大数据产业创新服务媒体

——聚焦数据 · 改变商业

当前，许多企业正处于数字化转型的关键时期。在这一过程中，如何利用好数据成为关键问题。数据不再仅仅是辅助决策的工具，而是成为驱动业务增长、创新和竞争力的核心资产。在数字化转型的浪潮中，企业CDO所面临的挑战比以往任何时候都要复杂。他们不仅需要应对日益增长的数据量和日趋复杂的数据环境，还必须在短期业绩和长期战略之间找到恰当的平衡点。

这一挑战根源于两个方面：一方面，企业CEO和其他高层管理人员期望看到对数据方面投资的直接、可量化的回报；另一方面，CDO必须考虑如何建立一个可持续发展、能够适应未来技术发展的长期数据治理架构。因此，构建一个既能够立即带来业务效益，又能支持长期战略目标的数据治理体系，对于任何寻求在数字经济中寻求领先的企业来说都至关重要。

针对企业治理面临的难题，数据猿主编专访了瓴羊副总裁——王赛，就该话题进行了深入交流。王赛分享了瓴羊成熟实践的解决方案：通过业务的阶段性速赢，实现业务方对数据治理的价值认可；与此同时，建设一套良好的平台架构，实现数据治理的长期主义。

（根据现场交流，整理成文如下）

企业不是为了治理数据而治理数据，而是为了更好的支撑业务。要让企业管理层对数据治理的投资有信心，就需要让他们尽快看到数据治理对于业务的支撑作用，增加业务体感。为此，瓴羊的“阶段速赢”策略，可以带来两方面的好处：

1、减少投资风险

由于资源和预算的限制，企业在投资数据治理解决方案时面临着显著的风险。在这种情况下，瓴羊提供的轻量化解决方案Dataphin，以及其云上订阅制模式，成为了减少投资风险的有效途径。

Dataphin-轻量版

Dataphin作为一种轻量化的数据治理解决方案，使企业能够以较低的初始成本投入开始建设数据治理体系。王赛提出：“三台物理机、百万预算，即可落地数据治理体系。”这意味着即使是资源有限的中小型企业也能够承担。这种轻量化的设计降低了初期的经济门槛，使企业能够在不承担过高财务风险的情况下开始其数据治理之旅。

除了低成本的初始投入，Dataphin还提供云上订阅制模式，这进一步减少了企业在数据治理方面的投资风险。与传统的一次性购买硬件和软件不同，订阅制模式提供了更大的灵活性和可扩展性。企业可以根据自身的需求和增长速度，灵活调整使用规模和服务水平。这种模式特别适合于那些在数据治理方面处于起步阶段或预算有限的企业，因为它们可以根据业务增长和数据需求的变化逐步扩展他们的数据治理能力。

由于初始投入较低，企业能够更快地实现投资回报，这对于获得管理层和业务部门的支持至关重要。一旦企业验证了数据治理的价值并看到初步成果，他们便有了进一步投资和扩展其数据治理能力的信心。这种渐进式的方法不仅减轻了财务压力，还帮助企业逐步适应数据驱动的工作方式，最终实现数据治理的长期和可持续发展。

2、增加业务体感

数据治理的终极目的还是让好数据产生价值。因此，瓴羊不断升级和推出数据应用产品，比如Quick BI和瓴羊One，便捷消费数据，增加数据治理业务体感。

Quick BI作为一款先进的数据分析工具，在接入了阿里巴巴的通义千问大模型能力后，实现了数据分析的显著智能化提升。这一整合不仅令数据分析过程变得更加简便易行，还大大增强了数据分析的准确性和效率。通过Quick BI的智能小Q分析助手，企业能够利用对话式数据智能分析，无需专业的技术知识即可快速获取深入洞察。

在实际业务应用中，Quick BI的智能化体现在多个方面。用户可以通过自然语言进行查询，智能小Q能够理解并处理这些查询，快速生成所需的数据报告和分析。例如，销售主管可以简单询问“上个季度的产品销售情况如何？”智能小Q便会自动提取相关数据，生成详尽的销售报告。这种自然语言的处理能力极大降低了数据分析的技术门槛，使非技术背景的员工也能轻松进行复杂的数据分析。

Quick BI的智能化，还体现在分析仪表板的智能搭建和图表的智能美化上。这意味着用户不仅可以快速获得数据分析结果，还能以高度定制化和美观的方式呈现这些结果，进一步提升了数据分析的应用价值和用户体验。

此外，瓴羊可以依托阿里巴巴整个技术生态的优势，在云计算算力、云数据库、大数据处理能力、大模型能力等方面，获得强大的资源支持。这些技术的融合赋予了Quick BI强大的数据处理和分析能力，使其能够应对各种复杂的业务场景。无论是处理大量数据、进行复杂的数据建模，还是生成深入的业务洞察，Quick BI都能有效地满足企业的需求。

值得提到的是，在今年4月Gartner发布的《分析和商业智能平台魔力象限报告》中，Quick BI 连续4年成为国内唯一进入 Gartner ABI 魔力象限的BI产品，并且成功跨进“挑战者”象限。

2023年Gartner分析和商业智能平台魔力象限

另一款产品——瓴羊One，天猫上做生意的商家可以通过生意参谋等官方平台产品进行数据分析与客户运营。当前越来越多商机选择多渠道、多平台经营生意，瓴羊One定位解决企业全盘生意的完整数字化能力，瓴羊One提供了在售前营销、售中产销、售后客服、管理决策分析四个方面综合数智化能力。

在实现数据治理的短期成效后，企业面临的下一个重要挑战是如何构建一个可持续发展的长期数据治理体系。这就要求建立一个一体化的平台架构，使得数据治理不仅是一次性的项目，而是成为企业长期战略的一部分。在这方面，瓴羊的解决方案提供了一个范例。

1、一体化的平台

Dataphin数据建设与治理一体化平台（以下简称：Dataphin一体化平台），作为经过多年经验积累的数据中台解决方案，不仅将数据中台的核心方法论与工具化深度集成，还提供了一系列的功能来帮助企业实现数据的全面治理和有效利用。这一方案涵盖了数据建设、治理、消费与流通的全方位能力，对于企业而言，这意味着可以在一个统一的系统内实现数据的全生命周期管理。

Dataphin数据建设与治理一体化平台架构

在数据建设方面，Dataphin一体化平台提供了数据的集成、多模式数据处理、数据统一调度与运维、标签工厂、隐私计算等服务；在数据治理方面，提供全域数据资产盘点并形成资产共享目录及报告、标准质量安全等领域治理功能。通过设定数据标准、实施质量控制和监测数据使用情况，平台确保了数据在整个组织中的一致性和可靠性。

在数据消费方面，Dataphin一体化平台通过其先进的分析工具和可视化功能，使得企业用户能够轻松获取和解读数据，从而支持基于数据的决策制定。在数据流通能力上，支持数据的共享和交换。

基于这样的一体化平台，瓴羊可以为客户带来多方面的独特价值，具体包括：

1）保持长期技术一致性

Dataphin一体化平台的设计充分考虑了长期的技术一致性，这意味着企业可以在长时间内依赖同一平台，即使是在技术迅速发展的情况下。通过定期的更新和升级，确保平台始终处于行业领先水平，同时保持与企业现有技术的兼容性。

2）深度集成与系统化管理

Dataphin一体化平台通过集成数据管理的各个方面，提供了一个统一的视图和操作界面。这种深度集成不仅涵盖了数据的存储、处理和分析，还包括数据的治理、安全性和合规性管理。这种一体化的方法减少了数据管理中的碎片化和隔阂，提高了数据治理的效率和一致性。

3）规避烟囱效应与重复建设

在传统的数据治理模式中，企业常常面临着数据孤岛和平台烟囱的问题，这不仅影响了数据的有效利用，也增加了管理成本。客户可以借助Dataphin一体化平台，有效地避免这些问题。企业不再需要在不同的系统或平台之间进行繁琐的数据迁移和集成，也减少了重复建设的风险。

4）支持数据从资源化到资产化的演进

Dataphin一体化平台支持企业将数据从单纯的资源转变为真正的资产，这包括数据的标准化、清洗、整合和分析，使数据不仅仅是被动存储，而是成为推动企业决策和创新的活跃资产。通过不断地迭代和优化，帮助企业实现数据的要素化，即将数据转化为企业运营和增长的关键生产要素。

5）适应企业发展的不同阶段

Dataphin兼容不同的计算存储引擎，包括Hadoop CHD/CDP、阿里云Maxcompute/EMR、StarRocks、Flink等，企业可以基于自身特点选择构建适配的大数据平台架构，也可以选择本地、云上不同的部署方式。Dataphin一体化平台特别考虑到企业在不同发展阶段的需求，对于初创企业或是在数据治理初期的企业，提供了易于上手的工具和简化的操作流程。而对于成熟企业，也能够提供复杂的数据分析、大规模的数据处理和高级的数据治理服务。这种灵活性，确保了企业无论在发展的哪个阶段，都能找到适合自己的数据治理方案。

2、数据流通是未来

在传统观念中，企业数据多被视为内部资产，用于支持决策制定和运营优化。然而，随着数字经济的崛起，数据的价值逐渐扩展到了企业外部。数据流通，即数据的分享和交换，使企业能够从更广阔的视角洞察市场趋势，把握商业机会，并与外部生态系统中的其他企业和组织进行互动和合作。

国家层面上对数据治理的重视，尤其是在数据要素、数据资产入表、数据交易所等方面的政策，为数据流通提供了法律和规范框架。这些政策的出台不仅促进了数据资产的价值评估，还推动了数据交易市场的发展。

面向未来，企业的数据治理策略需要扩展至外部流通。这意味着企业不仅要在内部管理和利用数据，还需要考虑如何安全、高效地与外部实体共享和交换数据。例如，企业可以出售或购买数据，从而获得新的收入来源或增强其数据资产的价值。同时，与合作伙伴共享数据可以带来更深层次的合作机会，如联合研发、市场分析等。

然而，数据的外部流通也带来了新的挑战，尤其是在数据质量、数据安全和隐私保护方面。王赛谈到，数据治理对于推动数据流动的作用，体现在其为数据的共享和交换创建了一个坚实的基础。通过确保数据的质量和一致性，数据治理为数据的可用性提供了保障。这意味着当数据从一个部门流向另一个部门，或者在不同的组织之间共享时，接收方可以信赖其准确性和完整性，这种信任是数据流动的基石。

同时，数据治理通过制定统一的数据标准和格式，降低了数据流动过程中的复杂性。标准化的数据易于被不同的系统和组织理解和处理，从而促进了跨系统和跨组织的数据流动。此外，良好的数据治理还意味着在数据共享和交换的过程中，敏感信息得到了妥善的保护，这对于符合日益严格的数据隐私法规至关重要。

因此，数据治理不仅是提升企业内部数据质量的必要手段，更是推动数据流动、增强数据价值的关键驱动力。

综上，有效的数据治理对于企业在数字化时代的成功至关重要。因此，对于企业而言，构建一个既能快速实现业务价值，又具有长期演进能力的数据治理平台，就成为其实施数字化转型的关键基础。

在未来，随着数据量的持续增长和分析技术的不断进步，数据治理将变得更加复杂且重要。企业需要不断适应这些变化，采用先进的工具和策略来应对挑战。通过实施有效的数据治理策略，企业不仅能够提高操作效率和业务敏捷性，还能够在激烈的市场竞争中占据优势，驱动持续的创新和成长。

需要指出的是，数据治理的成功不仅取决于技术的选择，更在于企业对数据价值的认识和整个组织对数据治理重要性的共识。因此，企业应该注重培养一种数据驱动的文化，鼓励所有员工参与到数据的使用和管理中来。通过这样的努力，企业能够在数字经济的未来中赢得主导地位，实现可持续的发展和创新。

文：月满西楼 / 数据猿