在这样的变革面前，在以数据为代表的新生产要素需要与传统生产要素融合，成为推动新质生产力发展的重要技术底座时，数据价值变现又需要什么样的技术支撑呢?Gartner高级首席分析师费天祺近日展示了Gartner针对此问题的研究成果。

　　数据中台的缘起

　　数据中台的概念源自阿里，尽管当时的硅谷并没有“数据中台”这一叫法，但很多公司在此之前实际上已经形成了中台的意识，并且有了成功的应用。

　　2015 年年中，马云带领阿里巴巴集团高管拜访了一家芬兰的小型游戏公司Supercell。让马云及其高管团队感到惊讶的是，这家仅有不到 200 名员工的小型游戏公司竟创造了高达 15 亿美元的年税前利润。而Supercell之所以能够支持多个团队快速、敏捷地推出高质量的游戏作品，其强大的中台能力功不可没。

　　2015年的阿里正处于高速扩张期，大量的新业务线造就了多个“数据孤岛”，反映在业务上就是协同效率不高，当时就算是天猫和淘宝也会出现搜索不匹配的情况。阿里据此提出了“大中台、小前台”的架构，把提供基础技术、数据支持的部门整合为一个大的中台，统一给各个业务线提供数据和相关的技术支持。

　　阿里的数据中台策略在当时阿里的并购行动中如鱼得水，而阿里的成功也引发了行业的效仿，各类IT企业纷纷推出自己的中台产品，用户更是希望获得这一数字化“法宝”，尽快提升核心竞争力。

　　如果我们把“数据中台”看作是一种管理理念，那么所有的管理理念在实际应用时，一定要在前边加入权变的考量，这为直接照搬“数据中台”的企业的受挫埋下了伏笔。Gartner在2022年8月做了一个针对数据中台的调研，结果颇为尴尬。

　　费天祺介绍说:“在调研中国企业对于建设数据中台的态度时，只有37%的企业明确数据中台概念，并且已经在建设，只占总调查企业的三分之一。另有33%的企业不明白中台是什么，只是在跟风这样叫。还有28%的企业对中台理念认可，但觉得不适用于自己企业。”

　　从这组数字中，也就不难找出数据中台在市场上热度逐渐下降的原因。而随着数据中台概念在Gartner技术成熟度曲线中被列入泡沫破裂低谷期，一个后数据中台时代正在来临。

　　后数据中台时代的需求变迁

　　不得不说，数据中台是数据管理、数据治理、数据服务领域的一次有益探索，因此当我们需要找出后数据中台时代用户的应对之策时，就先要了解数据中台的弊病到底存在于什么地方。

　　费天祺将数据中台的发展困境归结于价值主张过于宽泛、与业务脱节和单纯交付技术三个方面。

　　数据中台的价值主张非常宽泛，表面上看什么都可以做，但实际上却很难聚焦解决某一类数据分析的问题。很多企业效仿阿里做“大中台”，结果得到了一个包含端到端的所有数据分析组件的平台。在这样的条件之下，实施“中台”成功的企业通常是数据成熟度很低的企业，原来没有“数仓”，通过中台的构建，不仅建起了“数仓”，还完成了一次端到端的数据治理。但其实这和中台的理论却并不符，因为中台强调的是数据能力的共享和复用。

　　数据中台从立项开始，就缺少业务的站台，原因在于数据中台往往是IT部门提出来的，很大比例还是因为友商已经在构建，而不得不做出的应对之策。在数据中台的建设过程中，业务是被动地被通知去配合。在漫长的建设过程中，数据团队一直被淹没在项目的复杂度里，而无力顾及业务团队在数据处理方面的创新需求。最终在业务端需求多变的影响下，数据中台的流程会变得非常复杂，并且响应也变慢，甚至不乏制约业务线发展的个例。这样就造成了业务与数据中台的对立。

　　最后，数据中台的交付和协作方式，造就了它最大的困境。由于数据中台是IT部门发起的，采用的自然是传统的交付方法，业务也不会积极配合。同时在中台推进的过程中，并没有注重业务数据素养的培养，导致业务无法充分参与到数据分析内容的输出上。而中台核心理论要求实现数据分析能力的复用、数据分析能力的共享，但这些能力的前提是要有足够多的数据分析资产。在业务人员无法参与，同时又不遵循场景化业务驱动的情况下，这些能力是不可能具备的。

　　数据中台的推进陷入困境，并不意味着企业对于数据治理、管控、协同方面的需求减弱了。Gartner近期的调研表明，大量CEO将数据和分析能力视为未来两年推动企业增长的首要能力，50%的董事会希望增加数据驱动型决策，CEO们还认为AI将是未来三年对所在行业影响最大的技术。需求面前，数据中台的演进也就不可避免地进入到了后数据中台时代，调动业务部门的积极性，让数据分析的价值变得可衡量、具像化，成了这个阶段必须要解决的问题。

　　发挥数据乘数效应的四个新需求

　　今天，中国企业正“抢抓”新一轮技术创新带来的发展机会，获取新技术浪潮带来的竞争优势，打造以数据为核心、以数字化和智能化为特征的全新数字生产力形态。这给数据管理、数据治理、数据服务等领域提出了新的课题，也使得后数据中台需要探索更为深远的领域。

　　Gartner将数据的业务价值演进分成了三个阶段，分别是侧重对历史数据描述性分析的洞察阶段、通过数据分析优化业务的阶段、数据价值走向资产化的D&A产品阶段。同时，2024年的《Gartner首席数据和分析官调查问卷》显示：已经有1/2的企业部署了数据产品或者是数据分析的自助服务。数据分析正在走向自助式服务。

　　在这样的背景之下，费天祺介绍说：“Gartner认为‘后数据中台时代’的数据基础能力会出现四个新的要求，分别是：数据变现与产品化、数据与业务价值挂钩、敏捷D&A运营、AI技术赋能。”

　　首先，实现数据变现和产品化的基础，是进行有效的数据资产管理。为此，Gartner建议要完成数据资产变现的七大实践：盘点可用的数据资产、评估和选择内外部变现方法、建立数据资产管理的执行认责制、构建数据的产品管理能力、借鉴其他行业的高价值变现思路、建立并培育数据资产市场、公开讨论法律和伦理问题。

　　随着国家数据局的建立，数据确权、数据入表、数据交易体系等工作正在一步步展开。在这个过程中，数据变现和产品化的实现还依赖于一个条件，这就是数据本身还要和业务价值挂钩，才能够直接贡献到业务成果，也才能让交易各方更好地衡量它的价值。

　　为此，Gartner也给出了一个价值金字塔，将数据与业务成果连接起来。这个框架可以帮助企业由上而下地拆解业务指标，然后对应到所需的数据指标上。

 

　　在这个体系中，Gartner建议着重于增加营收、降低成本、规避风险等三大维度，然后从这三个大的方向去往下拆解，去找到不同业务线的业务成果指标和能贡献到这个业务成果指标的数据分析成果指标。

 

　　当实现了数据变现和业务成果挂钩之后，就可以进行具体的数据分析运营架构的改造。在后数据中台时代，企业机构将在现有数据平台基础之上，去探索更加敏捷和平衡的数据运营的架构。需要特别提及的是，这不再是数据中台时代所有应用的中心化重建，也一定不是对于过去数据架构的推倒重来，而将是一个混合的“集中式”和“分散式”共同存在、相互支持、相互依存的架构。

 

　　在这个模式中，同时存在着IT模式和业务线模式。IT模式的核心组件提供标准化的数据摄取能力，可以获得、集成数据，还会用到中心化的“数据湖、数据仓库”来支持核心业务系统的数据分析需求。而业务线模式可以把不同业务线投入到业务导向的数据平台，以应对敏捷需求和相对独立的数据应用场景。

　　当利用数据虚拟化层实现了IT模式和业务线模式的数据链接和相互关联，并且数据虚拟层承担各种中心化和非中心化的数据产品的上架、质量认证等职责之后，用户就将不再被中心化的数据取用管控所绑定和限制，而是可以根据需求从业务分析系统里直接、自由地取用数据。由此，在不断的使用过程中，企业整体的数据素养将得到提升，相应地也会产生更多的数据应用和数据产品。

　　特别地，在数据的技术架构以外，企业的数据分析组织架构也将发生变化。Gartner的调研数据表明，近乎一半的企业已在实践混合的数据分析组织模式。近一半的企业开始把业务人员和中心化的数据分析团队混合到一个组织之中，通过沟通、交流、协作，达到平衡化管控和灵活创新的目的。敏捷D&A运营由此得以实现。

　　Gartner的报告显示，在2023年，只有不到5%的企业将AI运用到生产环境中，而到了2026年，超过80%的企业都将使用AI应用程序编程接口或模型，或在相关生产环境中部署支持AI的应用。

　　Gartner的调研同时显示，阻碍AI部署的两大类因素包括了业务因素和数据管理能力，特别是对于生成式AI而言，算法是现成的，应用落地差异化就体现在数据之中。因此，AI应用的落地实际上给数据分析基础能力提出了更高的要求。

　　只有企业提供可管控的、负责任的数据，并且这个使用过程受到不间断的监控和追踪，企业才有可能对数据管道和模型管理的流程进行优化，生成式AI才能提供更安全的输出。反过来，AI的使用也会精进数据管理能力，影响数据分析端到端的不同任务条线的相关能力。

　　综合来看，在后数据中台时代，企业需要应对好四方面的转变：在迈向数据变现的进程中，完成应用数据资产管理的实践;打通数据应用与业务成果的价值连接;从中心化的“大中台、小前台”到混合式、敏捷的“薄”中台;尝试生态解决方案，培养“AI就绪数据”。

　　在数智时代，数据正起到工业时代石油的作用，而做好了这四方面的转变之后，在后中台时代，企业就将获得更强的数据管理能力，先人一步，掌握主动权。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。