与其内卷于中台,不如扎实构建好数据能力

数据工匠俱乐部

共 3160字,需浏览 7分钟

 · 2021-07-04

“中台”的发展,从“炒概念”到“靠概念”再到“去概念”,一直处于“内卷”状态。

“诸侯割据”的中台内卷现象

市场上虽然看似有技术中台、数据中台、业务中台都在支撑企业数字化转型,甚至在垂直领域还出现了财务中台、营销中台、客户中台等等。但实际上,大部分的“中台”建设,多数是以互联网技术整合到具体业务中做重实施类的定制开发交付。项目本身并不存在通用能力的封装,不存在标准的构建方式,不存在中台与业务前台的支持复用关系。

可以说中台发展到现在,尚没有形成标准化稳定的产品和服务,而竞争反而愈演愈烈,内卷严重。近期中国软件网海比研究院发布的《2021中国中台市场研究报告》,把中台厂商划分为平台生态厂商、解决方案厂商、独立中台厂商、自给自足厂商4大阵营。盘点各方实力,像极了春秋战国时期的诸侯割据。

第一类:平台生态厂商

云服务头部企业,以卖云基础服务为主,中台建设交由生态伙伴交付。这一类的厂商优势是品牌强、生态强。中台的交付能力实际来自于生态伙伴,是否具备大数据基础工程能力,是否融入企业数据管理和大数据技术服务理念的方法论,是甄别厂商能力的关键。

第二类:解决方案厂商

垂直于某一行业领域的中台厂商,擅长于业务中台,短板于数据中台。而有些所谓的“业务中台”,很多实际上是以互联网技术整合业务去做项目工作,不具备标准化软件的支撑能力,生命力弱,无法帮助企业体系化的构建数据能力。

第三类:独立中台厂商

主创人员大多来自头部互联网企业,具备多年大型互联网数据能力建设经验以及数据智能应用项目的规模化开展能力。这样的厂商模型是最有实力真正的帮助企业去构建自主的数据能力的。

第四类:自给自足厂商

具备建设数据中台技术实力的互联网企业,但不对外商业化输出。

林林总总了各大阵营厂商的特点,其实真正能支撑好企业数字化转型的并不多。对于厂商,与其内卷于中台,不如扎实构建好数据能力;对于企业,转好型也不能光指望厂商,“自省”也很重要。

“构建数据能力”是转型必修的内功

笔者走访数据能力构建商科杰大数据的创始人于洋先生获悉,企业在数字化转型过程中,其实面临着一些认知上的问题和偏差。

第一:数字化转型不只是一个技术性问题,企业应该关注于技术跟自己业务的结合去完成数字化转型,它是一个长期持续迭代的过程。在这个持续迭代的过程要获得更好的加速度,要注重数字化所需要的“新型能力”的建设。

第二:数字化转型是需要有顶层设计的。从顶层设计到业务终端的改造,上下结合完成转型。但很多企业往往关注于业务终端,在点上进行努力,缺乏顶层设计与整体性的思考。

第三:专业人才和各方面的组织能力没有到位,而是单点的项目型的去开展,不具备系统化和持续性,不能迭代式的加速转型。

在数字化转型的整个过程中,科杰大数据更多的关注于企业的数据能力是否构建起来。于洋表示:“企业要完成数字化的转型升级,需要具备体系化的开展数据工作的能力。既要具备数据开发、挖掘、分析等数据技术通用化易用化的能力;同时要有数据持续集成、治理形成数据资产持续管理的能力;还要有数据资产开放共享与业务联动联合服务化的能力。以上三方面构成了企业自身的数据能力,得以支撑数据向血液一样供给于组织的各层级、各业务终端,从而支撑数据驱动、数据智能应用项目的长期、高效、稳定与大规模化开展 ,完成数字化转型升级。”

不搅“中台”浑水,抛开概念看本质,“构建自主的数据能力”才是企业数字化转型必修的内功。

“三板斧”构建企业自主数据能力

作为数据能力构建商,科杰大数据通过一线互联网大数据技术工程能力,进行从离线/实时数据汇聚、数据标准化、数据治理、数据资产管理、智能模型构建、数据服务输出等面向应用场景的数据全流程体系建设,帮助企业构建“数据持续集成治理、数据持续开发交付、数据持续部署消费“的自主数据能力。

部署周期大致分为三个阶段:

第一,打造核心技术底座

以一个万亿规模业务流程比较复杂的项目为例,部署一套大数据基础软件的周期是2周左右。在这个过程中,企业构建完成了核心的大数据基础设施,具备了整个数字化转型的技术底座。

第二,构建核心数据资产

接下来企业通过大数据基础软件进行统一的数据生产要素的建设,完成企业的核心数据资产的构建,这个阶段需要1-2个月的时间。企业核心数据资产赋能业务创景创新升级,实现企业经营管理的降本增效。

第三,持续大规模开展数据智能应用建设

企业具备了数据能力以后,就可以持续的大规模的去开展数据智能应用的各种项目建设。比如构建用户画像的模型建设,比如面向企业经营分析做可视化报表帮助企业管理层做决策,都可以基于数据能力的构建,进行衍生和支撑。

科杰大数据于洋强调:“完成这一套体系化的数据能力的建设工作,是一项高竞争壁垒且不可复制的工程需要具备大数据基础软件的产品能力、全域数据资产构建能力,不可复制之处在于软件的整体设计融入了企业数据管理与大数据工作开展方法论,与企业业务和组织体系相融合,支撑数据资产管理和规模化的数据智能应用建设。”

据悉,科杰大数据提供符合信创国产替换标准的大数据基础软件。

基于云原生,以低代码、全流程、模块化的方式帮助企业构建数据能力,目前已经成功服务政府、金融、汽车、新零售、互联网、教育、通信、物流、传统工业等行业客户,加速企业数字化转型进程。

未来,数据能力的赋能重点在工业互联网领域,在IoT设备的数据采集支持,在企业的整个生产制造的过程,有高度的数据价值的发挥,那是一大片需要数据能力赋能的领域。


(欢迎大家加入数据工匠知识星球获取更多资讯。)

联系我们

扫描二维码关注我们

微信:SZH9543
邮箱:ccjiu@163.com
QQ:2286075659

热门文章


【新书推荐】数据治理多少事,都付本书中-《数据治理:工业企业数字化转型之道》(文后有福利)


什么是时序数据?如何治理?有哪些应用场景?终于有人讲明白了


深度解读DMBOK2.0袖珍版《穿越数据迷宫–数据管理执行指南》


成功的大数据治理项目须坚持“六个导向”和“三个相结合原则”及“四个坚持和五个避免” ( 推荐收藏)


“一平台、两体系、三性特征、四个统一、五个超越、六类服务 ”一篇读懂数据治理、共享和应用(值得收藏)


物料描述模板技术解析及10个典型行业实践示例


“九步实施法则”保驾护航助力数据治理项目成功(上)


“九步实施法则”保驾护航助力数据治理项目成功(下)


一体化数据治理和共享平台-数据交换与服务工具介绍


数据治理平台工具前世今生


组建好两个阶段项目团队是数据治理项目成功的关键环节


制定物料分类规则参考的标准和常见方法及流程


实施数据治理项目是数据中心建设的关键,数字化转型的基础


资产密集型企业的物料/资产/设备数据治理难点和建设思路(推荐收藏)


项目启动大会,数据治理项目不容忽视的关键节点


下一个风口-基于数据湖架构下的数据治理


存量系统物料代码切换项目难点的剖析和应对措施


“五段码”描述模型技术和 “四个八二法则”实施方法论是物料数据治理成功基石


深度解读数据管理葵花宝典-《DAMA-DMBOK2数据管理知识体系指南(第2版)》

我们的使命:发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景:打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观:凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。

了解更多精彩内容


长按,识别二维码,关注我们吧!

数据工匠俱乐部

微信号:zgsjgjjlb

专注数据治理,推动大数据发展。

浏览 42
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报