1、 20232023 华为云数据使能华为云数据使能 白皮书白皮书 2023 年 4 月 目录目录 1.以以“数据数据+AI”的能力使能,打造数据驱动的现代化企业的能力使能,打造数据驱动的现代化企业4 1.1 依托数智云脑,用数据驱动企业实时决策,实现“类光速”管理.5 1.2 以云平台为基础支撑,构建“经验即服务”模式,让优秀得以复制.5 1.3 以“数据+AI”的能力重构企业价值流,驱动企业实现从单点连接到万物互联的代际升级.6 1.4 企业使用数据的深度决定了数字企业的智慧程度.7 2 挑战:现代化企业数据能力建设面临的困境挑战:现代化企业数据能力建设面临的困境.9 2.1 六大挑战成为影响
2、现代化企业发展的“木桶短板”.9 3.破局:以规划咨询方法为牵引,以破局:以规划咨询方法为牵引,以“管理体系管理体系+技术平台技术平台+应用场景应用场景”扎实落地,构筑企业级数据使能方法论扎实落地,构筑企业级数据使能方法论.13 3.1 方法论:以数据+AI 为核心,标准化项目实施方法,保障数据项目高效落地.14 3.1.1 立项预备:明确项目目标及范围,指导项目工作有序开展.14 3.1.2 现状调研:全面评估,明确需求与能力差距.15 3.1.3 蓝图规划:顶层规划,避免陷入点状化问题而忽略全局.15 3.1.4 方案设计:承接蓝图方案,紧贴业务,打造详细、可落地的方案.16 3.1.5
3、开发实施:“双模 IT,立而不破”.16 3.1.6 运营推广:数字化只有起点,没有终点.17 3.2 应用场景:对准业务战略,建设价值驱动的 IT 和 OT 的融合数据应用场景,实现以数据决策的现代化企业转型.18 3.2.1 企业的数据应用场景分析框架,助力企业数智化战略落地.19 3.3 管理体系:建立企业级的数据资产,结合常态化数据治理及长效数据运营机制,持续迭代升级.24 3.3.1 数据治理:企业级数据治理体系必须包含明确的数据战略、统一的政策、有力的组织机制和详细的管理规范.24 3.3.2 数据资产:以数据化为前提,建立统一规范、安全共享的数据底座与信息架构,以释放数据价值.2
4、6 3.3.3 数据运营:开展长效数据运营与持续跟踪,不断提高数据资产价值.28 3.4 技术平台:经验即服务.30 4 案例:数字企业成功案例案例:数字企业成功案例.33 4.1 某大型玻璃制造企业.33 4.2 某大型水泥企业.35 4.3 某啤酒领先企业.37 4.4 某空管局.39 4.5 某知名车企.41 4.6 某知名钢铁企业.43 5 产品:华为云产品:华为云“数据融合数据融合”产品服务产品服务.46 5.1 DataArts Studio 服务.46 5.2 MRS MapReduce 服务.48 5.3 DWS 数据仓库服务.50 5.4 GaussDB 数据库服务.53 5
5、.5 GES 图引擎服务.60 5.6 ModelArts 服务.64 1 前言前言 数字经济已成为推动中国经济增长主引擎之一数字经济已成为推动中国经济增长主引擎之一 从 2019 年政府工作报告提出要壮大数字经济,到 2023 年党的二十届二中全会通过的党和国家机构改革方案中提出组建国家数据局,我国的数字经济发展政策不断由粗变细,政策浓度不断加强。数字经济已成为一项重要的内生增长动力。截至 2021 年,中国数字经济规模达到 45.5 万亿元,占国内生产总值比重为 39.8%,数字经济已成为推动经济增长的主要引擎之一,总体规模连续多年位居世界第二。按照党中央、国务院决策部署和全国人大常委会审
6、议意见要求,下一步我国将持续以数据为关键要素,以推动数字技术与实体经济深度融合为主线,以协同推进数字产业化和产业数字化,赋能传统产业转型升级为重点,以加强数字基础设施建设为基础,以完善数字经济治理体系为保障,不断做强做优做大我国数字经济。数据成为新型国家战略性资产数据成为新型国家战略性资产 近年来,以美欧为代表的发达国家和以中国为代表的新兴经济体国家,对数字产业战略规划和部署的重视程度不断加大。其中,数据作为数字经济的核心要素,已经成为了国家之间争夺的重要战略资源。“数据主权”、“数据隐私”、“数据跨境流通规则”等越来越受到国际的关注。近年来美国积极推进“数据资产化”,提出要将数据作为政府管理
7、中的重要生产要素,充分运用数据资源推动经济发展、优化政府管理等,利用人工智能、大数据、云计算等新技术来应对现代化治理的新挑战。同时美国防部还设立了首席数据官(CDO),创建了 CDO 理事会,以实现更统一的数据管理。英国则在今年 2 月发布的“国防云战略路线图”中提供 2 了世界一流云功能所需的战略愿景以及转型变革途径,并提出云是实现国防数字骨干和数据战略的关键推动因素。世界各国都高度重视数据这一新型的国家战略性资产,在数据领域积极布局,在国际战略态势中寻求竞争优势。数字新纪元,如何释数字新纪元,如何释放数据价值,以放大、叠加、倍增企业商业价值成为企放数据价值,以放大、叠加、倍增企业商业价值成
8、为企业的必答题业的必答题 企业需要释放数据的力量来构建自身在商业链路各环节中创造价值的能力,包括基于高阶数据分析能力、AI 驱动的高效决策能力、自动化协同运营执行能力、商业模式创新能力、敏捷试行能力等。不同于过去的业务线上化,如今企业需要更多的思考如何有效释放数据价值,借助人工智能发展,完成企业变革,为企业赢得更加牢固的竞争优势。华为多年数据治理实践为企业数据管理体系变革提供了丰富的经验和思考华为多年数据治理实践为企业数据管理体系变革提供了丰富的经验和思考 华为自 2007 年开始历经了两个阶段的持续变革,系统地建立起华为数据管理体系。第一阶段,围绕“清洁数据贯穿”,华为以“完成数据管理体系建
9、设并落地运行,数据质量综合水平达到基本满意,实现数据清洁”为目标,设立了数据管理专业组织,建立数据管理框架,发布数据管理政策,任命数据 Owner,通过统一信息架构与标准、唯一可信的数据源、有效的数据质量度量改进机制,为华为数字化转型打下坚实地基础。第二阶段,围绕“智慧数据洞察”,华为建设数据底座,汇聚企业各域数据并对数据进行连接,通过数据服务、数据地图、数据安全防护与隐私保护,实现了数据随需共享、敏捷、自助、安全透明的目标。站在数字时代前行的巨轮上,希望能结合华为的经验、方法和思考,通过 华为云数据使能白皮书帮助现企业实现代际升级,打造用数据说话,用数据决策的现代化企业。3 01 愿景:愿景
10、:以“数据以“数据+AI”的能力使能的能力使能,打造打造数据数据驱动的现代化企业驱动的现代化企业 愿景|华为云数据使能白皮书 4 1.以“数据以“数据+AI”的能力使能,打造”的能力使能,打造数据数据驱驱动的现代化企业动的现代化企业 图 1-1 在这个“危”与“机”并存的 VUCA(波动性 Volatility、不确定性 Uncertainty、复杂性 Complexity、模糊性 Ambiguity)时代,每家企业都面临着众多机遇与挑战。企业要如何抓住机遇、规避风险,实现业务创新、收入利润增长、快速适应复杂多变的外部环境,数据是必不可少的关键词。以数字世界感知、映射、分析物理世界,通过数据优
11、化、控制、改造物理世界,实现数字世界对物理世界的重构,从而推动企业实现体验优化、效率提升、模式创新,完成数据驱动的企业变革。愿景|华为云数据使能白皮书 5 图 1-2 1.1 依托依托数智云脑数智云脑,用数据驱动企业实时决策,实现,用数据驱动企业实时决策,实现“类光速”管理“类光速”管理 VUCA 时代,现代化企业需要具备客观、敏捷、智能的数据能力,打造具备韧性的“类光速”的企业管理能力。由数据驱动的现代化数字企业能够以数据素数据为依据,将物理世界中的一切事物,从客观认知、记录,规则化和应用话地映射到数字世界。全方位感知企业内部运作与外部环境,形成精准洞察;同时将AI 和强大的数据分析与应用能
12、力注入企业的各个环节,实现不再是主要依赖“人的主观经验”、“人拉肩扛式的管理”,而是由数据驱动的自动化管理决策生成与业务作业自动执行的企业闭环。1.2 以云平台为基础支撑,以云平台为基础支撑,构建构建“经验即服务经验即服务”模式,模式,让优秀得以复制让优秀得以复制 进入十四五时期,围绕高质量发展命题,国家出台一系列数字经济发展规划和政策,产业数字化需求释放,催生云服务市场的进一步壮大,云厂商的重要性愈发凸显。华为云积极调整自身战略,提出“一切皆服务”,为企业数字化转型提供更好的“华为方案”。基础设施即服务:让业务全球可达 愿景|华为云数据使能白皮书 6 技术即服务:让创新触手可及 经验即服务:
13、让优秀得以复制 围绕其中的“经验即服务”,以云平台等数字技术平台为基础通过全量全要素的数据连接企业业务、增量可执行的知识体系沉淀、智慧自动的现代化应用赋能,实现“经历-经验-服务”的转化。华为通过自身数字化运营实践和数据管理变革实践总结出来的数据使能方法论及解决方案,以及灵活、先进的云平台,帮助企业建立从感知、分析、决策到落地执行的闭环运作模式,支撑企业全局的业务决策,实现联合全域作战,达到企业业务的智慧化运营。1.3 以“数据以“数据+AI”的能力重构企业价值流,驱动企业的能力重构企业价值流,驱动企业实现从单点实现从单点连接连接到万物互联的代际升级到万物互联的代际升级 数字化对物理世界的优化
14、,最重要的是打通了物理世界的孤岛,为我们重构了“全连接和零距离”的、以企业为平台核心的万物互联世界。而连接物理世界和数字世界的“桥梁“就是”数据“。相较于传统生产要素的有限增长和供给,数据具有可复制、可共享、无限增长和供给的特性,企业可以将物理世界的大量数据,结合前沿的 AI 技术,实现端到端的连接。领先的数字企业通过构建“数据+AI”的能力,从节点内的单点高效(1.0)发展为多点协同的企业作业(2.0),最终实现以全面拉通的数据为基础,以人为中心,构建互联互通的业务流、数据流,重塑企业边界,成为万物互联(3.0)的新型产业链作业模式,实现企业的代际升级。userid:139428,docid
15、:140806,date:2023-09-26, 愿景|华为云数据使能白皮书 7 1.4 企业使用数据的深度决定了数字企业的智慧程度企业使用数据的深度决定了数字企业的智慧程度 结合华为经验,我们按照数据能力应用深度的不同,将数字企业分划分为五个层次,分别匹配企业不同级别的数据能力、能力伙伴和发展结果。未来企业对于数据使用的深度,将直接决定企业的智慧程度。启动阶段:关键业务活动数字化,数据质量可支撑企业运营和经营管理的需求;初始阶段:业务过程数字化,利用 IT+OT 融合数据能力开展业务分析和预测预警,辅助业务改进和决策;成长阶段:通过数据分析和 AI 应用实现规则数字化,驱动业务流程自动化、智
16、能化升级;持续发展:有效利用上下游供应商、客户以及市场、竞品分析等外部数据,增加企业抗风险能力;行业引领:数据能力横向和纵向发展,赋能同行业企业、产业链上下游生态合作伙伴,引领整个产业的发展。图 1-3 8 02 挑战:挑战:现代化企业数据能现代化企业数据能力建设面临的困境力建设面临的困境 挑战|华为云数据使能白皮书 9 2 挑战:挑战:现代化企业数据能力建设面临的困现代化企业数据能力建设面临的困境境 2.1 六大六大挑战挑战成为影响现代化企业成为影响现代化企业发展发展的“木桶短板”的“木桶短板”目前绝大多数企业的数据应用深度还处于启动或初始层级,在多年的数字化探索过程中,一方面是由于在过去多
17、年的数字化探索过程中“摸着石头过河”,另一方面是因为随着业务高速发展,企业对数据应用的需求迅速扩大,成为企业面临的全新挑战。没有体系化的方案做指导,又希望数据应用建设能够尽快配合业务发展的脚步,很多企业为此引入了多套系统,导致企业的数据在“采存算管用”几方面积累了不少问题,逐渐形成了愈加沉重的历史包袱。同时,随着数据成为第五大生产要素,企业传统的单点孤岛式数据处理能力已经无法支撑其飞速发展的业务,成为了企业深化数据应用的掣肘,主要包括:1)缺乏对数据价值的深度理解缺乏对数据价值的深度理解:企业对数据能够带来的业务价值缺乏足够的认知和理解,没有建立起数据深度应用的目标与整体规划。由于对数据价值的
18、认知缺乏深度,大部分企业仅关注到了其难以体现、难以量化等特点,而忽略了数据能够带来的长远价值,因此错失了深入挖掘数据各方面价值的机会。挑战|华为云数据使能白皮书 10 图 2-1 2)企业治理机制与文化未能跟上企业治理机制与文化未能跟上数数字企业字企业发展的步伐发展的步伐:企业治理机制与文化作为企业价值观、行为准则和决策运营机制的基础,已经发展的日渐成熟。而在数据成为生产要素,数据能几何倍提高生产力,颠覆行业,创造新商业模式的新时代,企业对于数据治理的理解和认知是严重不足的。大部分企业未把数据治理上升到企业治理的层面,未从企业战略,组织机制,文化,业务发展的高度去进行数据能力建设和运营,而仅停
19、留在数字化部门,系统工具层面。3)数据孤岛现象严重数据孤岛现象严重:对于分散在不同系统的数据,企业缺乏有效的数据共享和交互机制,甚至数据分布、数据质量也犹如“盲盒”一般无法做到有效管理。数据采集往往仅覆盖交易类结果数据,更多具有潜在意义的过程数据未被采集,难以支撑基本的数据分析,更难以实现预测,挖掘,AI 等高阶分析。4)数据安全“堤坝”薄弱:数据安全“堤坝”薄弱:数据监管要求日趋严格,相关法规和标准逐渐出台,例如 个人信息保护法、数据安全法、网络安全法 等,数据安全技术水平、信息安全管理体系等方面提出了更高的要求。如何实现数据确权、控制访问权限和 挑战|华为云数据使能白皮书 11 平台安全,
20、确保数据可信与流通安全、保护用户隐私等,是企业终将面临的课题。5)技术平台难以支撑技术平台难以支撑对数据应用的对数据应用的需求需求:随着业务发展而产生的实时数据,体量巨大且类型繁杂,数据价值的发挥需要不同类型的数据跨源跨域相互融合与碰撞。全量全要素的大量数据需要低成本的压缩、储存,要求技术平台具备高扩展性、可伸缩性与高容灾性等特性,因此需要引入颠覆传统软件的处理方式,例如实时分析、AI 分析、云计算平台、分布式数据存储系统等。另一方面,对繁杂的、海量、非结构化的数据进行价值挖掘、延长数据生命周期,需要依托以 AI为核心搭建的多样化分析引擎。面对数据特征所决定的多样技术需求,企业只有大力提升技术
21、平台建设水平,才能保障数据应用逐步深化。6)难以做到长期资金投入与持难以做到长期资金投入与持续续变革变革:现代化企业的发展需要长期的资金投入与持续变革,其中包括基础设施建设、数据治理、业务流程重组等,都需要大量的资金投入以及数字化复合型人才的培养。然而现有的组织大多存在权责不统一、部门间难配合、付出与收益脱节、缺少数据人才等问题,难以支撑长期变革。因此企业需要做好长期规划和投资预算,确保在数据化发展上的资金投入与前期规划相匹配,以获得预期效益。面临不断更新的技术与变化,企业需依靠自身力量持续推动变革,保持其在市场上的竞争力和创新力。12 03 破局:破局:以咨询方法论为牵引,以“管理体系以咨询
22、方法论为牵引,以“管理体系+技术平台技术平台+应用场景”扎实落地,构筑企业应用场景”扎实落地,构筑企业级级数据使能数据使能方法论方法论 破局|华为云数据使能白皮书 13 3.破局:以规划咨询方法为牵引,以“管理破局:以规划咨询方法为牵引,以“管理体系体系+技术平台技术平台+应用场景”扎实落地,构应用场景”扎实落地,构筑企业级数据筑企业级数据使能方法使能方法论论 华为云提供融入华为变革管理和实践经验的数据使能方案。围绕“方法论+管理体系+技术平台+应用场景”为客户打造企业级数据能力,从咨询规划到平台建设落地,量身定制承接企业发展战略、深入行业业务场景、解决企业数据孤岛问题、持续释放数据价值的一站
23、式解决方案。以数据驱动业务变革,助力企业实现现代化的代际升级。图 3-1 破局|华为云数据使能白皮书 14 3.1 方法论:以数据方法论:以数据+AI 为核心,标准化项目实施方为核心,标准化项目实施方法,保障法,保障数据数据项目高效落地项目高效落地 华为认为在项目各个阶段,即立项预备、现状调研、蓝图规划、方案设计、开发实施和运营推广中都应以方法论为指导,以各阶段关键活动与重点输出交付件为牵引,进而引领企业完成体系化转型。图 3-2 3.1.1 立项预备:明确项目目标及范围,指导项目工作有序开展立项预备:明确项目目标及范围,指导项目工作有序开展 数据使能项目立项预备阶段的核心点在于引入核心业务部
24、门进行深度协作,以清晰定义业务问题,识别项目范围,获取高层支持,顺利完成数据使能项目立项。为深入理解企业期望通过数据使能达成的愿景,明确数据使能项目的诉求,将首先对企业进行预调研,进一步理解企业实施数据使能项目背后的业务动机后设立可度量的业务目标,确认项目目标及范围,制定项目计划并召开项目开工会。破局|华为云数据使能白皮书 15 3.1.2 现状调研:全面评现状调研:全面评估,明确需求与能力差距估,明确需求与能力差距 项目初始阶段,为了更好地明确企业需求,掌握企业数字化现状,保证数据能力建设方向与业务战略的匹配性,首先需要对企业进行情况“摸底”,包含数据管理体系调研、数据技术平台调研及数据应用
25、场景调研,为之后的企业数据能力发展规划提供改进方向和指导。3.1.3 蓝图规划:顶层规划,避免陷入点状化问题而忽略全局蓝图规划:顶层规划,避免陷入点状化问题而忽略全局 企业缺乏整体对于数据能力建设的整体规划就会导致点状化的发现和解决问题,类似的问题不断重复。因此企业需要通过企业战略与标杆案例解读、业务战略规划、数据使能体系规划、实施路径设计等核心任务来构建整体蓝图方案。蓝图方案应包含以下核心内容:通过对标业界最佳实践与企业战略,明确自身的差距,梳理本企业的数据管理需求;确定企业数据驱动的变革愿景和目标,并且梳理出具体变革点,包含:围绕构建企业级数据资产,规划数据治理及数据运营体系,明确数据管理
26、组织、制度、流程;基于端到端的价值流,规划数据应用场景,并根据企业数据成熟度和业务价值度,规划出演进路线;集合企业技术架构和数据管理需求,规划出能承载企业所需数据能力的数据技术平台;结合企业能力和建设价值等,规划企业实施路径。破局|华为云数据使能白皮书 16 3.1.4 方案设计:承接蓝图方案,紧贴业务方案设计:承接蓝图方案,紧贴业务,打造详细、可落地的方案,打造详细、可落地的方案 数据使能方案设计应承接蓝图规划,通过 IT+OT 融合数据能力驱动优化原有的业务运作模式,实现降本增效。数据数据管理管理体系设计:体系设计:以蓝图规划为导向,设计数据管理体系具体方案,包含数据治理体系、数据资产和数
27、据运营体系设计。其中,数据资产设计工作需要包含 IT、OT 等全数据要素,明确数据资产目录、数据标准、数据分布、数据模型。并进行数据认责、数据质量、数据安全及数据生命周期管理的规范、制度等详细方案设计。数据应用场景设计:数据应用场景设计:可视服务要按角色或场景构建,实时技术驱动业务即时感知和预判;分析决策应用需要业务主导,以用促建;数据挖掘和建模,优先对准高频、海量、复杂作业场景,让流程更高效、智能。数据技术平台设计:数据技术平台设计:以符合企业技术平台发展规划为前提,从当期应用场景和数据能力建设需求出发,进行能实施落地的数据技术方案设计。3.1.5 开发实施:“双模开发实施:“双模 IT,立
28、而不破,立而不破”华为始终基于“双模 IT、立而不破”的核心理念,数据能力建设不将现有系统和体系推到重来,而是需要实现新老系统对接与按需改造,将建设成本降到最低。在开发实施阶段将根据这一核心理念,围绕数据平台部署与实施数据平台部署与实施及数据应用数据应用场景开发场景开发两大模块,协助企业将数据能力建设实施落地。其中主要包括:云上集成架构部署 大数据技术平台部署 破局|华为云数据使能白皮书 17 数据集成开发 数据模型及 ETL 开发 数据指标开发 数据标签开发 数据质量规划开发 数据服务开发 数据应用开发及快速迭代 同时,数据管理体系数据管理体系需在此阶段进行试运行试运行,完成用户培训用户培训
29、、上线上线及支持支持工作。3.1.6 运营推广:数字化只有起点,没有终点运营推广:数字化只有起点,没有终点“数据能力建设只有起点,没有终点”,因此企业需承接变革项目的成果和经验,持续进行数据运营和推广。主动经营,主动感知,持续进行数据管理优化,推动业务创新,以应对相伴而生的挑战与机遇。企业在运营推广阶段不仅需要将现有成果进行固化与传播,还要根据业务发展需求对应用场景进行新增或优化应用场景进行新增或优化,随着应用场景和数据的不断丰富,对架构资架构资产进行产进行更新迭代更新迭代,持续进行数据平台数据平台监控和管理监控和管理,对数据全生命周期形成闭环管理。在此阶段,企业需要保证团队组织对数据使能体系
30、持续运营。破局|华为云数据使能白皮书 18 3.2 应用场景:对准业务战略,建设价值驱动的应用场景:对准业务战略,建设价值驱动的 IT 和和OT 的融合的融合数据应用场景,数据应用场景,实现实现以数据决策的现代以数据决策的现代化企业转型化企业转型 随着数据成为新的生产要素,AI 进入规模化应用时期,数据+AI 已成为企业业务的一部分。需要将数据、AI 对于业务的重塑考虑到业务战略中,确保企业的业务战略、价值流、业务能力能够紧跟数字时代、人工智能潮流,真正成为数据驱动型现代化企业。以华为为例:以“客户连接不中断、客户感情不降温、华为业务不下滑”这一战略要求为以“客户连接不中断、客户感情不降温、华
31、为业务不下滑”这一战略要求为目标,重点发力四大应用场景目标,重点发力四大应用场景 2019 年,华为在外部环境极端变化的情况下,提出“保连续,守安全”的数字化战略,核心目标是保障业务稳定运行,核心能力不丢失。2020 年,疫情爆发,商业环境愈加复杂且严峻,客户见不到了,交易没办法发生了,过去我们习以为常的事情现在不能做了,供应环境随着疫情的爆发变得极其不稳定。面临这样的发展目标与现实挑战,华为提出“客户连接不中断、客户感情不降温、华为业务不下滑”的新要求。为了实现上述要求,华为将数字化发力点放在了 4 大主要应用场景上:数字化营销、数字化交易、数字化供应和数字化办公,数字化营销、数字化交易、数
32、字化供应和数字化办公,从业务价值重塑出发,发挥数字化价值,成功保障了华为与客户、产业链、上下游的合作伙伴以及全球 19 万员工的不间断办公,利用数字化能力有效保证了华为的业务发展。破局|华为云数据使能白皮书 19 3.2.1 企业的数据应用场景分析框架,助力企业数智化战略落地企业的数据应用场景分析框架,助力企业数智化战略落地 要结合企业战略进行的价值流和价值流阶段的分解,识别出需构建核心和优化的业务能力,进而识别出对于数据支撑能力的需求;基于企业的数据能力需求,再结合端到端流程中的角色定位,了解用户的数据使用需求;基于用户对数据应用的定位和需求,利用从战略到执行的逐层分解方法,设计的数据应用框
33、架,明确展示的分析内容、关键绩效指标和具体数据标准定义;最后根据企业数据管理的成熟度(如数据的线上化程度、数据质量、业务在数字化的参与度等),选取合适的数据分析方法,从而整体规划出适合企业的数据应用场景。图 3-3 从战略从战略出出发梳理企业价值流,规划与之匹配的数据能力,指导数据智能场景发梳理企业价值流,规划与之匹配的数据能力,指导数据智能场景设计设计 业务场景的体系化设计,首先要从企业战略发出,通过战略解码梳理企业价值流及价值流阶段,识别需要构建或优化的业务能力。通过业务能力变化点分析,推导企业所需的数据能力,形成企业数据应用场景规划设计。图 3-4 破局|华为云数据使能白皮书 20 识别
34、用户角色,分析数据场景设计核心需求识别用户角色,分析数据场景设计核心需求 现代化企业需要具备“数据优先”的思维模式,即从 CEO 到一线员工都把数据当作日常决策、判断和工作执行的重要依据。在数据应用场景设计时,企业内外部、各层级各部门各角色对于数据与 AI 应用的需求都需要得到满足。图 3-5 从企业内部来看,我们主要可以将用户分成三类:战略层、管理层和执行层,每类用户的主要工作职责范围不同,关注的业务重点也不同,对数据应用场景的需求也不同。战略层:重点关注如何挖掘数据的价值,帮助企业高层了解企业整体发展状况,同时判断外部市场趋势,寻找企业制胜机会。管理层:重点关注如何通过实时准确的数据结果,
35、帮助管理者及时掌握企业运营情况,并快速定位问题和寻找解决方案。执行层:重点思考如何应用数据+AI 能力实现自动化执行,精准地触发活动、执行活动以及记录反馈结果,提高工作效率质量。卓越的数据应用场景设计,将会从根本上改变企业的决策传达与执行机制,破局|华为云数据使能白皮书 21 完成自动化智能决策执行闭环,实现“指数级”的效率提升,让企业运作“类光速”。从战略出发,利用从战略出发,利用 OPM 方法,方法,识别关键举措,形成统一标准的指标体系识别关键举措,形成统一标准的指标体系 从战略出发,通过连接业务战略目标和日常运营,将战略逐层分解到业务流程,识别支撑战略达成的关键流程和绩效指标,构建支撑战
36、略目标实现的各层级绩效指标间的关联关系,并最终通过指标的量化形成标准的指标体系。图 3-6 分析数据和工作复杂度,选取合适的建设路径,赋能业务,实现智能化和自分析数据和工作复杂度,选取合适的建设路径,赋能业务,实现智能化和自动化升级动化升级 通过数据和工作复杂性的四象限评估方法,可识别业务自动化和智能化的数据应用场景,推动数据分析应用的建设路径规划,不断提升业务的自动化比例以及辅助决策能力,最终为业务带来实际的收益。建议由简至繁推进,先聚焦效率模式,再逐步向协同/专家/创新模式扩展,破局|华为云数据使能白皮书 22 使业务作业更简单,更及时,更准确。图 3-7 数据复杂度主要从结构化、是否可获
37、取、数据质量、数据规模等视角考虑,工作复杂度主要从是否例行常规、是否可以预测及规则是否明确执行等方面考虑。1)效率模式效率模式 模式特点:仅需少量人工判断的日常工作,高度依赖于定义完善且容易理解的标准、规则,通过业务对象和业务规则的数字化能快速提升效率;如物流装车模拟仿真。建设要点:把日常工作涉及的物理对象数字化,把作业人员的作业规则固化为确定的业务规则由系统和机器自动执行。2)协同模式协同模式 模式特点:广泛延伸的互联型工作活动,高度依赖协调与沟通,对信息透明度和实时性要求高;如物流发货保障运营。建设要点:实现多方关联组织和人员围绕共同目标对信息进行共享,数 破局|华为云数据使能白皮书 23
38、 据实时获取并能通过系统实现协同工作,多方同步快速响应和决策。3)专家模式专家模式 模式特点:判断导向型工作,高度依赖于专业知识和经验,支撑业务决策;如订单智能排产、计划预测。建设要点:把专家经验转换为算法规则或特性,汇集海量的数据,通过算法提供智能化的专家解决方案。4)创新模式创新模式 模式特点:高度依赖于深厚专业知识、实验、探索和创新,数字化转型引发运营模式或业务模式创新,全局最优;如订单智能分批及自动履行。建设要点:综合运用端到端价值链信息可视、共享;业务规则驱动的自动化,数学建模提供的专家解决方案,核心是推动业务模式的创新。破局|华为云数据使能白皮书 24 3.3 管理体系:建立管理体
39、系:建立企业企业级的数据资产,结合常态化数级的数据资产,结合常态化数据治理及长效数据运营机制,持续迭代升级据治理及长效数据运营机制,持续迭代升级 只建不管,数字化建设成果最终只能被“束之高阁,无人问津”。建立企业级数据管理体系,需从数据治理、数据资产管理和数据运营三方面入手进行系统化数据管理,实现数据资产化,使数据价值得以充分释放。图 3-8 3.3.1 数据治理:企业级数据治理体系必须包含明确的数据战略、统一数据治理:企业级数据治理体系必须包含明确的数据战略、统一的政策、有力的组织机制和详细的管理规范的政策、有力的组织机制和详细的管理规范 数据成为重要的生产要素,而清洁的数据是企业数据应用的
40、基础。企业必须构筑一套企业级的数据综合治理体系,明确统一的数据规划、明确的总纲政策、有力的组织人才机制和细致的的管理规范,才能确保数据管理工作能在统一的规划下稳步推进。数据战略数据战略 数据战略规划是明确企业未来数据建设、管理、应用的方向,从而助力 破局|华为云数据使能白皮书 25 企业业务发展目标。数据战略需对齐业务战略。一般包含数据战略和蓝图规划两部分内容。总纲政策总纲政策 数据治理政策是数据治理的顶层设计,该政策明确了数据工作在企业治理体系中的地位,体现了企业管理层对数据工作重要性的统一认知。数据政策包含数据总纲和管理政策。数据总纲数据总纲:明确了数据治理最基本的原则,包括信息架构、数据
41、产生、数据应用及数据质量的职责和分工等,确保数据治理环境的有效构建。管理政策管理政策:包含信息架构管理政策、数据源管理政策和数据质量管理政策。信息架构管理政策通过明确对信息架构的管理要求,规范信息架构的建设和遵从原则,使企业的信息资产得到有效管理和重用。数据源管理政策通过明确企业在数据源建设和数据源使用方面的总体原则和要求,确保数据源头的统一,以及跨流程、跨系统数据的唯一性和一致性。数据质量管理政策过明确数据在创建、维护、应用过程中的规则及质量要求,确保数据真实可靠。组织机制组织机制 为支撑实施数据治理,需在企业范围内建立了一个企业级数据管理部,并明确其组织职责和运作机制。此组织负责制定数据管
42、理相关的政策、流程、方法和支撑系统,制定企业数据管理的战略规划和年度计划并监控落实。建立并维护企业数据管理组织,监控数据质量,披露重大数据问题,建立专业任职资格管理体系,提升企业数据管理能力,推动企业数据文化的建立和传播。破局|华为云数据使能白皮书 26 管理规范管理规范 企业需要建立一系列统一的、标准的流程规范,来明确数据治理的各项工作方法、要求、流程等内容,才能做到企业上下按照统一标准执行落地,有效保障了数据治理的合规性、统一性、标准化。企业数据治理流程规范包含信息架构规范、数据底座规范、数据质量规范和数据安全规范 4 个方面。3.3.2 数据资产:以数据化为前提,建立统一规范、安全共享的
43、数据底数据资产:以数据化为前提,建立统一规范、安全共享的数据底座与信息架构,以释放数据价值座与信息架构,以释放数据价值 良好的数据资产是释放数据要素价值的基础。在企业中,并非所有数据都能构成资产,只有那些能为组织带来价值的数据才能称之为数据资产,数据资产的形成有赖于企业对于数据进行主动的管理并形成有效控制。数据资产管理是以业务数字化为前提,数据信息架构为基础,搭建统一规范、安全共享的数据底座,最终推动数据共享与交易变现,释放数据价值。数据底座数据底座 在数据建设工作中,数据底座在数字化转型中起着关键作用。数据底座包含数据连接与数据服务。数据底座可以将企业内外部的数据汇聚在一起,对数据进行重新组
44、织和连接,让数据有清晰的定义和统一的结构,并在数据安全与隐私保护的前提下,让数据更易获取,最终打破数据孤岛和垄断,让企业数据以服务的方式提供出去,成为能为业务带来价值的数据资产。其中,数据连接包含了数据湖和主题联接,即将原始的内外部数据统一汇聚到数据湖中,并将其按照业务流/事件、对象/主体进行联接和规则计算,形成可进行消费的各主题数据。基于不同的数据消费需求,数据连接方式 破局|华为云数据使能白皮书 27 主要分为多维模型、图模型、指标、标签、算法模型 5 种。信息架构信息架构 信息架构是以结构化的方式描述在业务运作和管理决策中所需要的各类信息,以及这些信息之间相互关系的一套整体组件规范。企业
45、级信息架构是指以结构化的方式描述在业务运作和管理决策中所需要的各类信息及其关系的一套整体组件规范,包括数据资产目录、数据标准、企业级数据模型和数据分布四个组件。图 3-9 数据资产目录数据资产目录:数据资产目录形成完善的企业资产地图,也在一定程度上为企业数据治理、业务变革提供了指引。基于数据资产目录可以识别数据管理责任,解决数据问题争议,帮助企业更好地对业务变革进行规划设计,避免重复建设。数据标准数据标准:是定义企业层面需共同遵守的属性层数据含义和业务规则,是企业层面对某个数据的共同理解。业务数据标准有严格的限定,要求每个数据标准应该覆盖业务、技术、管理三个方面的需求。数据模型数据模型:是从数
46、据视角对现实世 破局|华为云数据使能白皮书 28 界特征的模拟和抽象,根据业务需求抽取信息的主要特征,反映业务信息(对象)之间的关联关系。数据模型不仅能比较真实地模拟业务(场景),同时也是对重要业务模式和规则的固化。数据分布数据分布:如果说前三个组件主要是从静态角度对数据、数据关系进行定义,那么数据分布则定义了数据产生的源头及在各流程和 IT 系统间的流动情况。数据分布组件的核心是数据源,指业务上首次正式发布某项数据的应用系统,并经过数据管理专业组织认证,作为企业范围内唯一数据源头被周边系统调用。价值释放价值释放 数据价值释放是通过数据共享交换和数据交易流通的方式,加速数据资产在组织内部共享,
47、或向企业外部提供用于交易获取的信息。在安全合规的前提下,以数据或其衍生形态进行共享或交易,扩大数据使用的范围,推动数据资产在企业内外部的价值释放。3.3.3 数据运营:开展长效数据运营与持续跟踪,不断提高数据资产价数据运营:开展长效数据运营与持续跟踪,不断提高数据资产价值值 数据管理是一项长期性的工作,需要企业持续进行维护更新和迭代升级,以确保数据资产的迭代和完善,不断适应和满足数据的应用和创新需求。数据成熟度数据成熟度 在数据运营阶段,企业可参照前期项目进行的数据成熟度评估方法,不定期地为企业进行数据运营效果的评估,用以判断一定周期内数据运营工作的效果如何,企业是否在成熟度上有所提高,也可以
48、识别当前企业的主 破局|华为云数据使能白皮书 29 要短板,为下个阶段的数据建设工作提供方向和靶子。运营保障运营保障 为保障各项数据运营工作有效开展,推动数据运营有序进行,企业需要提供有力的运营保障机制,包含组织人才、培训宣贯、绩效考核、平台工具等;并持续性对运营情况进行评价,帮助不断完善数据运营。运营执行运营执行 在有效的运营保障机制下,数据运营的最终效果很大程度上取决于运营工作的执行。企业数据运营执行包含信息架构运营、数据底座运营、数据质量运营和数据安全运营。其中,运营执行包含信息架构运营、数据底座运营、数据质量运营和数据安全运营四个方面:信息架构运营信息架构运营:随着数据资产的新增和更新
49、,需要同步对业务对象及其属性进行维护;同时,数据标准也需要根据业务的变化进行优化和调整,对不适用的数据标准做及时下架处理;数据底座运营数据底座运营:由于数据应用建设新需求的增加或优化,数据底座也需要成功供应和消费两侧进行调整,包含但不限于数据源的增加、数据间关联关系的更新、数据服务范围扩大等 数据质量运营数据质量运营:在运营阶段,数据会被频繁使用、调整,且数据间关系错综复杂,因此企业在数据管理的各个环节都要严格按照数据质量管理规范,做好数据质量保障工作。数据安全运营数据安全运营:随着数据运营的发展,企业会有越来越多数据被共享,这对企业数据安全运营工作提出了更高的要求。企业要建立起全面有效的数据
50、安全管控机制,并从数据安全分级、隐私保护、数据授权等方面做好安全合规管控工作。破局|华为云数据使能白皮书 30 3.4 技术平台:经验即服务技术平台:经验即服务 技术平台围绕着数据的流转、加工治理、计算分析的价值链,构建全链路数据平台,主要提供核心的海量数据处理能力,包括数据接入、数据存储、数据计算、数据分析(包括查询检索、分析挖掘、实时分析等能力)和数据治理。从资源管理的角度考虑,未来数据平台的建设思路是实现平台系统全面云化,基于云平台构建企业统一数据平台,为企业各业务部门、管理部门共享统一的计算资源,以保证业务数据安全访问以及关键业务对计算资源的使用需求。大数据平台需建立完善的多租管理模型