政务数据中台整体解决方案.pptx

《政务数据中台整体解决方案.pptx》由会员分享，可在线阅读，更多相关《政务数据中台整体解决方案.pptx（126页珍藏版）》请在悟道方案网上搜索。

1、政务数据中台整体解决方案,提 纲,一、数据中台：数字化转型的发动机 二、数据中台运营策略及行业机会分析 三、政务数据中台整体解决方案,一、数据中台：数字化转型的发动机,0、中台的起源,中台这个概念早期是由美军的作战体系演化而来的，技术上所说的“中台”主要是指学习这种高效、灵活和强大的指挥作战体系。电商经过十几年的发展，组织已经庞大而复杂，业务不断细化拆分，也导致野蛮发展的系统越来越不可维护，开发和改造效率极低，也有很多新业务不得不重复造轮子，所以中台的目标是为了解决效率问题，同时降低创新成本。,1、中台出现的历史背景,企业信息孤岛、系统孤岛越来越严重,重复造轮子，系统愈发臃肿，费时费力费钱,研

2、发进度慢，无法适应业务快速迭代的需求,2、互联网中台的鼻祖-Supercell,Supercell是一家芬兰的手机游戏公司，一个高产的游戏孵化器，在几年内开发出了10款以上的游戏，但是大部分用于试错的游戏都在研发过程中被腰斩了，最终呈献给用户的几款游戏都是经典中的经典。 是什么让Supercell公司能够如此高效地试错和迭代呢？,2、中台的鼻祖-Supercell,通过一个强大的“中台”来提供系统研发所需的共享资源，支撑起各个游戏开发的小团队。他们开发出的游戏看上去风格迥异，却存在许多共同之处： 在业务上，共通的东西包括支付系统、用户系统等等； 在技术上，共同的东西包括游戏引擎，内部开发工具等

3、等； 在组织上，形成“部落”式的研发组织结构，以快读响应业务需求变化。,2、中台的鼻祖-Supercell,3、到底什么是中台？,3、到底什么是中台？,3、到底什么是中台？,4、中台战略的7个核心要素,5、中台的发展历程回顾,6、阿里的中台战略-“ 大中台，小前台 ”,阿里巴巴在2015年12月进行组织升级，就是“大中台，小前台”的模式。主要的思路是： 打破原来树状结构，小前台距离一线更近，业务全能，这样便于快速决策、敏捷行动； 支持类的业务放在中台，扮演平台支撑的角色。 下图阿里巴巴许多产品线的共通业务经过下沉，形成了中台的各种业务中心，而Aliware则是阿里巴巴的技术中间件平台，为各大业

4、务线提供技术支持。,7、华为的中台战略-“平台炮火支撑精兵作战”,华为把作战小分队比喻为前台项目团队，把中台比喻成战地指挥部。在这个比喻当中，中台的作用就是提供资源支持：要数据给数据、要技术给技术。,8、阿里中台VS腾讯中台,9、中台架构与传统架构的比较,传统烟囱式架构,应用与资源绑定，闲时资源利用率低，造成资源浪费 重复功能建设和维护成本增加 业务和资产无法有效沉淀，缺乏敏捷能力，影响企业发展 形成“数据孤岛”，不同应用间数据无法共享 为打通系统引入ESB或其他方案，集成协作成本高昂,应用与资源分开，促进资源的充分共享 有效解决企业数据孤岛问题，最大化挖掘数据价值 业务中台和数据中台相互支撑

5、，实现降本增效 能够快加快速响应前台业务的变化需求 最大限度减少重复建设，降低系统的复杂度,升级后中台架构,二、数据中台运营策略及行业机会分析,1、为什么企业要实施中台战略？,后台，无法快速响应前台的需求 慢：稳定至上，响应速度慢 贵：大量的服务年费，改功能贵 危：企业核心资源，改动风险高,中台，为前台而生，是前台与后台之间的变速齿轮。,前台，快速响应前端用户的需求，讲究的是快速创新迭代，所以要求转速越快越好。,2、哪些企业适合实施中台战略？,不是所有公司都需要数据中台，是否进行数据中台的建设与企业所处行业、阶段、数据成熟度相关。初创公司、业务较为单一的企业，现阶段不适合搭建中台，因为数据中台

6、建设模式较重，需要投入较高的资金和人力成本，短期内反而不利于 企业的发展，更应在现有业务上专注。,适合中台战略的企业画像,多个后台管理系统，需要打通,整合产业链上下游，整合内外资源,组织结构复杂，部门之间协作困难,3、中台输出的核心价值有哪些？,增强数字运营力及业务响应力，提升企业竞争力 数据层面，中台首先要解决数据孤岛问题。通过对数据的采集、提炼分析和集中化管理，形成企业的数据资产，服务于企业的各项业务，解决数据的“汇管用”问题。 业务层面，通过对各业务模块去重和沉淀，共享通用模块，让前台业务可以更加敏捷面对市场，实现企业新业务的快速上线与迭代试错，服务更多场景，提升业务响应能力。 技术层面

7、，避免重复开发，技术迭代升级更加高效，可按需扩展服务，让技术架构更加开放、稳定、可扩展。,去重沉淀,复用共享,业务创新,数据中台的三大特征,数据中台四大核心价值,4、中台建设的典型架构,业务中台+数据中台”双中台是最典型的中台架构， 业务中台是基础，进行业务数字化，产生的数据不断反馈到数据中台，进行数据资产化，驱动业务创新发展，两者相辅相成，相互演进融合，形成增强闭环。 用户中台、内容中台是数据中台的特殊形式。 技术中台是为了更好地支撑业务中台和数据中台快速建设，因此目前技术中台更偏“稳定”，所以从宏观视角来看，技术中台可归为技术平台。,中台建设的“双中台”典型架构,4、中台建设的典型架构-业

8、务中台,实现业务在线化，为新业务场景的搭建及创新提供能力支持,业务中台将企业的业务规则、流程、逻辑与业务进行隔离，整合封装成微服务、组件等前台友好的可复用共享的能力，将一切业务数据化，实现业务在线化，提高整体业务的灵活性和响应速度，实现后台资源到前台敏捷复用能力的转化。业务中台承载了企业所有通用业务，每个微服务代表了一项业务能力。 业务中台的建设让企业回归SOA的本质，为前台提供不同业务需求的支持，赋予业务快速孵化、创新和试错能力。升级迭代可以以微服务为颗粒度展开，更为高效。,业务中台的能力中心,4、中台建设的典型架构-数据中台,形成数据资产发挥数据价值，为前台业务赋能,数据中台从后台及业务中

9、台将数据汇入，进行数据的共享融合、组织处理、建模分析、管理治理和服务应用，统一数据标 准口径，以API的方式提供服务，是综合性数据能力平台。数据中台为前台业务部门提供决策快速响应、精细化运营及应用支撑等，让数据业务化，避免“数据孤岛”的出现，提升业务效率，更好地驱动业务发展和创新。 数据中台包含数仓体系、数据服务集等，是一套数据运营机制，加速从数据到数据资产的价值转变，决策模式由“经验驱动”向“分析驱动”转变。,数据中台构架与数据治理流程,数 据 采 集 层,数据计算层,数据治理层,Kafka,ODS,数据资产层,服务接口,数 据 应 用 层,服务层,智能BI,多维分析,数据整合 数据清洗 数

10、据沉淀,资产价值化,数据服务集,5、中台战略与企业组织变革,6、不同类型企业如何选择自己的中台战略？,需根据企业数字化变革驱动力及产业链所处位置综合考,企业中台建设策略,靠近消费端的企业（如快消品、汽车制造、金融、医疗、教育等）积累了大量数据，对数据中台的需求更迫切， 利用数据中台把业务处理需求和用户需求进行有效连接，让数据产生业务价值。 在行业中处于垄断地位的企业，建立业务 中台或是优选路径，以提升企业的运营和创新。 拥有较强技术实力的企业会先通过调整IT架构，搭建技术中台来驱动自身 业务中台和数据中台的建设，如互联网巨头从组织、技术等推动中台的落地。,7、中台战略实施的基本路径,企业战略、

11、行业趋势分析,客户研究及业务调研,资源盘点及领域分析,持续优化,8、中台战略实施面临的困惑？,9、成功实施中台战略，有哪些注意事项？,中台建设需要整合企业内部、企业外部的各种优势资源，为企业增长提供支撑，如何平衡各利益相关者之间的利益关系，是中台战略实施成功的基础。,一、注意平衡各利益相关者之间的利益,9、成功实施中台战略，有哪些注意事项？,二、避免过度设计，在技术和业务之间平衡,案例：某个项目中台设计之初，整体拆分出了80个微服务，16个共同组件，需要应用服务器86台，人员维护成本相当高。优化以后，微服务缩减到了26个，应用服务器只需要33台。,大部分微服务案例只能看到微服务架构的“演进结果

12、”，而看不到微服务架构的“演进过程”。这就像每个人看到一个架构的高峰，却看不到攀登高峰的路径。这就给很多架构师一个假象：微服务的架构是通过能力极高的架构师一步到位设计出来的。 在中台建设过程中，往往也会陷入这样的误区。软件架构的最基本规律是解决当前的需求和痛点，无法对没有出现的问题和痛点进行设计。一步到位的整体的微服务架构设计完全没有必要。 况且一个集中化的设计很难体现微服务的轻量级优势，因此也违背了创新工作法的原则，结果会导致业务真正需要创新的时候，把之前设计的内容又推翻重来。 微服务不是越多越好，一定要根据实际的业务做相应的匹配，设置一个独立的业务单元，单独提供一个系统服务。,9、成功实施

13、中台战略，有哪些注意事项？,三、吃透业务，平衡利益，对业务进行精准拆分,对业务理解不透，导致业务梳理和系统规划的时候抓不住重点，设计出的系统不能满足实际需求,案例：某企业的业务复杂度高，同时存在各种销售模式，有直销、经销、预售等；存在多业态，有商业地产、泊寓、教育、酒店；存在多种会员类别，有家庭会员、个人会员。 在业务设计之初为了能够快速响应业务需求，将用户中心与会员中心的服务进行了整合，但随着业务的发展，在迭代开发过程中造成了大量的混乱信息，使团队的管理和维护成本大大增加。 后续还是将用户中心与会员中心分开才解决问题，过程中走了很多弯路。,案例剖析：茅台老总怒了！请中台项目经理出来背锅,茅台

14、中台项目因为甲方有名、金额大，一度是最引人瞩目的中台案子，也极具代表性。 而项目乙方，云徙科技，作为阿里云智能生态核心伙伴，阿里中台战略国内首家实践者、创新者，是绝对配得起茅台的咖位的。 强强联合，看上去再合适不过，但为何做到最后，却引起了茅台老总的勃然大怒？,“一分钱都不给，让你们滚出茅台。”由于茅台对中台服务公司“云徙科技”承建的中台项目极不满意，一度如此放话。,10、案例剖析：茅台的中台战略实施,问题1：项目目标不清,战略目标不清晰，直接导致项目目标不清晰；项目目标不清晰，那么项目需求范围也无法明确。,云徙的做法是，直接把在阿里建立中台的经验照搬到茅台。,但事实上茅台的业务、目标和阿里的

15、业务、目标是完全迥异的。完全照搬意味着项目组必须要走很多弯路，才能找到最适配茅台的中台模式。 确定项目目标，是项目经理的职责。 云徙的项目经理犯的错误就是：把“执行”当成了“目标” “建立中台”是行动，并非目标。“建立中台能为企业带来什么”，才是目标。 如果做项目一开始连目标是什么都搞不清楚，范围蔓延，需求镀金等“天坑”就会接踵而至。那么项目延期是必然的，项目经理背锅也是必然的。,问题2:风险预估不足,墨菲定律告诉我们，如果事情有变坏可能，不管这种可能性有多小，它总会发生。映像到风险管理中，凡是可能产生风险地方，都有发生的可能。,在项目调研初期，云徙项目组成员发现茅台仓储的工人抗拒信息化，只接

16、受用手写单据的形式记录货品。 而且，管理茅台仓库的人，每个月有一定比例的报损额。他们可以把这些茅台酒报损后再拿去卖，但如果用电脑扫描进 ERP 的话，就没法操作了。 也就是说，只有改变茅台原有的组织管理架构，才能有效地建立起中台。这无疑会触碰到很多管理者的利益。 阿里式的组织调整，对很多企业来说都是非常敏感的。云徙并没有考虑到这一点，理所当然地把阿里中台架构直接照搬，无视了可能会因此出现的大量风险。,问题3：客户预期管理失败,如今的失望，来自于最初极高的期望。,云徙前技术骨干周宏发现，销售去客户那讲 PPT 的时候，“什么都承诺，什么东西都有，”造成一种中台能“包治百病”的感觉。 “在PPT

17、第二页“茅台云商平台战略构想”中，几乎聚合了所有时下的热门互联网理念：O2O、B2B、B2C、众筹、物联网、金融服务、区块链” 对项目经理来说，坑有大小深浅。售前人员为提高签单率，给予客户较高的承诺，导致期望值过高，这显然属于又大又深的那一类坑。 售前吹出去的牛，项目组来扛。扛不住的时候，和客户之间的矛盾一触即发。在客户眼里，当初承诺好的，你们乙方项目组现在做不到，无异于骗子。,15,中国数据中台市场发展现状,20167,21966,23821,25974,28228,8.0%7.4%7.3%8.6%,20172018 比上年实际增长（%）,市场环境驱动,201420152016 平均数绝对水

18、平（元）,数字化浪潮下，消费者需求多样化，企业竞争越来越激烈 2013年至今，国家先后出台了多项与数字化相关的重要方针政策，全面引领、保障中国的数字化建设，为数字经济的发展 创造良好了环境。当前，数字经济蓬勃发展，基于数据的数字技术创新已发展为新的经济增长驱动力。 同时，人均收入保持增长，消费水平不断提高，2018年居民人均可支配收入达到28228元。移动端网民规模达8.17亿，网 络购物用户规模达6.10亿。人们的消费习惯不断发生变化，也改变了企业的商业模式。在数字化、新零售的背景下，消费 者的需求多样化，消费体验场景碎片化，企业间的竞争重点已从产品创新演变成对市场的争夺。尤其是近年来，在宏

19、观环 境和用户需求快速变化的压力下，市场竞争变得更加激烈，企业面临生态、模式的重塑。在争夺市场的战斗中，跟得上用 户需求成为企业考虑的首位，所以数据中台的出现也是由中国产业的竞争现状决定，将在未来很长时间内受到关注。 2014-2018年中国数字经济规模及占GDP比重2014-2018年中国居民人均可支配收入平均数,18.6 16.2,22.6,27.2,31.3,26.1%,27.5%,30.3%,32.9%6.3%,34.8%,201420152016 数字经济规模（万亿元）,20172018 占GDP比重（%）,市场环境驱动,互联网流量红利消失，企业对增长的需求驱动精细化运作变革 中国互

20、联网已经逐步进入存量时代，流量红利逐渐消失，企业的营销战略也从过去粗放式的流量扩张向精细化运营方向迁 移。零售端企业以消费者为核心，以数据为驱动，希望通过技术和数据实现供给端和需求端的协同，利用数据优化各环节， 建立客户洞察，降低获取顾客的边际成本，精益化运营，以此打造满足消费者需求的产品和服务，提升企业业绩，提高消 费者的忠诚度。另一方面，制造业已进入买方市场，企业向数字化智能制造转型成为行业共识。制造端企业逐渐转向精益 生产，通过打破内部生产边界，将产业上下游、企业之间、企业与终端之间等多个利益相关的数据，进行汇聚分析，为供 给端企业的生产研发、采销、营销等环节提供考量。而为提高客户留存，

21、转变销售过程，提高数据运营能力，加大数字营 销比例，推动企业增长，实现全渠道触点，数据中台成了企业精准营销最关注的领域。 2008-2018年中国网民规模增长情况,3.0,3.8,4.6,5.1,5.6,6.2,6.5,6.9,7.3,7.7,1.2,2.3,3.0,3.6,4.2,5.0,5.6,6.2,7.0,7.5,8.3 8.2,28.9%,19.1%,12.2%,9.9%,9.5%,5.1%,6.1%,6.3%,5.6%,7.3%,200820092010 中国网民规模（亿人）,201120122013 中国手机网民规模（亿人）,20142015 中国网民增长率（%）,39.5%,6

22、0.8%,66.2%,69.3%,74.5%,81.0%,85.8%,90.1%,95.1%,97.5%98.6%,201620172018 手机网民占整体网民比例（%）,以满足顾客个性化需求为价值目标,以数字技术为效率和创新的原动力,信息系统/平台完善度 流程/服务效率 数据应用深度 智能化场景应用 技术应用潜力 ,需求端驱动,降本提效、提升竞争力是企业数字化转型的核心诉求 数字经济推动产业互联网的发展，企业利用数字化解决方案，打通线上线下，重构数字化价值链，达到降本提效、提升企 业竞争力的目的。因此，数字化转型是企业适应宏观环境和用户需求并更好生存的必由之路。合理的数字化转型路径应当 从源

23、头入手，完成企业决策、运营、生产、服务、盈利全链条端到端的数字化升级。通过转型让企业从后台的臃肿繁琐中 解脱，降低沟通成本、提升协作效率，实现前台业务的快速决策、敏捷行动，进而在市场竞争中获得更强的竞争力。一旦 数据反馈出业务问题，企业也可以快速地调整业务策略和业务应用。并助力企业寻找创造新模式，刺激增长的新途径，进 行颠覆式创新。 传统产业数字化转型路径及两大核心驱动力,业务数字化,数据资产化 延长产业链、拓宽产业范围 数字化收入规模/占比/增加率 数字化增值服务 用户体验和个性化服务 ,数字化业务,企业数字化转型,数字技术应用,用户中心思维,降本增效推动创新,主权移交私域用户,31,432

24、.7,33,327.2,33,618.8,41,568.7,45,613.9,搜索引擎 综合门户 网上购物 搜索引擎 综合门户,需求端驱动,8,103820.0,107736.9,131584.3 129692.1 128601.3,视频服务 实用工具 通讯聊天 应用分发 便捷生活,PC端月度总覆盖人数(万人)移动端月度总独立设备数(万台),业务数据化让企业对数据价值有了更深的认识 2004年至今，互联网思维对整个产业产生深刻影响，绝大多数企业已基本完成基础IT架构的建设。2013年后移动互联网 的发展，为全行业提供了大量的数据通道，产生了海量数据。但企业内部系统（比如ERP、CRM）集中于数

25、据记录和流程 的执行，只解决了企业管理的效率问题，但系统中的数据没能反哺企业本身，提升企业的洞察与决策，完善企业的调节机 制，为企业的管理提供价值。这些系统当初建造时投入巨大，而随着整个业务形态的改变，若想改动却困难重重。随着技 术的发展，线上线下的深度融合，数据的获取门槛越来越低，更多行业的业务数据量超过了以往任何时刻，挖掘数据的价 值，提高管理、决策水平已成共识。 2019年9月中国各类网络服务覆盖人数/设备数数据使用方法论框架,用,存,通,数据,服务,业务,资产,数 据 业 务 化,业 务 数 据 化,连通数据孤岛,服 务 业 务 化,业 务 数 据 资 产 化,资产服务化,数 字 中

26、台,底层支持,综合应用,技术发展驱动,研发设计,生产制造,消费使用,传统研发生产模式数据驱动研发生产模式,研发设计,生产制造,消费端,数据中台,生产控制,数据生成,连接,交互,计算,需求传递与驱动,互联网进入下半场，企业对系统敏捷化的诉求成了刚需 产业互联网要求企业通过数据化运营指导生产和业务。因此传统企业走向云化，核心业务实现在线化。与互联网的融合连 接在广度和深度上不断拓展，围绕业务和用户的新模式在生产、技术、供应链等方面全面创新，重组生产要素及运营模式。 业务在线化让企业对系统的敏捷化成为刚需。而传统企业内部IT能力弱，多数转为向外部求助。面对中国4000万中小企业 的巨大蓝海，阿里、腾

27、讯、百度、京东、美团等互联网大厂开始发力To B业务。实施“中台战略”推动内部协同，减少重 复开发，向B端客户开放能力，推动企业数字化转型的同时，扩大自身行业版图。产业互联网本质是“用数据贯穿整个产 业链，提高生产效能”，企业的中台能力决定了在产业互联网时代的竞争力。 产业互联网带来的生产模式转变产业互联网企业服务所需能力,产业 经验,To B 的产业服务需要对产业的业务逻辑、生产流程、产 业链及周边有深度的认知，才能精准抓住产业客户的痛点， 提供解决方案，以满足对产品、业务细节的把控要求。,产业 数据,数据是产业互联网的运转核心，从B端各环节采集汇集相 关数据，聚合分析形成经验，并通过技术进

28、行智能化改造 升级,技术云计算 5G IoT 大数据 实现虚拟化 分布式 云安全 ,AI 区块链 机器人 智能硬件,技术发展驱动,作为大数据支撑业务的纽带，符合微服务化趋势 近几年大数据技术得到不断发展，在企业业务多元化、复杂化的形势下，大数据与业务也在不断融合，客户不再满足于简 单的业务分析、统计，数据中台运用大数据技术提升数据处理效率，对数据进行结构化以更好地将数据与业务进行连接， 提升数据的可用性，释放数据应用价值，为客户提供更高效的个性化应用服务。 容器技术的不断成熟，其一致性分发手段和运行环境让微服务得到大规模实践。微服务是从系统架构的角度出发，构建灵 活、易扩展的系统，是应用面向服

29、务架构（SOA）在互联网时代敏捷开发需求及云化趋势下的传承。为实现快速响应业务 需求和创新需求的目标，企业以微服务的方式对领域模型进行拆分，在多种技术的支撑下构提供块化、组件化、共享化的 服务，由此组成数据中台，以方便前台灵活调用业务组件来编排业务模块。 技术架构发展阶段 单体架构垂直架构SOA架构微服务架构,， 。,，,最基础的IT 技术架 构， 所有代码都在 一个产品或项目中 所有的功能也都运 行在同一个进程中 易于开发、测试、 部署。但随着代码 量的增加， 维护成 本、开发周期增加 性能有瓶颈。,。,分层是典型的复杂 系统， 通过将单一 应用拆分成互不相 干的几个应用， 提 升整体效率。

30、不同 层之间可用不同的 技术实现， 但应用 间耦合性较大， 维 护成本高、有瓶颈 MVC是非常常见的 三层架构模式。,SOA的架构思想将 重复公用的功能抽 取为组件， 以服务 的方式给各个系统 提供服务。提高开 发效率， 提高系统 的可重用性、可维 护性。缺点是不利 于开发和维护， 成 本高。,。,，,以开发一组小型服 务的方式来开发一 个独立的应用系统 其中每个服务都是 独立进程， 常采用 REST的机制来相互 通信。启动快， 易 于开发维护， 技术 栈不受限， 按需伸 缩。对运维要求高 有分布式固有的复 杂性。,中国数据中台市场规模,企业需求增加，行业迎来爆发期，未来将达千亿规模 中国数据

31、中台市场正处于高速发展时期，增长势头明显，主要因为2016年后国内独立软件服务商开始布局数据中台业务， 以及创新型企业的进入，市场需求增加后，行业规模快速扩张。2018年，中国数据中台规模为22.2亿元，预计在2019- 2022年间保持72.1%的复合年均增长率，2022年有望达到179.4亿元，未来整个数据中台市场将成长为千亿级别。 与此同时，随着数据中台的理念逐步深入企业，相比传统ERP、CRM、HRM等系统，数据中台的前后台整合与技术业务 的高效联动，或将改变企业的管理体系，也将改变企业未来软件服务的选择。目前，数据中台的渗透率较低，增量空间巨 大，在企业数字化转型驱动下，需求增加，因

32、此数据中台市场规模将迎来爆发期。 2018-2022年中国数据中台市场规模,22.2,52.2,85.3,125.7,179.4,135.0%,63.3%,47.5%,42.7%,2018,2019e,2022e,2020e 市场规模（亿元）,2021e 增长率（%）,在中台价值初显后， 不同类型的厂商开始 进入数据中台市场， 市场规模增长迅速。,随着进入厂 商的增多， 企业可选择 面增加， 服 务费用下降， 逐渐向买方 市场转变。,中国数据中台行业发展现状（1/5）,探索起步期,应用成熟期,市 场,认,可 度,时间,数据中台逐步受到市 场关注，互联网企业 率先将数据中台应用 落地。与之相关的

33、创 新性企业相继发布典 型产品和服务。,中大型企业相继建设数据中台，数 字中台由概念向应用落地转变。众 多细分领域产品上线，市场头部企 业初现，资本市场高度关注。 快速推进期规模发展期产业消化期,数据中台概念广泛普及， 市场认知加深，企业用 户不断增加，细分市场 涌现。,行业处于探索实践阶段，规模应用落地仍需时日 数据中台现在正处于早期阶段，真正建设数据中台或用来进行系统升级的企业比例很小。各领域行业内，面向消费者端的 行业还没有特别成熟的方法和工具，不同厂商都在进一步探索和实践，数据中台的商业价值未完全展现，规模应用还需要 等待市场的孕育，落地实施中仍有诸多挑战。 数据中台发展阶段 数据中台

34、市场相对成熟，市场 热度逐渐消退，市场开始洗牌，,技术不成熟、发展规模较小的 厂商将被兼并或淘汰。,行业标准、监管规范等 已建立，各细分领域发 展稳定，开始走向差异,化竞争，数据中台被广,泛应用，行业趋于稳定。,中国数据中台行业发展现状（2/5）,企业关注程度高，但有关概念及整体的认知程度不足 泛消费领域和产业互联网的企业更为关注数据中台的发展及相关动态。多数互联网企业在阿里、腾讯、京东等企业宣布建 设数据中台后开始关注，尤其是需要快速响应市场需求变化的企业对中台一直保持较高的关注程度。尽管，近两年互联网 头部企业以及部分行业的领先企业开始落地数据中台建设，但从市场整体来看，尤其是传统行业对数

35、据中台的认知程度还 较浅，仅有少数企业将中台上升到企业战略层面，大多数企业对是否需要中台及中台的实际作用还存疑，市场还需要进一 步普及教育。,2.4,2.6,2017-2019年中国数据中台及数据中台关注指数 3.3 3.1 2.7,1.8,2.0,2.1,2.4,2.7,2017.062017.122018.062018.122019.06,数据中台数据中台,三类企业最关注数据中台,互联网公司，BATJ等企业将中台 上升到企业战略层面,快消、餐饮、家具等前端需求变化 快的行业,汽车、房地产、金融等多元化经营 转型挑战及响应市场变化的企业,中台搭建 42.8%,基础设施 34.7%,人员培训

36、2.3% 6.5% 运维管理 10.0%,3.7%,中国数据中台行业发展现状（3/5）,数据中台的建设成本投入大，建设周期长，需逐级建设 得益于国内近年新技术的发展和广泛应用，企业对技术实践的成本有了理性的认识。数据中台的建设不是一蹴而就的，与 企业原有机制的融合是个长期过程，建设成本在百万元以上，其建设周期更是以月或年计算。整个建设过程需根据企业业 务目标逐级建设，从而实现企业数字能力逐级进化、价值持续叠加。同时在建设过程中还需要培养客户的运维管理团队， 甚至重构整个IT团队，以提高企业数字化运营能力等。,2019年数据中台建设平均成本结构 方案设计 其他,统计分析,决策支持,数据服务,数据

37、驱动,基础数据平台 资源管理平台 构建能力地图,共享服务平台 数据治理平台 运维管理平台,分析挖掘平台 数据服务平台 形成应用市场,阶段一,阶段二,数据中台演进路径 阶段三,中国数据中台行业发展现状（4/5）,市场初期竞争格局尚不明朗，行业头部企业成竞争焦点 数据中台服务商主要由三类厂商构成：头部互联网企业、独立中台开发商、一体化数字企业服务商。整个数据中台行业尚 处早期阶段，市场集中度较低，格局尚未形成，各厂商都处在通过自有渠道进行横向与纵向扩张阶段。市场中不断有新玩 家进入，在资本助推下，在部分细分行业中竞争将日趋激烈。互联网、金融、新零售等对数据更敏感的行业成为服务商竞 争的要地，行业内

38、的头部企业是竞争焦点。由于头部企业自身的业务体量及数据复杂程度，对于配套的数据安全管理要求 也较高，因此对服务商的考量非常严格。因此，获取头部客户订单对于服务商而言非常重要，是对其综合实力的侧面背书， 具有立竿见影的效果。 中国数据中台三类服务商,阿里 腾讯 百度 ,头部互联网企业 积极推进中台型组织变革， 在内部落地中台战略，并对 外提供服务的互联网企业。,01,伯俊 管易云 云徙 ,独立中台开发商 以数据中台相关技术、工具 为服务核心，独立为B端企 业提供服务的创新性企业。,02,金蝶 用友 东软 ,一体化数字企业服务商 提供整个行业解决方案以及 软件产品，并基于中台架构 为企业提供综合服

39、务。,03,中国数据中台行业发展现状（5/5）,正向不同领域延伸拓展，进一步助力企业数字化转型 数据中台正在从互联网行业、新零售行业向其他行业及各细分应用领域延伸扩展，在深入挖掘行业属性的同时探索具体落 地方案。尤其是本身专注于某个细分领域的解决方案服务商，也在探索该细分行业的数据中台，因为在垂直场景下，这类 服务商能更好地服务特定类型的行业客户，能提供更加有针对性的行业解决方案，可以更好地助力该细分行业企业客户进 行数字化转型升级。此外，在领域延伸拓展过程中，不同公司之间的合作，或形成某特定领域服务生态解决方案的闭环。 2019年中国数据中台重点延伸领域,数字政府,金融,教育,医疗,媒体,电

40、信,推动业务快速创新 助力网点业务自助化 推动金融转型,解决历史遗留系统的互通 提升医院IT生态架构柔度 推动医疗科技创新,助力精细化服务 推动内部精确管理 提升企业运营效能,提供教育洞察 助力教育内容创新 推动教育公平化发展,助力民生服务 助力精准治理 助力简政放权,重塑媒体传播生态 推动媒体服务多元升级 推动媒体转型创新,中国数据中台行业产业链结构及产业图谱,上游以云服务厂商为主体集中度高，中游角色界定并非泾渭 分明，下游应用面向企业客户 2019年中国数据中台产业链结构及产业图谱,中游 - 数据中台服务厂商,下游,云安全,上游,基础支撑,网络基础,硬件厂商,IDC,行 业 客 户,Saa

41、S,数据中台,行业方案 零售 汽车 房地产 金融 制造业 ,业务中台,基础 云服务,数据中台的商业路径,依托技术与数据提供综合服务，收费模式多样，项目制是首选 数据中台的落地实践目前主要集中在快消、科技、金融、地产、汽车等中大型企业。这类企业拥有庞大的业务体量及多年 的数据沉淀，且经过近些年的市场培育，对企业服务已形成相对良好的付费意愿。在商业化道路上，数据中台或将推出 SaaS类服务，以降低企业客户的初期投建成本，更为广泛地满足客户需求，帮助其降本增效。现阶段，针对不同客户收费 模式主要有：项目制收费、SaaS 模式收费、増值服务收费等。项目制收费是当前首选收费方式。 2019年数据中台商业

42、模式概况,解决方案项目制收费 当前广泛采用的是按项目付费，即服务商在数 字中台建设过程为输出解决方案，按涉及的建 设项目、开发费用、个性化定制费用等。,SaaS模式收费 未来，随着数据中台的进一步发 展，数据中台将分离数据服务能 力以SaaS或DaaS输出，按需收 费、按量收费将成为下一阶段主 流。,增值服务收费 针对后续服务，例如人员培训、技术 支援、系统更新等次数、时长进行增 值收费。,对数据中台服务商而言，未来或将 分化两种，细分为两种角色。一种 是专心做软件开发，向其他集成商 提供技术和功能。第二种是成为服 务商，面向最终用户，提供PaaS、 SaaS综合集成服务。,数据中台厂商竞争壁

43、垒,凭借优势领域构建壁垒，围绕特定场景提供解决方案 不同背景的中台厂商优势领域各有优势。互联网背景的公司，擅长技术架构、数据模型、算法实现等方面。但缺乏足够的 行业经验，是否能准确识别客户痛点、满足客户业务线需求等方面，最终会体现在整体解决方案上。部分具备技术优势的 厂商率先进入行业，已有相对丰富的落地实践，初步形成建设方法论和工具体系，可以以更低的成本提供服务，从而进一 步强化先发优势和技术壁垒。对于有过To B服务经验的综合服务厂商而言，对行业的认知和洞察有较深的积累，理解行业 客户的需求，往往能够较快梳理各业务线流程等，输出更匹配行业客户需求的解决方案，能识别共性需求，最终以模块化 的方

44、式提供服务，且在向产业链上下游拓展时，占据主动权。 数据中台厂商的竞争壁垒及竞争策略,竞争壁垒,服务服务经经验验,在不断实践中，提高了行业竞争壁垒，且优势在企业 成长过程中形成正反馈效应。但不管是技术优势还是,行业行业积积累累 深刻理解客户需求形成 解决方案 通过以往客户资源迅速 积累建设经验,技术技术实研力发 可稳定、快速整合不同 系统的业务流与数据 迅速在几个行业中实践， 形成方法论 先发先发优优势势,横向突破,纵向精耕,策略,策略,，,在多个行 业领域从 头部企业 突围，形 成口碑效 应，积累 行业认知 提升解决 方案,，,、,在优势行 业内帮助 客户升级 提高数据 架构等工 具沉淀，

45、再切入其 他垂直行 业输出,生态优势,行业优势，最终会走向两者结合，形成综合优势,数据中台因企制宜的落地模式,需根据企业数字化变革驱动力及产业链所处位置综合考量 数据中台建设的路径及难度跟企业数字化变革驱动动力、行业背景直接相关，针对不同行业数字化渗透现状形成差异化的 建设路径。靠近消费端的企业（如快消品、汽车制造、金融、医疗、教育等）积累了大量数据，对数据中台的需求更迫切， 利用数据中台把业务处理需求和用户需求进行有效连接，让数据产生业务价值。在行业中处于垄断地位的企业，建立业务 中台或是优选路径，以提升企业的运营和创新。拥有较强技术实力的企业会先通过调整IT架构，搭建技术中台来驱动自身 业

46、务中台和数据中台的建设，如互联网巨头从组织、技术等推动中台的落地。数据中台的建设路径没有一个通用的企业级 模型套用，要从企业所处产业链全局角度进行考虑，需要自上而下贯彻。 企业数据中台建设路径数据中台优先建设路径矩阵,不同企业背景在优先建设数据中台的类型上有所区分， 按照距离消费端的远近、企业的技术实力背景、在市场 中的竞争地位、市场同质化竞争程度甚至企业的运营风 格都有关系。,优化组织，提升数据中台效率 形成企业自身的中台理念和规范 构建企业数字能力生态,将建设范围逐渐扩大至业务全域 业务资源和共享服务沉淀整合 重塑企业全价值链，重塑IT架构,找准一个切入点进行试点验证 明确该业务目标和范围

47、 进行初步业务重塑，减少交付压力,一把手牵头，全员共识 纳入企业战略，分步实施 自上而下推动，明确人员和责任,顶层设计,试点示范,治理融合,能力梳理,，,信息集 成，再 次优化 企业组 织、业 务体系 促进数 字变革,数据中台的企业实施路径,企业使命愿景,所处行业现状及趋势,企业所处阶段,竞争对手分析,客群划分,各业务线状态,痛点识别,业务数字化分析,中台的抽象与落地的具象存巨大鸿沟，联合共建是首选方式 绝大部分企业会选择第三方厂商来搭建内部的数据中台。在为企业搭建期间，会优先从小场景领域内构建，方便企业决策 者尽快验证数据中台的效用，为后续建设夯实企业内部的支持。数据中台在实施落地中主要由四

48、个阶段组成：前期调研 梳理阶段。主要了解客户情况，梳理企业战略、所在行业趋势，理清客户痛点、各业务线状态，盘点IT资源、数据现状等。 重设架构和中台设计阶段。使用中台理念企业IT架构做重构，并根据第一阶段的结论做建设规划，确定优先级等。开 发实施阶段。按照前期规划开始着手建设。架构治理优化与持续演进。主要审查中台评效，对中台再优化，后续持续迭 代演进。 企业数据中台实施路径 企业战略、行业趋势分析客户研究及业务调研资源盘点及领域分析,渠道梳理IT资产梳理（重构/改造/继承）,确定优先级,中台设计方案、开发计划,确定目标,企业架构重设,确定新业务框架和技术标准,以数据中台为基础的架构,实施路径规划及中台设计,开发建设,敏捷软件开发,软件产品重构,基础架构实施,架构治理及评效,审计架构实现现状,架构改进意见,检查业务、数据运行状态,业务重合度评估数据