的價(jià)??(?⊿?)值能體現業(yè)務(wù)系統效果而不僅是準確度

過(guò)去(′?ω?`)的數據應用場(chǎng)景主要為報表需求，注重數據的( ?▽?)準確性，但在更多數據場(chǎng)景下，特別是對于標簽數據的應用，越來(lái)越多的數據是需要不斷“優(yōu)化”的，數據本身沒(méi)有準不準確之分，比如某個(gè)會(huì )員是屬于促銷(xiāo)敏(′?｀*)感人群，這個(gè)數據其實(shí)更多的說(shuō)的??是概率。

企業(yè)(ye)早期建設的應用(yong)數據層ADS（傳統數據倉庫ODS/DW/ADS）更多是為某個(gè)主題域所服務(wù)的，如營(yíng)銷(xiāo)域、人力資源ヾ(′ω｀)?域、風(fēng)控域，而企業(yè)在數據應用的時(shí)候往往需要打破各個(gè)業(yè)務(wù)主題，會(huì )從業(yè)務(wù)對象主體出發(fā)來(lái)考慮數據應用，如人(′▽?zhuān)?)（會(huì )員、供應商、渠道、員工）和物（商品、倉庫、合同），從全域角度設計完整的面向對象的數據標簽體系。

◆ 數據可以快速復用而不僅是復制

傳統的架構??中，要將數據應用到業(yè)務(wù)中，通用的做法都是通過(guò)數據同步能力，把計算的結果同步ヾ(′▽?zhuān)??給業(yè)務(wù)系統，由業(yè)務(wù)系統自行(xing)處理，這會(huì )帶來(lái)一個(gè)數據管理問(wèn)題(′▽?zhuān)?)，即無(wú)法獲取數據在應用場(chǎng)景中的具體價(jià)值和熱度，整個(gè)數據血緣鏈路也是割裂的。

—▼—

1.數字化轉型面臨的問(wèn)題

利用數據中臺，實(shí)現數據采集、存??ヽ(′▽?zhuān)?/(cun)儲、處理、分析和服務(wù)的統一管理，提高信息和數據的響應時(shí)??間，提高經(jīng)營(yíng)管理工作效率，有利于壓縮開(kāi)支，降低管理成本，推進(jìn)??數字化轉型發(fā)展?！?步走”解決問(wèn)題！

2.數據中臺建設方法論

?1種戰略行(xing)動(dòng)：把用數據中臺驅動(dòng)業(yè)務(wù)發(fā)展定位為企業(yè)級戰略，全局謀劃；

?2項保障條件：通過(guò)宣導統一組織間的數據認(′ω｀)知，通過(guò)流程加速組織ヾ(′ω｀)?變革；

?3條目標準則：將數據的可見(jiàn)、可用、可運營(yíng)3個(gè)(ge)核心準則(′?ω?`)始終貫穿于中臺建設的全過(guò)程，保障建設在正確軌道上；

?4套建設內容：通過(guò)技術(shù)體系、數據體??系、運營(yíng)體系建設保證中臺建設的全面性和可持續性；

?5個(gè)關(guān)鍵步驟：通過(guò)理現狀、立(li)架構、建資產(chǎn)、用數??據、做運營(yíng)5個(gè)關(guān)鍵行動(dòng)控制中臺建設關(guān)鍵節點(diǎn)的質(zhì)量；

—▼—

1.數據中臺架構圖

2.典型應用場(chǎng)景介紹

民生服務(wù)、經(jīng)營(yíng)決策、風(fēng)險控制、精準營(yíng)銷(xiāo)、績(jì)效考核

?場(chǎng)景一：在財務(wù)管理中使用 BI 找到數據關(guān)鍵

BI 可以幫用戶(hù)獲取外部、本地的各種財務(wù)數據。還可以利用拖放可視化工具，完善客戶(hù)對財務(wù)狀況的分析。

?場(chǎng)景二：幫助市場(chǎng)營(yíng)銷(xiāo)活動(dòng)管理數據

借助 BI，用戶(hù)可以監控并分析ヾ(＾-＾)ノ當前的市場(chǎng)狀況，從而把營(yíng)銷(xiāo)資源投入到更有效率的渠道上。

?場(chǎng)景三：在銷(xiāo)售活動(dòng)中預測市場(chǎng)機( ?° ?? ?°)會(huì )，達成業(yè)績(jì)目標，提高利潤

BI 可以幫用戶(hù)管理公司的各種銷(xiāo)售渠道。

?場(chǎng)景四??：掌握人力資源的相關(guān)信息

BI能幫用戶(hù)收集和監測所有重要數據。儀表板還能幫用戶(hù)追蹤合規性、人員編制和其他信息，保護公司和員工數據。

通過(guò)BI，用戶(hù)可以創(chuàng )建各類(lèi)儀表板，從而監測并分析從 Active Directory 到 Zendesk等各種服務(wù)。如果需要企業(yè)級別的商業(yè)智能解決方案，您還能將它與 SSAS 服務(wù)包無(wú)縫集成。

?場(chǎng)景六：在運維工作中以數據為向導

BI 能夠監測包括 Excel表、本地數據庫和云服務(wù)等所有來(lái)源的數據，并為用戶(hù)的產(chǎn)品、商場(chǎng)績(jì)效、申報額分析等發(fā)現新的可能

3.數據使用者

一旦數據被接入到Data LakeHous??e，各種利益相關(guān)方將( ???)以原始或轉(zhuan)換后的形式使用它。這些利益相關(guān)者將從Data LakeHouse中??提取用于特定目的的數據。每個(gè)消費者都有使用Data LakeH(°o°)ouse的個(gè)人動(dòng)機。一個(gè)架構良好的Data LakeHouse應該能夠滿(mǎn)足每一個(gè)(′?ω?`)涉眾的需求。

讓我們看看一些典型的用戶(hù)和系統，他們使用來(lái)自Data LakeHouse的數(′▽?zhuān)?)據，如下所示:

?數據科學(xué)家

我們看到使用Data LakeHouse的??第一類(lèi)人是數(shu)據科學(xué)家，他們從Data LakeHouse中提取數據，以測試他們可能想要證明或反對的ヾ(?■_■)ノ各種假設(′?ω?`)。數據科學(xué)家研究各種類(lèi)型的數據：結構化的、非結構化的、原始的和處理過(guò)的。Data LakeHouse需要能夠確保數據對于特定用途是容易識別的，ˉ\_(ツ)_/ˉ用戶(hù)必須精通許多編程語(yǔ)言和技術(shù)，包括Python、R和結構化查詢(xún)語(yǔ)言(SQL)， 架構需要為這個(gè)用戶(hù)提供正(zheng)確的平臺來(lái)創(chuàng )建和測試他們的模型。

使用Data LakeH??ouse的第二類(lèi)人是分析師。他們主要是業(yè)務(wù)驅動(dòng)的，尋求業(yè)務(wù)問(wèn)題的答案，并且精通報表工具或基(ji)于SQL的語(yǔ)言。他們主要處理處理過(guò)的數據，他們的日常工作包括執行業(yè)務(wù)分析。通過(guò)查詢(xún)、聚合和切片數據(主要是清理和處理??的數據)來(lái)完(wan)成這項任務(wù)。DataLakeHouse應該迎合這樣的用戶(hù)，為(′?_?`)他們提供一個(gè)平臺，進(jìn)行有效和無(wú)(°ロ°) !縫的數據分析。

?管理人(ren)員

第三類(lèi)大量使用Data LakeHouse的人是管理人員，他們需要定期的報表以進(jìn)行業(yè)務(wù)決策。他們(′；ω；`)深入研究那些按特定業(yè)務(wù)需求處理過(guò)數據。他們可能是半技術(shù)通，可能需要一個(gè)使用商業(yè)智能(BI)工具創(chuàng )建報表或分析的地方。這些人通常通過(guò)報表系統獲取他們所需的報表。

?報表系統

Data LakeHouse的其他關(guān)鍵用戶(hù)是報表系統。報表系(′_｀)統間接地迎合了希??望訂閱預定的、臨時(shí)的或自助報表的人員。此外，可能還有其他類(lèi)型的報表系統是為(wei)了監管報表。這些系統定期從Data LakeHouse中提取數據，然后存儲報表以便交付。

?下游應用系統

當數據從上游應用程序接入(T_T)到Data LakeHouse時(shí)，下游應用程序(???)也會(huì )使用處理過(guò)的信息。這些應用程序可能是OLTP系統，也可能是另一個(gè)數據倉庫或數據湖，其任務(wù)與企業(yè)DataLakeHouse(EDL)不同。┐(′д｀)┌通常，用于下游消費的數(shu)據要么定期從Data LakeHo??use中提取，要么使用一種可行的機制將數據推送到目的地。

?基于應用程序編程接口(API)的系統??

Data?? LakeHouse還(hai)需要能夠以API的形式公開(kāi)數據。DataLakeHouse處理(li)各種類(lèi)型的數據，需要服務(wù)于多個(gè)內部和外部系統。雖然緊密耦合的交付機制可能適用于特定的使用者，但??基于A(yíng)PI的數據使用是一種可伸縮且實(shí)用的選擇。此外，基于A(yíng)PI的系統還可以公開(kāi)不屬于組織的外部涉眾所使用的數據。

?數據共享系統

數據共享系統代表了一種新型的數據消費機制。當數據作為數據市場(chǎng)的一部分被消??費或共享時(shí)(shi)，就會(huì )使用這種機制。當需要就數據使用的特定條款達成一致時(shí)，也可以使用數據共享機制。

—▼—

1.數據匯聚整合

企業(yè)看中的數據整合(he)和管理ヽ(′?｀)ノ能力包括（管理簡(jiǎn)便、集(ji)成與運營(yíng)、確保訪(fǎng)問(wèn)權限、數據可用）：??

?數據豐富和完善：對多樣的數據源進(jìn)行合并和完善；

?管理簡(jiǎn)便：可視化任務(wù)配置以及豐富的監控管理功能；

數據集成??與運營(yíng)：數據中???臺能夠接入、轉換、寫(xiě)入或緩存企業(yè)內部多種來(lái)源的數據；

?數據目錄與治理：數據用戶(hù)可以方便的定位所需數據，理解數據（包括技術(shù)/業(yè)務(wù)治理）；

?數據安全：確保數據的訪(fǎng)問(wèn)權限；

?數據可用：數據用戶(hù)可以簡(jiǎn)便、可拓展的訪(fǎng)問(wèn)異構數據，可用性和易用性高；

?部署??靈活：支持本地部署，以及公有云、私有云、混合云等多??種部署方式；

2.數據提純加工

傳統的數字化建設往往局限在單個(gè)業(yè)務(wù)流程，忽視了多業(yè)務(wù)的關(guān)聯(lián)數據，缺乏對數(shu)據的深度理解。數據中臺必須連通全域數據，通過(guò)統一的數據標準和質(zhì)量體系，建設??提純加工后的標準數據資產(chǎn)體系，以滿(mǎn)足企業(yè)業(yè)務(wù)對數據的需求。數據提純加工承擔了數據字段、數據指標的衍生計算任務(wù)，為數據開(kāi)發(fā)人員提供可視化或者可編碼的環(huán)境進(jìn)行加工規則的管理和實(shí)施，是將數據資產(chǎn)化的重要環(huán)節。

企業(yè)看中的數據提煉和分析加??工能力包括（標簽體系、智??能的數據映射、質(zhì)(zhi)量保障體系、完善的安全防控）：

?完善的安全訪(fǎng)問(wèn)控制；

?完善的數據質(zhì)量(′▽?zhuān)?保障體系；

?規范的、緊密結合業(yè)務(wù)的可拓展標簽體系；

?面向業(yè)務(wù)主體的資產(chǎn)平臺；

?智能的數據映射功能，簡(jiǎn)化數據資產(chǎn)生成；

3.服務(wù)可視化

多數企業(yè)期待數據中臺提供數據化運營(yíng)平ヽ(′?｀)ノ臺，幫助企業(yè)快速實(shí)現數據資產(chǎn)的可視化ヽ(′?｀)ノ分析，提供包括實(shí)時(shí)流數據分析，預測分析，機器(′_｀)學(xué)習等更為高級的服務(wù)，為企業(yè)數據化運營(yíng)賦能。

企業(yè)看重的資產(chǎn)服務(wù)化能力包括（數據可視化服務(wù)、數據開(kāi)發(fā)平臺、AI服務(wù)能力、數據分析能力）：

?提供自然語(yǔ)言處理等人工智能服務(wù)；

?提供豐富的數據分析功能；

?提供友好的數(shu)據可視化服務(wù)；

?便捷、快速的服務(wù)開(kāi)發(fā)環(huán)境，方便業(yè)務(wù)人員開(kāi)發(fā)數據應用；

?提供實(shí)時(shí)流??數據分析；

?提供預測分(fen)析、機器學(xué)習等高(′_ゝ`)級服務(wù)??；

4、價(jià)值變現

企業(yè)看中的業(yè)務(wù)??價(jià)值變現能力包括（跨部門(mén)實(shí)現業(yè)務(wù)價(jià)值、數據應用管理、洞察驅動(dòng)業(yè)務(wù)的通路、面向場(chǎng)景的數據應用）：

?提供??數據應用的管理能力；

?提供數據洞察的直接(′▽?zhuān)?)驅動(dòng)業(yè)務(wù)行動(dòng)的通路；

?提供跨業(yè)務(wù)場(chǎng)(????)景的能力；

?提供業(yè)務(wù)行動(dòng)效果評估功能；??

數據中臺是把業(yè)務(wù)生產(chǎn)資料轉變?yōu)閿祿a(chǎn)力，同時(shí)數據生產(chǎn)力反(//ω//)哺業(yè)務(wù)，不斷迭代(dai)循環(huán)的閉環(huán)過(guò)程，讓數據流通用起來(lái)，使數據驅動(dòng)決策運營(yíng)，為企業(yè)數字化轉型賦能，為社會(huì )數字經(jīng)濟賦能！

▼

總結

以上就是本次分享的全部?jì)热?！數據中臺技術(shù)可以實(shí)現分析用??戶(hù)購買(mǎi)行為、分析消費場(chǎng)景、分析用戶(hù)購買(mǎi)喜好等業(yè)(ye)務(wù)場(chǎng)景化的數據分析，打通各業(yè)務(wù)體系和產(chǎn)品線(xiàn)的數據，進(jìn)行計算、存儲、加工，形成數據產(chǎn)品和服務(wù)， 從而真正實(shí)現數據智能應用。數據中臺在數據可視化分析中起到了十分重要的作用(yong)，不管是集中多數據源，還是統一數據分析口徑、為??不同場(chǎng)景預設不同的方式以提高數據分析效率等，都對企業(yè)信息化、數據化運營(yíng)管理起到十分重要的作用。