Gartner对于建设数据中台的建议

下图就是一个典型的电商的业务场景，从业务端定义并梳理分析时刻，从技术栈寻找相对应的数据分析能力的过程。

分析时刻是Gartner定义的一种数据分析流程，通过对数据进行可视化、探索和应用算法，支持业务成果的交付，从而做出更好或更快的决策，实现业务流程的自动化。在这个例子中，数据分析能力（最右侧）是被逐步建立起来的，他们的背后有大量的厂商可以被选择，这些能力可以多大程度的被其他分析时刻复用，多低的门槛可以被业务应用，直接决定了数据中台的成功。其中厂商的能力可以通过Gartner每年数据分析领域的九张《魔力象限（Magic Quadrant）》及配套的《关键能力（Critical Capability）》报告进行评估。

分析时刻的梳理往往是一个数据中台建设最为棘手的部分，他一方面依赖供应商是否有业务咨询的能力将业务场景梳理清楚，另外一方面也依赖企业自身的数据素养去不断优化对于数据分析能力的要求。企业可以借着建立数据中台这个机会，分类整理已有的数据分析能力或试行新的数据分析能力，Gartner每年出的《Gartner Analytics Atlas》报告就可以像能力字典一样去帮助企业分类与挑选。

数据分析能力整合到复用是一个创新的过程

通过刚才的例子我们也可以看见，电商场景的业务逻辑是很成熟且明确的，其背后数据分析能力也能很快的被重复应用上，然而可复用的数据分析能力是个非常主观的概念，不一样数据素养的团队对于数据分析能力的要求是非常不同的，越简单易用，也容易被别的业务场景给重复利用，不一样的地方是数据的情景和用户情景。如果数据中台的输出能力仅仅只是Data as a Service，即API的形式是远远无法让业务可以直接使用的，从而降低了企业对数据分析应用的广度。企业应该通过整合复用以丰富数据分析能力的输出，随着新技术的引入和融合团队的建立，这无疑是个创新的过程。

例如，由机器学习为基础的增强型数据分析和管理工具，就可以大大降低用户的使用门槛（自然语言驱动的分析）并减少数据管理的工作量（主动利用元数据学习获得用户行为）。企业应该了解到利用增强型能力是为减少数据分析手动的部分，从而给用户给多时间去构思业务如何使用数据。

图谱分析（Graph）的引入也会更进一步帮助企业去探知利用率严重不足的数据，图谱可以发现企业数据与数据之间以及不同部门使用数据中被忽视或难以察觉的联系，从而让需要可复用的能力有据可寻，图谱已经变成了很多数据分析产品的基础性技术。企业建立数据中台，缺少的可能既不是数据的量(Quantity)也不是数据的质（Quality），而是数据之间的联系。

如果企业建的数据中台需要在技术的角度进一步让企业减少重复开发的工作量但是提高数据分析的利用率，这些技术都是值得进一步去研究的。增强型数据管理和图谱技术也是今年Gartner的十大数据分析技术之一。

最后可能要问各位企业高管的是，如果你真的拥有一个完美的数据中台满足您所有的技术期待，您企业员工的数据素养跟上了么？

（文：Gartner高级研究总监 孙鑫）

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!