中年|建设数据中台?先想想企业有没有这个底子!( 二 )


4、数据中台孕育新型人才

原来新员工入职要获得成长 , 一是靠人带 , 二是找人问 , 三是自己登陆各种系统去看源代码、了解各系统底层数据结构 , 这样的学习比较支离破碎 , 其实很难了解全貌 , 无法知道什么东西对于企业是最重要的 , 获得的文档资料也往往也是过了时的 。 现在有了数据中台 , 很多成长问题就能解决 , 有了基础模型 , 新人可以系统的学习企业有哪些基本数据能力 , O域数据的增加更是让其有更广阔的视野 , 有了融合模型 , 新人可以知道有哪些主题域 , 从主题域切入去全局的理解公司的业务概念 , 有了标签库 , 新人可以获得前人的所有智慧结晶 , 有了数据管理平台 , 新人能清晰的追溯数据、标签和应用的来龙去脉 , 所有的知识都是在线的 , 最新的 , 意味着新人的高起点 。 更为关键的是 , 数据中台让新人摆脱了在起步阶段对于导师的过渡依赖 , 能快速的融入团队 , 在前人的基础上进行创新 。 数据中台天然的统一 , 集成的特性 , 有可能让新人打破点线的束缚 , 快速构筑起自己的知识体系 , 成为企业数据领域的专家 。
数据中台、数据仓库、大数据平台的关键区别是什么?

认可了数据中台的价值 , 我们自然是想要去快速搭建 , 然后真正去规划建设的时候 , 我们会发现 , 数据中台的建设和数据仓库、大数据平台是有重合的 , 这就需要我们充分理解三者的区别 。
数据中台
数据中台是企业级的逻辑概念 , 体现企业 D2V(Data to Value)的能力 , 为业务提供服务的主要方式是数据 API;数据中台距离业务更近 , 为业务提供速度更快的服务;数据中台可以建立在数据仓库和数据平台之上 , 是加速企业从数据到业务价值的过程的中间层 。
数据仓库
数据仓库是一个相对具体的功能概念 , 是存储和管理一个或多个主题数据的集合 , 为业务提供服务的方式主要是分析报表 。 数据仓库是为了支持管理决策分析 , 而数据中台则是将数据服务化之后提供给业务系统 , 不仅限于分析型场景 , 也适用于交易型场景;
数据仓库具有历史性 , 其中存储的数据大多是结构化数据 , 这些数据并非企业全量数据 , 而是根据需求针对性抽取的 , 因此数据仓库对于业务的价值是各种各样的报表 , 但这些报表又无法实时产生 。 数据仓库报表虽然能够提供部分业务价值 , 但不能直接影响业务 。
大数据平台

大数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台 , 为业务提供服务的方式主要是直接提供数据集;
大数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题 , 所以先撇开业务需求、把企业所有的数据都抽取出来放到一起 , 成为一个大的数据集 , 其中有结构化数据、非结构化数据等 。
当业务方有需求的时候 , 再把他们需要的若干个小数据集单独提取出来 , 以数据集的形式提供给数据应用 。
综上 , 我们会发现 , 数据中台是在数据仓库和大数据平台的基础上 , 将数据生产为为一个个数据 API 服务 , 以更高效的方式提供给业务,本质是一个构建在数据仓库之上的跨业务主题的业务系统 。
所以 , 我们会发现 , 不论要做哪一个数据项目 , 数据才是核心 , 统一数据仓库、主数据是基础 。 只有打通各业务系统的数据孤岛 , 将数据标准、口径、模型、存储统一 , 形成具备完整性、规范性、一致性、准确性和及时性的高质量数据 , 才能逐渐释放数据价值 。
以下这张图很好的展示了这三者的发展关系

中年|建设数据中台?先想想企业有没有这个底子!
本文插图
中年|建设数据中台?先想想企业有没有这个底子!
本文插图
数据中台可以说是几十年来企业数据管理发展的产物 , 是聚合和治理跨域数据 , 将数据抽象封装成服务 , 提供给前台以业务价值的逻辑概念 。


推荐阅读