資料管理能力成熟度模型(Data Management Capability Maturity Model, DCMM)

建設資料驅動(Data Driven)的"數據中台"是眾多企業的戰略技術趨勢。
客觀地度量自己的金融科技生態(Fintech Eco-system)以及能力成熟度，才能確保企業的發展方向是否正確。
資料倉儲集中管理並整合來自於大量來源的大量資料，是建立資料生態系的第一步，而同時具備資料和資料的分析能力，才能從資料中提煉出有價值的訊息。

1. 資料流程自動化
   資料流程自動化指的是從資料產生到使用，中間不須人工參與，全部通過系統集成(System Integration)。
   外部資料和業務人工維護資料有時是業務流程中的重要部分，卻很難被自動化擷取和處理，而資料缺失會導致資料分析的準確性。
   • 資料流程自動化：
     • 制定統一規範的格式
     • 持續進行業務流程的訊息化升級和改造
       消除人工資料，並確保資料經過系統的校驗和規範化處理
     • 成立資料治理單位
       從管理層建立"資料資產"意識，有計劃地規範和治理企業的資料生態
2. 報表與資料可視化
   包含生產、供應鏈、銷售、市場、財務等不同的業務，以每日(Daily)為時間顆粒度，透過報表工具向業務和管理人員提供表格或圖形化報表。
   • 資料倉儲的瓶頸：
     • 缺乏水平伸縮(Scaling)能力
       無法應對資料爆炸式增長
     • 只能處理關係型資料
       無法處理由各種新業務形態產生的非結構型資料
     • 只能進行批處理
       缺乏實時資料處理能力
3. 業務融合
   在資料分析結果的支持之下，所做出的判斷和決策是一種被動的方式，沒有充分的發揮出資料蘊含的潛能。
   從傳統的"資料倉儲"、"資料湖泊(Data Lake)"到"數據中台"的概念，主要還是以大數作為技術核心。
   • 資料驅動型企業在具備了大數據處理能力之後，借助 AI 和機器學習而實現的一種更加智能的企業資訊化水平：
     • 資料分析的結果直接反饋回業務系統
     • 多種維度資料融合，可以更加準確地描述資料背後的"事實"
     • 實時的資料處理能力，讓業務用戶實時掌握資料
   • 案例分析：
     • 會員評比：
       CRM系統中的會員評比是一個邏輯複雜的大量計算，會員的每一筆交易行為都會觸發計算，實現用戶積分的實時計算和更新。
       流式計算(Stream Computing)實時處理用戶交易和行為資料，並更新用戶評比，藉助大數據的計算能力來實現業務上的資料處理需求。
     • 用戶畫像系統：
       基於用戶的基本資料，消費記錄等多種資料進行資料建模之後，利用演算法生成的一套標籤系統，刻畫了用戶的特徵和屬性。
       用戶畫像在CRM、精準營銷和以用戶為中心的產品與服務創新上起著重要作用，功能和定位是業務導向系統。
4. 洞察與預測
   洞察與預測是資料金字塔最頂端的價值輸出。
   運用AI和深度學習算法對資料進行深度地洞察，揭示傳統分析方法無法發現的資料特徵，並基於現有資料對未來趨勢進行預測。
   • 案例分析：
     • 智能客服系統：
       可以針對用戶提出的問題進行語義識別，然後根據提出的問題在知識圖譜中進行搜索，尋找匹配的答案或決策。

決策支持與業務創新

最重要的還是建立業務與技術團隊之間的協作關係，"用數據說話"，才能產出商業價值。
業務人員需要學習通過資料分析業務現狀以作出決策。
技術人員需要學習業務流程並不斷資料平台技術能力。