首次曝光的计算模型!对标阿里?有没有想过你的中台只是废纸?

数据中台的文章很多了,相信大家也看过很多,但笔者今天要谈的一个话题是非常现实的,即如何判断你的数据中台的水平?相较于阿里,你跟它到底有多大的差距?

先来看一下中台成熟度的评估图:

从数据战略、数据治理、数据架构、数据应用、数据安全、数据质量和数据生存周期8个能力域阐述了五个等级的具体标准。

企业数据管理能力成熟度模型可以用来评估和提升组织的数据管理水平,帮助组织跨越业务与IT之间的鸿沟。DMM根据企业的数据管理能力提出五个层次:Performed可执行级、Managed可管理级、Defined已定义级、Measured可度量级及Optimized优化管理级,如下图所示:

DMM模型涉及五大方面25个过程域,如下图所示:

以上三种评估方式的体系化程度很好,但存在二个问题:

一是由于数据中台本身就没有清晰的定义,因此以上的评估实际变成了针对企业整个数据管理体系的评估,数据中台业务化,服务化,开放化这些特点没有很好体现。

二是基于这些评估标准很难快速、清晰的看出各个行业数据中台之间的差距。因为大家在各个方面或多或少都做了些工作,你说它有吗,有,没有吧,存在度的问题,而这个度涉及的维度又太多了,你其实搞不清楚哪个维度更为重要。

比如数据治理做的很好,但服务化很差,你说这个数据中台到底先进不先进?

《数据中台》这本书里提到了数据应用成熟度的4个阶段,虽然简单但更有现实指导意义,如下图所示:

那么,我们能否给出一个相对简洁的,能够快速发现差距的数据中台成熟度模型呢?

云原生的成熟度评估模型给了我一些启示,如下图所示,不管这个云原生成熟度评估模型是否合理,但它显然是清晰而简单的,你很容易抓住主要矛盾,从中发现差距,从而明确自己的前进方向。

解读这张图我觉得有二个核心要点:

一是明确每个关键技术点只在一个阶段出现,级别高的默认拥有低级别所有的关键技术点,这样就比较清晰。

二是在某个阶段具备的关键技术点必须在企业广泛使用,普及度至少在50%以上,比如灰度发布,如果你这个企业只是在一些边缘应用中采用了灰度发布技术,那么不能说满足了云原生的第三阶段灰度发布这个要求。

用这张图去评估每个企业的云原生水平,就可以得到一个大致的分数,大家互相之间可以做个比较,比如一些先进互联网公司可能在3级以上了,而你这个企业可能刚刚到了2,因为你一点灰度发布能力都没有。

基于这个指导原则,这里给出了数据中台的成熟度模型,其从能力建设业务驱动2个维度,围绕系统灵活性、工具高效性、数据共享性、服务丰富性、智能化水平等要素来定义数据中台成熟度四个级别,如下图所示:

第一阶段:如果你的企业数据基于集中化平台进行了归集和整合,比如50%的数据进行了整合,同时具备了资源按需分配的能力,就可以认为达到了数据中台的初级阶段,这个时候的服务模式仍然以传统BI做可视化为主。

其实大部分企业都在第一阶段徘徊,因为打破不了数据壁垒,资源按需分配的生态也面临技术、机制、流程的阻碍,比如别人来申请租户,你们开通就要2个礼拜,那水平就很差了。

第二阶段:如果你的企业只是归集了数据,但很少人用,那么数据中台的水平也很一般。你必须通过标准的建立、开发管理平台和运营体系的建设,让这些数据能被高效的使用起来,比如企业要有50%以上的营销、分析和IT人员能基于你的平台进行数据操作,这个对于大多数企业的挑战就很大。

少部分企业在努力向着第二阶段去演进,但这个阶段对于平台的易用性和运营能力要求很高,基因比较好的互联网企业比较容易跨过去,但对传统企业很难,这不是简单的技术问题,更是数据文化的问题,需要公司战略上的真正支撑。

第三阶段:如果你的企业建立了一套真正贯通全域的企业级模型体系(体现了多维价值),大部分的数据能够以实时化的方式去支撑各种场景,同时能够以服务化的方式方便的对外开放,比如达到阿里云数+平台这种按需订购的能力,可以直接基于模型或产品进行规模化变现,那么就算是达到了第三阶段。

少部分先进互联网达到了这个水平,但一般公司很难达到,比如服务化吧,不仅要解决技术问题,更要打通从订购、开通、计费到收款的整个流程,建立一堆的业务管理规范,特别是如果存量业务的体量很大,就会陷入创新的窘境。

第四阶段:数据智能化达到了自驱动水平,全面的数据驱动业务生态形成。

这个谁都没有达到。