top of page

「數據中台」五大效益

Updated: Apr 28

數據技術「中台」之所以成為攻堅大數據能力的重要途徑,一來因為數據中台確實解決了數據豎井(各自為政)問題,其次是更有利於推動輕盈的前台業務創新,同時能把應用中的數據回流,形成更豐富的中台資源。數據中台策略的基本理念,是把內部共用得最頻繁或最關鍵的主數據滙聚起來,除了減少重複工作、提升效率、降低錯誤率,還能讓公共層數據愈煉愈精。於是,中台便被體現為一個開放式的數據營運與營運數據閉環。

以阿里的中台體系OneData為例,其數據中台建成後帶來了以下五大顯著效益:

一、數據標準統一:統一了集團內部數據指標口徑,令各種場景下看到的數據一致性得到保障;統一數據收集的方式;統一數據開發的流程及標準等。

二、多業務支撐能力加強:服務了集團內幾十個事業部,滿足不同業務的個性化需求;根據業務共性創造數據中間層,事業部可以利用中間層加速開發速度。

三、統一數據服務:建立了統一的公共數據服務層,讓不同的數據資源以更高質和便捷方式服務各事業部。

四、降低數據管理成本:指標口徑複用性強,數據庫表精簡整合,把原本上萬個數據指標及數據庫表精簡到數千個。

五、提高研發效率:通過數據分域、模型分層,強調工程師之間的分工和協作,不再需要從頭到尾每個細節都了解一遍。

此外,任何平台不僅是軟體工具,缺乏完善的組織結構及激勵機制便不可能令中台順暢運行,架構設計和治理組織的建立同樣重要。前面提到數據中台的核心理念是「以通促用,以用帶存」,這裏的「通」不僅是數據的聯通,也關乎人為組織結構的聯通,而且是橫(功能部門之間)、縱(數據生命周期)都要通。 與此同時,數據中台管理需要制定並形成有效的決策體系和機制,由治理小組從案例中由下而上地提出規範大綱,並有固定團隊負責執行管理規範、工作機制、優先順序及資源配置等,而互惠互利及激勵機制永遠是數據聯通的潤滑劑。最後,任何中台都是在垂直互動回饋的過程中成長出來的,而非一統搭建而成功。

數據中台賦能改革.三之三

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page