透过数字化转型再谈数据中台（一）：关于数字化转型的几个见解

编者按：《透过数字化转型再谈数据中台》系列连载 6-8 篇左右，作者结合自己在数据中台领域多年实践经验，总结了数据架构知识、BI 知识，以及分享给大家一些产业互联网实施经验。本文是系列文章中的第一篇。

 

本文中不分享与涉及数字化转型概念以及方法论， 这一篇是随笔记录方式，不是一篇完整的文章。(各大媒体以及网上各大网站以及很多专家都在讲述数字化转型各种方法论) 。

 

首先给大家讲一段数字化转型具体实施的经历吧。

 

曾经有幸加入一家头部的产业互联网做数据中台相关工作，这个数据中台经过多年三代数据人的建设，从之前的被动响应逐步缓慢转为主动建设，总结下来是一条忐忑而艰苦的数据建设之路。这个业务经过了工具化建设提升自身的效率、沉淀优化的内容建设、围绕业务场景化的敏捷探索，一边支持业务商业模式不停快速尝试下的各种数据场景化需求，还要进行自身内容与工具化建设，并且需要逐步的拆解历史积累下包袱。

 

去年疫情对世界影响是巨大，一些企业也不例外，因此这个数据团队总人数从峰值的接近 200 多人骤减 70%，但是工作内容减少不多，于是在数据产品上坚持了一年的数据工具建设在这个时刻起到了一定作用至关重要作用，并且能在内容建设上用一种沉浸式数据分析体验透传给用户。在数据产品上把之前很多定制化的数据产品改造成了可配置化的，原有的几十款数据产品通过数据的主线、管理主线、元数据主线进行相关合并，场景化 API 服务也增加到了近百个。探索到了基于可配置化数据实时总线面向统计型、操作分析型数据的场景化应用。一年下来一直持续做减法，表从近万张缩减到几千张，通过数据作战地图数据产品的方式来做数据模型上的阶段性布局与设计。原有的接近 8300 多个指标合并缩减非常少。

 

现在需要进行思考，这个产业互联网在业务流程、业务特点、使用数据的方式有哪些可以总结，比如线下实体业务、线上业务超快速调整变化所带来的对数据诉求建设、线下业务进行线上化与互联网化等等。在业务系统快速建设与盖楼下，数据除了原有数据中台职责、运营角色的明细数据一类的分析化建设、各类洞察分析，数据业务化的支持日常线下管理日常等。互联网化数据化的很多原有业务人员的职能、相关知识配套体系、招聘体系、培训体系都是需要跟进的，而且在业务变化过程中在新流程、新 IT 设施做的再好，也会出现人为环境造成的不可预知的异常业务量等。

 

产业互联网在业务形态、模式以及数据应用上有自己特色、特点，原有单纯互联网数据建设、分析思路也是需要进化、调整切合产业特点才能做好落地，当很多线下门店的业务完全转为线上化时原有人员、系统、流程该如何调整需要各种实践，原有的数据建设、数据分析人员更需要思考很多才能贴好业务在频繁的变化中找到有规律抽象、模型并落地场景化。

 

 

我记忆中数字化转型（Digital Transformation）这个词，最早是在 08 年的某篇专业分析专栏中文章中看到的，文章提到企业数字化转型是企业未来发展的关键。随着技术信息化的发展，尤其是近代互联网技术、系统、IT 化、算法、AI、自动化实时场景的应用，让决策者从之前的中长信息获取周期变为近似实时获取各种信息，在决策时效变的更加精准与高效。那企业实施数字化转型中有有一些自己的碎碎念小知识点与大家分享。

 

数字化转型：“转型”才是核心

 

今年夏天笔者在一次给某央企讲数字化转型的分享中，感受到现场各位大佬对数字化转型的效果充满了渴望、期待，但同时也心怀质疑。大家已经意识到计算机技术成为工作以及日常生活的一部分，同时也是变成了企业发展一部分，信息化、数字化成为一道必须跨越的门槛。

 

“企业的数字化转型就像一场长期的上甘岭战役”，如果对一些关键点思考不清晰或解决不好关键问题，就会引起连锁反应，比如项目失败或者是变成一个人力、物力消耗无底洞。看过不少讲数字化转型，绝大数在讲数字化的关键要素，而是忽略了转型。

 

数字化转型中，我非常认同“转型” 是关键点，“数字化”只是手段。企业的转型必须回归到业务的本质，如何提升自己的商业能力。比如有的企业推进业务互联网化，所有的东西都塞到了线上后，下一步该怎么办呢？部分人或许觉得线上化后就大功告成。

 

以前用户体验产品服务方式是非常单一的，而现在用户会通过手机、触摸屏以及各种终端 访问网站、购物等来体验各种产品与服务。移动用户在使用习惯上呈现移动化、碎片化，以至于这些产品的业务特性、商业模式跟之前有了很大的变化，用户在不同位置需求是不同的、使用 APP 也是不同的、手机终端类型也是多样化。例如早上用户出门选择打车，中午通过在线订购午餐、午休时购买商品或刷一下短视频直播，晚上回家可能要拼车、地铁等，回家后通过手机 app 控制家里的智能冰箱、热水器、空调等。

 

以前企业通过“研发设计->生产制造 ->消费者使用”这样的链路提供产品与服务，消费者使用的各种信息反馈给生产制造者与研发设计者，这个过程周期很长，导致企业在产品的改进周期也很长。这种过程积累下来的业务数据就比较粗粒度，所以最终管理者需要使用这些比较宏观的、粗颗粒度的数据去做决策。

 

当用户需求与服务周期逐渐缩短之后，业务量级暴增、数据类型显现，多样化对应的技术、架构、业务呈现出迅猛发展，相应的数据也成指数暴涨。新的生产模式下，在研发设计、生产制造、消费使用中都会通过数字实时的进行链接。

 

 

数据积累的价值再挖掘、数据的场景化使用、使用数据做出决策也是数字化转型的一些关键点的之一。

 

技术角度来看数字化转型的小路径

 

企业数字化转型是对业务的重新定义、更快速的决策、更加精细化的运营, 这个过程包含着对业务流程、业务场景、业务关系以及业务链条上下游各个环节的重新定义。企业的不同发展阶段，决定着数字化转型的起点与关键路径，例如一个非常传统的企业可以考虑的路径是进行系统化、业务在线化或者业务信息化，然后在通过业务产生的沉淀数据进行整合并数据化，最后是业务的智能化。有的企业信息化做的非常好可以直接一步到位，这个路径节奏是跟企业的具体信息化的成熟度有很大关系的。

 

简单整了一个数字化转型的路径图：

 

 

业务的信息化、业务数字化是有本质的区别的

 

数字化转型最好是在企业已经信息化的基础上，企业以往系统、平台进行资源的整合和升级。利用人工智能、数据分析等算法和技术，将零散的信息进行数据整合。同时，数字化转型可以将企业的各个单元，甚至是企业和消费者之间链接起来，从而大幅度提升效率。在数字化转型的大道上，很多企业是从互联网技术开始做转型的（转型的要素还需要有人才、运营、数据、组织结构、管理层认知与改变、企业战略等多维度的综合性结合的才能做好通过数字化驱动转型的逐步的成功的）。但是跳过了数字化转型中很多前置的关键阶段，例如一些核心系统的改造、很多流程系统还不完善、甚至都没有系统化,或者是系统化了但是没有在线化、在线化了没有做平台化等等一些比较关键的地方，再比如忽略了数据本身的各种分析与挖掘价值，决策者、管理层、基层的知识、思维、工作模式等方面不从本质上进行改变。当然也有一起大型企业内部做的已经比较完善了，在数字化转型的大道上走起来是比较轻松的。

 

数字化转型的几点误区

 

这一段是来自科尔尼中国竞争力研究院的一篇《传统行业拥抱数字化转型的正确姿势》报告中的，根据作者自己的经验思考后感觉还是非常着地气的，分享出来。

 

误区一：在数字经济蓬勃发展的背景之下，传统行业企业要实现成功的数字化转型，就要在战略方向上下定决心，放下现有业务全力进入互联网等新兴数字化行业，开辟全新的数字化业务领域。完全脱离现有业务的单纯为了数字化而数字化转型属于过于激进的方向性误判。传统企业拥抱数字化转型时，战略层面应当是基于自身业务，将数字化战略与企业愿景及业务战略进行衔接，从而让数字化给自身主业插上数字化能力。

 

误区二：营销端的数字化转型收益更明显，因此应该着重推动营销端的数字化转型相关举措。

 

传统企业拥抱数字化转型时，战略层面的正确方式应当是让数字化为自身主业插上翅膀。 接下来在战术层面，需要确定什么样的翅膀能够帮助主业加速发展。在制定着重推进的数字化转型领域和举措时，要注意不能够人云亦云，每个企业数字化转型的举措和切入点的选择及优先级排序应该由 企业所在行业规律和企业自身商业模式决定。每个企业的翅膀可能各不相同，合适的翅膀需要能够帮助企业“飞起来”。

 

误区三：(关于数字化转型的推进节奏): 传统行业企业在数字化转型方面起步时间已经不占优势了，因此需要整个企业所有业务板块同时按照一步到位的节奏快速推进全面转型。

 

一个业务直接带来帮助的好的数字化转型的执行应该是敏捷又接地气的。

• 在整体推进节奏上，数字化转型不应追求一步到位，而应力争小步快跑；

• 在分业务板块的推进节奏上，数字化转型不应该平均速度推进的，而应充分考量不同业务板块之间内外部成熟度的差异性。具体而言，在制定数字化转型推进节奏时，要制定能够接实际业务接地气的推进节奏与计划,企业需要因地制宜，充分考量四方面因素: 数字化转型战略目标、企业自身数字化成熟度、市场与自身的接受度、相关技术的发展阶段。而在推进数字化转型的过程中，由于当今时代市场、业务与技术的发展变化速度越来越快，制定一个五年数字化战略，然后按部就班照章执行的做法难以带来成功的数字化转型。相反，小步快跑的敏捷模式能够让传统行业企业跟上市场、业务与技术的变化，少走弯路并提升数字化举措的投入回报。

 

误区四：(关于数字化转型的工具迷信) 传统行业企业在推进数字化转型过程中，所欠缺的就是技术;只要能引进尽可能多的数字化技术/工具就能确保转型取得成功。仅仅堆砌大量数字化技术/工具本身并不能“包治百病”；成功实现经营业绩提升的数字化转型，需要将合适的数字化技术/工具应用在对症的业务与产品的重塑或改善机会点上。

 

误区五：将数字化转型与信息化改善混为一谈，由 CIO / IT 部门承担主导整个企业数字化转型的重任。

 

数字化转型其业务内涵比信息化更丰富、业务影响比信息化更深远、同时需要调动的部门协同与资源共享也比信息化更广泛;要真正协同全企业整体资源，实现数字化转型的战略目标，需要“业务挂帅、深度融合”: 由企业业务高层乃至 CEO 亲自挂帅，同时确保业务职能与数字化/IT 职能在组织层面，实现充分理解和敏捷交互。

 

众多领先企业已充分认识到数字化与信息化在内涵、影响与资源需求方面的显著差异，因此已纷纷建立起专职的数字化职能部门\CDO，负责协调或主导企业层面的数字化转型推进。从组织职能设置层面，CDO/数字化职能有“虚”与“实”的模式选项：“虚”的数字化职能更多扮演 CEO 和各业务单元/业务板块的数字化顾问，数字化职能团队一方面负责数字化相关创新的趋势研究与概念设计，而各业务单元后续是否进行相应的试点和承接则由具体业务部门决定，另一方面数字化职能团队也会在整体企业层面起到全局协调数字化转型的职能；相较而言，“实”的数字化职能则会更进一步地承担具体的数字化举措落地推进的职能。

 

企业在业务上信息化时上了云，部署了 SaaS 或者是 PaaS，但原有的决策者还是没有本身上的变化，是无法带来什么本质上的效果。信息联网化再到数字化是提升了系统响应时间以及对结果数据、过程化数据的获取能力，原有的管理层从之前的接收简单汇总、分析后的结果内容，转为短时间周期或实时获取到更丰富的结果数据，或者是没有经过专业人员分析过的数据，并且需要短期内进行决策 &策略上的判断。

 

场景化是数字化转型的核心数字化转型必须结合企业自身业务，进行场景化落地才是核心。数字化转型中的很多落地的场景是依赖数据，但对数据中台依赖度并没有那么强烈，一套建实时数据采集处理系统就能直接作用在场景上。

 

比如典型的应用中业财一体化的实施是需要构建核心链路、结算链路、新的财务架构的，更细的内容是从消费者链路、供应链路、端到端的费用计算能力、结算库存成本收入的整个链路以及可能涉及到的某些链路的供应链金融产品，这个过程中可以直接进行数字化转型。但是要做更复杂的财务分析、财务数据与业务数据链路级打通分析。

 

下图两个例子，是供应链中的小案例，分为业务系统线上化、在数据在线化应用场景（如果有更感兴趣的可以留言交流， 这个内容来自在去年关门会议数字化转型案例讲解内容之一）。 这几个案例是从供应链的业务应用-> 数据场景化应用->数据场景化分析的过程。

 

 

 

在供应链的数据应用场景

 

在供应链的数据分析场景

 

去年，数据中台有了一个滑铁卢的过程，但今年数据中台借着企业数字化转型再次上扬，很多企业在数据中台一知半解的情况下，“一些公司拿着几个统计图表在鼓吹自己是做大数据，能够给出完整的实施解决方案以及落地实施”，就如《没有中台的命，却的了中台的病》中所说：甲方的内驱力是业务创新、数字化转型，中台，是他们理想成功路径，乙方的内驱力是卖产品解决方案、做项目，中台往往是他们的营销套路。这种供求不对称，将会在企业数字化转型实施中变成了单纯给企业上一套数据系统出一些报表、或者是接入点实时数据实施个用户画像概念上个营销就结束。束。

 

广义与狭义的数据中台

 

"数据中台"这个名词是从互联网大型企业的“中台” 概念中提炼与逐步演进出来的，并逐步走到传统企业与大家的视线中。数据中台在数字化转型中需要承担的角色、职能、以及在建设的投入与产出价值还需要在实践中进一步的验证、进化。 目前在行业上大家对数据中台的理解与解读也是含义不同，有广义的解读、也有狭义的解读。

 

 

该图来自文章：《数字银行 | 银行为何要做中台？是噱头还是良药》

 

广义解读：主要是从概念的广义定义，就是一个什么都能装的大篮子，除了原有数据平台内的技术框架、应用场景、还扩展了很多大数据沾点边的比如某些场景、数据内容、框架等，还有站在企业级下的数据全局化、统一化、一致化的设计与实施，强调复用性、共享式的服务。

 

狭义解读：主要是从技术角度狭义定义，在实施中能看的见摸得着的，一个大数据技术平台（存储、计算、开发工具、可视化、数据管理、大数据运维管理、API、算法等），在原有的数据仓库及后来的数据平台的职责范围进行整合并换个名词。

 

开始切入正题，细解数据中台的来龙去脉。接下来的系列章节是自己在数据中台领域多年沉淀、无数个埋坑爬坑改造经验，再结合数据架构知识、BI 知识、产业互联网的经验来而总结并整理出来，这个系列创作过程中花了大量时间进行思考和提炼总结，算是给大数据行业增加一次更为完整的分享。

 

本文章系列预计在 6 到 8 篇左右，围绕着数据中台的发展、建设、实施、Onedata 的相关知识来做进一步的阐述与分享。

 

作者简介：

松子（李博源），BI& 数据产品老兵一枚，漂过几个大厂。2016 年到现在持续输出原创内容几十篇，《中台翻车纪实》 、《从数据仓库到大数据，数据平台这 25 年是怎样进化的》 、《数据产品三部曲系列》等系列有思考深度的文章。