雨果书斋

拙笔记录生活琐事 微语道出肺腑真言

数据中台VS业务中台、数据中台VS数据仓库,到底有什么区别?

技术 0 评 744

作者:付登坡 江敏 任寅姿 孙少忆 等

来源:大数据DT(ID:bigdatadt)

01 数据中台VS业务中台

1. 数据中台与业务中台的区别

业务中台更多偏向于业务流程管控,将业务流程中共性的服务抽象出来,形成通用的服务能力。比如电商平台,有C2C、B2C、C2B、B2B四种模式,其中订单、交易、商品管理、购物车等模块都是有共性的。

将这些组件沉淀出来,形成电商行业的业务中台,再基于这些业务中台组件的服务能力,可以快速搭建前台应用,譬如C2C模式的淘宝、B2C模式的天猫、B2B模式的1688、C2B模式的聚划算,用户通过这些前台业务触点使用业务服务。业务中台不直接面向终端用户,但可以极大提升构建面向终端用户的前台的速度和效率。

业务中台是抽象业务流程的共性形成通用业务服务能力,而数据中台则是抽象数据能力的共性形成通用数据服务能力。比如,原始业务数据通过资产化服务化,形成客户微观画像服务,这个服务可用于电商平台的商品推荐,也可能用于地产购房意愿,还可能用于金融领域的信用评级等。

同一个服务,在应用层面展现的内容可能不一致,但是底层的数据体系是一致的。数据中台也将极大提升数据开发的效率,降低开发成本,同时可以让整个数据场景更为智能化。

2. 数据中台与业务中台的联系

如果同时拥有业务中台和数据中台,则数据中台与业务中台是相辅相成的。业务中台中沉淀的业务数据进入到数据中台进行体系化的加工,再以服务化的方式支撑业务中台上的应用,而这些应用产生的新数据又流转到数据中台,形成循环不息的数据闭环,如图2-8所示。

▲图2-8 业务中台与数据中台的数据应用闭环

业务中台与数据中台互相促进,为企业业务的发展、管理者更好的决策提供支持。其中,业务中台的存在是为了围绕公司业务运营进行服务,将获取的多维度数据传递给数据中台,由数据中台挖掘新的价值反馈给业务中台,以优化业务运营。

有人可能会有疑惑:数据中台和业务中台的建设是否有先后顺序?

笔者们以为,这两者的建设没有先后之分,主要依据企业的实际情况进行规划。

从数据层面看,业务中台只是数据中台的数据源之一,除此之外,企业还有很多其他的数据来源,如App、小程序、IoT等多源数据,可以将这些数据的价值直接赋能于现有业务或某个创新业务。

从服务层面看,数据中台的数据服务也不一定经过业务中台作用于业务,它可能直接被上层应用系统进行封装,如电商领域的“千人千面”系统。

而从业务中台的角度来看,如果没有数据中台,可以做一些简单的数据处理,如分析和统计等,而通过数据中台赋能,则可以使业务系统拥有“全维度”、“智能化”的能力,譬如推荐、圈人等,系统将从信息化升级成为一个智能化的业务系统。”

不仅仅是业务中台,目前各种中台层出不穷,但笔者们认为中台不是平台,平台可以有很多,可以有营销平台、风控平台、管理平台等,但是中台,一个企业只需要有一个。现在还有业务中台、数据中台之分,但我们预测未来数据与业务会更紧密地结合,完全融为一体,会统一成“企业中台”。

02 数据中台VS数据仓库

数据仓库的主要场景是支持管理决策和业务分析,而数据中台则是将数据服务化之后提供给业务系统,目标是将数据能力渗透到各个业务环节,不限于决策分析类场景。数据中台持续不断地将数据进行资产化、价值化并应用到业务,而且关注数据价值的运营。

数据中台建设包含数据体系建设,也就是数据中台包含数据仓库的完整内容,数据中台将企业数据仓库建设的投入价值进行最大化,以加快数据赋能业务的速度,为业务提供速度更快、更多样的数据服务。

数据中台也可以将已建好的数据仓库当成数据源,对接已有数据建设成果,避免重复建设。当然也可以基于数据中台提供的能力,通过汇聚、加工、治理各类数据源,构建全新的离线或实时数据仓库。

另外,数据中台一般采用全新数据技术架构,可以更方便地进行数据价值的挖掘。随着企业数据量越来越大,智能化场景越来越多,传统架构的存储计算能力无法满足这类数据业务的需求。而随着机器学习、深度学习等技术的发展,从看似无用的数据中挖掘出新价值的能力也越来越强,新的技术架构为这些场景的建设提供了很好的能力支撑。

03 数据中台VS现有信息架构

如何唤醒沉睡的数据资产,把数据真正用起来,以支持自身业务的智能化升级,这是摆在所有传统企业面前的数字化转型难题。因此,对于是否有必要建设数据中台这件事情,似乎并无太多质疑之声,但真要建设数据中台,尤其是落实到具体建设的实操阶段,企业又开始担心,他们最担心的莫过于,建设数据中台是不是要将企业现有信息架构推倒重来。

信息化时代初期,随着公司的业务发展和战略调整,为了更好地支撑业务,企业的信息化系统不知道被推倒重来过多少次,经历了成千上万次取数,也生成了数以千计的报表。伴随着一批又一批的数据人员的成长和离开、行业专家和业务人员的晋升或转型,数据仓库之间的演进也经常是推倒重来,消耗了企业大量成本。

数据中台作为解决企业级数据应用难题的新方案,不是一套软件系统,也不是一个标准化产品。站在企业的角度,数据中台更多地指向企业的业务场景,即帮助企业沉淀能力,提升业务效率,最终完成数字化转型。因此,数据中台与企业现有信息架构不存在竞争关系,不会导致企业现有系统、功能和应用的重复建设。

举个简单的例子,笔者们此前与一家做轮胎制造的上市公司进行过交流,它当时就用到很多个业务系统,比如OA系统、ERP系统、工艺设计与管理系统、物流系统、生产系统等。该企业的一个核心痛点是:“无法准确知道当前的轮胎能否准时或者提前交付”。

制造型企业一般处于产业链的中间位置,非终端或者源头端,比如这家轮胎制造企业,它的上游是橡胶提供方,下游是汽车组装商或者汽车零部件厂商。轮胎的及时交付就意味着公司的生命线——稳定的现金流。

而影响轮胎能否及时交付的数据变量是散落在所有系统中的,诸如物流的及时性、对生产过程的控制力、是否有重大的经济压力、甲方工艺设计需求的变化等。

在有数据中台之前,他们是怎么做的呢?企业首先需要拉出所有系统数据库中的表,然后再用Excel去做对应关系,整个过程是非常琐碎且耗时的。

如果有数据中台体系,可以通过中台机制汇聚相关系统中的原始数据,并且面向轮胎这一公司经营的实体构建一系列场景化的标签特征。同时,通过离线或者实时的数据交互模式,不断更新特征值,将业务场景所关注的数据的价值直接展现出来。

从上面的例子能看出,数据中台在定位上与业务IT系统并不冲突。企业原有的IT系统依旧会根据业务和IT技术的迭代不断升级,依旧对企业的生产运营或者经营管理提供支撑。数据中台的定位则是在数据领域帮助企业不断沉淀数据能力。两者之间的关系是相互依托、相互赋能、相互促进的。

数据中台需要IT系统不断提供数据,而IT系统未来更加需要横向、综合的数据特征来支撑。只有形成了数据中台和IT系统良好的配合关系,才能更好地构建企业整体的IT支撑能力。

上一篇

0 条评论

请先登录后评论!