【導讀】過(guò)去八年間，數據中臺及其“統一數據、統一服務(wù)、統一身份（One data, one service, one ID）”理念的廣泛采用，推動(dòng)了中心化數據平臺和職責的普及。2023年Gartner中國CIO調研顯示，80%的中國受訪(fǎng)者依賴(lài)中心化IT部門(mén)來(lái)提供IT架構能力、數據、網(wǎng)絡(luò )安全標準和政策。
過(guò)去八年間，數據中臺及其“統一數據、統一服務(wù)、統一身份（One data, one service, one ID）”理念的廣泛采用，推動(dòng)了中心化數據平臺和職責的普及。2023年Gartner中國CIO調研顯示，80%的中國受訪(fǎng)者依賴(lài)中心化IT部門(mén)來(lái)提供IT架構能力、數據、網(wǎng)絡(luò )安全標準和政策。
然而，中心化IT放大了兩個(gè)問(wèn)題：IT無(wú)法快速展示數據平臺投資的業(yè)務(wù)價(jià)值，IT對高速變化的業(yè)務(wù)需求的響應較為緩慢、被動(dòng)。關(guān)于是否采用數據中臺/數據網(wǎng)格（Data Mesh）的許多爭論，實(shí)際上都指向一個(gè)更為根本的問(wèn)題：企業(yè)的數據分析平臺和職責，適合怎樣的中心化/去中心化程度。
中國企業(yè)機構在數據驅動(dòng)轉型中很難兼顧的兩個(gè)需求，是數據和分析（D&A）的過(guò)程敏捷性和成果可靠性。為此，中國D&A領(lǐng)導者應采用混合式分析平臺及其配套計劃，成功實(shí)現由數據驅動(dòng)的機構轉型。
根據企業(yè)機構需求確定中心化程度
Gartner定義了數據和分析旅程的三個(gè)階段：后企業(yè)數據倉庫（EDW）階段、邏輯數據倉庫（LDW）階段和數據編織階段（見(jiàn)圖1）。
圖1：從企業(yè)數倉向邏輯數倉和數據編織的演變
與北美和歐洲相比，亞太和中國由于存在更大的行業(yè)差距、地域差距和其他影響因素，企業(yè)機構的數據分析成熟度差異更大。除數據分析成熟度之外，企業(yè)業(yè)務(wù)組合的多元化程度、行業(yè)競爭激烈程度等很多因素也影響著(zhù)數據和分析職責的中心化程度。
D&A領(lǐng)導者應全面評估企業(yè)機構的數據分析成熟度和相關(guān)其他因素，確定最佳適用原則以及優(yōu)先度最高的數據分析任務(wù)。
運用Gartner雙模概念進(jìn)化數據分析平臺
除了涉及混合數據分析原則外，另一個(gè)關(guān)鍵而困難的任務(wù)是在細粒度層面上實(shí)現業(yè)務(wù)線(xiàn)和IT之間各項技術(shù)權責的最佳平衡?！皹I(yè)務(wù)部門(mén)對數據治理項目的參與度有限”和“分析交付成果等待時(shí)間過(guò)長(cháng)、業(yè)務(wù)滿(mǎn)意度低”等負面評價(jià)，是平衡失調的典型跡象。
IT擁有的企業(yè)數據倉庫/湖和業(yè)務(wù)線(xiàn)擁有的數據集市/沙箱，并不互相排斥。兩類(lèi)平臺有各自適用的數據分析用例，可通過(guò)Gartner雙模概念進(jìn)行區分。
雙模IT旨在為兩種IT工作負載實(shí)施不同的交付策略：
? 模式1：傳統模式，強調可靠性、安全性和準確性，通常是中心化的。
? 模式2：探索模式，強調敏捷性和時(shí)效性，通常是去中心化的。
在數據和分析領(lǐng)域，模式1用例優(yōu)先考慮數據質(zhì)量、數據安全和數據可復用性，而不是敏捷性。這些用例應在中心化數據分析平臺上交付，遵循嚴格的數據治理規則以及由中心化IT部門(mén)主導的詳細測試流程。
模式2用例具有探索性和時(shí)效性，其洞察提供時(shí)效性?xún)?yōu)先于數據治理標準。應用/結果可在原型開(kāi)發(fā)環(huán)境中交付，使用戶(hù)能在有限的IT參與度下靈活完成探索和調查。根據數據敏感度和隱私級別，部分新的源數據可繞過(guò)數據倉庫/數據湖，直接采集到目標應用或數據集市中。
持續調整數據分析角色和職責分配
隨著(zhù)技術(shù)架構的發(fā)展，不同數據分析角色的責任也應不斷變化，以適應各類(lèi)用例的不同價(jià)值偏好。在復雜的用例中，數據工程、數據治理、報表/應用交付等端到端任務(wù)通常由不同的部門(mén)完成。2023年Gartner中國CIO調研顯示，對于“制定企業(yè)數字變革愿景時(shí)面臨的主要困難”這一問(wèn)題，得票最高的四項有三項與跨部門(mén)協(xié)調有關(guān)，這反映了IT和業(yè)務(wù)部門(mén)之間的責任不匹配。
原則上，與數據基礎設施關(guān)聯(lián)較為緊密的任務(wù)，如數據獲取和元數據變更協(xié)調，應由IT集中管理。與洞察消費者關(guān)聯(lián)較為緊密的任務(wù)，如BI報表交付和自助服務(wù)分析，則應更多地由業(yè)務(wù)端參與或由業(yè)務(wù)領(lǐng)導者負責。
用例責任分配不當，會(huì )造成預期價(jià)值偏好與現實(shí)情況不匹配，進(jìn)而導致業(yè)務(wù)價(jià)值稀釋。D&A領(lǐng)導者應不斷調整責任歸屬，使之符合企業(yè)機構的數據分析成熟度、數據分析平臺發(fā)展進(jìn)度以及新的數據分析用例模式。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
