企业数字化转型利用数据的三个发展阶段
企业数字化转型,如果回顾数据分析的历程,可以归纳发现数据利用大概有如下三个阶段:响应运营,响应业务,创造业务。
第一阶段:响应运营
响应运营是数据分析最直接也是最原始的诉求。没有谁不不会关心自己的用户留存率,没有谁不关心自己的营收额;出现了故障、如何分析定位,如何预测预防,运用数据分析自然不过。但是在运营分析过程中,也发现了另外一系列的问题,比如各个业务系统的数据存储格式、存储介质都不相同,在进行基本的运营分析的时候,无法流畅的进行。此时,不得不进行一系列的数据治理。常见的主数据、元数据治理就是发生在这个阶段,只是数据仓库将主数据和元数据治理进行了规范化。
第二阶段:响应业务
数据分析停留在运营阶段的时候,对企业来讲最大的感受就是投入产出比不对称。这个问题在大数据爆发的时间点上,更为凸显。例如在今天的业务场景下,传统的数据仓库已经解决不了海量数据、异构数据等一系列问题,而大行其道的大数据分析技术,硬件要求高、学习门槛高。要实施一个大数据平台,成立一个大数据团队,这是一个不小的成本开销,更何况现在有不少数据分析团队要借助机器学习等手段,来对数据做分析来响应运营,这导致基础设施成本、整体门槛进一步提高。
于是像数据中台这样的思想就被提了出来:既然数据是从业务系统产生的,那么是否业务系统也需要数据分析结果呢?对于数据平台来说,数据平台本身提供两大能力:数据存储和数据计算的能力。那么业务系统的数据存储和数据计算能力是否可以剥离到数据平台,仅仅让业务系统很轻量的维护自己的业务流程操作?所以利用中台剥离了复杂的业务环境,再配合微服务等技术,一下子让人感受到了“数据服务的共享”。
而对业务场景来说,很多时候是需要数据服务的,例如用户的基本信息管理、用户的行为数据分析,这些数据不但可以暴露给业务系统使用,甚至可以直接丢给终端用户自行使用。类似这种契合点,让数据平台变成了一个服务,提供给业务系统。而对数据服务的使用者来说,在消费数据的同时也在继续产生数据,这样在数据平台和业务系统之间就构成了一个良性的闭环。
第三阶段:创造业务
业务不会总停滞不前,因为人的生活会改变,想要的体验会改变。过去,大家到视频平台看视频,利用通用的数据服务,不同的用户看到的视频推荐都是一样的;很快,我们就会发现根据用户的偏好,推荐个性化的视频几乎是必不可少的体验要求。然后,我们就开始思考:数据是否可以变成个性化服务提供给终端用户?这是一个非常简单、常见的例子。当这样的个性化数据服务越来越多之后,各种服务不断组合,就会创造出很多可能性,进而提供创新的个性化体验和新的业务模式,这就是数据服务用于创造业务的阶段。
虽然有了数据中台,但是当有大规模的、基于智能算法的数据服务需要落地实现时,依然会碰到以下挑战。
如何对规模化的智能服务进行管理:当只是零星三两个智能服务的时候,通过手动人工管理等方式,不会有太大的问题;然则,当智能服务成千上万的时候,如何管理、如何构建、如何高效维护,就会成为很大的麻烦。
没有良好的工程实践来保证质量和流畅性:对于常规的应用软件开发我们有TDD、自动化测试、CI/CD等成熟的工程实践做保障;但是在智能服务这一块,无论是编程开发、还是服务构建,都没有成熟的工程实践,也没有良好的基础设施支撑,非常依赖于构建这个服务的数据工程师的个人能力,导致在实施过程中,问题难以复现,难于定位。
数据安全、治理和数据量不充分:数据中台的价值点,在于提供了数据的计算和存储的能力,但是在智能服务构建下,光有计算和存储还不够。治理到什么程度的数据,才能较好的支撑服务的构建?个性化的服务与数据安全冲突的时候,如何抉择?数据量不足导致算法模型泛化能力太差,怎么办?
上述问题,催生了从数据中台到AI中台的转变。