2024年六大建设是那六大 篇1
从2018年以来，与我们进行数据中台交流的企业不下200个，我们从这么多交流中总结了三个规律，然后深入分析出数据中台建设的十二大问题域，这能够给那些希望建设数据中台的企业以一个问题识别框架，从而更快速准确地建设能够解决问题的数据中台。
从200个数据中台交流的发现
从2018年以来，数据中台在国内企业数字化转型领域异军突起，今年我们做了一个粗略的统计，找到我们交流数据中台的企业，不下200家，但是，最终落地的项目，却是五花八门，很少有完全一样的。 正如下图所示，不同的企业，找到我们都是从“我们领导想做数据中台”这句话开始，但是当我们深入沟通后，发现大家的情况各不相同，有的还没有业务数据，有的已经有了一定的数据，有的正在建设数据仓库，有的数据仓库已经上线使用很多年，然后在不同的情况下，大家要解决的问题也不一样，有的是想搞清楚应该怎么从数据中产生价值，有的是想提升现有数据的质量，有的是现在的数据仓库报表没人用，有的是数据仓库的响应速度比较慢，有的希望做一些人工智能的预测和推荐。
我们将这些需求做了分类，然后总结了三个有意思的关键发现：
一、行业对于数据中台的期望很高
这么多不同的需求，最终都是从“数据中台”开始，这说明企业对于数据中台项目的期望很高，将过去对于数据仓库，数据平台的期望都寄托在了“数据中台”新的概念上。
这个现象对于数据中台的行内人来讲，是一个好事情还是一个坏事情，真是不好说。
一方面，我们很高兴，数据中台被企业管理层关注了，他们用这样四个字来表达自己对于企业数据利用的渴望，同时也表示了现在的企业数据利用体系不能够满足他们的要求。
另一方面，我们同时感到依稀的惶恐，数据中台绝对不是银弹，它不能解决一切的问题。
二、提出要做数据中台的企业，大部分是缺乏清晰的数据战略
在我们与很多企业沟通的过程中，我们发现，当我们问到“你们希望数据中台解决什么问题”的时候，其实很少有企业能够讲的清楚，但是当我们像剥洋葱一样层层引导的时候，发现他们最终都指向希望将数据利用好，让业务更智能。
这是一个企业战略层面的事情，说明大部分想做数据中台的企业，其实都是希望进行数智化转型，但是他们需要的第一件事情，其实是一个清晰的数据战略。
通过数据战略，梳理清楚业务需求，数据的利用方向和蓝图，然后制定出中台的实施路径。
三、数据中台的建设，要从问题出发
参考DDD的通俗说法“所有不解决问题的方案都是耍流氓”，数据中台的建设要从问题出发，我们要识别出需要解决的问题，而不是拿着锤子找钉子。很多企业的数据部门就处于这种情况，在过去几年，做了一堆的数据基础架构和工具平台，到处在找场景，找用户。
从这次的研究，我们发现，数据中台的建设要从问题出发，必须找到企业关注的问题，只有解决针对性问题的数据中台，才能获得企业的认可。
通过研究，我们发现现在目前希望建设数据中台的企业最大的问题就是不知道要解决什么问题，那么如何能够用一种方法论发现和定位问题呢？
数据中台建设是一个无序问题
每当碰到不知道如何解决的问题的时候我就会想起Cynefin的框架：
Cynefin提供了五个决策领域组成的思考框架，用来帮助人们理解和解决世界的各类问题，利用Cynefin框架，将任何一个问题都可以归为以上图的五类之一：
简单的（Simple）
在“简单的”象限中的问题，存在着可预测和可重复的因果关系。它们对任何有理性的人来说都是不言自明的。
例如，在建筑领域中，一个简单的项目是建一栋房子，特别是如果项目团队以前已经建了许多类似的房子。他们每次建房子时，都会有一些不同，但是因果关系是很好理解的，如何去建设是有清晰的方法，路径，设计可以参考的。
类似地，在IT领域中，搭建一个博客系统，这也是一个简单问题，因为博客系统的功能是清晰的，并且在行业中有对应的博客系统产品，可以直接采用，不需要很多的创新和定制。
这个象限中的问题的解决方法是进通过‘感知-分类-应对’，即：找出这个项目的不同之处，对它们进行定位和分类，并针对对这些差异进行相应的应对处理。
斯诺登教授认为，在简单的象限的问题是“最佳实践”类解决办法的唯一象限。
复杂的（Complicated）
在 “复杂的” 象限中，因果关系仍然存在，但它们并非显而易见，需要利用专业知识来分析它们，所以这个领域的问题是需要专家来解决的。
对比起简单象限的盖房子问题，建设一座桥梁可能是复杂问题的例子。
虽然团队可能已经建造了许多跨过河流或道路的桥梁，但是当他们到一个新的环境的时候，他们仍然需要去面对动态的环境、地形、天气、风速、水流等因素来调整和设计新的方案，桥梁的建设是需要专业的结构工程师分析特定的环境并进行架构设计的。
对于复杂问题的解决方法是 ‘感知-分析-应对‘，因为已经没有简单问题的最佳实践答案去被分类和选择了，需要针对问题本身进行分析诊断，从而制定应对策略和解决方法。
难解的（Complex）
与复杂的问题不同的是，难解的象限的问题虽然也有因果关系，但是这种关系是不可预测的，只有事后才能看清楚。这意味着难解的问题是无法用通过分析，拆解和还原的方法去解决的。比如，造一辆法拉利汽车，是一个复杂问题，因为不管法拉利的零件有多少种，都是可以通过分析，拆解来构建出来的，只是复杂度比较高。而穿越一个没见过的热带雨林，就是一个难解的问题，因为你不知道这个热带雨林里面是什么情况，哪里有沼泽，哪里有陷进，必须通过不断的探索来一步步逼近出口。
斯诺登教授认为，应对难解问题的方法是 ‘探索-感知-应对‘，即，进行实验和测试，通过不断的测试，探索来感知问题本身，不断逼近，了解问题的本质，从而制定应对策略。
混沌的（Chaotic）
除了难解的问题之外，还有一类更加复杂的情况，那就是“混沌的”系统。混沌的系统本身是没有因果关系的，所以尝试去寻找关联是徒劳无用的。在混沌的问题面前，领导者需要做的事情是快速采取行动，然后通过行动的反馈来感知问题本身，从而制定对应的解决方案，这也就是斯诺登教授提到的 ‘行动-感知-应对’的方法。
无序的（Disorder）
除了以上四种问题之外，如果你不知道当前的问题应该归于四个象限中的哪一个，那么，“无序的”问题就是起点，需要采集信息，分析信息来确定所在的位置。
我们会发现，数据中台的建设有的时候是特别简单的问题，比如，有的企业，沟通完就发现，自己其实需要的是一个大数据平台，从而能够让结构化和非结构化数据都存储和利用起来。
有的时候数据中台的建设又是一个复杂的问题，需要解决端到端的数据处理的问题，是需要分析出企业的需求然后在设计对应的解决方案的。这种情况，往往对接的都是数据部门或技术部门，他们还是有清楚地目标的，那就是为企业构建很好地数据处理能力和平台。
但是，大部分时候，我们碰到的企业都是不知道从哪里分析起，因为我们沟通完，发现其实企业希望数据中台解决的问题并不仅仅是数据的问题，而更多的是企业数字化转型的问题，很多都无法直接关联到数据领域，也不是一个技术性的数据中台能够解决的问题。
这种时候，数据中台的建设是难解（Complex）或混沌（Chaotic）的问题，它没有清晰的解决思路，甚至很多时候在一开始的时候，从哪里开始都不知道，这时候，它又是一个无序（Disorder）的问题。
所以，一个企业如果想建设数据中台，首先我们需要识别，这个数据中台要解决的是什么问题，是归属于Cynefin框架的哪一个象限，然后才能够以这个为指导制定出对应的解决方案。
这里，我们分析了行业里大部分主流的数据中台产品和解决方案，梳理出通用数据中台的六大问题空间。
数据中台的六大问题空间
数据中台承载着企业数据全生命周期价值链的功能，我们将数据中台解决而主要问题分为以下两个类别，业务域和管理域。
其中，业务域是那些直接加工，生产，发布，交易数据和数据产品的问题，而管理域是辅助与业务域，让数据的直接价值更高效，更准确，更协作的支撑性问题。
所有的企业希望建设的数据中台的功能，都可以归入这六大核心问题空间。
l 业务域
n 数据的存储和加工
存储和加工是最基础的数据利用的功能，这一部分的业务问题是过去这么多年大数据领域主要贡献的领域。过去的数据工作，都是从这个问题域出发，将数据当做一种物资来管理。企业的数据部门主要承担着数据库管员的职责。
这个问题空间的参与者主要是数据和技术部门。
n 业务价值的探索和挖掘
数据能带来什么业务价值，能够适用于什么业务场景？这是当企业做了业务数据化以后，建设数据中台要回答的第一个问题。但是，这个问题空间并不是过去数据部门最关注的内容，而这却是数据中台区别于传统数据平台和数据仓库最大的地方。数据中台不仅仅是一个数据存储和加工的后台系统，而是一个能够为前台提供业务价值探索挖掘的平台，直接为前台产生数据价值。
而业务价值的探索和挖掘过程，却是一个综合性问题，是要业务、技术和数据部门协作才能去解决的，所以数据中台要提供端到端的识别、探索、挖掘的业务价值全生命周期管理的能力。
n 数据服务的构建和发布
最终数据要以各种服务的形式为用户所适用，这里的用户包括企业员工，也包括各种业务和技术系统。从业务场景到数据服务的过程，是一个软件工程的过程，是一个数据科学工业化的过程。如何能让这个过程更加的自动化，标准化，可复制，高响应，是这个问题空间要达到的目标。
这个过程的主要参与者是软件工程专业者。
l 管理域
在业务域之外，还有一个管理域，是辅助，支撑和管理让业务域的问题能够更加规模化，更加标准化，更加持续的被解决。不同的企业，不同的阶段的企业对于数据中台的管理域的诉求是不尽相同的，有的企业规模大，对于数据服务开发过程的管理要求很高，有的企业规模小，对于管理域的需求就比较弱。
数据中台的管理域主要包括一下三个问题空间。
n 共享和协作
如何让更多地人可以参与到数据价值的全生命周期生产过程中，让大家可以安全的共享数据，合理分工和协作，从而提高数据加工，价值探索，数据服务的效率和创新，是这个问题空间要解决的问题。
n 管理和治理
如何能够让整个过程更加有规则，资源的分配更加合理，数据的质量，产品的质量有保障，是管理和治理这个问题空间要解决的问题。
n 运维和运营
数据运维是保证基础架构的稳定，快速识别及时修复可能的风险和问题。而数据运营，则是持续从数据分析获得运营的策略并执行，从而及时应对和调整企业的数据策略。
在六大问题空间的基础上，我们将业务域和管理域进行了交叉，就得出了建设数据中台的十二个问题域，所有的数据中台的建设问题，都可以被纳入这个框架中进行解构和分析。
不同的企业这十二个问题域里的问题是不一样的，大部分企业的数据中台的建设都应该从核心问题空间开始，如下图，这是一个典型的大型多产业版块集团的数据中台的问题域。
这十二个问题域，也能对应到Cynefin的四个象限，从左到右，是管理价值，从下到上，是业务价值，数据需求越复杂的企业就越靠右上角，最基础的数据需求就在左下角。
所有要建设数据中台的企业，可以参考这十二个象限定位清楚自己的问题，然后再针对性的制定解决方案。