面向数据中台的数据治理（上）

第一篇：梳理业务和数据

题记

数据中台是今年的热门话题，从一个数据治理的角度，阐述数据治理与中台的关系，以及具体的实施手段。与同学共同探讨，欢迎指正，共同进步。

中台实际是一种思想和模式，其核心思想是使企业或组织的资源进行组合和重用，最大限度的复用资源，加速前端业务的敏捷和创新。既然是一种思想，那么现实中就早已有大量的实践，比如中台的数据链系统，现代军队的班级单位可以通过信息化调度火炮/导弹等进行精确打击，提升了战场应变能力；通过中台的电商平台，一个偏远山区的大妈织的锦就可以行销全球，物流支付信用都有中台服务提供，这些都是中台模式的强大威力。所以整体来说，随着社会大生产分工越来越细，中台模式是社会生产发展的必然趋势，比如计算能力（云计算），支付能力（API Bank），后勤能力等等，越来越呈现社会化大生产组织的中台模式，能够迎合这个趋势是企业的业务战略和创新的主要方向。

让我们脚踏实地回到具体工作。对于IT部门来说，如何实现数据中台是各位思考的问题。阿里作为一个互联网企业，电商业务，面向2C用户，强IT属性，业务创新驱动，我想这些条件与大量传统企业有所不同的。所以我们重点探讨几个关键问题：

1、业务问题

你的企业哪些业务像电商那样具有相似模式，可能是面对的同一类用户，或者是其他相关联业务对象呢。如果有的话，那就很大的价值潜力可挖。

2、人的问题

企业的IT水平如何，主要是业务的数字化能力，IT的掌控和服务能力。我们应该客观认识到，中台模式是企业数字化和信息化的高阶模式，如果企业从来没做过数据仓库，业务对数据驱动没什么概念，那要是直接中台了，甚至是AI中台，就有点穿越了，做起来难，用起来也难。正确的做法是从治理着手，一步步把数据管起来和用起来，同时把人培养起来。事实上，数据建模人才是中台的关键，企业需要培养自己的数据架构师，核心业务建模能力靠外包和空降都是很难见效的。

3、数据的问题

中台是业务和数据的双驱动模式，数据治理水平决定了中台的整合能力。如果企业的基础数据模型比较混乱，没有具备数据架构和业务抽象能力的人才，那基本上比较困难。阿里的人才能力和数据能力积累到了一定的水平，做这个事情仍然需要有勇气的人来担纲完成。

那么，在企业的数据基础一般，人力资源不足的情况下，如何来落地实施自己的数据中台战略呢，我总结可以分这么几步完成。

第一步，盘点业务和数据

为什么要有这一步，阿里的经典经验里并没有着重提及这一块。究其原因是过去我们大多数的企业在数据这一块的管理是不够的，构建业务时，并没有遵循业务模型->逻辑模型->物理模型的系统化和规范化的建设思路，今天我们想整合业务数据的话，第一件事就是对数据进行逆向业务建模，目标是构建出数据与业务的关联关系。这是为数据中台摸清基础数据，所做的补历史欠账的工作，这一块希望随着企业IT治理水平的提升，通过规范化运营和管理，使基础模型成为企业数据与业务对应的中间层，为数据中台的敏捷运营奠定前提。

所以这一块的工作内容主要是盘点清楚数据资产，业务属性以及业务数据，它是企业架构工作的一部分，为了构建整合数据层，我们选择核心的业务流程和基础建模工作。

1、梳理业务流程  

2、梳理基础数据模型 

根据业务架构和业务流程的规划，进行主要业务域和数据域的定义。基础模型的作用就是对原系统数据进行数据盘点，将业务流程和业务对象进行物理层数据的映射，建立数据与业务的关联关系，为中台的整合模型打下基础。

• 构建模型主题，基础模型的主题可以对应到一个业务流程或者主要的业务活动，粒度可以根据业务的重要程度而定。

• 定位业务对象的物理对象，梳理物理对象的业务属性，排除非业务属性，建立业务对象和物理对象的关系。

• 复建物理对象之间的业务关系，也就是主外键关系，进行数据拉通的准备。这一部分工作非常重要。

• 建立数据标准，通过盘点业务属性信息，建立企业的数据标准，过程中进行同名不同义的统一。这即为排除重复业务属性，也是企业长期数据建设的规范。

限于篇幅，无法将工作的粒度展开。行文至此，已经盘点清晰了现状的数据资产，可以做到从业务找到数据，也可以反之。技术可以拿着清单与业务讨论需求，共同甄别不同域的客户统一问题，这为数据中台的整合层构建打下基础。

后记：数据模型的整合过程，请见第二篇：构建数据资产；至于盘点过程，盘点工具，策略选则等，请见本文的第三篇：数据盘点和常态运营。

关于Datablau

▔

Datablau创建于2016年，核心创始和研发团队全部来自于原CA erwin，天然具有世界级产品厂商的血缘和水准，是国内数据治理的第一品牌。依托多年的行业积累和技术沉淀，Datablau在产品设计层面充分发挥了后天优势，实现了集数据建模、数据目录、数据质量和数据准备为一体的企业级数据治理平台，全面满足企业对于数据治理的客观需求。

目前Datablau在嘉实基金、中国人寿、国电大渡河和四川航空等大型客户得到实际应用并深受好评，客户范围已经覆盖到银行、保险、制造业和能源行业等核心领域，Datablau已成为企 业数据治理领域的领导厂商。