数字化转型核心

认识到数字化转型的本质，其实就可以理解数字化转型的核心是对数据的处理和使用。数据处理和使用方式不同，数据的价值就不一样。数据如流水，不采集，就会流走、浪费掉；如果仅是存储起来不使用，就不会有价值，而且会产生存储成本；也可以简单把数据资产化、或者加工之后资产化，然后卖掉；或者对数据进行分析和洞察，看看是否可以找到数据之下隐藏的价值；等等。数据分析和洞察可以对数据进行翻来覆去的排列组合、计算加工、分拆重组等等，数据使用的越充分，数据的价值体现就越大。很多数据是有时效性的，所有实时的数据往往价值最高。海量的历史数据可以用来分析趋势、模型学习等，不过单条数据的价值往往就忽略不计了。

数据处理往往沿用 OLTP 和 OLAP 两种区分方式。所以 Data Mesh 方法将数据划分为 2 层：操作数据和分析数据，这种划分方法是一种逻辑划分，并不是绝对的。分析数据通常同通过 ETL 等方式存放在数仓、大数据平台或数据湖中。其实 ETL 过程就增加了很多的工作量，然后又需要在数仓、大数据平台或数据湖中进行数据的治理工作，所以额外又增加了很多的工作量。这也导致传统数据治理工作繁重而效果不彰。因此，在数字化阶段，数据治理和数据管理的思路需要创新和改变。需要使数据从产生就是规范化和标准化的，以消除数据使用过程中繁琐的数据处理工作，降低数据治理的难度和投入成本。

数据 分两 层， 数据 处理也可以考虑分两个阶段。一是实时或准实时的数据处理，主要支持业务运行和运营；一是以历史数据为主，实现数据的深度洞察和分析；不过这都是以治理的数据为基础，才能实现企业内平滑的数据流动。所以传统数据治理的思路需要变革，使数据从源头就要实现治理，去除中间数据转换处理环节，不但极大的降低数据处理的复杂度，也降低了延迟，提升成效，使数据管理和治理工作简单化。

数字化转型以数据为驱动需要建立数据处理的系统体系，这包括企业数据标准体系、数据治理体系、数据融合平台体系、数据权限体系、数据资产管理体系、数据服务体系等，这些体系相互关联相辅相成。总的来说，需要融合相关的技术和思想来构建一体化的体系，支撑业务的稳定运行和敏捷运营。比如基于主数据的思想来设计数据架构，以主数据为骨架构建企业数据架构，驱动微服务的设计和业务组件分拆。将历史数据和预处理过的数据同步分发到数据存储层（数仓、大数据平台、数据湖等），这里的数据是治理的数据，可以直接支持业务的运营。同时，基于这些数据，数据科学家和数据分析师可以进一步进行洞察和分析，以支撑决策和创新；中台架构师也可以对数据进行封装实现数据复用，也就是所谓的数据中台服务，赋能业务应用的敏捷迭代。企业整个数据处理流程形成一个大的闭环，促进企业螺旋上升发展。企业内部数据处理流程会有很多小的闭环，使数据像血液一样不断循环。