iT邦幫忙

2021 iThome 鐵人賽

DAY 2
0
DevOps

中台化轉型系列 第 2

資料管理能力成熟度模型(DCMM)

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。


上一篇
數字化轉型與中台建設
下一篇
資料分析成熟度模型(Data Analytics Maturity Model, DAMM)
系列文
中台化轉型30

尚未有邦友留言

立即登入留言