最近2-3年世界充滿了很多的不確定性，社會和經(jīng)濟發(fā)展運行的方式正在發(fā)生深刻變革，但在這個不確定性的時代，數(shù)字化是不確定性中最大的確定性，不僅大多數(shù)企業(yè)都在討論、擁抱和投入數(shù)字化建設(shè)，國家也在算力基礎(chǔ)設(shè)施建設(shè)、數(shù)據(jù)要素的市場機制和數(shù)據(jù)安全合規(guī)的法律制度等戰(zhàn)略框架層面有著積極明確的布局和規(guī)劃，提出了“數(shù)字中國”的宏遠愿景。本文試圖從企業(yè)數(shù)字化建設(shè)的視角，剝離各行各業(yè)不同業(yè)務(wù)形態(tài)在數(shù)字化應(yīng)用場景上的差異性，回歸數(shù)字化建設(shè)作為企業(yè)組織能力升級和業(yè)務(wù)創(chuàng)新能力再造的核心工作之一，談?wù)勂髽I(yè)數(shù)字化建設(shè)的挑戰(zhàn)和目標。

一、企業(yè)數(shù)字化轉(zhuǎn)型帶來數(shù)據(jù)需求的范式躍遷

回首過去的50年，無疑是科技作為第一生產(chǎn)力推動波瀾壯闊的社會變革的50年，這期間有兩個非常重要的年份直接推動人類社會進入數(shù)字時代。

第一個年份是1970年，這一年埃德加·弗蘭克·科德（Edgar Frank Codd） 在《Communication of the ACM》上發(fā)表題為 “A Relational Model of Data for Large Shared Data banks（大型共享數(shù)據(jù)庫的關(guān)系模型）”的論文，打開了企業(yè)信息化的大門。此后10年誕生了不少數(shù)據(jù)庫產(chǎn)品（比如Oracle、DB2等）、數(shù)據(jù)庫和基于數(shù)據(jù)庫的應(yīng)用（比如OA、MIS、HR、CRM、ERP等的普及），在提升企業(yè)信息化水平的同時也將企業(yè)經(jīng)營環(huán)節(jié)推向了數(shù)據(jù)化。

第二個年份是1990年，這一年蒂姆·伯納斯·李 （Tim Berners Lee）和羅伯特·卡里奧（Robert Cailliau）合作寫了萬維網(wǎng)的第一個網(wǎng)頁，打開了互聯(lián)網(wǎng)的大門，從此人們的吃喝玩樂、衣食住行、談婚論嫁乃至生老病死都被在線化數(shù)據(jù)化，至此人類進入數(shù)字時代。

隨著企業(yè)信息化水平的不斷提升、數(shù)據(jù)資產(chǎn)的不斷沉淀，數(shù)據(jù)分析和數(shù)據(jù)決策需求自然涌現(xiàn)，比爾·恩門（Bill Inmon）在1990年提出數(shù)據(jù)倉庫（Data Warehouse）的理念，并將其體系化，很好地回應(yīng)了企業(yè)在商業(yè)智能領(lǐng)域管理決策場景的需求，形成了企業(yè)數(shù)字化建設(shè)的第一波浪潮：建設(shè)數(shù)據(jù)倉庫，面向管理層經(jīng)營決策場景，以“看數(shù)”為主，典型應(yīng)用是管理駕駛艙、績效看板等。

其后，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的影響持續(xù)加深，企業(yè)紛紛觸網(wǎng)，構(gòu)建線上銷售與服務(wù)通道，產(chǎn)生了大量用戶行為數(shù)據(jù)，企業(yè)數(shù)據(jù)規(guī)?？焖賶汛?，數(shù)據(jù)時效性要求不斷提升，也推動了企業(yè)數(shù)字化建設(shè)的第二波浪潮：建設(shè)數(shù)據(jù)湖，沉淀全域數(shù)據(jù)，實現(xiàn)點狀應(yīng)用場景創(chuàng)新，比如用戶行為分析、客戶畫像標簽挖掘等。

緊接著，消費互聯(lián)網(wǎng)進一步往產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展，5G、IoT等技術(shù)的普及，促使實體經(jīng)濟和虛擬經(jīng)濟融合深化，再疊加流量紅利、人口紅利的消失，市場競爭不斷加劇，成本不斷攀升，企業(yè)越來越重視產(chǎn)品與服務(wù)的用戶體驗提升和客戶價值創(chuàng)造，越來越強化數(shù)據(jù)對業(yè)務(wù)的深化融入，越來越依賴日常經(jīng)營各個環(huán)節(jié)的數(shù)據(jù)驅(qū)動，企業(yè)產(chǎn)生了強烈的數(shù)字化轉(zhuǎn)型的訴求。這一訴求直接推動了企業(yè)數(shù)字化建設(shè)的第三波浪潮：提升業(yè)務(wù)用數(shù)能力，面向業(yè)務(wù)運營場景，以“用數(shù)”為主的典型需求有圈人營銷、活動效果分析、用戶分層運營、供應(yīng)鏈精益管理等。

企業(yè)數(shù)字化建設(shè)的主線是需求和場景帶動，其典型代表就是第一波浪潮里的“看數(shù)”和第三波浪潮里的“用數(shù)”，但“看數(shù)”和“用數(shù)”之間有著本質(zhì)的差異，最大的差異是：“看數(shù)”是一個IT能力，企業(yè)可以外包，“用數(shù)”是一個業(yè)務(wù)能力，企業(yè)只能內(nèi)生。因此我們能夠看到在第三波數(shù)字化建設(shè)浪潮里，企業(yè)往往開始自建數(shù)據(jù)工程師和業(yè)務(wù)分析師團隊來承接這類業(yè)務(wù)需求。這一根本性的差異形成了多個維度上的巨大差別，下圖是更詳細的差異對比。

如何讓企業(yè)具備內(nèi)生的數(shù)據(jù)分析能力是企業(yè)數(shù)字化建設(shè)第三波浪潮里的重要命題，也將越來越成為一個剛性要求。

二、企業(yè)數(shù)字化轉(zhuǎn)型帶來數(shù)字化建設(shè)的新挑戰(zhàn)

企業(yè)數(shù)字化轉(zhuǎn)型帶來數(shù)據(jù)需求的范式躍遷：從“看數(shù)”到“用數(shù)”是如此的不同，也對以數(shù)據(jù)倉庫為代表的原有數(shù)據(jù)技術(shù)體系和數(shù)據(jù)協(xié)作關(guān)系帶來了巨大沖擊：

首先，改變了原有的數(shù)據(jù)生產(chǎn)協(xié)作關(guān)系。原有的“管理看數(shù)”需求通?？梢詥为氃O(shè)線設(shè)團隊，由專門的DW團隊專線支持，現(xiàn)在的“業(yè)務(wù)用數(shù)”需求通常分散在各個業(yè)務(wù)團隊和業(yè)務(wù)技術(shù)部內(nèi)部，原DW團隊轉(zhuǎn)化成了數(shù)據(jù)中臺團隊，這樣的變化一方面讓數(shù)據(jù)需求響應(yīng)變得更加敏捷，極大促進了企業(yè)數(shù)據(jù)價值的發(fā)揮，但同時分散化的數(shù)據(jù)定義和協(xié)作也引發(fā)了數(shù)據(jù)口徑不一致、數(shù)據(jù)質(zhì)量事件頻發(fā)等一系列的數(shù)據(jù)混亂。隨著數(shù)據(jù)鏈路的日益復(fù)雜化，產(chǎn)生了一大堆數(shù)據(jù)治理難題（性能、成本、時延、合規(guī)、安全、可用性等），這對企業(yè)的數(shù)據(jù)專業(yè)能力和組織協(xié)作能力提出了極高的要求。

其次，擊穿了原有的數(shù)據(jù)生產(chǎn)方式。原有ETL驅(qū)動的以分層分域分主題分集市建設(shè)的數(shù)據(jù)資產(chǎn)架構(gòu)越來越難以適應(yīng)“業(yè)務(wù)用數(shù)”需求對靈活性、及時性的要求，業(yè)務(wù)分析師大量跨過數(shù)倉公共層集市層完成業(yè)務(wù)需求成為普遍現(xiàn)象，這一方面導(dǎo)致投入80%資源建設(shè)的數(shù)倉公共層大量數(shù)據(jù)模型沒人使用，另一方面業(yè)務(wù)分析師80%時間用于發(fā)現(xiàn)和準備數(shù)據(jù)，ETL工程師70%時間用于寬表模型的變更、生成各類匯總表以及數(shù)據(jù)鏈路的運維，最后企業(yè)面臨80%以上業(yè)務(wù)數(shù)據(jù)分析需求無法得到有效響應(yīng)的局面。

最后，喪失了現(xiàn)有數(shù)據(jù)工程體系的長期生產(chǎn)力。原因是數(shù)據(jù)需求、數(shù)據(jù)源和用數(shù)人群的爆炸性增長，推動數(shù)據(jù)工程體系快速進入億級、十億級、百億級的復(fù)雜度，并將最終導(dǎo)致企業(yè)運營維護數(shù)據(jù)工程體系的成本大到企業(yè)難以承受的地步，數(shù)據(jù)工程體系迫切需要建立新思維、新方法、新技術(shù)。

究其根本，雖然經(jīng)營決策場景的“看數(shù)”與業(yè)務(wù)運營場景的“用數(shù)”同樣都是通過數(shù)據(jù)指導(dǎo)決策，但這里面最大的差別是數(shù)據(jù)決策的影響半徑不同，進而直接決定數(shù)據(jù)口徑的治理半徑不同，并最終導(dǎo)致不同的數(shù)據(jù)生產(chǎn)協(xié)同方式。通常來說，服務(wù)管理層的“看數(shù)”需求，數(shù)據(jù)決策的影響半徑是全公司，自然會要求數(shù)據(jù)口徑要全局唯一，口徑變更要強管控，從而產(chǎn)生了Kimball和Inmon等數(shù)據(jù)建模方法論，以確?？趶饺治ㄒ?，支持數(shù)據(jù)分析的上下鉆?。欢?wù)一線員工的業(yè)務(wù)運營“用數(shù)”需求，數(shù)據(jù)決策的影響半徑是項目組或單個員工，允許自主定義口徑，支持口徑靈活變更。

“看數(shù)”追求指標的準確性，“用數(shù)”追求標簽的合理性，準確性是全局客觀唯一的，而合理性只能在業(yè)務(wù)場景里才有明確口徑，這是兩類截然不同的需求，現(xiàn)有的數(shù)據(jù)資產(chǎn)架構(gòu)和數(shù)據(jù)工程體系，以及相應(yīng)的配套工具和平臺如何從支撐管理“看數(shù)”升級到賦能業(yè)務(wù)“用數(shù)”是一個新挑戰(zhàn)。

三、企業(yè)數(shù)字化建設(shè)的新目標

企業(yè)從數(shù)字化管理到數(shù)智化運營，從“看數(shù)”到“用數(shù)”的進化過程中，數(shù)據(jù)需求的響應(yīng)效率將成為數(shù)字時代企業(yè)最重要的經(jīng)營能力，提升數(shù)據(jù)需求響應(yīng)效率將成為企業(yè)數(shù)字化建設(shè)的主要方向和重要價值目標。

很顯然，要提升“用數(shù)”需求的滿足度，產(chǎn)生10倍級的效率提升，單純考慮ETL工程師、BI分析師群體如何提效是無法做到的，因為“用數(shù)”需求的關(guān)鍵卡點之一是業(yè)務(wù)方難以一開始就確定數(shù)據(jù)范圍和數(shù)據(jù)口徑，而是在一個邊使用邊優(yōu)化的過程中完成確認的。比如與合伙伙伴之間做聯(lián)合營銷涉及人群范圍的圈選、人群畫像的刻畫以及營銷效果的預(yù)測和評估，很難一次數(shù)據(jù)分析做對做全，需要業(yè)務(wù)人員全程參與討論，甚至是主導(dǎo)整個分析過程。

因此，10倍提升數(shù)據(jù)需求響應(yīng)效率的鑰匙是“業(yè)務(wù)自助用數(shù)”，企業(yè)數(shù)字化建設(shè)的第三波浪潮的關(guān)鍵目標是“實現(xiàn)業(yè)務(wù)自助用數(shù)”，要“實現(xiàn)業(yè)務(wù)自助用數(shù)”需要跨越三個“數(shù)字鴻溝”：

第一個“數(shù)字鴻溝”是工具的“體驗”鴻溝，現(xiàn)有數(shù)據(jù)分析工具普遍存在業(yè)務(wù)人員上手門檻高的鴻溝，業(yè)內(nèi)廣泛使用的數(shù)據(jù)分析工具產(chǎn)品仍是Excel，而Excel很難對接企業(yè)現(xiàn)有大數(shù)據(jù)分析基礎(chǔ)設(shè)施。

第二個“數(shù)字鴻溝”是數(shù)據(jù)的“語義”鴻溝，數(shù)據(jù)分析的第一步是找數(shù)據(jù)，“數(shù)據(jù)不好找、找了不敢用、用了用不對”仍是普遍問題，數(shù)據(jù)源要成為分析數(shù)據(jù)集，存在技術(shù)語義轉(zhuǎn)成業(yè)務(wù)語義的“語義”鴻溝。語義層（Semantic Layer）是位于數(shù)據(jù)和業(yè)務(wù)用戶之間的翻譯層，將復(fù)雜數(shù)據(jù)邏輯轉(zhuǎn)換為可理解的業(yè)務(wù)概念，目前相關(guān)數(shù)據(jù)語義層的產(chǎn)品和技術(shù)是一個熱點，比如Metric Store、Metric Layer、Headless BI等。

第三個“數(shù)字鴻溝”是分析的“技術(shù)”鴻溝，數(shù)據(jù)分析的操作步驟需要轉(zhuǎn)成相應(yīng)的數(shù)據(jù)處理過程，最后變成ETL數(shù)據(jù)管道，存在業(yè)務(wù)分析過程轉(zhuǎn)成物理數(shù)據(jù)管道的鴻溝，而如果這樣的轉(zhuǎn)化環(huán)節(jié)必須通過ETL人工介入才能完成的話，就會涉及到IT資源排期和IT研發(fā)流程，顯然很難滿足“用數(shù)”場景對需求交付及時性的要求。

綜上，當前企業(yè)數(shù)字化建設(shè)的關(guān)鍵新目標是實現(xiàn)“業(yè)務(wù)自助用數(shù)”，有三個關(guān)鍵點：一、低門檻，人人都能上手，不固化分析步驟，實現(xiàn)迭代式分析，其產(chǎn)品形態(tài)類似電子表格；二、語義化，強大的數(shù)據(jù)語義模型，基于明細表敏捷定義數(shù)據(jù)分析模型，實現(xiàn)統(tǒng)一數(shù)據(jù)分析語義層；三、自動化，智能的ETL工作引擎，自動編排、物化和回收數(shù)據(jù)管道，免除ETL工程師大量繁瑣重復(fù)工作，最大程度實現(xiàn)ETL工作的自動化智能化。通過實現(xiàn)三個關(guān)鍵點，理清業(yè)務(wù)人員、BI分析師和ETL工程師的數(shù)據(jù)協(xié)作關(guān)系，端到端釋放數(shù)據(jù)分析生產(chǎn)力，從而10倍提升數(shù)據(jù)需求響應(yīng)效率，成為企業(yè)數(shù)字化建設(shè)的重要成果和企業(yè)數(shù)字化轉(zhuǎn)型的重要組織能力。

·關(guān)于周衛(wèi)林：

周衛(wèi)林，浙江大應(yīng)科技（Aloudata）創(chuàng)始人&CEO，曾任螞蟻集團研究員（P10）、螞蟻集團數(shù)據(jù)平臺部總經(jīng)理，擁有近20年大數(shù)據(jù)領(lǐng)域從業(yè)經(jīng)驗，是國內(nèi)最早一批數(shù)據(jù)倉庫先行者。他曾深度參與并主導(dǎo)了阿里/螞蟻集團從傳統(tǒng)數(shù)倉體系到數(shù)據(jù)智能體系的數(shù)據(jù)技術(shù)演進過程，全面支撐了螞蟻集團從支付工具到數(shù)字生活平臺的升級，橫向推動了整個螞蟻集團業(yè)務(wù)數(shù)據(jù)化、智能化水平的提升。除此之外，他還是多個有影響力的數(shù)據(jù)工具類產(chǎn)品的主要締造者，并由此孵化出多個進入Gartner、Forrest領(lǐng)導(dǎo)者象限的阿里云拳頭產(chǎn)品。

來源：數(shù)據(jù)猿