话题：关于中台，你需要知道这些
分享一：企业中台产品规划、数据建设
主持人开场：
大产品之路的产品经理们，大家晚上好，我是你们的小助手—道白。今天是我们的第一次分享，然后我也比较紧张，分享的内容，也是之前我们就在群里面讨论的一个内容——数据中台这一块儿。
其实这个话题我们在，工作的过程中，就是至少我是遇到过很多次，然后在去年也有新做一个大的项目，是关于数据中台业务中台的，然后在之后也参加了一个数据中台的大会，然后也听到身边的很多产品的小伙伴，还有包括一些公司，大公司，小公司都有，都有用到中台这个概念。那么什么是中台，包括为什么要做中？包括做中台的一些。价值怎么去搭建？
还有用哪些中间件，主要是价值方面吧，就是产品方面的。我们需要了解哪些内容就是今天我们要分享的一个点。
今天我们带来三个嘉宾老师的分享，第一位是shadow杨，她为我们带来的是企业中台的产品规划，包括一些数据建设。
shadow杨，他做过数据分析师，然后也做过数据产品经理。她的分享会比较偏数据建设和技术方面，我们还是把主场交给我们第一位分享老师。然后大家在听的过程中，有一些疑惑，或者说一些有价值的讨论，互动也是可以在群里面去发的。
嘉宾分享-shadow杨
各位同学大家好，我是shadow，接下来分享一些我对数据中台产品规划的一些经验，因为我也是在摸着石头过河的阶段，会有不准确的地方，欢迎大家一起思考完善，谢谢
首先分享我的第一个观点：数据中台并不是一种技术，它是一个公共数据资产沉淀，数据应用基础，数据服务输出的平台。
有的时候很多人会觉得数据中台的建设主导应该是技术，但其实呢，数据中台，它并不是一种技术，它是一个企业的。所有数据的一个整合平台。
它上面包含了：数据治理，数据应用，数据对外的服务，甚至包括数据开发等等，那其实呢，我觉得都应该属于中台的范围。
所以很多时候，很多企业在建设数据中台的时候，他会问我：你看我们要建一个数据中台。需要几个技术人员，我觉得这种逻辑上本身其实就是有问题的，因为。真正主导数据中台的，其实不应该是技术。在现在数据技术这么发达的情况之下，其实数据中台的建设，在技术方面并不是很困难的一件事情。
那真正的难点在于，是否有一个人能够去规划好一个属于企业的数据中台。我们说大企业也好，小企业也好，很多人说，小企业不需要数据中台。我觉得这句话呢，也不能说完全错，但也并不是完全对。我觉得数据中台。他其实应该是你要带着数据中台的思想去做，无论你是大公司还是小公司。
它是一种数据资产，或者是说，数字型公司数字化转型公司所必须的一个标配的东西，他并不是说我建设这个东西的技术有多难，其实这个技术非常的成熟。但是，真正的难点在于说如何规划数据中台。那无论是大公司好还是小公司也好，无非就是说大公司，他有很多的技术人员，他可以在技术上更成熟，更稳健，但是小公司呢，也可以使用成熟的数据型产品，然后帮助企业来搭建数据中台。
大家作为产品经理，可能很少有人是做数据产品经理的。那作为数据产品经理，如果统筹的一个企业整体的数据的时候，其实是要考虑到中台的思维。那接下来分享一些我在建设数据中台的一些经验，然后一些产品选型等等。
作为数据产品经理如何规划企业的数据中台呢？
做产品规划时，需要基于企业业务需求，分为三个层次：
一.数据仓库，主要作用是统一数据口径，整合企业数据，数据模型等；
二.数据应用，数据产品，对内应用，第三方应用等，即是数据收集的工具，又是数据输出的工具；三.数据服务，对外的应用，比如API接口，标签库等等。
一般来说，中台是承接着前台和后台的一个中间件。但是，这个中间件的作用，它有几个职能，一个职能就是数据的治理，这个数据的治理，比较倾向于数据仓库的一个建设，那数据仓库的话，是数据中台的一个底层，但他并不是后台那个底层。
所以说，我们把它叫数据中台那个底层就是数据治理，数据仓库这里呢，因为数据仓库的内容是很多的，而且涉及到蛮多的技术问题，所以这块儿，可能不会给大家做很深入的分享，如果大家有兴趣的话，可以给大家做一次很深入分享，但是可能时间会比较长一点。
那我们可以看到整个数据仓库，它包含比较多的内容，比较全的内容，就是我给大家发的这些东西。
基本上来说，我们在建数据仓库的时候，会分为四个阶段
第一个阶段，就是数据集市的建设，还有一些基础报表的开发
第二个阶段，做一些数据的处理平台。比如说调度管理，源数据处理，模型建设等等。
这里的模型建设，它是有两种类型的模型
- 一个是融合模型。融合模型是企业的公共模型，比方说。用户价值模型。那么很多的企业，他是共用一套用户价值模型的，或者是说。一些基础的模型叫融合模型。
- 那么还有一类模型，我们叫做挖掘模型。那挖掘模型是类似于客户流失这种模型，比如说，离网唤醒模型。
第三个阶段，就是我们要基于某些应用系统的接口迁移，我们要在这个数据仓库这个处理平台上以及它的相应的应用，去做一个统一的展现。比方说，我们的这个CRM或者是OA等等，就是它其实是整合型的。
第四个阶段，类似于API，数据仓库，它最后建设，是你要能够为你顶层的数据应用和数据服务提供什么，其实就是你的API接口的开发。
所以，数据仓库的建设，其实在我的数据中台的概念里面，它叫做数据治理
这个数据治理的目的，就是把所有的你统一企业数据的口径，它的定义是什么，
统一它的输出的API，然后统一的哪些可以输出它的统一权限。
它其实是把整个公司的数据，做一个整合，包括模型的沉淀，这就是是数据治理。
那至于数据仓库里面的，一些很多内容，像我之前发给大家的，就有很多很多内容，这个内容的话，因为时间关系确实是分享不过来了，他太多了，大家如果有兴趣的话，可以再找时间给大家把这个好好分享一下。
那第二个层次，就是数据应用。数据应用它是分为。对内应用和第三方应用。
在我们的数据仓库这一层，如果是大公司的话，当然你可以自己建，
如果是小公司，我个人是比较建议大家使用阿里云的产品，maxcompute，就是它有一个叫做数据的一个底层的大平台，它是做一个数据的基础。
这个平台对于小公司来说非常友好的，整个成本是很低的，那一般的小公司来说的话呢，一年可能几十万就足够了，然后它是基于阿里云的一个计算，所以它速度很快。
它是一个操作非常友好的一个平台，它里面是。可视化的操作，包括一些业务流的建设，所以这里面产品选型的话，我个人是比较建议。阿里云的maxcompute，然后这里面它会有datawork。还有类似一些日志分析平台，你可以做一个组件。
我们刚才讲到数据应用层，它里面有一个对内应用和一个第三方应用，
那这里面的对内应用，就是它其实是一个数据的——就是你在内部区使用的一个我们叫它数据产品也好，后台产品也好，这个产品你可以跟运营或者是给一些业务方去使用。
它其实也是变相的数据的沉淀，这相当于它是一个很良好循环，但是，并不是所有的系统都是需要你自己去开发的。
那这里面的话它可能会有，比如说CRM，OA系统或者是一些财务系统，这些如果不是你自建的话，那我就统一把它放到第三方的这个系统里面，第三方系统它的数据，也是要最终接入到数据中台的。
关于第三方的应用，这里面的话，大家可能现在做的比较多的一个数据产品是推荐系统，那之前的话推荐系统，因为它也是一个很大的一块儿，那之前我们也讨论过推荐系统的一些东西，推荐系统的话，因为我做过蛮多推荐系统的。所以，对推荐系统，我其实是个人是比较了解的，那在这里的话呢，我个人不太建议。中小型的企业自己去做推荐系统。
因为推荐系统，它本身需要大量的数据来做支撑的，模型的验证，包括调优等等，但是中小型公司呢，它的数据量其实并不足够的。所以说在这个推荐系统的完善上，我个人是比较建议大家去使用第三方产品，在这里呢，给大家推荐一个第三方的推荐系统，叫达观。这个推荐系统这个推荐团队，他们做推荐是大概做了12年，然后他们也获得过很多国际上这些算法。整个性价比非常高，SAAS的平台，那一年你如果调用次数是低于30万，每天的话，那可能一年也就是15万的样子。
它的接入也比较简单，大家不要觉得我是在推荐产品，和我不在达观做，我只是给大家提供一个解决方案而已，就是它会比其他的产品，我个人认为是比较成熟的。在应用型产品上，我并不建议大家使用。
QuickBI和DataV这种，我不建议大家使用。为什么呢，一个原因是因为阿里云做应用型的产品，它其实是通用版本的。通用版本，就很难做到个性化。但是中小公司，没有人去解决个性化的问题，所以呢，就要求你在选产品的时候，要求你要做到个性化，这点来讲的话，可能阿里云，在售后维护这方面不是很适合中小型公司。所以这块儿的话，不太推荐大家用阿里云的应用型产品。但平台型产品是可以用的，比如说maxcompute，datawork都可以，但这种应用型产品，不建议大家用。
所以第三层数据中台，它其实是要做到数据服务的一个支撑。
当然还有第四层，它是数据开发，比方说一些地图的一些组件，标签库这些开发。但是，一般的企业应该用不上这个第四层，所以基本上的企业的数据中台的建设的时候，考虑到这三层就可以了。
那最后呢，想给大家分享的就是说数据产品经理，如果我们想做好一个一个中台的话，需要搞清楚哪些事情。
这里面给大家介绍一个概念，叫做源数据，我不知道大家理不理解源数据。
元数据的话呢，我觉得是数据里面一个比较重要的一个概念，在数据仓库里面。
原数据是需要数据产品经理，在做整体架构考虑的时候，首先要考虑的问题，那这些呢，是源数据的管理系统的里面的一些指标和定义，这个给大家一些做一些参考。
笔记
基本我今天的分享就结束了，分享了一些自己的观点和经验，数仓的内容的话有机会再给大家分享，内容太多了这是给内部分享的一个文档，上次分享了3个多小时
若有收获，就点个赞吧
0 人点赞
