【案例分享】某科技企业如何升级数据中台

【案例分享】某科技企业如何升级数据中台科技型企业的技术发展经历了三个阶段,分别是独立工具阶段、集成式阶段、中台式阶段。这类企业在集成式阶段不断地陷入IT怪圈,急需运用新的技术能力令其从集成式阶段发展到中台式阶段。

01项目背景

大多科技型公司的技术发展都经历了几个阶段。最早的时候,科技公司需要独立的工具来做数据分析,这些企业零散地使用数据分析技术,之后还购买了数据治理工具。

在数据应用越来越深入的情况下,这些企业会发现大数据平台正契合其需要。所以这类企业会集成多款数据工具,包括数据同步工具,而这些工具大多产自于不同的厂商。科技型公司需要将这几款产自不同厂商的数据分析工具集成在一起,完成数据接入、计算、治理、分析等工作内容。为了维护这些数据工具,该类科技公司配备了IT团队,确保数据处理到数据分析应用的正常使用。

02痛点分析

该类科技公司的IT部门的维护工作具有以下几个特征:

IT人员投入大,手工维护,周期长

IT团队对于这些集成工具的维护大多通过手动的形式完成,为了满足业务部门的需求,IT部门手动为其开发应用,周期一般需要三周,这样的工作是不成体系的。

1. 产出价值低

IT团队完成这些维护工作后,大部分产出的都是报表,这些报表是不能直接给企业产生直接受益的。IT团队还产生了一些静态的数据应用,比如说用户画像、精准营销等。

2. 数据质量差

大量的IT工程师投入数据治理和数据分析的工作中,通过各种传统的数据仓库理论手动地构建各种中间表来治理数据,无法保障数据是否出错,所以不敢上真正的智能应用,因为智能的应用的数据一旦出错会造成直接的经济损失,导致企业不断的陷入IT怪圈当中。

针对以上问题,该类科技公司也尝试了各种方法来解决,始终没有很好的效果,整个技术部门也进入一个疲惫期。因为技术部门长时间处于一种状态,即一方面要应付大量的业务需求,另一方面还要挤出时间解决构建更先进的数据基础设施及工具的问题,但是永远有新问题产生,导致刚做好的东西又需要重构,永无止境。

03解决方案

面对以上问题,我们给该科技型公司进行了一场调研,发现该公司的状况和阿里当时某个阶段的情况非常相似,这些问题需要从组织架构、技术架构、人力培训、数据架构四个方面制定出体系化的方案,彻底地解决了他们多年来的困惑。

在该企业已有的数据中台体系上升级和构建更智能的数据中台。数据中台可以帮助该公司以自动化的形式完成数据处理到数据分析的应用过程。其具有以下特点:

1. 形成高速运转的数据加工流水线

数据中台可以针对企业的数据形成一个高速流转的加工流水线。以前,业务部门的数据分析可能需要两三周才能完成,但现在通过数据中台智能式的处理,只需要一两天就可以完成数据分析,且前端业务人员有何变化,后端都可以进行相应的改动,而不改变基础技术架构。

2. 产出智能应用,业务价值高

以前,IT部门做了大量的工作只研发出了报表,现在通过数据中台,可以快速研发和组装出各种深度智能的应用,包括智能定价、智能排产、智能配储货、智能营销等应用。

3. 以智能方式保证数据质量,释放IT人员,提升技术部门士气

数据中台可以以智能的方式保证数据的质量,不需要通过大量的人来开发、维护,为企业解放了大量IT人员,令其做更重要的事情。

04最终效果

科技型企业在数智化转型的过程中遇到的问题主要表现在IT人员上。IT人员陷入了一个怪圈,即大量的IT人员将时间花费在数据分析和数据治理上面。因此,科技型企业,甚至银行、金融、互联网公司都面临着从集成式中台升级到智能的数据中台的问题。数据中台可以大大降低人员成本,提升人员价值,帮助企业走出IT怪圈,最终使得企业的整个业绩得到大幅度地提升。

关于国云数据

国云数据由原阿里数据团队成员共同创办,是一家能为客户提供“咨询+教育+中台”全方位、高标准数字化转型落地服务的供应商。独创“数字化转型合伙人”模式,以“与客户风险共担、利益共享”为宗旨,陪伴客户成长。旗下有国云咨询、国云数据中台、国云教育、国云基金。

国云咨询:为客户数字化转型提供战略落地、技术落地、人才落地等方面的轻咨询,融合了阿里巴巴、波士顿与IBM的咨询经验和自有的独特技术优势。

国云数据中台:源于阿里,开放落地。目前已服务大中小客户7万多家,市场占有率在国内名列前茅,是数据中台领域的领军企业,对标美股IPO公司Snowflake,被誉为“中国版的Snowflake”。

国云大数据学院:国云教育旗下的数字化人才培养学院,在校生数千人,课程体系由原阿里巴巴数据团队成员亲自构建,已开发数字化相关的课程102门。《大数据分析及应用实践》由高等教育出版社出版,被500余所高校用作教材。致力于解决数字化转型的人才问题,为企业提供高、中、基层数字化人才培训、培养、选拔等服务。

国云基金:为客户的数字化转型提供资金支持。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容

  • 技术中台、业务中台和数据中台对比 前言 随着大数据时代的发展,互联网人口红利的逐渐消失,流量焦虑和数据孤岛等问题日...
    言射手阅读 853评论 0 12
  • 笔者之前在证券行业从事IT数据工作时, 发现公司内部有很多的系统来支撑不同的业务(经纪、资管、新三板、债券等),各...
    garyond阅读 1,704评论 0 9
  • 久违的晴天,家长会。 家长大会开好到教室时,离放学已经没多少时间了。班主任说已经安排了三个家长分享经验。 放学铃声...
    飘雪儿5阅读 7,474评论 16 22
  • 今天感恩节哎,感谢一直在我身边的亲朋好友。感恩相遇!感恩不离不弃。 中午开了第一次的党会,身份的转变要...
    迷月闪星情阅读 10,548评论 0 11
  • 在妖界我有个名头叫胡百晓,无论是何事,只要找到胡百晓即可有解决的办法。因为是只狐狸大家以讹传讹叫我“倾城百晓”,...
    猫九0110阅读 3,254评论 7 3