數據時代帶來的挑戰不僅僅是數據量的爆發式增長，更重要的是如何管理好、治理好以及利用好這些數據。為了達到技術降本、應用提效、業務賦能的目的，企業需要站在組織戰略的角度，設計和建設數據中臺，并且不斷推動技術和團隊創新。

企業的發展，往往伴隨著業務多元化，從而產生越來越多元的業務數據，為企業開展數字化轉型帶來更多的可能性，也促使企業思考如何更好地利用數據、挖掘數據價值。當前，大中型企業的數據存儲依舊分散在各個業務部門和終端，導致大數據平臺呈現出垂直分布、橫向割裂的狀態。

為了打通這些數據，并建立可復用的數據分析能力，以達到技術降本、應用提效、業務賦能的目的，“數據中臺”應運而生。許多企業都在關注如何建設數據中臺，但是，企業高管也發現建設數據中臺的難度絕不止于弄懂何為數據中臺。近日，《財資中國》專訪Gartner高級研究總監孫鑫，圍繞數據中臺建設思路展開分析。孫鑫指出，建設數據中臺的目的是讓企業實現高效的數據驅動，減少重復的架構建設，這需要企業高管站在組織戰略的高度進行頂層設計。

現狀：企業數字化與數字經濟之間存在脫節

雖然企業數字化轉型已經為人們所熟知，但是在實際操作過程中，眾多企業的數字化業務的經營模式尚未發生根本性變化。在采訪伊始，孫鑫一針見血地指出，目前我國企業的數字化轉型與數字經濟之間存在脫節，具體表現在以下三個方面。

第一，數據價值尚未被衡量。大多數企業沒有建立起科學的數據價值衡量標準，對數據的挖掘、分析和利用仍舊處于比較初級的階段。Gartner2019年CDO調查顯示，僅25%的企業真正衡量出了數據價值。一方面，大部分企業還沒有CDO這一角色對企業數據進行規劃和利用;另一方面，即使設立了CDO，大多數企業對數據人才尚未進行合理的培養和招募，即使有了先進的工具，也沒有在人的數據分析能力上沉淀出長期價值。

第二，數據資產的利用比較被動。目前，企業對數據資產的利用流程仍停留在按需處理的階段。由企業員工發起數據分析、處理的需求，再由相應的數據員工執行操作，沒有主動地利用企業數據。此外，企業數據被分散在各個系統之中，沒有建立有效連接，數據孤島問題突出。

第三，數據分析的產品尚未正式鋪開。技術走在了業務的前面。一方面，數據管理工具的能力已經高度聚合，在統一的平臺上可以發揮相當大的作用;另一方面，企業高管面對數字經濟的態度仍顯被動，僅停留在做數據治理項目、提高數據質量的階段，而沒有通過一系列方式切實地發揮數據的價值。因此，企業需要更多地利用技術手段，增強數據管理的能力，將元數據主動利用起來，才能發揮數據資產的價值。

面對企業數字化現狀與數字經濟要求之間的鴻溝，我國互聯網公司提出“數據中臺”這一概念，將數據管理、分析與企業業務相聯系。雖然業界對數據中臺尚未形成統一的定義，但是不妨礙企業運用先進的理念和技術實現數據中臺的目標。在孫鑫看來，企業著手建設數據中臺之前，應該思考兩個問題：一是數據中臺的輸出結果是什么，能否為業務帶來價值;二是企業目前在數據分析能力上有哪些缺失，運用哪些工具可以補全這些缺失。

行動：以公司戰略的高度建設數據中臺

提起數據中臺，大多數企業下意識地認為需要重新搭建一個系統。在孫鑫看來，其實大可不必。企業的數字化轉型不是一蹴而就的，在數字化轉型的過程中，企業已經搭建了適用于各種場景的數據分析平臺，比如客戶體驗平臺、生態系統平臺、物聯網平臺和內部信息系統等。而數據中臺的建設方向應該處于企業數字化平臺的核心，即Gartner定義的數據和分析平臺(紅色虛線部分)，幫助企業的各類數字化平臺的業務用戶做出更好的決策，并在各個數字化平臺的合作孵化下形成可復用的數據分析能力(圖1)。

▲圖1 數據中臺的建設方向
資料來源：Gartner

針對企業構建數據中臺的行動，孫鑫建議，應該以產品的思維去設計和構思。他解釋道：“過去企業做一個項目，很少考慮內部員工的滿意度或者外部用戶該如何接受，也難以真正站在用戶的角度去思考提供的服務能否獲得喜歡。而以產品的思維搭建數據中臺就是要讓數據分析更加有效，給用戶更多的獲得感。”

而在具體實施時，孫鑫提出需要以公司戰略的高度建設數據中臺。在數據中臺的每一個能力背后對應著不同的廠商，還有相應的一些數據調用的工作需要多部門配合，由此可見，建設數據中臺是跨部門、跨業務場景的工作。孫鑫認為，一個好的數據分析團隊是由集中的團隊和各條業務線上的分散團隊組成的，建議企業把數據中臺定性成一個組織戰略，把數據分析團隊作為數字化平臺建設必備的一個元素。

具體而言，搭建數據中臺可以遵循以下幾個思路。

第一，不建議新建一個數據中臺，應該采用數據整合的形式，搭建起數據無縫連接的平臺。企業建設數據中臺絕不是把所有的數據全部收集在一個地方之后再開始應用數據，隨著數據的不斷涌入，用連接的方式在數據原本存放的介質中重復利用數據才是數據中臺該有的手段。

第二，要賦予前端業務自助式分析的能力。建設數據中臺需要將數據資產打上標簽，再以業務屬性提交到業務用戶手中。因此，數據中臺的能力是動態的，既有前端的業務人員不斷配合輸入，又有后端的數據工程師不斷調整，讓數據能夠及時配置給業務用戶。

第三，場景驅動數據中臺的建設。數據中臺首先要找到相對高亮(能見度高)的業務場景，在這些場景之下，可能涵蓋各種各樣的對數據分析能力的需求。對這些場景深入研究之后，通常會發現數據中臺需要具備的能力，從而確定數據中臺的建設方向。以增加活動銷售額為例，需要將增加銷售額這一目標進行分解，在每一個小目標中發現數據分析能力的需求，比如報表能力、交互可視化能力、數據準備能力等。

第四，提高員工數據素養。放眼未來，人們對數據產品和服務的期望不斷提高，企業還需要不斷提高員工的數據素養，讓他能夠接受更高級的數據產品或數據中臺的能力輸出。一是具備將數據分析用到業務之中的思維，二是善于使用數據工具，三是具備數據分析的方法。

創新：從數據連接到能力復用

數字化轉型的關鍵在于真正發揮數據的價值。Gartner預測，到2022年，CDO會與CFO一起有組織、有規劃地評估企業的信息資產，以合理改進數據，從而獲取價值。90%的企業會非常明確地將信息或數據作為企業的核心資產，將數據分析能力作為企業的核心競爭力，并在企業內部進行推廣。

但是，數據中臺的輸出能力僅僅只是Data as a Service，即API的形式是遠遠無法讓業務部門直接使用的，這降低了企業對數據分析應用的廣度。企業應該通過整合復用豐富數據分析能力的輸出(圖2)。孫鑫認為，隨著新技術的引入和融合團隊的建立，這無疑是創新的過程。例如，由機器學習為基礎的增強型數據分析和管理工具，就可以大大降低用戶的使用門檻(自然語言驅動的分析)并減少數據管理的工作量(主動利用元數據學習獲得用戶行為)。企業應該了解到利用增強型能力是為減少數據分析手動的部分，從而給用戶更多時間構思業務如何使用數據去做創新。

▲圖2 整合復用數據分析能力
資料來源:Gartner

圖譜分析(Graph)的引入也會更進一步幫助企業去探知利用率嚴重不足的數據。圖譜可以發現企業數據與數據之間以及不同部門使用數據中被忽視或難以察覺的聯系，從而讓需要可復用的能力有據可尋。

數據時代帶來的挑戰不僅僅是數據量的爆發式增長，更重要的是如何管理好、治理好以及利用好這些數據。

在人口紅利轉化為數據紅利的當下，傳統的大數據建設方法論顯然無法滿足企業應對多變環境和保持增長的需求。孫鑫建議，合理設計、建設數據中臺，減少重復的架構，通過數據分析給業務帶來更多價值，在這個過程中找到合適的產品，建立自身獨特的數據能力，是企業高管應該思考的方向。