企业数据中台建设过程中面临的三大挑战

发布时间:2020.07.10来源:知乎浏览量:135次标签:数据治理

1)业务挑战:如何以大数据赋能,反哺业务精耕?

越是成功的企业,业务发展的痛点越难以单点解决,需要整体思考、科学决策、集体行动,在业务的创新中解决这些痛点。
比如,如何做好会员精细化运营?如何为门店挑选合适的商品且控制好库存?如何动态打折以至不损伤毛利等等,是摆在企业前面的一个个难题,直接影响到企业的规模扩展或者利润提升,也是企业迫切需要解决的问题。
这就需要构建数据中台,通过大数据赋能业务。

相比传统数据业务,大数据业务的优势在于,通过整体规划智能化的数据应用,来推动业务创新。这就是企业数字化转型的业务内涵。这些数据智能应用需要将业务经验和解决方法论、全域的数据模型,与算法模型相结合,我们称之为“业务智能模型”,它的价值在于“降本增效”。
在奇点云过去三年的数据中台实践中,我们发现这些业务智能模型遍布在整个零售产业上下游。比如通过全方位的数据反馈并指导买手做好选品;又如通过商品的聚类,发现某类特征的商品,可以优化打折速度和幅度,以此提高整体的折扣率从而增加毛利等。再比如,通过门店和商品数据,通过最优算法,解决“什么样的店铺类型应该铺什么商品”,以提升门店的顾客进店转化率,从而提升效益。
业务智能模型需要数据和业务系统深度结合,在运营工作中直接产生效果,让业务能够自动化、高效地运转起来。

2)技术挑战:如何高效的数据治理,远离数据“黑洞“?
要做好有价值的业务智能模型,离不开高质量、高可用的、全域的数据中台,数据治理就显得非常重要。“数据治理”是企业数字化转型中典型的大数据技术问题。
数据治理,解决的是“业务越来越复杂而数据现状的脏乱差”带来的挑战。如何合理规划数据结构?如何规范定义数据?如何有效管理数据资产?如何安全分发使用数据?这都需要一套完善的数据治理体系,驱动企业数据化运营转型。
数据治理是基础,也制约了企业的数据智能化方向的发展,难以做到数据创新。从理念上来看,“治”不应只在事后,更应在事前,“理”考验的是业务与技术能力的结合。从实际内容上来看,数据治理是一套方法体系+工具集,旨在帮助企业合理的架构数据、规范的定义与加工数据、清晰的管理数据、安全的应用数据,促使数据从成本中心变成价值中心,驱动企业数字化转型。

3)组织挑战:如何深挖数据红利,成为业务创新“能手“?
从解决业务挑战和技术挑战出发,企业必须把数字化转型定义为战略问题,从而推动“数据中台”的落地,这也给企业带来了组织上的挑战。
一般来讲,传统的数仓解决方式有两大问题:一方面从业务系统直接计算数据,非解耦架构对业务系统影响极大。一方面基于DB构建的数据仓库,计算及查询效率难以满足业务数据膨胀的大趋势要求。解决这些问题,已经不是藏在“IT部门”的数据小分队这一组织形式所能够解决的。
2018年7月,阿里云总结了过去的成功经验,在业界大力推出“数据中台”解决方案,很好地解决了这些问题。奇点云提出的数据中台架构与设计,其出发点是支撑复杂的、多系统的、数量巨大的、多应用场景的业务形态。在组织层面理顺以下部门或团队关系,来解决企业在组织落地战略上的困惑:

①与传统IT业务之间的关系:业务和计算分离,业务和数据分离
大数据业务应与业务系统解耦,采用T+1离线计算方法产出结果数据,不直接在业务系统上进行数据计算,实现了业务和计算的分离、业务和数据的分离。

大数据部门的工作起点是满足多种计算场景的需求。支持大数据计算,结合了多种计算引擎,针对不同的场景使用不同的计算引擎,如离线计算引擎、实时计算引擎、多维分析引擎、即席查询引擎、实时搜索引擎。

②与业务部门的关系:站在企业视角打通数据,支撑业务部门用数据
支持各种异构数据源打通,提供了一套基于reader和writer的抽象化数据抽取插件,除了提供系统自带的插件外,还支持自定义实现reader和writer插件,通过公共的管道,实现结构化和非结构化数据的互相传输,统一技术框架。

支持业务部门的高并发多场景的实时查询,数据中台集成了基于分布式的KV查询框架,可以支持海量级别的查询请求,并且响应时间可以控制在毫秒级别。
支持多场景的数据服务,灵活快速支撑业务需求,向导和自定义双模式快速生成API,实时监控API调用情况。
面向业务部门,为业务部门的数据分析、开发提供培训和技术支持。

③与合作伙伴的关系:找到数据部门的核心能力
应该深入业务,影响业务效率。数据模型融合离散的业务数据,可借助数据中台快速构建数据模型,建立全方位的数据视角,消灭信息孤岛和数据差异,灵活支撑业务的变动。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据资产管理直面企业痛点

    数据资产管理直面企业痛点

    企业日常经营活动中积累的大量数据,除了支持业务流程运转之外,越来越多地被用于帮助企业提升管理决策效率、实现价值挖掘和业务创新。企业日常经……查看详情

    发布时间:2020.09.11来源:知乎浏览量:164次

  • 什么是数据工程师?高需求中的分析角色

    什么是数据工程师?高需求中的分析角色

    数据工程师是任何企业数据分析团队的重要成员,负责管理、优化、监督和监控整个组织内的数据检索、存储和分发。 ……查看详情

    发布时间:2019.01.15来源:亿信华辰浏览量:136次

  • 数据治理:发现阶段

    数据治理:发现阶段

    从数据治理计划的发现阶段开始,将为您提供更大的成功概率。……查看详情

    发布时间:2018.12.21来源:亿信华辰浏览量:133次

  • 数栈:为数据治理而生

    数栈:为数据治理而生

    2018年5月21日,中国银保监会印发《银行业金融机构数据治理指引的通知》(银保监发〔2018〕22号),新规从征求意见到正式稿落地仅仅……查看详情

    发布时间:2019.01.04来源:NinGoo浏览量:196次

  • 数据治理:它是什么以及它为什么重要?

    数据治理:它是什么以及它为什么重要?

    数据治理:它是什么以及它为什么重要?……查看详情

    发布时间:2018.12.26来源:亿信华辰浏览量:132次

  • 企业架构框架和元模型,指南

    企业架构框架和元模型,指南

    与任何建筑或基础设施项目需要不同的利益相关者和不同的计划视图的方式大致相同,企业架构(EA)也需要相同。……查看详情

    发布时间:2019.02.26来源:亿信华辰浏览量:212次

  • 数据治理超越了将事实放在一起

    数据治理超越了将事实放在一起

    学习如何学习正成为一项关键的执行技能,学习概率思维将成为赌注。……查看详情

    发布时间:2019.01.14来源:亿信华辰浏览量:132次

  • 来自园艺的5个数据治理课程

    来自园艺的5个数据治理课程

    所有这些数据增长和收购挑战都要求我们重新考虑我们的数据治理策略。我们根本没有确保正确管理和使用数据所需的可见性。我们的首要任务是消除风险……查看详情

    发布时间:2018.12.04来源:Debi Tadd浏览量:251次

  • 数据治理成功要素:制定数据质量管理办法及标准

    数据治理成功要素:制定数据质量管理办法及标准

    数据质量管理是指为了满足信息系统的需要,对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题,……查看详情

    发布时间:2022.02.25来源:小亿浏览量:306次

  • 数据质量包含的要素有哪几点

    数据质量包含的要素有哪几点

    数据是企业最有价值的资产之一,越来越多的企业认识到了数据的重要性。企业的数据质量与企业经营业绩之间有着直接的关系。高质量的数据可以保持公……查看详情

    发布时间:2022.02.17来源:小亿浏览量:659次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议