2021年11月18日，最爱健康创始人彭勇博士题为《数据中台建设——从方法论到落地实战》的直播分享成功落幕。在长达数小时的直播中，彭勇先生深入浅出阐述了数据中台建设的意义和方法论，为行业从业者和相关人士解答了诸多数据中台建设的问题，并对数字化行业中所面临的现实给出了自己的专业解释。
对于构建数据中台的意义，彭勇博士认为，其实质企业要成为一家数据驱动的指数型增长企业。为了这个目标，企业需要构建智慧中台大脑，以实现企业用数据驱动业务自动化和智能化的能力，达到数据价值最大化的目标。
在构建数据中台的过程中，将涉及企业数据发展的战略、组织架构、数据资产的有效存储和建模、计算平台、数据服务框架、数据智能生态建设等多个方面的内容。
在彭勇博士看来，如今各行各业都在积极拥抱数字化，数字化浪潮不可逆转，只有积极拥抱和变革，才有可能在激烈的市场竞争中胜出。
彭勇博士认为，目前人类所处的时代是DT时代。与IT时代的二维世界相比,DT时代相当于更高维度的世界。在这个高维度的世界里，人类进入了立体和网络的世界，可以感知更多的物体，能收集更丰富的信息和数据，可以获得更强的预测、认知和智慧能力。
彭勇博士认为，这个时代的核心是万物互联、数字化和智能化，他判断，这种趋势意味着未来企业有能力拥有更多的智能设备、更海量的数据、更强大的算力、更智能的算法、更个性化的用户体、更强的预测和感知能力等等。
在DT时代，由于数据可以来源于任何智能设备， 使得数据量呈现指数性、爆炸性增长。在这种情况下，企业如果不做好数据的梳理、分类和集合，那么数据不仅难以产生有效的价值，而且有可能变成存储成本高昂的“数字垃圾”。
在DT时代，企业面临诸多挑战。随着设备越来越多、数据越来越繁杂、交互越来越频繁、业务越来越复杂、生态圈越来越大、需求越来越动态化和个性化、环节越来越智能化，企业发现适用于IT时代的基础理论、逻辑、系统架构、组织架构等不再能完全满足DT时代的需求和诉求。
彭勇博士认为，在 DT 时代，人们不再是线性地看问题，而是立体和多维地看问题，像“啤酒和尿布”这样关于相关性的经典案例在 DT 时代会变得非常普遍。在这个多维世界里，尽管因果的逻辑依旧很重要，但是将不再占有统治地位，而相关性的应用范围将越来越广泛。
由于DT时代的特殊性，传统IT时代二维世界的知识体系显然不能满足多维世界的需求，时代呼唤新的知识体系。具体需要从5个方面进行变革：
此外，在DT时代，数据和算法无时无刻不在影响我们的生活。我们感知的是算法和智能的魅力，享受的是大数据时代更具个性化的推荐和服务。通过DT技术（大数据、云计算、人工智能、区块链、机器学习、量子计算等），我们可以更好地预测世界，更好地感知世界发生的变化和可能面临的风险、提升认知能力，更好地决策。以智能保险服务机器人为例，客户通过语音或智能手机的对话窗口实现与机器人实时沟通保险需求，其主要功能如下。
（1）机器人利用历史的海量数据，挖掘和预测客户的需求，然后智能推荐最匹配客户需求的保险方案并按照某种算法（比如，性价比）进行排序。
（2）机器人利用客户对保险方案的点击、收藏、转发或购买行为，实时更新和迭代推荐的方案，以最大化匹配客户的保险需求。
（3）在客户购买保险后，机器人会实时跟进客户的保险体验，给予客户更多的风险管理支持服务，并感知客户可能出现的风险情况，对客户进行实时风险预警，以帮助客户降低出险的概率。
（4）在客户出险理赔后，机器人会给予更专业的理赔建议和指导，积极抚慰客户，舒缓客户出险之后的紧张和不安的情绪，给予客户更极致的服务体验。
总之，传统的信息化系统更多的是以功能和流程驱动的，目标是完成某项业务需求而事前进行设计和实施，体现的是标准化和流程化能力，整个体系缺乏良好的自适应性和预测能力。在DT时代，业务节点普遍呈现网络散点式分布，每个节点在数据中枢的赋能下都是一个小智慧体，彼此互联互通，不断地进行信息和数据交互，并根据历史的知识和认知实时探索未知的领域，生成新的知识。整个系统具有强大的预测能力和智能化水平。在这个复杂的系统内，数据就像血液一样川流不息，并进行新陈代谢。算法与大数据的结合形成了强大的预测、智慧能力以满足客户动态和个性化的需求。
数据中台需求的出现，是一种思维方式的变革。数据中台是企业数字化转型的必然产物。对数据中台的认知，很多专家提出了不同的想法。有人认为数据中台是数据仓库，有人认为数据中台是数据平台，有人认为数据中台是一种数据优先的战略，有人认为数据中台是服务于前台业务的数据分层模型，有人认为数据中台是企业沉淀的公共数据服务能力，有人认为数据中台是实现数据价值的数据服务API（Application Program Interface，应用程序接口）的集合，还有人认为数据中台是数据驱动的智慧大脑等。
这些定义从不同的角度诠释了数据中台的功能，比如数据中台应该做好数据存储，需要一个高效的计算平台支撑数据的复杂计算，需要做好数据能力的分层建模且与业务进行充分解耦，需要将数据能力抽象出来作为公共数据服务以满足企业复杂的数据需求，需要充分实现数据的价值，需要实现数据闭环迭代和优化的能力，需要相匹配的组织架构等。
从各行各业谈及数字化转型的趋势来看，大家对数据中台的需求越来越迫切，犹如大旱望甘霖。何谓数据中台？数据中台如何帮助大家解决数字化转型的问题？目前，众说纷纭，没有标准化的解决方案，且大家对数据中台存在诸多误解和理解偏差。基于此，彭勇博士在这类重点阐述数据中台的定义、平台边界和要解决的核心问题，以达到“拨云见日，让人耳目一新”的目的，希望可以帮到各位读者。
数据中台首先实现数据线上化，然后实现标准化，随后实现资产化，之后实现智能化，最后实现服务化。传统行业自身会生产很多数据，同时也需要外部数据的赋能，只要按照线上化、标准化、资产化、智能化和服务化的路径建设数据中台，就能让大数据产生 价值，让业务获得数据智能。
除了组织变革，要让数据中台实现价值，对数据中台的认知和思维升级也尤为重要。从数据中台的建设进阶角度来看，不同的数据工作者的理解有所差异，大概分为以下 4 个阶段。
彭勇博士认为数据中台是一种数据优先的大数据思维和强调数据业务化的价值理念，包含企业自上而下制定的数据战略、匹配的组织架构，以及实现数据高复用性、高可用性和高价值的有机结合体（包括一系列方法论、业务设计、模型设计、数据工具和平台），强调数据服务和数据智能，做到数据可用、易用、好用、可追溯、可复用和可管理。
如何诠释数据中台的概念?从战略角度来看，在DT时代，企业的终局是数字化和智能化。如果未提前做好数据和科技储备，企业不仅无法实现长期可持续的发展，而且大概率会在激烈的市场竞争中败下来。很多企业的“数据矿产”丰富，却将数据束之高阁，任其“灰尘堆积”，等到想用之时，才发现处于“三无处境”（无有效数据、无高效平台、无数据人才），以至于“老无所依”，被市场淘汰。为了避免处于这种处境，企业应该自上而下推动数据优先战略，倡导让数据用起来的价值观，做好数据服务能力的顶层设计，制定清晰的数据规划，做好数据资产盘点、数据标准化、数据采集、数据存储、数据平台建设、数据管理、数据分析等工作，推动数据应用体系、组织和人才配置体系建设，推动数据资产服务化、数据应用常态化，形成数据价值闭环。
从思维方式角度来看，数据中台是一种数据优先的大数据思维方式。设想求解一道数学题的场景，大部分学生会采用常规费时的方法来求解，但总有聪明的学生会另辟思路，找到简单、高效的求解方法。这种简单、高效的方法可以被比作数据思维。与传统的方法相比，数据思维可以起到事半功倍的效果。以舆情管理为例，很多企业办公室或者品牌宣传部门的日常工作是快速定位对企业不利的互联网舆论消息，然后进行适当的干预。传统的方法普遍是人工在各大平台搜索来定位消息源。在应用数据优先的大数据思维方式之后，通过构建“数据爬虫+数据解析系统+规则配置系统+预警系统”就可以高效地解决舆情管理的问题。
再举一个传统场景的案例。在人才招聘场景中，对人才评定的传统方式主要是简历筛查和面试。在应用数据优先的大数据思维方式之后，可以采用更加高效和智能的评定方式。首先，通过智能算法对候选人的简历进行筛查，剔除不匹配人群。然后，让候选人在线进行相应的心理测试，系统自动化统计测试结果，根据测试结果判断候选人与岗位的匹配程度，确定候选人群。之后，可以进一步搜集候选人和岗位的信息，通过算法计算出与招聘岗位匹配的最佳人员，确定最终的候选集。最后，再进行面试，确定最终的候选人。整个招聘过程全流程线上化，高效且精准，收集了候选人大量的过程和结果数据，有助于丰富人才数据库的维度。因此，如果一个企业顶层有好的数据设计和规划，各层级员工都拥有大数据思维，那么我们可以预见该企业的数据资产会极大丰富，数据应用的成果会遍地开花，企业效率和产能的提升也会让人惊叹。总之，数据优先的大数据思维方式意味着高效、便捷和创新。
对数据中台的理解，彭勇博士认为，从理论角度来看，数据中台是实现数据高复用性、高可用性、高价值的方法论体系，也是解决DT时代诸多挑战的良药。
从技术角度来看，数据中台是构建企业级数据价值实现的综合解决方案，主要包含数据采集和处理体系、数据平台、算法即服务体系、数据安全和管理体系等，以便快速、高效地响应业务需求，避免数据重复开发，节省企业成本。
从流程的角度来看，数据中台对上是业务层，支持业务的敏捷需求。数据中台对下是基础技术设施，支撑业务数据存储和计算的需求。
从应用效果角度来看，数据中台可以让企业的数据资产越来越丰富、数据使用越来越便捷、决策效率越来越高、数据的价值越来越大。
目前，行业对数据中台存在诸多误解和理解偏差，因此在建设数据中台的过程中，错误的理解可能导致数据中台建设的失败。
1）其一，数据中台等同于数据工具的集合。建设数据中台的核心目标是为业务中台赋能,提升数据规模化应用的能力，有效地实现数据的价值，支持业务数据化和智能化的需求，快速、敏捷地响应客户的个性化需求。因此， 数据工具是数据中台建设的中间产物，而非终极目标。
2）其二，数据中台等同于数据平台。数据平台是数据中台的一部分功能,是实现数据好用的核心能 力和基础设施。比如，我们常说的云平台，就是数据平台的一种体现。数据中台是一个价值导向的数据生态，目标是让数据成为资产， 让资产可以复用，且充分赋能业务，实现业务价值的最大化。
3）其三，企业小，不需要数据中台。数据中台的核心功能之一是通过大数据洞察客户的需求，进而 敏捷响应和解决客户的差异化需求。企业不分大小，不分发展阶段，只要追求以“客户为中心”的核心价值观，数据中台就能给企业带 来巨大的商业价值和客户价值，让企业实现精细化运营带来的高附加值。
4）其四，建设数据中台是互联网企业的事，传统行业用不着。数据中台首先实现数据线上化，然后实现标准化，随后实现资产化，之后实现智能化，最后实现服务化。传统行业自身会生产很多数据，同时也需要外部数据的赋能，只要按照线上化、标准化、资产化、智能化和服务化的路径建设数据中台，就能让大数据产生 价值，让业务获得数据智能。
5）其五，建设数据中台是数据部门的工作，与其他部门关系不大。数据中台是企业数字化转型的核心产品，为业务解决数据资产 化和数据服务化的问题。
数字化转型是企业的核心战略之一，需要 企业自上而下制定数据战略，需要整个企业的支持和推动。尽管数 据中台的日常技术工作主要由数据或科技部门承担，但是与业务中 台、后台相关部门的连接点和接触点非常多，需要其他部门提供业 务知识、业务规则和业务需求等各种输入。
另外，数据中台的很多 工作也需要和业务部门进行共创，而非让数据部门闭门造车。最后，数据业务化，业务数据化，数据中台工作者也需要和业务部门打成 一片，业务部门也需要有数据化思维，有高层领导的战略支持。只 有企业上下勠力同心，数据中台才能达到预期功效。
6）其六，数据中台直连前台更敏捷，没必要建设业务中台。建设数据中台的初衷是实现“数据业务化，业务数据化”，核心 目标是构建可复用的数据资产中心、数据智能中心、数据管理中心 和数据公共服务中心，赋能业务数据化和智能化，敏捷响应客户的 个性化需求。数据中台主要抽象公共数据服务，涉及大量的数据规 整、流程梳理、工具建设、数据模型建设、服务抽象等具体工作， 整体的操作灵活度适中。
前台主要是作战模块，灵活度较高。前台一般有多个业务板块， 不同的业务板块尽管业务有差异，但一般有很多共性的需求，需要 公共服务赋能。即使一个全新的业务场景，在极端情况下，所有的 业务流程都无法复用，数据中台的很多功能也依然可以复用，如数 据 ETL、数据圈选、数据分析等。
从数据资产和数据复用的角度来看，企业也应该在整体的数据 战略中设计数据服务体系和业务服务流程。从企业整体资源配置和效益 最大化的角度来看， 业务中台人员需要从流程上进行梳理， 抽象和归 纳，从而产生公共的业务流程和服务需求，避免重复“造轮子”，同时 可以产生海量可用的数据资产，这就是业务中台的核心价值。如果数据中台直接服务于前台，那么会为了应对前台的临时需 求而重复“造轮子”，留下很多垃圾数据。
问题日积月累，最终会影 响数据资产化的进程，也会影响数据价值的实现。彭勇博士认为数据中 台和业务中台是一对孪生兄弟，相辅相成，互相促进，各尽其职， 携手支撑业务前台的敏捷需求，打造可复用的数据资产、数据能力 和业务公共服务。
此外，数据中台建设和业务中台建设是一个不断积累的过程。对于新的前台业务板块，首先需要梳理业务流程，看看哪些现有的 业务中台服务可以复用、哪些需要改造、哪些需要新建。如果需要 新建业务流程，那么合理的方法论应该是，首先评估现有的数据中 台如何更好地满足新的业务场景，然后判断哪些数据服务可以复用、 哪些需要改造、哪些需要新建。此逻辑和方法，既可以高效地支撑 新兴业务的需求，又可以避免重复“造轮子”，从而实现数据资产的 良性增加。
7）其七，在数据中台成型后，不需要烟囱式的临时技术团队。值得强调的是，建设数据中台并不意味着企业不能有敏捷的团队。为了开拓全新的业务，企业有的时候需要建设一支临时的、敏捷的业务或者技术团队。
数据中台不仅不会拖累业务的发展，还可以为该业务带来以下两种价值：①公共模块的复用，快速支撑业务 流程；②数据中台建设的标准化体系让新的业务有参照物，大大提升数据质量和可用性。彭勇博士见过很多企业刚开始拼命做业务，忽视数据中台和数据体 系的建设。等到业务日趋成熟，需要数据进一步提升业务价值时， 它们发现数据维度不全，数据质量很差，大部分数据不可用，只能看着海量数据，却望洋兴叹，无从下手。这时虽然数据量很大，但是大部分数据是无效数据。它们最后不得不把一切归零，从头开始启动数据中台的建设。
8）其八，不着急建设数据中台，等业务成熟之后再说。数据中台建设是企业的数据战略、以客户为中心和大数据思维 方式的集中体现。数据中台建设越早越好，越早建设越能发挥数据的价值， 否则大概率会重复“造轮子”，造成资源极大浪费。
数据中台建设是一个不断积累的过程，早启动，早积累， 早产出。数据中台建设得越早，建设的复杂度越低，投入的资源 越少。
9）其九，建设数据中台可以一蹴而就。“建设数据中台可以一蹴而就”这句话存在以下两个误区。
第一个误区是建设很容易，可以一蹴而就。前面提到数据中台的 整体目标、建设路径、与业务中台的交互和融合等，涉及数据战略、 组织架构、人才建设、数据基础设施、数据标准化、数据模型构建、 数据平台、数据智能、数据服务体系和数据管理等内容。
建设数据 中台是一项体系性工程，耗时长，花费大，用人多，需要企业自上 而下推动，需要企业勠力同心，才能实现数据中台的真正价值。因此，建设数据中台是一项复杂的工作，降低复杂度的方法有两个：一个是分阶段开展，另一个是遵循数据中台建设的客观规律和方法论。
第二个误区是建设数据中台只是一个阶段性的任务，在任务完成后就可以一劳永逸。实际上数据中台的建设是一项长期任务，遵循螺旋式建设、优化和迭代的规律，没有终点。数据中台需要不断地优化数据资产、迭代数据服务、提升平台性能，积累越丰厚，覆盖面越广，对业务的赋能作用就越大，越能发挥数据的价值。
阿里巴巴构建数据中台的目标是“one data，one service”。简而言之，就是构建统一的数据模型和数据服务体系，服务于内部不同子企业数据应用的需求。认真梳理不同的业务流程，可以发现很多模块的功能相似，可以将这些模块抽象为公共服务以服务不同的业务场景。比如，在互联网保险应用需求矩阵中，有获客、营销、保险定制、投保、定价、风险管理、理赔、客服等应用场景。除了常规的BI数据服务，还可以抽象出很多其他的公共数据服务，比如客户群圈选、客户评分、客户屏蔽、产品推荐、营销活动管理等。
因为数据基础建设和发展阶段存在差异，所以不同的企业建设数据中台的目标会有所不同。整体而言，建设数据中台的总体目标主要体现在以下6个方面：
要确定数据发展战略和中长期的落地规划。比如，解决“数据孤岛”问题，实现集团内部数据的互通、共享和标准化，构建统一的客户视图，实现客户全触点的数据资产化和服务化。
要建设与数据战略相匹配的组织，明确权责。比如，建设数据事业部，其直接向企业总裁汇报，负责企业所有的数据资产，并支持企业内部或外部所有的数据服务。在绩效考核方面，第一年以组织建设、基础建设和人才建设为主，第二年的重点是锻炼人才，逐步在重点领域开始挖掘和实现数据价值。在第三年之后，数据应用开始遍地开花。
要明确数据基础设施建设的目标和规划，比如数据平台、数据仓库、数据工具、客户统一ID等的建设目标和规划。
要了解数据分析和数据智能的现状，明确数字化和智能化的目标，洞察差距，并弥补差距。
要建设业务所需要的数据服务体系，全面实现数据价值，支撑业务的数据化和智能化的需求。
在DT时代，由于数据重要性的显著提高和企业对数字化、智能化的迫切需求，中台被赋予了全新的理解，其重要性得到显著提升。李平和杨政银教授在《清华管理评论》中对前台、中台和后台进行了解释：他们认为前台是作战团队，聚焦中短期目标，快速突击，快速试错，具有最高的灵活性；中台主要提供公共的数据和科技服务，为前台业务赋能，灵活性适中；后台的主要职能是制定长期的战略，进行文化建设、市场研究、投资、人力支持、财务管理等，服务于中台和前台，职能相对稳定，灵活性较低。
简而言之，前台主要面向客户和合作伙伴，属于作战模块。中台主要为前台提供数据、技术、智能和流程支持，属于参谋和智囊模块。后台主要提供“人、财、文化等”服务，属于后勤模块。
在企业级的数据应用中，中台一般分为业务中台和数据中台，业务中台是对前台业务的公共需求进行抽象而萃取出来的公共业务流程和公共业务服务模块的集合。比如，在电商场景中，用户中心、订单中心、支付中心、交易中心、商品中心、配送中心、客服中心等模块均为业务中台的共享服务，可以支持多个前端业务场景的需求（如电商、物流、新零售等业务场景）。数据中台是数据能力的抽象和集合，主要为业务中台、前台提供数据和智能，比如BI服务、可视化服务、分析能力、预测能力等。
彭勇博士认为业务中台是数据中台的重要数据来源之一，为数据中台源源不断地提供业务数据（比如，交易、行为、客户数据等），而数据中台起着“超级大脑和参谋”的支撑作用。这个“超级大脑和参谋”拥有无穷的智慧和计算能力，支持业务数据分析和智能应用的需求，比如为企业决策、产品设计、精准营销、风险管理、客户服务、智慧生活、智慧城市等各种场景提供数据服务和智能支撑能力。
业务中台和数据中台相辅相成，相互促进，相互融合。业务中台的有效抽象和设计离不开大数据思维和平台思维，而数据中台的合理设计、抽象和封装也离不开对业务的深入理解。这就是当前比较流行的“数据业务化，业务数据化”理念的集中体现，要求业务人员和数据工作者在自身领域专业发展和精进的基础上，还需要向对方领域进行扩展。要让业务人员具有数据思维，向后多看一步；要让数据工作者具有业务思维，向前多迈一步。只有这样，才有可能打造出好的中台，真正实现中台承上启下、减少“造轮子”、提高复用性和敏捷响应客户需求的综合价值。
简而言之，构建中台，就是构建统一的数据模型和数据服务体系，服务于内部不同子企业数据应用的需求。认真梳理不同的业务流程，可以发现很多模块的功能相似，可以将这些模块抽象为公共服务以服务不同的业务场景。比如，在互联网保险应用需求矩阵中，有获客、营销、保险定制、投保、定价、风险管理、理赔、客服等应用场景。除了常规的BI数据服务，还可以抽象出很多其他的公共数据服务，比如客户群圈选、客户评分、客户屏蔽、产品推荐、营销活动管理等。
在明确了数据中台战略意图和行动规划后，企业就需要确定数据中台的建设路径和重大里程碑。数据中台建设是一项复杂的系统工程，整个项目费人、费时、费力。另外，数据中台的建设没有终点，需要不断地优化和迭代。从方法论上讲，为了打好这场持久战，企业首先需要从数据中台的最小化可行产品（Minimum Viable Product，MVP）入手，先把框架搭建起来，然后逐步向框架中填充扎实的内容，初步形成业务认可的数据中台，最后通过反复的迭代反向驱动业务升级。为了降低建设的难度，彭勇博士根据多年数据平台建设和数据应用落地的经验，将数据中台的建设过程分解为7个阶段：
1）第一个阶段：应用“九看”方法论，自上而下制定数据中台战略意图、战略目标、行动设计蓝图，并确定相匹配的组织架构规划。
2）第二个阶段：遵循高效的原则，要想让数据中台快速产生价值，企业首先需要建设数据中台的MVP。数据中台的MVP建设主要包含以下4个内容。
（2）最小基础设施建设：包含数据ETL、数据仓库、数据计算平台和数据分析等工具。
3）第三个阶段：调研和熟悉业务需求。在MVP建设完成后，数据中台团队需要了解业务的需求和痛点，梳理业务流程，与业务部门打成一片。这个阶段的主要目标有两个：一个是熟悉业务、梳理业务流程，找到业务的痛点。另一个是数据中台团队成员要与业务人员打成一片，为数据项目以后在业务部门高效落地打下群众基础。
4）第四个阶段：数据中台团队践行打点突围，在企业广泛建立信任。根据业务的痛点，数据中台团队启动几个中小数据项目并让其快速产生价值，宣导大数据思维方式，锻炼队伍，强化信任。数据中台的建设周期长，投入大，有时候业务部门会觉得数据中台团队花费大，产出少。虽然数据中台战略有企业高层领导的支持，但是难免会产生一些信任危机，尤其是各个业务部门的质疑。数据中台团队由于前期一直在做打基础的工作，且周期较长，所以需要增强信心。为业务部门解决几个常见痛点，也有助于加强和业务部门的联系，深化信任，强化信心。
5）第五个阶段：企业要宣导大数据思维，构建数据文化，引发思维变革，夯实群众基础。数据项目与IT项目不同，IT项目在上线后就可以投入使用。数据项目有时候投入也不一定有显著的成效，需要强化宣导，拉齐认知，建立广泛的群众基础。在上个阶段，数据中台团队通过几个中小数据项目，让业务部门产生了信任和对数据产生了兴趣。在这个阶段，数据中台团队需趁热打铁，联合相关部门，着重宣导大数据思维和企业的数据战略，以及大数据的价值和企业的数据中台建设规划，引发企业思维变革，为后面攻坚克难夯实群众基础。这个阶段的出色落地能有效地保障数据中台的业务化和业务中台的数据化。
6）第六个阶段：数据中台团队需要攻坚克难，开始“啃”中大型项目，实现数据价值，赢得满堂彩。在这个阶段，数据中台团队需要抓住几个业务的核心痛点，联合全公司的同事一起攻坚克难，实现数据的价值。在这个阶段应从更高的视野看数据的价值，不能短视，要认真审视第一个阶段数据规划的合理性，根据实际业务动态需求进行迭代更新，确定新的数据规划蓝图。在这个阶段的后期，通过前期中大型项目的产出，数据中台团队已经获得了企业上下的认可。下一步应该是启动数据智能项目的好时机，要逐步将企业由数据化引领到智能化方向。数据智能项目投入大、周期长、对人员技术的要求更高，一旦成功，效果就十分显著。
7）第七个阶段：重新抽象公共数据服务，进一步提高效率。通过前面不同阶段的发展，数据中台团队对业务的理解逐渐深化，数据项目开始遍地开花。尽管在之前的设计过程中，已经充分考虑了数据服务的抽象，但是随着项目的深入发展，有些服务需要迭代更新，有些服务需要重构，有些服务需要新增。我们需要做的是，进一步优化数据服务体系，全面提高运行效率，响应业务的敏捷需求。
“九看”方法论应该贯穿于上述7个阶段。企业要利用该方法论，做好每个项目的详细规划，将每个细节在执行层面做到极致。在建设过程中出现偏差不可怕，要找到差距，挖掘根因，迅速解决问题，保障每个阶段的目标圆满完成。
总之，数据中台的建设是一项复杂的系统工程。企业需要自上而下进行战略推动，需要有匹配的组织架构和人才规划，也需要对全员进行动员，推进全员大数据思维变革。由于数据中台的复杂性其设计、建设和落地应用并非一蹴而就。
最后，彭勇博士重点强调数据中台的目标不是为了让领导看数据，或者是开发一个具体的数据项目。数据中台是为志在获得指数型增长的企业配备的知识体系。如果只是为了满足某个具体的应用，可以启动一个具体的数据项目，没有必要费时费力去搞数据中台。数据中台的建设是一项自上而下的系统工程，是一把手工程，也是高管工程，需要配套的战略规划、组织变革、思维变革、人才培养、技术赋能等方法或者工具。
企业需要有足够的战略耐心、完备的战略规划和明确的战略意图。你在建设数据中台的过程中，在下一部分关于数据中台的内容中，彭勇博士会详细介绍数据中台建设的方法论和工具（比如，数据中台的战略规划、框架、8 大设计准则、“九看”方法论、技术选型等）。返回搜狐，查看更多
上一篇:
中煤平朔集团东露天煤矿智能化建设经验及成果分享
下一篇:
北京市十四五时期教育改革和发展规划(2021—2025年)