数据及数据能力对于一家企业意味着什么?
管理学大师拉姆·查兰认为:数智化时代,企业要想持续发展,必须能够察觉内外部的变化,建立内部流动性以不断适应变化;必须关注每一个客户,依赖团队来打造动态核心竞争力——这一切都需要利用数据与算法的力量。
诚然如斯。随着数字经济的高速发展,以及《关于构建更加完善的要素市场化配置体制机制的意见》明确数据成为新的生产要素,业界已然形成共识:即数据会重塑企业的运营、管理、决策乃至创新等方方面面,数据及数据能力将决定着一家企业未来的天花板。
但从数据到形成数据资产、数据能力绝非易事。可以说,没有良好的数据治理体系保驾护航,大数据、人工智能等技术很难在业务中产生实际价值,更别提充分挖掘数据的价值。
在众多企业中,联想集团无疑是企业数字化转型的突出代表:面对上千个业务系统和海量数据,联想结合业务特点和需求,制定为期三年的公司级数据战略,围绕统一大数据平台的建设,逐渐打造出五大关键能力:新业务模式、客户中心、合作伙伴卓越管理、智能运营和智能平台能力,为广大中国企业的数据治理和数据能力打造探索出一条可行之路。
数据资产是治理出来的
数据治理是形成数据资产和释放数据价值的基础。
IDC《中国数据治理市场份额》报告显示,2021年中国数据治理市场规模突破50亿元,预计未来几年里市场规模将保持高速增长。这也表明,随着数字经济的发展和数字化转型的深入,数据治理需求已从传统的政务、金融全面延伸到制造、交通、能源等多个行业。
以联想为例,在经历四十年发展之后,联想已经成长为在180多个市场开展业务的全球化公司,拥有1000多个业务系统和PB级海量数据,对于数据治理的需求极为迫切。“数据资产是治理出来的。”联想集团全球IT副总裁方雨如是说。
事实的确如此。联想的IT发展历程和数据治理情况很可能会是其他企业未来所需要面临的。例如,数据爆炸性增长、数据来源与数据类型比以往更加丰富、混合云的基础设施环境等,都会让数据治理的复杂性大幅提升。当前,联想每年的数据量增长高达30%,业务数据增长迅速。PB级数据规模要想变成一笔丰富的数据资产与财富,其前提就是做好数据治理。
另外,当一家企业的业务达到一定规模,以及数字化转型进展到更高阶段时,数据战略必然会上升到公司级战略高度,在组织、流程等方面对于数据治理体系提出了更高要求。毕竟,今天的数据治理已经很难依靠几个产品或者工具来实现,必须从管理层开始就对数据战略有着长远的愿景与规划,并且为数据治理过程所需的人才、组织、预算提供充足保障,以支撑未来的数字化转型和各种业务用数需求。
更加重要的趋势是,未来企业的数据消费群体、决策习惯和数据协作方式会出现巨大变化。以联想为例,如今基层员工在日常业务中,一些数据智能的产品/工具月活量达到上万,数据消费群体规模不断扩大,业务基于数据的决策需求极为丰富。
因此,衡量一家企业数据治理成功的关键在于三点:一、有没有公司级的数据治理战略;二、该数据治理战略是否能够在组织架构、流程上得到保障;三、数据治理能否与业务进行紧密和有效的结合。
事实上,自2018年正式实施三年数据发展战略规划以来,联想在数据治理取得了一系列成功,不仅率先实践了DCMM(Data Management Capability Maturity Model,数据管理能力成熟度模型)国家标准贯标和获得DCMM量化级(第四级)贯标认证,还成功入选“2022年度数据管理百项优秀案例”。
而DCMM国标有两方面的重要价值:一是具有指导意义,企业可以对照标准寻找到不足并改进;二是国家在数据方面形成标准,可以有效界定一些企业在数据管理和数据治理方面的成熟度情况。例如,通过DCMM国标,联想可以了解到合作伙伴的数据管理成熟度情况,这也有益于联想自身的数据合规和数据安全。
联想数据中台:让业务有数
联想数据治理的成功要得益于其公司级数据战略,而其公司级数据战略的核心则是联想数据中台。
过去几年里,联想通过数据中台作为统一大数据平台的建设,并结合业界最佳实践和混合云能力,构建起湖仓融合且面向全球的数据平台。
据介绍,联想的统一大数据平台在底层采用了业界先进技术方案,主要具备三大特点:
- 采用私有云+公有云的技术方案,确保技术的先进性。例如,在私有云环境中部署数据湖,方便AI、机器学习等进行大量的数据训练;利用公有云先进的数据仓库框架、技术和产品,实现业务数据的数据整合与治理;
- 通过数据中台构建起完善的数据治理体系,实现跨部门的公司统一数据标准,推动公司数据资产体系的形成,为业务端用数提供合规、安全、便捷和高效的服务;
- 联想统一大数据平台拥有长远的愿景规划,能够支撑联想未来的数字化转型。
“在平台设计之初,我们就是从数据主权的角度来考虑。如今,我们一个报表即能支持全球业务,不同地区员工根据当地法律、法规看到数据都是合规的。”方雨表示道,“2023年,联想还会聚焦数据消费和运维方面,进一步提升平台的赋能能力、完善数据合规并降低运维成本,让业务部门能够把数据用起来并且用得更好。”
事实上,数据中台概念已经诞生多年,基于One Data方法论来建立统一的组织、平台,进行集中化管理数据和提供数据服务。但近两年来,数据中台也受到较大争议,过去提倡中台理念的互联网公司纷纷提出拆中台,更是让众多行业用户倍感困惑。
究其原因,所谓的拆中台并不是简单回到原点,更像是一种螺旋式上升的建设方式。大中台具有很强的管控属性,改进需求的增多,必然会导致响应较慢。随着共享技术、数据达到一致之后,互联网公司一些部门会分别拥有自己的中台,兼顾业务灵活性和标准化。
而非互联网企业的数据中台建设犹如“长坡厚雪”,路径长、红利厚,绝非短时间一蹴而就,对联想而言,必须建设好数据中台以解决了数据统一、数据治理等系列问题;只有当数据治理与数据规范达到高度共识之后,出于业务灵活性的需求,才会进入到‘拆中台’的阶段。
内生外化:联想大数据的实践与赋能之路
毫无疑问,联想对于数据中台的深刻认知和稳步建设的理念,值得其他传统行业用户学习。
众所周知,非互联网企业往往属于传统行业,业务特点也不像互联网公司那样无序膨胀,大多数企业都经历了漫长的信息化时代建设,有着较多的历史系统和数据积累,数据中台的建设更像是数据资产化稳步演进的过程,很难采用互联网公司的建设模式和思路。
因此,像联想这样的非互联网企业,无论是发展历史、市场覆盖还是业务体量、应用方式,其在大数据平台上的规划思路、技术路径以及业务实践,更具备参考价值与借鉴意义。联想SSG集团在近几年所提倡的“内生外化”,其核心正是将那些在联想内部得到过充分验证、实践和沉淀过的技术、产品、方案,对外进行赋能。
以联想大数据平台为例,除了承载联想各条业务线的用数需求之外,在不断提升自身数字化韧性的同时,也将实践经验带给客户,帮助客户少走弯路,更快速地进行数字化创新。这才是真正的治理数据资产,并将之变成一个行业的财富。