數據中臺建設內容包括哪幾個方面？

從2018年以來，與我們進行數據中臺交流的企業不下200個，我們從這么多交流中總結了三個規律，然后深入分析出數據中臺建設的十二大問題域，這能夠給那些希望建設數據中臺的企業以一個問題識別框架，從而更快速準確地建設能夠解決問題的數據中臺。

從200個數據中臺交流的發現

從2018年以來，數據中臺在國內企業數字化轉型領域異軍突起，今年我們做了一個粗略的統計，找到我們交流數據中臺的企業，不下200家，但是，最終落地的項目，卻是五花八門，很少有完全一樣的。 正如下圖所示，不同的企業，找到我們都是從“我們領導想做數據中臺”這句話開始，但是當我們深入溝通后，發現大家的情況各不相同，有的還沒有業務數據，有的已經有了一定的數據，有的正在建設數據倉庫，有的數據倉庫已經上線使用很多年，然后在不同的情況下，大家要解決的問題也不一樣，有的是想搞清楚應該怎么從數據中產生價值，有的是想提升現有數據的質量，有的是現在的數據倉庫報表沒人用，有的是數據倉庫的響應速度比較慢，有的希望做一些人工智能的預測和推薦。

我們將這些需求做了分類，然后總結了三個有意思的關鍵發現：

一、行業對于數據中臺的期望很高

這么多不同的需求，最終都是從“數據中臺”開始，這說明企業對于數據中臺項目的期望很高，將過去對于數據倉庫，數據平臺的期望都寄托在了“數據中臺”新的概念上。

這個現象對于數據中臺的行內人來講，是一個好事情還是一個壞事情，真是不好說。

一方面，我們很高興，數據中臺被企業管理層關注了，他們用這樣四個字來表達自己對于企業數據利用的渴望，同時也表示了現在的企業數據利用體系不能夠滿足他們的要求。

另一方面，我們同時感到依稀的惶恐，數據中臺絕對不是銀彈，它不能解決一切的問題。

二、提出要做數據中臺的企業，大部分是缺乏清晰的數據戰略

在我們與很多企業溝通的過程中，我們發現，當我們問到“你們希望數據中臺解決什么問題”的時候，其實很少有企業能夠講的清楚，但是當我們像剝洋蔥一樣層層引導的時候，發現他們最終都指向希望將數據利用好，讓業務更智能。

這是一個企業戰略層面的事情，說明大部分想做數據中臺的企業，其實都是希望進行數智化轉型，但是他們需要的第一件事情，其實是一個清晰的數據戰略。

通過數據戰略，梳理清楚業務需求，數據的利用方向和藍圖，然后制定出中臺的實施路徑。

三、數據中臺的建設，要從問題出發

參考DDD的通俗說法“所有不解決問題的方案都是耍流氓”，數據中臺的建設要從問題出發，我們要識別出需要解決的問題，而不是拿著錘子找釘子。很多企業的數據部門就處于這種情況，在過去幾年，做了一堆的數據基礎架構和工具平臺，到處在找場景，找用戶。

從這次的研究，我們發現，數據中臺的建設要從問題出發，必須找到企業關注的問題，只有解決針對性問題的數據中臺，才能獲得企業的認可。

通過研究，我們發現現在目前希望建設數據中臺的企業最大的問題就是不知道要解決什么問題，那么如何能夠用一種方法論發現和定位問題呢？

數據中臺建設是一個無序問題

每當碰到不知道如何解決的問題的時候我就會想起Cynefin的框架：

Cynefin提供了五個決策領域組成的思考框架，用來幫助人們理解和解決世界的各類問題，利用Cynefin框架，將任何一個問題都可以歸為以上圖的五類之一：

簡單的（Simple）

在“簡單的”象限中的問題，存在著可預測和可重復的因果關系。它們對任何有理性的人來說都是不言自明的。

例如，在建筑領域中，一個簡單的項目是建一棟房子，特別是如果項目團隊以前已經建了許多類似的房子。他們每次建房子時，都會有一些不同，但是因果關系是很好理解的，如何去建設是有清晰的方法，路徑，設計可以參考的。

類似地，在IT領域中，搭建一個博客系統，這也是一個簡單問題，因為博客系統的功能是清晰的，并且在行業中有對應的博客系統產品，可以直接采用，不需要很多的創新和定制。

這個象限中的問題的解決方法是進通過‘感知-分類-應對’，即：找出這個項目的不同之處，對它們進行定位和分類，并針對對這些差異進行相應的應對處理。

斯諾登教授認為，在簡單的象限的問題是“最佳實踐”類解決辦法的唯一象限。

復雜的（Complicated）

在 “復雜的” 象限中，因果關系仍然存在，但它們并非顯而易見，需要利用專業知識來分析它們，所以這個領域的問題是需要專家來解決的。

對比起簡單象限的蓋房子問題，建設一座橋梁可能是復雜問題的例子。

雖然團隊可能已經建造了許多跨過河流或道路的橋梁，但是當他們到一個新的環境的時候，他們仍然需要去面對動態的環境、地形、天氣、風速、水流等因素來調整和設計新的方案，橋梁的建設是需要專業的結構工程師分析特定的環境并進行架構設計的。

對于復雜問題的解決方法是 ‘感知-分析-應對‘，因為已經沒有簡單問題的最佳實踐答案去被分類和選擇了，需要針對問題本身進行分析診斷，從而制定應對策略和解決方法。

難解的（Complex）

與復雜的問題不同的是，難解的象限的問題雖然也有因果關系，但是這種關系是不可預測的，只有事后才能看清楚。這意味著難解的問題是無法用通過分析，拆解和還原的方法去解決的。比如，造一輛法拉利汽車，是一個復雜問題，因為不管法拉利的零件有多少種，都是可以通過分析，拆解來構建出來的，只是復雜度比較高。而穿越一個沒見過的熱帶雨林，就是一個難解的問題，因為你不知道這個熱帶雨林里面是什么情況，哪里有沼澤，哪里有陷進，必須通過不斷的探索來一步步逼近出口。

斯諾登教授認為，應對難解問題的方法是 ‘探索-感知-應對‘，即，進行實驗和測試，通過不斷的測試，探索來感知問題本身，不斷逼近，了解問題的本質，從而制定應對策略。

混沌的（Chaotic）

除了難解的問題之外，還有一類更加復雜的情況，那就是“混沌的”系統。混沌的系統本身是沒有因果關系的，所以嘗試去尋找關聯是徒勞無用的。在混沌的問題面前，領導者需要做的事情是快速采取行動，然后通過行動的反饋來感知問題本身，從而制定對應的解決方案，這也就是斯諾登教授提到的 ‘行動-感知-應對’的方法。

無序的（Disorder）

除了以上四種問題之外，如果你不知道當前的問題應該歸于四個象限中的哪一個，那么，“無序的”問題就是起點，需要采集信息，分析信息來確定所在的位置。

我們會發現，數據中臺的建設有的時候是特別簡單的問題，比如，有的企業，溝通完就發現，自己其實需要的是一個大數據平臺，從而能夠讓結構化和非結構化數據都存儲和利用起來。

有的時候數據中臺的建設又是一個復雜的問題，需要解決端到端的數據處理的問題，是需要分析出企業的需求然后在設計對應的解決方案的。這種情況，往往對接的都是數據部門或技術部門，他們還是有清楚地目標的，那就是為企業構建很好地數據處理能力和平臺。

但是，大部分時候，我們碰到的企業都是不知道從哪里分析起，因為我們溝通完，發現其實企業希望數據中臺解決的問題并不僅僅是數據的問題，而更多的是企業數字化轉型的問題，很多都無法直接關聯到數據領域，也不是一個技術性的數據中臺能夠解決的問題。

這種時候，數據中臺的建設是難解（Complex）或混沌（Chaotic）的問題，它沒有清晰的解決思路，甚至很多時候在一開始的時候，從哪里開始都不知道，這時候，它又是一個無序（Disorder）的問題。

所以，一個企業如果想建設數據中臺，首先我們需要識別，這個數據中臺要解決的是什么問題，是歸屬于Cynefin框架的哪一個象限，然后才能夠以這個為指導制定出對應的解決方案。

這里，我們分析了行業里大部分主流的數據中臺產品和解決方案，梳理出通用數據中臺的六大問題空間。

數據中臺的六大問題空間

數據中臺承載著企業數據全生命周期價值鏈的功能，我們將數據中臺解決而主要問題分為以下兩個類別，業務域和管理域。

其中，業務域是那些直接加工，生產，發布，交易數據和數據產品的問題，而管理域是輔助與業務域，讓數據的直接價值更高效，更準確，更協作的支撐性問題。

所有的企業希望建設的數據中臺的功能，都可以歸入這六大核心問題空間。

l 業務域

n 數據的存儲和加工

存儲和加工是最基礎的數據利用的功能，這一部分的業務問題是過去這么多年大數據領域主要貢獻的領域。過去的數據工作，都是從這個問題域出發，將數據當做一種物資來管理。企業的數據部門主要承擔著數據庫管員的職責。

這個問題空間的參與者主要是數據和技術部門。

n 業務價值的探索和挖掘

數據能帶來什么業務價值，能夠適用于什么業務場景？這是當企業做了業務數據化以后，建設數據中臺要回答的第一個問題。但是，這個問題空間并不是過去數據部門最關注的內容，而這卻是數據中臺區別于傳統數據平臺和數據倉庫最大的地方。數據中臺不僅僅是一個數據存儲和加工的后臺系統，而是一個能夠為前臺提供業務價值探索挖掘的平臺，直接為前臺產生數據價值。

而業務價值的探索和挖掘過程，卻是一個綜合性問題，是要業務、技術和數據部門協作才能去解決的，所以數據中臺要提供端到端的識別、探索、挖掘的業務價值全生命周期管理的能力。

n 數據服務的構建和發布

最終數據要以各種服務的形式為用戶所適用，這里的用戶包括企業員工，也包括各種業務和技術系統。從業務場景到數據服務的過程，是一個軟件工程的過程，是一個數據科學工業化的過程。如何能讓這個過程更加的自動化，標準化，可復制，高響應，是這個問題空間要達到的目標。

這個過程的主要參與者是軟件工程專業者。

l 管理域

在業務域之外，還有一個管理域，是輔助，支撐和管理讓業務域的問題能夠更加規模化，更加標準化，更加持續的被解決。不同的企業，不同的階段的企業對于數據中臺的管理域的訴求是不盡相同的，有的企業規模大，對于數據服務開發過程的管理要求很高，有的企業規模小，對于管理域的需求就比較弱。

數據中臺的管理域主要包括一下三個問題空間。

n 共享和協作

如何讓更多地人可以參與到數據價值的全生命周期生產過程中，讓大家可以安全的共享數據，合理分工和協作，從而提高數據加工，價值探索，數據服務的效率和創新，是這個問題空間要解決的問題。

n 管理和治理

如何能夠讓整個過程更加有規則，資源的分配更加合理，數據的質量，產品的質量有保障，是管理和治理這個問題空間要解決的問題。

n 運維和運營

數據運維是保證基礎架構的穩定，快速識別及時修復可能的風險和問題。而數據運營，則是持續從數據分析獲得運營的策略并執行，從而及時應對和調整企業的數據策略。

在六大問題空間的基礎上，我們將業務域和管理域進行了交叉，就得出了建設數據中臺的十二個問題域，所有的數據中臺的建設問題，都可以被納入這個框架中進行解構和分析。

不同的企業這十二個問題域里的問題是不一樣的，大部分企業的數據中臺的建設都應該從核心問題空間開始，如下圖，這是一個典型的大型多產業版塊集團的數據中臺的問題域。

這十二個問題域，也能對應到Cynefin的四個象限，從左到右，是管理價值，從下到上，是業務價值，數據需求越復雜的企業就越靠右上角，最基礎的數據需求就在左下角。

所有要建設數據中臺的企業，可以參考這十二個象限定位清楚自己的問題，然后再針對性的制定解決方案。