（文字：高级研究总监Sun Xin）

数据中间平台是出生于中国的名词，许多公司都徘徊在“什么是数据中间平台”和“我想去XX ”。当时的“大数据”一词的炒作程度可媲美。如果我们使用炒作周期图，则数据中间平台当前正在接近炒作的峰值。

企业不必不断讨论数据中间平台是什么，而是应该更多地了解构建数据中间平台的目的，以使企业能够有效地受到数据驱动并减少重复的体系结构的构建。如果您想使用图片描述如何查看数据中间平台的构建方向，则可以看到下图。

数据中间平台的构建方向应该是企业数字平台的核心，即定义的数据和分析平台（红色虚线部分），该平台有助于企业的数字平台（客户体验平台，生态系统平台， of 事物平台和内部信息系统）业务用户做出更好的决策，并在各种数字平台的合作孵育下形成可重复使用的数据分析功能。数据分析功能在业务方面应无处不在且高度自助服务，最终帮助数字平台实现了已定义的封装业务能力（）。

以下是想要建立数据中端公司的企业的建议。

台中数据管理策略的平衡

上面提到的“大而全面”的方向听起来很漂亮，但是许多公司并未考虑到建筑早期阶段的各种数字平台的数据资产的可重复性或自助服务（这也是企业的许多最初意图建立数据中间平台）。原因很简单。一次完成所有平台的数字化是不现实的。许多公司分阶段进行，尤其是传统企业。许多企业尚未数字化，更不用说建立数据中间平台了。像阿里巴巴和腾讯这样的数字本地企业在构建中间平台方面具有非常优势，或者数据中间平台是这些公司在这些公司成倍增长的过程中自然增长的产品。

此外，数据的价值被广泛接受为数字业务的核心资产。企业最直接的反应是在建立数字平台时尝试收集数据（），就好像这是实现业务价值的关键一样。例如，过去非常流行的数据湖泊将数据收集作为其核心功能。但是，收集数据可能不一定带来商业价值，并且公司不可能一次收集所有数据。

以物联网平台为例，数据分布在网络，边缘设备，网关，云和传统系统中。例如，需要自主行为的“事物”（例如连接的汽车或风力涡轮机）必须具有数据和处理机上或网关的处理，以立即响应不断变化的情况。面向消费者的物联网解决方案，例如用于健身跟踪的可穿戴设备，通常将数据存储在云中进行分析。而且，几乎所有的物联网解决方案还必须将数据与传统业务应用程序共享并集成，以执行客户服务和长期绩效分析。

此外，对实时（或“几乎实时”）集成的需求不断增长，引入了交付时间要求，这使得最快的数据收集策略无法满足。在响应之前，操作过程对“边缘”的数据采取行动与预先收集所有数据的要求不兼容。尝试收集所有这些物联网数据并在以后使用它既不可行，也不是可行的。

同时，保护个人身份信息的隐私法规也将阻碍数据的整体收集。因此，某些数据用例需要将（）连接到数据，而不仅仅是收集数据。

在开始应用数据之前，企业永远不会在一个地方收集所有数据。随着数据的连续涌入，数据将在最初以连接（）方式存储数据的介质中重复使用。数据中间平台也应具有手段。收集和连接数据之间的平衡是现代数据管理的必要条件。数据虚拟化功能将是企业需要保留现有数据库的元素，但需要考虑何时要建立数据中间平台。重复或冗余的数据将始终存在，企业想要构建的不是“而是”。

企业可以进一步参考提议的新一代数据管理设计原理数据，以实现可重复使用和增强的数据集成服务，数据管道和语义层以实现灵活的数据传递。

将数据中间平台定位以促进合作作为组织战略

渐进数字化转型中的企业面临的一个常见问题，每个人都占主导地位并构建相似的解决方案，例如用于不同业务目的的数据分析模型，共享共同的元素。在最好的情况下，这样做会引起重复，但是在越来越据说是该公司的业务价值链。从这个角度来看，建议企业将数据中间平台描述为组织策略，并将数据分析团队视为构建数字平台的重要元素。在2019年的“数字业务团队问卷”中也发现了数据分析/商业智能是融合团队（团队）中最常见的功能。

一个良好的数据分析团队由一个集中式团队和一个分散的团队组成。许多公司过于关注技术架构的建设，而不是基于数据的业务人员的合作。在盲目追求新的数据分析技术堆栈的过程中，他们忽略了组织策略的调整，以解决实际业务用户的问题并提出原始遗产。问题从数据仓库转移到数据湖，然后转移到当前的 数据中间站，而不是解决它们，而是现代数据分析团队应成为数据分析能力的推动者，从管理数据功能到促进基于数据的功能合作。

从业务场景开始，整理现有的数据分析功能

当企业不断建立自己的数字平台时，他们已经投资于各种数据分析资产。目前，没有必要放弃新单词“数据中间站”一词的既定数据仓库，数据湖和数据集成平台。它是使用数据中间平台作为组织策略，以与各个部门共同构建可重复使用的自助数据分析功能，并通过业务流程到数字平台组织现有的数据分析（红线）。能力。

实际上，大多数企业已经在建立自下而上的数据分析平台，这不是错误的，尤其是企业的集中式IT团队已经部署了数据仓库，并设计了ETL流程和报告系统。但是，作为一线业务，获得这些功能是被动的。随着时间的流逝，将没有任何业务积极需要提高其数据分析功能。毕竟，作为公司内部的政党，只要求要求仍然非常愉快。

但是，为了使企业更具数据驱动，或者使企业构建的数据中间平台真正使用，迫使业务从业务方案开始数据分析是必须的，尤其是在业务方面。一群提出业务问题并启动分析时刻的人（）。

下图是典型的电子商务业务场景，它定义并分散了业务方面的分析瞬间，并从技术堆栈中找到相应的数据分析功能。

分析力矩是一个定义的数据分析过程。通过可视化，探索和应用算法以支持业务结果的交付，做出更好或更快的决策并自动化业务流程。在此示例中，数据分析功能（最合适）逐渐建立。在他们身后，可以选择大量制造商。这些功能可以通过其他分析时刻重复使用多少这些功能，以及可以直接确定数据中间平台成功的阈值。其中，可以通过九个“魔术象限（）”和支持“关键功能（）”报告在数据分析领域中的九个“魔术象限（）”和支持的“密钥功能（）”。

时间分析通常是构建数据中间平台的最困难的部分。一方面，它依赖于供应商是否能够咨询业务清楚地整理业务方案，另一方面，它还依靠公司自己的数据素养来持续优化数据分析。功能的要求。企业可以利用建立数据中间平台的机会来整理现有的数据分析功能或试点新的数据分析功能。年度报告可以帮助企业对能力词典进行分类和选择。

将数据分析功能集成到多路复用是一个创新的过程

通过示例，我们还可以看到，电子商务方案的业务逻辑非常成熟和清晰，并且可以反复使用其背后的数据分析能力。但是，可重复使用的数据分析能力是一个非常主观的概念，具有不同数据素养的团队对数据分析功能的要求截然不同。使用越容易，更容易使用，将其重复使用在其他业务方案中。区别在于数据方案和用户方案。如果数据中间平台的输出能力仅是数据，即API的形式远非企业直接使用，从而减少了企业数据分析应用程序的广度。企业应通过集成和重用来丰富数据分析功能的输出。随着新技术的引入和融合团队的建立，这无疑是一个创新的过程。

例如，基于机器学习的增强数据分析和管理工具可以大大降低用户使用的障碍（自然语言驱动分析）并减少数据管理的工作量（积极使用元数据学习以获得用户行为）。企业应了解，利用增强功能是减少数据分析的手动部分，使用户有更多时间来构想业务如何使用数据。

（）的引入将进一步帮助企业以严重利用的严重利用来探索数据。图形可以找到企业数据和不同部门使用的数据之间被忽视或难以观察到的连接，从而使需求可重复使用，并且能力有充分的能力，并且地图已成为许多数据分析产品的基本技术。当企业建立数据中间平台时，缺少的不是数据或质量（）的数量（），而是数据之间的连接。

如果企业构建的数据中间平台需要从技术角度进一步减少重复发展的工作量，但可以提高数据分析的利用率，那么这些技术值得进一步研究。增强的数据管理和图形技术也是今年十大数据分析技术之一。

最后，我可能会问所有公司高管，如果您确实有一个完美的数据中间平台来满足您所有的技术期望，那么您的公司员工的数据素养会跟上吗？

新的中国官方网站在线！

立即访问新网站！

按住QR码以识别