作为支持企业多业态、全渠道、全终端,同时连接财务、生产、供应链等各种后台系统的数据中台,会先一步成为企业数字化建设的核心。未来,数据中台将实现怎样的发展?在企业怎样落地?发展方向又如何?我们基于对行业的全面梳理认为:数据中台在企业未来数字化建设上将呈现出如下八大趋势:
趋势一:中台建设将遵循“数据中台-业务中台-AI中台和IoT中台”的发展路径
数据中台、业务中台、技术中台是三个最为关键的企业中台,他们在企业数字化建设中的作用将“三分天下”。技术中台为企业数字化提供统一支撑平台,包含低代码开发平台,支撑企业各种应用的开发与运维;数据中台则为数据资产管理提供支撑,实现“业务数据化、数据业务化”;业务中台是从整体战略、业务支撑、连接消费者等方面进行统筹规划,为企业共享服务能力提供支撑,实现快速的业务创新。
当前,很多企业的大数据项目都开始和数据中台结合,数据中台是一个热点需求。但随着人们对中台认知的加强,业务中台的需求会更多地爆发,其市场份额会很快提高,最终会超过数据中台。随着5G时代的到来,人工智能、物联网技术的不断发展,以及越来越多的智能化数据需求被提出,AI中台、IoT中台也会逐渐涌现,并成为将来中台建设的热点。
趋势二:从定制化项目转向基于产品的一整套服务化体系
当前,企业中台正处于导入期,理念、产品不完善,生态成熟度和产品标准化程度不够高。企业的中台建设往往都是以项目型的方式在交付,成本较高、项目复杂度也较高。随着中台的理念越来越成熟,实践越来越丰富,我们预测,未来三年,在企业中台建设中,“开箱即用”的标准化产品将会越来越多。对企业而言,中台建设将不仅仅是要解决建系统、建平台的技术问题,还希望获得业务优化的专业意见,以及后续的持续运营服务。基于这一需求,更多企业将采用以“咨询方案+产品交付+运营辅导”为核心的数据中台建设模式,数据中台将从定制化的项目逐渐转向基于产品的一整套服务化体系。
趋势三:与SaaS加速融合
随着云计算的普及,越来越多的前台和后台系统都开始SaaS化。中台的核心任务是实现前台与后台的联结。如何与各种前后台的SaaS应用融合对接,是中台建设需要克服的一大问题。后续类似的中台实践会越来越多,会逐渐形成一套成熟的中台与SaaS融合闭环的方案。另外,中台本身也在朝SaaS和本地部署双模式方向发展,混合部署的方案也会随着越来越多,尤其是在“大中台,小前台”的建设理念影响下,低成本数据中台建设会越来越受到市场的欢迎。
趋势四:更贴合企业业务场景
中台的火热使得一些企业奔着中台做中台。在数据中台的建设中,一味追求“大而全”,照搬互联网成功案例而没有考虑到企业自身业务,从而造成效果不佳。在未来的发展中,企业将更趋向从自身的实际情况出发选择数据中台,使其更加贴合企业的业务场景,并采用以企业业务为牵引,以数据和技术为支撑的融合性思维指导数据中台的建设。
趋势五:从以单一领域为试点到逐步赋能企业全域业务
数字化时代,所有企业都面临与产业链、社会大数据互联互通的新挑战。同时,随着数字化进程逐步深入,企业对数据价值挖掘和深入业务层的数据应用的需求与日俱增。数据中台的核心在于业务及数据一体化,它打通了企业各业务链条从研发、生产、采购到销售之间的数据触点,在单一领域(如财务)生根发芽后,再迅速扩张并应用于企业全域业务,包括新品研发、供应链改造、数字化采购、数字化营销等领域中,形成企业级的数据中台。在建设实施上也会从一开始相对盲目的全域级基础平台能力建设转变为试点纵向一体化的建设方式。
新品研发:数据中台加持下,消费数据低时延传输至企业,形成全方位的市场画像,支持企业在新品研发中贴近客户需求,缩短研发周期,及时有效顺应市场新需求,打造“爆款产品”。
供应链改造:数据中台将企业数据打造成数据资产,反哺供应链各环节。数据中台引导企业基于消费及市场数据,分析、预测需求总量,“以需定产”,破解由库存积压导致的企业财务、管理难题,直击库存痛点。
数字化采购:数据中台还能够充分整合线上线下的采购资源,实现一站式集中采购,提升采购效率和采购透明度,有效降低采购成本。
数字化营销:数据中台能够助力企业在探索线上渠道的同时打通线上线下数据,更细致地划分客户群体,定制个性化营销方案,实现营销的精准触达,打造全渠道客户增长闭环,借助精准全域营销,提高客户粘性。
趋势六:进一步赋能数据全生命周期的闭环管理
企业汇聚的数据就像一座“金矿”。对企业来讲,数据中台必须要解决数据管理和数据使用的问题。那么如何管理好数据,将是数据中台的首要任务,而数据治理作为数据中台架构中的第一层,渗透于从数据产生到应用的全生命周期中,能够有效提高数据的安全性,合规性、统一性,实现数据资产化,推动数据资产变现。
数据中台为数据治理提供了高效率的平台,有利于提升数据治理效率,巩固数据治理效果。在确保数据安全的前提下,数据中台能够打通数据壁垒,将来自不同应用系统的结构化、半结构化、非结构化数据汇入数据仓库,通过元数据管理平台,对数据标准、质量进行梳理,开展主数据管理,形成各类数据资产,提供各类场景化数据服务,赋能前端应用,前端应用产生的新数据再次进入到整个数据全生命周期中。
同时,数据治理能够有力提升数据中台的数据质量,加强数据中台服务能力,不断验证优化数据中台架构的合理性、有效性,推动企业建立适应数字时代、市场快速变化条件下的新一代IT架构,完成从业务、财务和技术等全方位的数字化转型进程。数据中台为数据治理提供了高效率的平台,有利于提升数据治理的效率,巩固数据治理效果。
趋势七:趋向自动化和智能化
数据中台的建设,除了要有具备丰富行业经验的技术团队之外,还要有一套健全的、经受过大量项目的沉淀与检验的产品与工具,数据中台的最终效果和建设成本将取决于这套产品工具的自动化、智能化程度。所以通过人工智能技术来优化和改造数据中台也将成为重要的趋势。
人工智能技术可以让数据中台更加敏捷和高效,未来在数据中台的底层工具和产品层面融入人工智能技术,可以自动分析源业务系统间的数据依赖关系、智能推荐主数据、数据标准、数据治理建议,还可以自动生成脚本等。
除了数据中台的构建过程智能化之外,上层业务也会有沉淀出一批人工智能相关的产品,比如自然语言生成、问答机器人、自动翻译等等。当前人工智能应用开始逐渐进入到各行各业之中,数据中台的建立有利于人工智能模型的训练和应用的创新。企业的数据科学家可以根据自身业务发展需求,依托数据中台构建行业人工智能应用,如生产制造业的智能供应链调拨、房地产行业的智能征地评估、新餐饮行业的智能补货等智能化应用。
趋势八:改变企业经营管理模式
管理大师彼得·德鲁克曾经说过:变化不是最重要的,变化的趋势或趋势的变化是最重要的,趋势的变化能让人发现看得见的未来。
数字化时代,为应对不断变化的发展趋势,企业将在数字化转型过程中更多地依托数字化、智能化的创新技术手段,实现从数据资产到生产力的转化。这不仅需要技术与方案的创新,更重要的是为企业提供了一套创新的经营管理模式。这种模式可以为企业提供快速的计算能力和高效的管理能力,同时还能实现数据的可用、可懂、可管理和可运营,从而源源不断地为企业挖掘出潜在的数据价值。
智能数据分析、机器学习等新兴技术将引入数据中台的建设中,企业将基于此搭建监控中心、决策中心、指挥中心和策略中心,实现实时、多维、智能、自动的数据应用。企业数据应用将因此被赋予前所未有的用户体验。
监控中心着重于对企业业务运营的事中监控,通过对业务情况动态的集中展示和对动态的实时捕获,为企业各级人员提供业务深入洞察能力,实现“横到边,纵到底”,达到全面深入的经营洞察和前瞻的预警预测,开展风险预警、智能推送、按需订阅、智能搜索等工作。
决策中心提供深入的管理洞察能力,实现决策过程的智能化。决策中心具备两个基本能力:一是能够对经营风险追根溯因,洞察到风险产生的根本原因;二是能够基于策略中心的策略和知识库,开展辅助决策,快速生成可参考的决策方案,提供给企业各级人员生成可执行的最佳方案。
指挥中心负责将企业各级人员进行分配,执行决策中心制定的方案,全程追踪执行结果,并对执行结果进行检视和考核。企业的高级管理者可以充分利用指挥中心,在线协同指挥作战,高频检视和线上追踪执行结果,提升执行效率。
策略中心是数智运营的基础,包括规则中心、知识库、流程中心、消息中心:规则中心将企业经营的规则制度、红线、底线集中统一管理,形成企业的经营准绳和纪律;知识库将企业在经营过程中形成的管理理念和策略方案等知识数字化,为决策中心提供辅助决策的能力;流程中心控制规则制定、下发方案等流程的执行;消息中心及时将预警、任务推送给相关人员,以便更好地监控和执行。
未来展望
随着5G网络的发展与普及应用,人类生活场所的智能设备越来越多,物联网数据采集成本将大大降低。这些智能设备的数据可以通过传感器上传到数据中台。同时,随着业务数据化程度越来越高、数据处理与分析技术越来越成熟,企业将更广泛地利用各类感知数据描述物理世界,构建智能认知引擎,形成决策辅助工具,同时在数字世界中构建数字孪生。不远的将来,很多执行环节也将由机器进行决策与执行,人类和机器共同协作能力将会得到高速发展。这些都将推动数据中台将朝着数据更多样、底层更智能、上层使用更简单、应用更丰富的方向发展。作为数字化转型的有效路径,数据中台将更高效地赋能业务端,促进企业健康持续发展。
扫码回复: 电子刊,领取资料包
好文章,需要你的鼓励
本文介绍了如何在Windows和macOS等主流操作系统上使用免费开源软件,无需更换操作系统即可摆脱付费订阅。文章推荐了Ninite等工具来安装免费软件,并详细介绍了Firefox、Thunderbird、LibreOffice、VLC等优秀的开源替代方案。作者强调虽然学习新工具需要时间投入,但从长远来看,使用不依赖订阅模式的替代工具将带来巨大回报。
香港大学和腾讯联合研究团队开发DSR Suite框架,首次让AI掌握动态空间推理能力。该技术通过自动化流水线从真实世界视频提取三维几何信息,构建了包含5万个训练样本的DSR-Train数据集和1484个评估样本的DSR-Bench基准。核心创新GSM几何选择模块能根据问题精准提取相关几何知识,避免信息过载。实验显示新方法在动态空间推理任务上达到58.9%准确率,超越最强对比模型20个百分点,为机器人导航、自动驾驶等应用奠定重要基础。
随着生成式人工智能系统提供直接答案而非链接列表,传统搜索引擎优化正面临重大变革。谷歌AI概述功能已覆盖约30%的美国搜索,导致网站点击率大幅下降。专家预测,到2030年AI将占B2B软件研究的70%以上。AI引擎更重视结构化数据、实体识别和权威性,而非传统的关键词和反向链接。营销人员需要采用实体权威工程等新策略来优化AI可见性。
南京大学团队发布T2AV-Compass,这是全球首个文本到音视频生成模型的综合评测基准。研究构建了500个复杂测试场景和双重评估体系,发现当前AI模型存在"音频真实感瓶颈"—视频质量优秀但音频效果较差。该基准为AI视频生成领域提供统一评估标准,指出了未来技术改进的关键方向。