面向数字转型的大数据顶层设计实践

当下数字化革命风起云涌，中国市场数字化转型的动力和速度领跑全球，数字化转型已成为中国弯道超车的最大机遇，这也是众多企业所能把握的绝佳机遇。然而，传统的应用系统 IT 架构和技术方案已难以支撑企业互联网业务快速发展的需求。面对企业转型最核心的关键点就是基于大数据架构来进行的创新。

▌顶层设计的必要性分析

一个企业的信息化如果搞不好，是无法帮助企业转型，在内向信息化、外向互联网这样组合发展的时代，企业势必需要进行大数据建设的顶层设计。在互联网新时代下，集团型企业与传统业态公司如何提高企业的商业产出，已经成为全局治理与转型难题。面对互联网时代必须要应对的数字化转型，顶层设计的核心目的是为企业打造新经济、新模式、新业态以及新动能。基于此目的，需努力将顶层设计融入到互联网经济领域中，通过可重复、可靠的设计来指导企业。

▌企业的数字化转型之路

从目前企业现状来看，数据已经成为企业变革的新基因，搞好数据，实现对数据的加工利用尤其重要。围绕智慧企业、智能经济、数字经济，企业可以依据TOGAF方法论指导并实现企业转型。

关于TOGAF方法论的介绍主要是围绕ADM图进行解释。

一是预备阶段，本阶段应纳入到公司的整体战略规划中，达成战略共识，即实现数字转型。

二是中间阶段，中间的需求管理，其核心是抓住企业内生业务需求；

A阶段即架构愿景，强调需要达成全局共识，即通过数字转型这样新动能、新业态的企业转型来帮助企业实现未来的互联网经济；

B阶段即业务架构，强调塑造用户中心化，端到端的业务流程，进行流程建设；

C阶段即信息系统架构，强调通过何种信息化支持业务流程，即通过信息化实现业务协同，形成敏捷企业；

D阶段即技术架构，强调大数据技术，通过大数据，实现信息化建设、业务建设；

E阶段即机会及解决方案；F阶段即迁移规划；G阶段即实施治理；H阶段即架构变更管理。

依据TOGAF方法论，通过业务架构、数据架构、应用架构和技术架构来进行企业转型设计。其中业务架构主要是进行流程建设、业务建设，打造端到端的业务流程体系，实现横向跨域各个阶段，纵向联动各个角色；数据架构主要是通过数据标准体系实现标准化数据；应用架构主要是实现各个应用系统的互联互通，规避信息孤岛；技术架构主要是大数据+云计算，即云大物移智等先进技术建设，目前的顶层设计模式主要是互联网引导，大数据驱动。

要实现企业数字转型，其核心是做好业务转型，而业务转型的核心选择是端到端的新的业务模式，满足用户的服务流程，形成端到端的业务流程。其中，企业进行业务梳理时，一般优化考虑的有生产、经营、互联网营销、人财物等业务。

▌企业数字转型的全局收益

企业进行数字转型的需求主要包括增强管理水平、提高业务效率（实现流程自动化）、降本（技术建设层：大数据分布式存储技术）、提高客户体验（实现数据聚合）、创新模式（商业创新模式）。

▌企业大数据建设顶层愿景

大数据建设是企业的顶层设计问题。目前企业都是通过运营商进行大数据平台建设，而诸如通信行业的运营商多是通过分层多维进行的建设。例如，运营商大数据平台中主要分为分别为数据采集层、数据处理层、数据分析层、数据访问层及应用层。

企业通过大数据建设，目标是构建集中化、大容量、高扩展、高可用数据库平台能够支持全网型数据、跨部门数据的整合，形成集中化管理的企业级数据中心；支持互联网时代更高的实时性要求、支持；打造动态资源共享能力，支持资源动态按需供应；构建可重用的标准化数据服务组件，支持一次开发、全局共享的模式，形成规模型效益。

现有数据平台是传统关系型数据库架构。大量的用户上网、用户行为等半结构化和非结构化数据无法保存和处理，缺乏非结构化数据的处理能力。用户上网行为等互联网行为数据以结构化数据方式保存至数据仓库中。由于传统数据仓库的数据处理流程与业务保持紧密关联。整个数据加工流程为最终应用服务。为缓解存储压力在数据抽取和清洗阶段会过滤掉与业务无关的数据记录和字段。每个应用需求的变化就是一场灾难。由于数据处理与业务的紧密关联可能需要对中间每个处理环节进行逐个调整。重新生成数据的周期也非常缓慢。面对海量的数据压力，需要大数据平台提供快速的处理能力。

所以，适应数据集中化趋势使得企业面临着海量数据的存储及分析问题，大数据在支撑互联网业务发展趋势中，充当重要角色。

▌企业大数据平台建设框架

从总体目标上，通过大数据平台和BI应用建设，出版集团将搭建统一的大数据共享和分析平台，对各类业务进行前瞻性预测及分析，为集团各层次用户提供统一的决策分析支持，提升数据共享与流转能力。

大数据平台主要划分为“五横一纵”。其中“五横”是：数据产生层、数据交换层、数据存储层、数据应用层、数据访问层。“一纵”是：数据流调度层。

数据生产层：主要解决两类问题，一是内外部数据源的获得渠道建设，二是通过增量方式，针对内外部数据进行增量数据源的访问处理。

数据交换层：主要是实现数据资源共享、交换、整合，保障数据“四不”，即不低效、不失真、不丢失、不外泄。

数据存储层：主要是建设存储计算能力，针对不同数据，建设不同的存储计算能力。

数据应用层：主要包括五类应用，分别是管理分析类应用、数据增值类产品应用、支撑企业沙盘演练应用、历史查询应用、营销分析应用。其中，管理分析类应用主要实现了集团客户管理、运营管理、财务管理、风险管理、监管信息披露五大分析体系功能。

数据访问层：主要是建设大数据门户，提供一站式访问、实现应用聚合、数据聚合。

数据流调度层：主要是解决数据快速调度。其调度流程为获取、聚合、统计、服务应用，实现跨多层数据进行调度的。

▌企业如何构建数据型运营组织

实现面向大数据的数据性组织，其任务是建立面向数据的组织架构、评价与考核体系、管控流程和管控平台的一套运行机制。

组织架构：应建设数据管理委员会，进行统领和决策。组织架构中需要明确的管控方和参与方。明确数据管控过程中的组织结构、角色、职责等。管控组织除了要负责制定数据标准、质量、安全等要求外，还需要负责制定管控的相关流程和评价考核指标等内容。

评价与考核体系：将标准建设纳入考核机制，执行“谁的数据，谁负责”的原则。通过建立一些定性或定量的数据管控评价考核指标，去评估及考核数据相关责任人职责履行情况、数据管控标准及数据政策的执行情况等。

管控流程：定标准、定流程。  规范了数据管控过程中，各个环节日常任务处理的运作模式，例如数据定义如何变更、数据冲突如何协调等。

管控平台：建设数据管控平台。采用专门的技术平台支撑管控流程的自动化，发布管控组织制定的一些相关标准和规范，及时反映管控过程中存在的一些问题等。

▌坚定不移走向互联网新时代

互联网时代智慧企业必须企业面向大数据发展，通过探索大数据在生成与经营管理领域的应用途径，推进多元业务与大数据技术深度融合，更好地推动企业能力的数字化、智慧化转型。从经济角度，通过转型升级，可以获得新的利润增长点；从政治角度，通过转型升级，随着服务品牌的增强，获得政府职能部门的高度认可；从服务角度，通过服务体系优化，整合资源，能充分发挥出版企业优势。

想了解更多IT资讯，请访问中培教育官网：中培教育