文

爱分析

报告摘要：

数字化转型背景下，企业数据平台面临多重挑战

数据平台是支撑企业数字化转型，实现数据分析和数据应用的底层基础设施。通过应用数据平台，企业能够实现精细化运营，从而降低运营成本、提高运营效率、提升创新能力。

近年来，企业和政府部门对数字化的价值的理解愈加深刻，也纷纷加快数据基础设施的建设，数据应用的广度和深度随之极大地扩展，由此给数据管理与应用带来了一系列挑战。这些挑战包括：数据规模持续膨胀提升了数据资产管理的重要性，数据应用场景持续扩展要求数据平台具备更高的敏捷性、易用性、实时性和智能化能力，对企业的数据安全合规要求也更加严格。

构建新一代数据基础设施：数据智能平台

数据智能平台是企业数字化运营深入阶段的统一数据能力平台，能够对数据资产按统一标准进行管理以方便数据可用，并满足企业对数据应用的敏捷开发、实时响应、简单易用、智能分析等需求，同时具备完善的数据安全机制。

爱分析认为，正在兴起的新一代数据智能平台需要具备云原生、AI增强、敏捷开发与应用、实时数据处理与分析四大核心能力。同时，在平台架构层面，数据智能平台的底层基础设施、存储与计算引擎、数据集成与开发、数据资产管理、数据应用与数据服务等模块相比传统数据平台也提出了更具体和更复杂的要求。

数据智能平台的建设方法论

数据智能平台的构建是一个需要从全局进行规划和建设，并在后续运行中能够持续迭代的系统性工程，因此需要一套科学和完备的方法论指导这一过程。

数据智能平台建设过程中的核心环节主要包括了顶层战略规划、应用场景规划、基础架构设计、数据规范与数据架构设计、组织与人员规划。在顶层规划层面，数据智能平台的建设需要考虑组织的整体目标，合理规划建设路径，并给予相应的资源支持。在应用场景规划层面，组织要首先评估自身的业务需求，明确场景实现的优先级，同时调研和参考外部案例。在基础架构设计层面，数据智能平台需要考虑引入云原生架构、应用多数据处理引擎，并对数据资产和数据应用做统一管理。此外，组织还需根据业务架构对数据架构进行设计，对数据进行统一规范，方便业务人员使用数据。在做组织和人员规划时，需要对组织的业务线复杂度做评估，在集中式和去中心化建设中选其一。

重点行业的数据智能平台典型实践案例

数据智能平台在实际落地过程中，仍然需要根据行业特点和企业组织的具体业务需求、现有数据基础设施等情况对平台的架构和功能做针对性的设计和规划。

为了给需要建设数据智能平台的企业组织提供一定的经验参考，爱分析对金融、政府与公共服务、消费品与零售、工业与能源等重点行业的行业特点，不同行业对建设数据智能平台的需求差异做了分析。同时，爱分析深入调研了上述行业中一批国内领先企业或组织的数据智能平台实践案例，对他们在数据智能平台建设过程中面临的需求与挑战，具体的解决方案，平台落地后的效果，以及相应的建设经验做了详细的研究，并将案例内容呈现在本报告中。

目录：

1.数字化转型背景下，企业数据平台面临多重挑战

.构建新一代数据基础设施：数据智能平台

.数据智能平台的建设方法论

4.重点行业的数据智能平台典型实践案例

1.数字化转型背景下，企业数据平台面临多重挑战

1.1数据平台是支撑企业数字化转型的核心基础设施

数据平台是企业进行数据分析和数据应用，从而实现数字化转型的核心基础设施。通常，数据平台包含数据采集与接入、数据存储与计算、数据管理、数据分析与挖掘、数据服务等功能。

图1：典型数据平台架构

从业务的角度，数据平台支撑了企业数字化转型的各项需求，企业因此能够实现精细化运营，从而降低运营成本、提高运营效率、提升创新能力。具体而言，通过数据平台的应用，企业可以在业务中实现数据驱动，从而达成以下目标：

1）准确洞察用户画像和用户需求

）及时感知市场趋势

）降低管理和生产成本

4）设计和生产出更符合用户需求的产品

5）更快地推出和迭代产品

1.企业数据管理与应用正面临一系列挑战

近年来，面对市场环境的快速变化，以及政府对发展数字经济的促进举措，企业对数字化的价值的理解愈加深刻。在各行业企业或政府部门纷纷加快数据基础设施的建设的同时，数据在企业经营管理中的应用广度和深度也随之极大地扩展，由此带来数据管理与应用的一系列问题和挑战。

1..1数据规模持续膨胀，数据资产管理重要性提升

随着企业业务的快速发展以及全面的数字化，企业内部业务和数据系统会变得众多，当这些数据汇聚之后，需要处理的各种结构化和非结构化数据的数据规模也因此急剧膨胀。这给企业的数据应用和数据资产管理带来了以下问题：

1）不确定数据价值。企业用户往往不能确定系统中有哪些数据，也不知道自己的业务问题可以使用哪些数据来解决。

）不能共享数据。企业缺少统一的数据管理标准，导致各业务部门之间难以对数据进行汇聚、共享和使用，从而无法发挥大数据的协同价值。

）难以获取所需数据。用户获取所需数据的过程太长和复杂，且缺乏有效的数据开发工具，导致用户获取和使用数据存在困难。

1..数据应用场景持续扩展，敏捷性、易用性、实时性、智能化要求提升

为了充分发挥数据的价值，数据驱动的决策和业务应用正逐渐渗透进企业的各个部门和各个业务线。面对数据应用场景的持续扩展，企业对其底层数据平台也提出更高的技术和能力要求，包括了敏捷性、易用性、实时性、智能化四个方面的要求，具体如下：

敏捷性。企业存在大量数据分析，尤其是创新性的数据分析和应用需求。但传统竖井式建设的信息系统修改困难、集成混乱；企业缺乏自有的技术开发能力，无法快速响应业务需求。

易用性。数据平台逐渐由赋能数据部门转向全面赋能业务部门，而使用传统数据平台需要的编程和数据分析能力是大部分业务人员所不具备的，因此需要新一代的数据平台具备低门槛的自助分析能力，适应不同能力的数据或业务人员。

实时性。企业在生产和运营中存在越来越多的实时决策场景，如何快速查找、分析和获得数据洞察是当前数据平台面临的一大挑战，需要从平台的架构设计、计算和存储引擎，以及业务流程优化上满足数据分析的实时性需求。

智能化。在数据应用越来越多的背景下，企业相关的人力配备已不能满足需求，因此需要平台具备智能化的能力，一方面在数据分析环节引入自动化能力，减少人工操作，降低人力成本。另一方面，通过平台的智能预测能力，提高业务决策效率和能力。

1..数据安全合规要求趋严

数字化时代，数据安全风险已经渗透在数据应用中的各个层面，例如数据采集、数据传输、数据存储、数据共享等，因此企业数据泄漏造成的损失和风险的可能在加大。

与此同时，大众对数据隐私的

转载请注明:http://www.aideyishus.com/lktp/2352.html