数据中台建设，能够给企业解决什么问题？
中台的概念最早是由阿里巴巴提出的，是相对于前台和后台而生。2015年，阿里提出中台战略，建立“大中台，小前台”。
那何为中台呢？它从中起到了什么作用呢？
通过前面的介绍，我们了解到前台主要面向的是用户，所以企业的前端系统需要快速响应市场的变化，不断更新与迭代从而提升客户满意度、增加企业收入，但是企业的后台系统主要是为企业的业务运行提供支撑，需要扎实稳定。所以，在前台和后台中间提供一个“中间层”，可以避免两者的冲突。
中台是前台和后台的连接点，将业务上共同的数据、工具、模型等予以沉淀与支撑，能够提升企业的复用性，减少系统重复建设，避免资源浪费。
中台能够为企业解决哪些方面的问题呢？
1、现在信息化积累的数据情况：
现如今信息系统蓬勃发展，企业每天都有数以万计的业务数据产生，各大IT系统平台产生很多千差万别的碎片化数据。
这些数据中，有部分是现在正在使用系统的数据，有部分是历史系统的数据，有部分是Excel数据，有部分是外部竞争对手数据。
而且业务人员对数据情况了解差别也很大（不同部门、新老员工）。例如，针对“收入”：
销售部门在进行人员销售利润分析中，收入使用的是发货收入；财务在做销售员预算分析时，其中收入使用的是开票与收款孰低原则。里面使用的数据80%相同，但是一个是销售部主导，一个是财务部主导，在很多方面又产生了分歧：历史数据是否考虑、特殊销售是否考虑、发货计算还是开票计算还是收款计算？数据口径存在不一致情况，容易形成“鸡同鸭讲”的画面。
而且，模型一旦确定，变化的频率比较低（如一年一变），但是企业分析需求一直在变，比如年中有促销，促销时有政策，业务员反润比平时高2%等等，这些情况的存在，导致了数据一直在发生变化，数据的变动导致模型的不稳定。
2、自然态数据引发的问题：
（1）数据准确性：数据的准确性难以保证，也许是今天对，明天错，也会存在A表对，B表错的现象；产生了错误，错误来源不好定位，错误影响范围也难以评估。
（2）工作效率：增加一张报表，开发需要十多天；数据实时性难以保证；数据错误查一天；业务人员逼得不提需求；组织机构调整IT系统是瓶颈。
（3）业务协作：各部门目标、进度不一致；各部门基础信息不同；营销与采购信息不对称；子部门完成任务，公司整体差。
（4）人员成本：数据维护成本高；人员工作重复；人员要求高：技术、数据、业务理解、统计算法。
有了数据中台就不一样了。
数据中台是一个集中化存储海量的、多个来源，多种类型数据，并可以对数据进行快速加工、分析的平台，本质上是一套先进的企业数据架构。
数据中台策略的基本理念是，将所有的数据汇聚到数据中台，让一切业务数据化，一切数据业务化，以后的每个数据应用（无论是指标和分析类的，还是画像类和大数据类的）统统从数据中台获取数据。
数据中台的核心是数据质量与共享。
传统的数据仓库和数据中心，如果做得比较好，设计到位的话，也会做完整的数据模型设计，但是往往偏重于设计和技术，在执行的过程中，很难保障数据的全，也很难保证数据应用不跨过数据中心，重新做数据的话，那么后期数据则会比较混乱。
相对而言，数据中台策略中更加强调数据的“全”以及数据中台组织与数据应用组织之间的协作关系，从设计、组织、建设、流程角度保障了模式的落地。
数据中台，利用获取的各类信息、行为习惯信息和算法，获取分析结果，比如：业务中台参照的客户标准和分类方法就是基于数据中台运算的分析结果，例如需求偏好（客户标签）。
数据中台的数据来自业务系统，有原始数据（不同频次的历史快照+实时数据）、共享数据（拉到一起）、抽取数据（已经整理的标准化数据、标签、模型），再反哺给业务前台和后台用起来。
以精准营销为例，数据中台支持算法，业务前台基于算法的结果，支撑实时分析、推荐。
数据中台与前台和后台是相辅相成的，两者没有冲突关系。数据中台从前台和后台的数据库中获取数据，进行清洗和分析。得到的结果，支撑到前台业务上的智能化应用。这些智能化应用产生的新数据又流转到数据中台，形成闭环。
数据湖都是什么意思？
随着信息技术的不断涌现和普及，业务发展加快了数据膨胀的速度，行业内衍生了较多的新名词，如数据治理、数据管理、数据资源管理、数据资产管理等名词的定义很多，概念容易混淆，本文对这些名词术语及内涵进行系统的解析，便于读者对数据相关的概念有全面的认识。
一、数据与数据管理1、数据
数据（Data）是指所有能输入到计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量等的通称，是组成信息系统的最基本要素。
未来是智能时代，企业的决策机制将发生巨大变化，谁最先拥抱数据，谁就拥有更多智慧，谁就拥有更强竞争力，大数据技术将会推动人类无所不知、无所不晓、无所不能，助力无所不能的是无所不包的数据，未来十年，只有拥抱数据技术才是唯一选择。
2、数据管理
数据管理（Data Management）的概念是伴随上世纪八十年代数据随机存储技术和数据库技术的使用，计算机系统中的数据可以方便地存储和访问而提出的。
2015年，国际数据管理协会（DAMA，Data Management Association International）在DBMOK2.0知识领域将其扩展为11个管理职能，分别是数据架构、数据模型与设计、数据存储与操作、数据安全（Data Security）、数据集成与互操作性、文件和内容、参考数据和主数据（Master Data）、数据仓库（Data Warehouse）和商务智能（BI，Business Intelligence）、元数据（Metadata）、数据质量（Data quality）等。
数据管理（Data Management）是指通过规划、控制与提供数据和信息资产职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，以获取、控制、保护、交付和提高数据和信息资产价值。
表1.各大机构对数据管理的定义一览表机构名称二、数据治理1、数据治理的定义
数据治理（Data Governance）是一个正在不断发展的新兴学科，与众多新兴学科一样，目前数据治理存在多种定义，各大机构对数据治理的定义，如下表所示：
表2. 各大机构对数据治理的定义一览表2、狭义的数据治理
狭义的数据治理的驱动力最早源自两个方面：
（1）内部风险管理的需要，包括：财务做假、敏感数据涉密、数据质量差影响关键决策等。
（2）为了满足外部监管和合规的需要，比如萨班斯-奥克斯利法案、巴塞尔I/巴塞尔协议、健康保险流通与责任法案（HIPAA）等。
但随着全球越来越多的企业了解到信息资产的重要性和价值，在过去几年中，数据治理的目标也在发生些转变。除满足监管和风险管理外，如何通过数据治理来创建业务价值备受关注。
3、广义的数据治理
广义的数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行），指导其他数据管理职能如何执行，在高层次上执行数据管理制度。组织为实现数据资产价值最大化所开展的一系列持续工作过程，明确数据相关方的责权、协调数据相关方达成数据利益一致、促进数据相关方采取联合数据行动，数据治理与数据管理的关系如下图所示：
图1.数据治理与数据管理关系数据治理的全过程：
从范围来讲，数据治理涵盖了从前端事务处理系统、后段业务数据库到终端的数据分析，从源头到终端再回到源头形成一个闭环负反馈系统（控制理论中趋稳的系统），从目的来讲，数据治理就是对数据的获取、处理、使用进行监督（监管就是我们在执行层面对信息系统的负反馈），而监管的职能主要通过五个方面的执行力来保证——发现、监督、控制、沟通、整合。
数据治理的目标：共同保证“正确的信息，以正确的形式，在正确的时候，交付给正确的人”。
3、数据治理的重要性
高质量的数据对任何企业都是战略性资产，随着企业推进数字化转型的进程，有效数据正迅速成为一个关键的业务差异，但要使数据具有价值，需确保数据的可信任、安全性、可访问性、准确性、共享性和及时性。数据治理有助于增强企业灵活性以最小化决策相关成本和风险，特别在数字经济中，数据治理比以往任何时候都显得尤为重要。
缺乏企业高层领导的支持、系统间的数据壁垒和整个治理项目缺乏明确的流程和数据模板、数据所有权和问责机制不清等因素是导致项目失败或者治理结果不理想的主要原因。涉及到企业中所有跨功能和跨业务的决策机制。数据治理具有战略性、长期性、艰巨性、系统性、持续企业内部数据环境优化治理工作，因此数据治理是一个漫长而持续的过程，没有一针顶破天的诀窍，也没有立竿见影的捷径，要避免对数据治理工作粗浅的认识。
三、数据资源管理数据资源管理(Data Resource Management)是应用数据库管理、数据仓库等信息系统技术和其他数据管理工具，完成组织数据资源管理任务，满足企业信息需求的管理活动。
数据资源管理(Data Resource Management)是应用信息技术和软件工具完成组织数据资源管理采用文件处理方法，在这种方法中，数据根据特定的组织应用程序的处理要求被组织成特定的数据记录文件，只能以特定的方式进行访问。这种方法在为现代企业提供流程管理、组织管理信息时显得过于麻烦，成本过高并且不够灵活。因此出现了数据库管理办法，它可以解决文件处理系统存在的问题。
全业务域数据资源中心为企业提供完整的数据中心解决方案，提升企业管理和运营效率，实现数据采集管理、标准规范管理、元数据管理、主数据管理、数据协同与追溯管理、调度管理，数据反捕、BI决策分析等，通过体系化的数据资源管理中心的建设，可有效打通企业内部之间的数据流通渠道，解决企业管理信息化在数据层面的核心问题，形成横向集成、纵向贯通的高效、有序的信息流，发挥数据信息的基础支撑作用，满足企业对信息和数据的需求，帮助企业解决数据集成和共享、盘活数据资产和有效规避信息孤岛等问题。
四、数据资产与数据资产管理1、数据资产的定义
数据资产（Data Asset）是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。
2、数据资产的属性
数据资产具有无形资产的属性，从这个角度出发，我们可以发现数据资产主要有以下特性：无消耗性、增值性、依附性、价值易变性、战略性。
无消耗性：数据资产的每次使用只需要花费很低的成本，不会因为使用频率的增加而磨损、消耗，与其他传统无形资产有相似性。增值性：企业通过稳定发展，会促使数据资产在原有的基础上，数据规模和数据维度的不断积累，整体价值进一步提升。依附性：与其他无形资产类似，数据资产不能独立发挥作用，其发挥作用和效应往往依附于相应的软件、硬件。价值易变性：数据资产时刻受到数据容量、数据时效程度、应用场景等因素的影响，与其他无形资产相比，其价值更易发生变化。战略性：一切数据业务化，一切业务数据化，具有战略性。3、数据资产的属性
数据资产管理（Data Asset Management）是指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
数据资产管理（Data Asset Management）一般来说包括统筹规划、管理实施、稽核检查和资产运营四个主要阶段，贯穿数据采集、存储、应用和销毁整个生命周期全过程。企业管理数据资产就是对数据进行全生命周期的资产化管理，促进数据在“内增值，外增效”两方面的价值变现，同时控制数据在整个管理流程中的成本消耗。
图2.数据资产管理过程数据资产管理（Data Asset Management）包括两个重要方面，一是数据资产管理的核心管理职能；二是确保这些管理职能落地实施的保障措施，包括战略规划、组织架构、制度体系等。
五、数据管理、数据资产管理与数据资产管理内涵的演进数据管理、数据资源管理与数据资产管理有着密切关系和关联，但随着现代数字技术的高速发展，三者在内涵、侧重、延伸等方面存在差异。
图3.数据管理、数据资源管理与数据资产管理的关系1、数据资产内涵
在数据资产化的大背景下，数据资产管理是在数据管理基础上的进一步发展，可以视作数据管理的升级版，主要区别在以下三个方面：
一是数据管理的视角不同，数据资产管理强调数据是一种资产，基于数据资产的价值、成本、收益开展全生命周期的管理。
二是管理职能有所不同，数据资产管理包含数据模型、元数据、数据质量、参考数据和主数据、数据安全等传统数据管理职能，同时整合数据架构、数据存储与操作等内容，将数据标准管理纳入管理职能，并针对当下应用场景、平台建设情况，增加了数据价值管理职能。
三是管理要求有所升级，在“数据资源管理转向数据资产管理”的理念影响下，相应的组织架构和管理制度也有所变化，需要有更专业的管理队伍和更细致的管理制度来确保数据资产管理的流程性、安全性和有效性。
2、三者的关系
数据管理指利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。数据管理目标：在于充分有效地发挥数据的作用。数据资源管理致力于发展处理企业数据生命周期的适当的建构、策略、实践和程序。数据资源目标：去寻找手段，以有效的控制数据资源，并提升数据资源的利用率。数据资产管理的核心思路是把数据对象作为一种全新的资产形态，并且以资产管理的标准和要求来加强相关体制和手段。从经济角度，满足对资产运营的各类管理要求。3、数据资产管理的三个关键变革
数据与企业设备、软件、人才一样成为企业的重要资产，可以从多个角度和多个层面为企业带来价值收益。数据资产管理除了包含传统以数据质量提升为目标的数据治理外，还包括挖掘数据价值的数据运营。数据资产管理不能仅仅依靠信息部门开展，需要企业自上而下各个部门之间的分工协作。小结本文对数据、数据管理、数据治理、数据资源管理、数据资产管理等内涵作了详细说明，便于读者更好的理解和掌握数据领域相关概念，最后总结两点：
一、数据资源将成为战略资产,而有效的数据治理才是数据资产形成的必要条件。
二、有效的数据治理是一个持续性的过程，也是逐步实现数据价值的过程。所以数据治理是企业信息化的基石，数据资产是企业战略发展的核心价值，数据管理为企业赋能。(鸣谢:蔡春久先生给予专业指导)
医共体和数据中台的区别？
医共体就是医疗共同体，数据中台就是数据中心信息服务平台。
数据中台产品工具有哪些？
每家数据中台产品工具不一样。我最近关注袋鼠云的数据中台（2018年南京云栖大会提到），查了相关资料，数据中台是袋鼠云特色产品，具体到产品工具有哪些，主要包括：计算引擎、开发套件、数据质量、数据模型、数据地图、数据API、标签工厂。
数据中台到底是什么？
目前中台概念现在火遍大江南北，但可能很多人如你一样会有这样的疑问：数据中台究竟是什么？数据中台到底是什么？下面将为你详细解答下：
首先，如果用一句话来概述的话，元年科技认为：连接前台和后台的大量交易处理和服务就是中台，它包括业务中台和数据中台。业务中台在运行过程中产生大量数据，数据中台需要对数据采集治理、数据建模、数据开发，形成有针对性的数据服务。
数据中台，数据治理，企业数字化转型随着企业数据越来越多，如何让数据发挥更大价值越来越困扰企业的管理者，数据中台愈发备受关注，元年科技认为其产生有深厚的现实需求，涉及到三个关键词：
1.打通数据
企业信息化系统像烟囱一样孤立，数据中台最基本的功能就是通过一定的规则从各个子系统中收集数据，用以做进一步的后续处理。通过平台化的中台体系，打通了企业内部的业务数据到财务数据及外部社会大数据到内部财务业务数据。
企业信息化系统像烟囱一样孤立，数据中台最基本的功能就是通过一定的规则从各个子系统中收集数据，用以做进一步的后续处理。通过平台化的中台体系，打通了企业内部的业务数据到财务数据及外部社会大数据到内部财务业务数据。
2.复用共享
各个系统的数据都是按照其固有的需求和规则设计，导致数据口径不一致，而通过中台体系可以确保同一类数据来源唯一性，其它系统可以把这些数据复用、共享起来，使得以此数据产生出来的后续处理的数据结果的准确性、唯一性。
3.赋能
管理会计以往更多地强调用数据支持企业决策，但在互联网环境下会更讲究赋能。这个赋能不仅仅是为企业管理赋能，更重要的是为业务运营赋能。在这样的环境中，对管理会计会产生很大影响。
元年数据中台，数据中台核心能力，数据治理数据中台的出现，为企业适应数字化转型时代的管理变革提供了全新架构，也为管理会计信息化的升级提供了全新的底层数据支撑。元年科技认为数据中台体系的核心是三层构架。即底层的数据治理层、中层的数据处理层或者数据模型层、最高层的数据应用层。底层、中间层的处理结果赋能上面的业务管理。想了解更多数据中台相关信息，可以关注元年科技，持续数据中台，企业数字化转型干货和产品输出！
元年数据中台，数据中台架构，数据治理
还没有评论，来说两句吧...