数据(图片、视频、文档)以及数据产生的信息称为数据资产,数据资产运营暨合理配置和有效利用数据资产,通过分析挖掘资产的价值,将其变现为用户价值、群体价值、社会价值。
数据中台是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径。数据中台把数据统一之后,会形成标准数据,再进行存储,形成大数据资产层,进而为客户提供高效服务。
延长用户生命周期获得更多价值
筛选用户特征,精准营销
跟踪用户成长,做定制化产品
针对高复购率用户,重点维护与营销
制造相关产品的连带销售场景
通过给用户回报和愉悦感来提高复购率
建筑施工行业流程众多、繁杂;
未形成流程标准,人为因素问题居多;
业务流程标准化是数字化支撑的前提。
对数字化的支撑性需求普遍存在:知识复用建立知识库系统、 精细化管理建设数字工地、海外项目建设海外项目管理系统等 划缺失、投入不足。
应用系统覆盖业务度低;
大部分工作需要手工线下操作;
个人工作量大,质量难以衡量。
系统按各部门需求建设,相互对立;
缺少统一规划,系统间缺少协同;
人资、财务系统,独立部署,互不关联。
缺少统一的数据治理体系;
各系统间数据格式不统一,难共享;
数出多源、数据不一致现场严重。
优秀的管理、施工经验多;
缺少知识库积累和共享,难以推广。
企业要以最快的速度制定新的战略并加以实施、以最快的速度对战略进行调整。
信息技术手段降低了合作沟通的信息成本,为合作的各方带来竞争优势。
许多企业利用数字化将价值链重构,重组优化自己的供应商队伍。
企业通过收集、分析不同客户的需求,利用灵活的生产系统分别进行定制。
前台,快速响应用户的需求,讲究的是快速创新迭代,所以要求转速越快越好。
中台,为前台而生,是前台与后台之间的变速齿轮。
后台,无法快速响应前台需求
慢:稳定至上,响应速度慢
贵:大量的服务年费,改功能贵
危:企业核心资源,改动风险高
传统金融行业数据研发效率低,数据时效性差,数据质量难以保障,数据标准模型无法适应快速变化的业务需求,且缺乏数据深度使用和综合分析的能力,方法论体系亟需迭代升级。
业务系统的割裂和渠道的分散逐渐暴露出弊端,即无法通过统一的会员数据管理搭建全场景的消费者画像以实现精准营销,无法 实时更新“进-销-存”数据并与营销数据结合以实现智能化的数据分析。
政务系统基于各部门打通数据,能展开更深度的数据洞察,提升部门内和跨部门的办公及办事效能,促进政府工作精细化开展。
系统建设缺乏总体规划,导致众多高价值数据只能在自身系统里流转,无法在更大的全流程链条上发挥价值。
企业有一定信息化基础,丰富的数据维度
企业业务复杂,有丰富的数据维度和多个业务场景
企业有数字化转型、精细化经营的需求
toC业务,且业务运营非常依赖用户/客户数据
企业内部运营多业态/品牌/产品的客户数据,需要打通数据共享
供应链特别复杂的企业,需要数据驱动优化
生产制造业,生产线上的数据需要数据中台来整合服务化
产品岗位 项目岗位
IT运维岗位 数据分析岗位
运营岗位
1.企业数字化转型及智能化需求
2.高价值数据资源日益成为抢占未来发展主动权
3.数据分布散-企业的数据资源散落在多个业务系统
4.数据标准散-数据标准不统一,数据孤岛普遍存在
5.数据质量差-标准缺失、数据录入不规范导致数据质量差
6.安全意识弱-数据安全意识不够、安全防护不足
7.资产评估难:而且数据的价值难以评估,数据服务缺乏合规性
8.从传统数据管理向数据中台的发展过程
9.数据中台赋能的业务领域
10.数据中台实施的难点鸿沟
11.数据中台建设的必备能力
12.数据中台总体架构
1.数据资产管理的核心管理职能
2.数据资产管理的组织架构、制度体系
3.数据资产管理之数据标准管理
4.数据资产管理之数据模型管理
5.数据资产管理之元数据管理
6.数据资产管理之主数据管理
7.数据资产管理之数据质量管理
8.数据资产管理之数据安全管理
9.数据资产管理之数据价值管理
10.数据资产管理之数据共享管理
1.企业业务能力主线的业务梳理
2.识别企业中数据模型的应用场景
3.企业数据概念模型的设计流程与规范
4.企业数据逻辑模型的设计流程与规范
5.企业数据物理模型的设计流程与规范
6.企业数据运营模型的设计流程与规范
7.企业数据模型的评估与优化
1.组织架构以及保障
2.角色以及岗位职责
3.运营流转机制及规范
4.运营机制之需求实验阶段
5.运营机制之服务验证阶段
6.运营机制之产品运营阶段
7.实验室前期环境工具支撑
1.技术平台的整体定位
2.企业级数据加工调度流程
3.数据时效性设计及保障
4.数据容错和服务连续性处理
5.数据平台实时加工计算
6.企业级数据质量监控
7.风险防控和安全防护
1.数据资产管理在“统筹规划→管理实施→稽核检查→资产运营”四个阶段的方法
2.数据资产管理实施之建立组织架构
3.数据资产管理实施之应用需求梳理
4.数据资产管理实施之数据盘点梳理
5.数据资产管理实施之引进平台技术
6.数据资产管理实施之汇聚多源数据
7.数据资产管理实施之治理数据
8.数据资产管理实施之数据应用
9.数据资产管理实施之数据运营
以一个完整的大型集团数据中心为例,讲解数据中台应该包含哪些技术平台和工具,这些平台和工具应该怎么去选型。
1.标杆企业数据资源中心案例;
2.基于大数据架构下的数据资源中心技术架构(数据中心总体架构、功能架构、系统架构、安全架构等等);
3.数据仓库和大数据平台常见工具介绍。;
4.数据治理相关工具介绍(主数据管理工具、数据指标(元数据)管理工具、数据质量管理工具、数据安全工具);
5.数据资源中心建设路径和难点分析。
标杆集团企业数据中心运营管控体系(组织机构、职责、制度、流程)介绍。
1.组织机构,数据中心团队内部组织怎么建设和分工;
2.职责,相关角色职责;
3.制度,数据中心相关制度;
4.流程,数据管理流程(比如:数据认责流程)和运维管理流程;
5.考核、应用考核规范等管理制度。