從“數據中臺”的數據中臺視角(′?｀)來(lái)認識“數據分析”

數據中臺炙手可熱，然而很多人并不知道數據中臺有什么作用，數據視角數據也不懂為什么人人都在談?wù)摂祿信_。中臺總之，解和提到「數據中臺」4 個(gè)字，分析分析很多人都會(huì )「不明覺(jué)厲」。認知其實(shí)簡(jiǎn)單來(lái)說(shuō)??，數據中臺數據中臺就??是數據視角數據企業(yè)用戶(hù)數據的鏈接樞紐，數據中臺的中臺搭建就是以數據創(chuàng )造(zao)價(jià)值的過(guò)程。

那么，解和本期(qi)邀請了有著(zhù)8年多年數據平臺架構，分析分(′ω｀)析數據管理，認知數據分析經(jīng)驗的數據中臺王廣老師，就職于某AI藥物設計公司大數據架構師，數據視角數據目前帶領(lǐng)公司大數據部門(mén)進(jìn)行企業(yè)數字化轉型！中臺

數據分析學(xué)??習，在于將別人的知(′；ω；`)識轉化成自己的知識，食之化盡，舉一反三。那么，從“數據(╯‵□′)╯中臺”的視角，來(lái)看一下“數據分析”??是怎樣的呢？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”》。

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？

為了更好的后面做好小飛象內部交流會(huì )??，需要您幫忙做兩件事情：第一，您想想這次為什么想參加這一期的??交流會(huì )，以及希望在交流會(huì )中希望收獲到什么？第二，在交流會(huì )結(jie)束后，請和我說(shuō)一下您的收獲和感受。

做一個(gè)對世界充滿(mǎn)好奇的人！在分享之前，我們可以先思考幾個(gè)問(wèn)題：

★什么是數據中臺？ 有什么作用？

★數據(ju)中臺和業(yè)務(wù)中臺有什么關(guān)系？

★你了解過(guò)數據中臺在工作中的實(shí)際場(chǎng)景么？

......

這次分享將為大家打開(kāi)一扇窗，從新的視角去認知數據分析，能夠重新對數據中臺有新的認識。在分享的過(guò)程中，建議全(quan)程認真聽(tīng)，帶著(zhù)思考來(lái)聽(tīng)（去看），希望通過(guò)本次分享，來(lái)給大家做一次系統的數據分析可視化分享，來(lái)解答大家對于可視化的疑點(diǎn)，并給做數據分析的人員提供一些思路，有任何問(wèn)題都(′；ω；`)可以隨??時(shí)交流哦！

正式分享

—▼—

▼

1. 什么是數據中臺

數據中臺是一套可持續“讓企業(yè)的數據用(′▽?zhuān)?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(shu)據可(ke)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 數據中臺需要全新的數據價(jià)值觀(guān)和方法論，并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。在國企、央企、政府比較多，??ヾ(′?｀)?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

?總體規劃

?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

5.1 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。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(zhe)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(de)數據管理方法進(jìn)行(xing)結構化。這些層需要有詳細的治理策略，不能留下任何模糊的空間。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(bu)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(′_ゝ`)一定的靈活性。在邊緣靈活的一個(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(xie)數據集具有不同級別的質(zhì)量分數和屬性。然而，這種靈活性是可??以接受的，因為它有(you)利于快速洞察的創(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和服務(wù)層。數據需要用不同類(lèi)型的計算引擎(╯°□°）╯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(ji)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 LakeHouse的技術(shù)表現(xian)形式有大量的技術(shù)選擇。它可以部署在任何云平臺上，甚至可以使用不同類(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┐(′д｀)┌理進(jìn)行了優(yōu)化的產(chǎn)品。Apache?? Spark在2010年開(kāi)源，到2013年成為了事實(shí)上的流處理引擎。A??pache Sp┐(′?｀)┌ark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(′-ι_-｀)主地位。技術(shù)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)，而不會(huì )影響系統的其余部分。模塊化架構確保了Data LakeHouse架構的靈活創(chuàng )建，(′ω｀)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)處理的數據存儲中ヽ(′?｀)ノ，以便為其提供服務(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。ヽ(′?｀)ノ

5.5 積極開(kāi)展編碼

防止Da??ta LakeHouse變成沼澤的唯一最重要的原則是在其層內(nei)進(jìn)行編目的程度。因此，執行主動(dòng)編目是一個(gè)神圣的原則。編目是防止(O_O)數據湖變成數據沼澤的關(guān)鍵。勤奮的編目可以確保Data Lake??Ho(′?_?`)use的用戶(hù)具有數據感知能力。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，從數據生成到數據消費。需要對Data LakeHouse架構的所有組件進(jìn)行編目，以便使用DataLakeHouse提供整個(gè)數據生命周期的整體視圖。

?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)務(wù)價(jià)值和技術(shù)價(jià)值

7.1 業(yè)務(wù)價(jià)值：從洞察走向賦能業(yè)務(wù)創(chuàng )新，形成核心壁壘

在以??(yi)客戶(hù)為中心的時(shí)代，數(′；ω；`)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)等方面為企業(yè)??帶來(lái)巨大收益。具體來(lái)說(shuō)，包含以下三個(gè)層面：

◆ 以客戶(hù)為中心，用洞察驅動(dòng)┐(′ー｀)┌企業(yè)穩健行動(dòng)

在以客戶(hù)為中心的時(shí)代，客戶(hù)的(′?｀)觀(guān)念和行為正在從根本上改變企業(yè)的經(jīng)營(yíng)方式以及企業(yè)與客戶(hù)的互動(dòng)方式。ヽ(′ー｀)ノ

數據中臺建設的核心目標就是以客戶(hù)為中心的持續規?；瘎?chuàng )新，而數據中臺的出現，將會(huì )(′?_?`)極(ji)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(wei)客戶(hù)提供更具個(gè)性化和智能化的產(chǎn)品和服務(wù)。

◆ 以數據為基礎，支持大規模商業(yè)模式創(chuàng )新

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商業(yè)模式的創(chuàng )新。

此外，(/ω＼)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，數據中臺也將會(huì )ヽ(′▽?zhuān)?/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)為中心的時(shí)代，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)(ye)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)??規模??化創(chuàng )新，終將決定企業(yè)能否在充滿(mǎn)挑戰和機ヽ(′ー｀)ノ遇的市場(chǎng)上發(fā)展壯大，長(cháng)久保持生命力與競爭??力。

7.2 技術(shù)價(jià)??值：能力多、成本低、應用廣

數字化轉型的需求必將催(′▽?zhuān)?生??多元化的數據場(chǎng)景，而多元化的數據場(chǎng)景將會(huì )帶來(lái)(′?｀*)以下技術(shù)需求，企業(yè)數據中臺建設勢在必行。┐(′д｀)┌

◆

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

要保持原來(lái)的報表需求，仍需要保持批量離線(xiàn)計算的能力（Hadoo??p、Oracle RAC）；

針對準實(shí)時(shí)的指標統計和實(shí)時(shí)推薦，ヾ(＾-＾)ノ需要實(shí)時(shí)流式計算的能力（Storm、Spar?k Streaming、Flink）；

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(′-ι_-｀)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(gan)”“貨比三家”“猶豫不決”(′▽?zhuān)?。

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(tong)效果而不僅是準確度

過(guò)去的數據應用場(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。

◆ 支持跨主題??(ti)域訪(fǎng)問(wèn)數據

企業(yè)早期建設的應用數據層ADS（(′_ゝ`)傳統數(shu)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(zi)源域、風(fēng)控域，而企業(yè)(ye)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（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ヽ(′?｀)ノ標簽體系。

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，把計算的結果同步給業(yè)務(wù)系統，由業(yè)務(wù)系統自行處理，這會(huì )帶來(lái)一個(gè)數據管理問(wèn)題，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

2.數據中臺建設方法論

???1種戰略行動(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；

通過(guò)宣導統一組織間的數據認知，通過(guò)流程加速組(′ω｀)織變革；

?3條目標準則：將數據的可見(jiàn)、可用、可運營(yíng)3個(gè)核心準則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(/ω＼)并分析當前的市場(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

?場(chǎng)景五：IT領(lǐng)域提高工作效率

通過(guò)BI，用戶(hù)可以(°□°)創(chuàng )建各類(lèi)儀表板，從??而監測并ˉ\_(ツ)_/ˉ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，┐(′д｀)┌您還能將它與( ???) SSAS 服務(wù)包無(wú)縫集成。

?場(chǎng)(T_T)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 LakeHouse，各種利益相關(guān)方將以原始或轉換后的形式使用它。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 LakeHouse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)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(zi)Data LakeHouse的數據，如下所示:

?數據科學(xué)家

我們看到使用Data LakeHouse的第一類(lèi)人是數據科學(xué)家，他??們從Data LakeHou┐(′д｀)┌se中提取數據，以測試他們可能想要證明或反對的各種假設。數據科(ke)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。D(′_ゝ`)ata LakeHouse需要能夠確保數據對于特定用途是容易識別的，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)提供正確的??平臺來(lái)創(chuàng )建和測試他們的模型??。

?數據分析師

使用Data LakeHouse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( ?ヮ?)和切(????)片數據(主要是清理和處??理的數據)來(lái)完成這項任務(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)縫的數據分ヽ(′▽?zhuān)?ノ析。

?管理人員

第三類(lèi)大量使(′?｀)用Dat??a 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(ce)。他們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(huo)數據湖，其任務(wù)與企業(yè)DataLakeHouse(EDL)不同。通常，用于下游消費的數據要么定期從Data LakeH(′-ι_-｀)ouse中(zhong)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 La??keHo(′ω｀*)use還需要能夠以API的形式公開(kāi)數據。DataLakeHouse處理各種類(lèi)型的數據，需要服務(wù)(′ω｀)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。當數ヾ(′▽?zhuān)??據作為數據市場(chǎng)的一部分被消費或共享時(shí)，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(′▽?zhuān)?。

—▼—

1.數據匯聚整合

隨著(zhù)業(yè)務(wù)的多元化發(fā)(′?_?`)展，企業(yè)內部往往有多個(gè)信息部門(mén)和數據中心，大量系統、功能和應用重復建設，存在巨大的數據資源、計算資源和人??力資源的浪費，同時(shí)組織壁ヾ(′?｀)?壘也導致數據孤島的出現，使得內外部數據難以全局規劃。┐(′?｀)┌數據匯聚整合主要是從??數據存儲角度來(lái)表述，指將原始數據進(jìn)行集中存放，便于后續使用的讀取使用。

企業(yè)看中的數據整合和管理能力包括（管理簡(jiǎn)便、集成與運營(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(xing)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(zhi)理：(╬ ò﹏ó)數據用戶(hù)可以方便的(de)定位所需數據，理解數據（包括技術(shù)(′ω｀)/業(yè)務(wù)治理）；

?數據安全：確保數據的訪(fǎng)問(wèn)權限；

?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

企業(yè)需(xu)要完整的數據資產(chǎn)體系，圍繞著(zhù)能給業(yè)務(wù)帶來(lái)價(jià)值的數據資產(chǎn)進(jìn)行建設，推動(dòng)業(yè)務(wù)數據向數據資產(chǎn)的轉化???。

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，缺乏對數據的(de)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(╬?益?)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)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)量保障體系；

?規范的( ?ヮ?)、緊密結合業(yè)務(wù)的可拓展標簽體系；

?智能的數據映射功能，簡(jiǎn)化數據資產(chǎn)生成；

多數企業(yè)期待數(′▽?zhuān)?據中臺提供數據化運營(yíng)平??臺，幫助企業(yè)快速實(shí)現數據資產(chǎn)的可視??化分析，提??供包括實(shí)時(shí)流數據分析，預測分ヾ(＾-＾)ノ析，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；

4、價(jià)值變現

數據中臺通過(guò)打通企業(yè)(ye)數據，提供以前單個(gè)部門(mén)或者單個(gè)業(yè)務(wù)( ?ω?)單元無(wú)法提供的數據服?務(wù)能力(li)，以實(shí)現數據的更大價(jià)值變現。

企業(yè)看中(zhong)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(ying)用的管理能力；

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

?提供跨業(yè)務(wù)場(chǎng)景的能力；

?提供跨部門(mén)的普適性業(yè)務(wù)價(jià)值能力；

?提供基于場(chǎng)景的數據應用（推薦引擎、搜索引擎等）；

?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???反哺業(yè)務(wù)，不斷迭ヽ(′▽?zhuān)?ノ代循環(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)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，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(′▽?zhuān)?)營(yíng)管理起到十分重要的??作用。

然而，我們做數據分析到底目的是什么，其實(shí)我們的目的并不是就是為了展示出圖表，我們最終的目的是要解決問(wèn)題，就是發(fā)現問(wèn)題，解決問(wèn)題就是發(fā)現業(yè)務(wù)中的問(wèn)題，然后并去解決。數據分析、數據中臺涉??及很多知識點(diǎn)，不是一次分享能全部了解的。學(xué)??貴在行，需要我們在以后的學(xué)習工作中不斷地積累經(jīng)驗掌握工具，學(xué)以致用。能站在多方角度，發(fā)現問(wèn)題，分析問(wèn)題，解決問(wèn)題，總結問(wèn)題。

版權聲明：本文內容由互聯(lián)(O_O)網(wǎng)用戶(hù)自發(fā)貢獻，該文觀(guān)點(diǎn)僅代表作(zuo)者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權，不承擔相關(guān)法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規的內容， 請發(fā)送郵件至 181(?????)[email protected] 舉報，一經(jīng)查實(shí)，本站將立刻(ke)刪除。