【对话】Gartner高级首席分析师费天祺：推进数据中台建设，激活数据资产价值

企业数字化转型深入发展，对内部信息整合提出了越来越高的要求，“打通数据孤岛、加快数据流通、释放数据价值”的需求变得更加迫切，建立数据中台的理念应运而生。数据中台对优化企业组织结构与业务流程、提升企业管理水平和组织敏捷度具有较强推动作用，能够赋能企业数字化转型，成为降本增效新引擎。

近日，Gartner基于调研发布了数据中台相关文章，阐明数据中台的价值兑现以及如何孵化核心数据分析能力。文章中提及，随着数据中台的普及，中国企业机构希望能更好地管理和利用数据中台背后的数据资产。对此，Gartner高级首席分析师费天祺基于数据中台的价值定位，介绍了企业如何通过数据中台建设创新数据应用场景，从而驱动业务转型。

充分发挥数据要素作用，加快创新数据应用场景

2022年1月，国务院印发《“十四五”数字经济发展规划》，强调数据要素是数字经济深化发展的核心引擎，要充分发挥数据要素作用，加快数据要素市场化流通。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”）强调了要在合规、高效、安全的前提下充分激活数据要素价值的主旨，为数据要素市场发展指引了大方向，同时引导企业围绕数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度和形成顶层设计。

随着数据要素在数字经济发展中的重要性逐步凸显，产业实践也不断走向深入。企业通过从内部实现数据变现和从外部创造新的收入流的方式重塑数据产品的价值链，从而使数据产品具有更高的价值，提升企业的数据成熟度。对此，费天祺认为，“狭义的数据成熟度，更多限定在数据的质量、完整度、可访问性、准确性、可信度、及时性以及和业务的相关性等方面，可以通过数据项目、数据治理平台、数据管理平台等方面进行提升。而广义的数据成熟度更多考量的是数据能否很好地用来解决业务问题、辅助业务决策，以及产生规模化的业务价值，想提升成熟度就需要考虑顶层设计和业务赋能，包括数据分析的整体愿景和战略设计、数据分析和业务的关联、数据分析的人才、数据资产的治理等方面。”

在具体实践过程中，企业需要从战略、制度、组织等方面做出相应调整，才能在保证数据安全的前提下，最大限度地促进数据的创新应用。

一是注重顶层设计。不同行业的不同企业对于数据安全保护和数据创新应用之间的平衡程度不同，比如金融类企业或者国资企业，对于数据安全保护的要求会更高、更明显。因此，企业需要根据所处的行业环境、自身发展情况以及政策监管要求，从顶层设计层面出发，制定数据治理的目标和实现方针，同时从集团组织层面设立数据安全治理委员会等。

二是确保战略统一。针对不同业务问题和业务目标的数据项目，企业要确保顶层战略和数据治理政策统一，并且能够被每一位相关人员所理解和遵循。加强组织人员在价值观和行动力上的一致性，这是数据管理团队的重点工作内容。

三是优化运作模式。不同的数据项目对创新的要求程度不一样，所对应的数据治理对策、条款、规范也不尽相同。因此，企业要根据数据项目的最终目标来选择合适的运作模式，从而有效地执行数据治理的举措、条款和规范。

四是调整组织模型。在数据项目的推进过程中，传统的组织模型将难以适应快速变化的业务需求，因此也要调整组织架构和人员配置。首先组建一个中心化团队去进行核心赋能，再根据不同业务部门的数据分析能力，设立数据分析的特许经营团队，最终从技术和业务两端，共同为数据项目的价值和效能负责。

“数据项目成功运行的一大难点在于，如何把业务问题定义成数据可分析的问题，这一过程需要业务人员的深度参与。一个好的数据分析的组织模型，需要业务和技术的融合团队，其中涉及基础的中心化团队、数据价值的管理人员、业务分析的特许经营团队等。具体来说，业务部门要派出懂业务流程、业务价值和实现链条的人员，与中心化团队配合，对于业务部门的应用场景，进行有针对性的赋能。此外，需要注意的是，业务分析的特许经营团队要根据不同业务部门的数字化水平而有所区别，比如财务部门、市场部门、销售部门相对来说数据的准确性和敏感度较高，数据场景多，因此所配备的业务分析特许经营人员也较多。”费天祺解释道。

以数据治理为基础，加快数据资产管理体系构建

为了实现数据分级分类、标准制定、数据脱敏、价值评估等方面的体系化管理，企业需要盘点所拥有的数据资产，在此基础上实现数据使用权的变现，同时主动关注和提高数据治理能力，以防范和控制数据泄露、隐私侵犯、质量误差等风险。

数据资产管理以数据治理为基础，通过构建全面有效、切合实际的管理体系，一方面规范数据资产的采集、加工和使用过程，控制、保护、交付和提高数据资产的价值，为数据要素化奠定基础，另一方面丰富数据资产的应用场景，建立数据资产生态。然而，企业在构建数据资产管理体系、实现数据价值化时，会遇到两大难点。

第一个难点是数据成本和价值的衡量标准难以明确。企业拥有的数据三大权益分别为所有权、加工权、经营权。然而，通常来说，企业对于数据权益的持有程度是有限的，除了企业内部数据之外，对于外部收集到的数据，很难获取百分之百的数据所有权。因此，企业想要实现数据的合规化、资产化和价值化，其治理过程会非常复杂，价值衡量标准也难以确定，包括收集到的数据具备怎样的市场价值和促进内部业务流程的潜在价值等。

第二个难点是数据变现和流通的途径尚未明确。数据只有流通，才能最终产生价值，但是如何管控和治理流通过程、如何保证数据安全和质量、流通过程中数据的权益如何划分等问题，都还没有行之有效的解决方案。政策监管方面对于数据资产化也处在探索阶段，比如数据二十条明确提出要探索数据资产入表新模式，对探索用货币度量数据要素的资产价值，推动数据资产化、资本化，更好发挥数据对生产效率提升的倍增效应具有重要意义，企业要积极探索数据资产入表的可行路径，加快推动数据入表的实施进度，为促进释放数据要素价值和市场潜力提供强大的内生动力。

对于数据资产化和价值化的途径，费天祺建议：“针对数据成本和价值方面的衡量标准不明确，企业可以对内尝试将数据作为无形资产，利用成本法或者收益法进行评估；对外可以利用收益换算和分配，使用数据模型来计算不同参与方对于结果的贡献度，以此来分配价值。针对数据变现和流通的途径，企业可以了解数据使用的目标和效用，对静态数据进行治理，包括质量、安全等，在流通过程中利用数据中台及隐私计算、联邦学习等新技术，做到‘数据可用但不可见’，以此来保证数据变现和流通过程中的安全性。”

打造企业数据中台，实现数据价值跃迁

作为数据资产管理体系的重要组成部分，数据中台能够充分激活数据要素的潜能，提高企业的数据活力和数据成熟度。费天祺表示：“数据中台并非一个颠覆性的技术或工具，也不是可以在短期内完成的单一项目。相反，它是一种D&A（数据和分析）战略设计，可以通过利用一系列技术和业务实践，将它与企业机构的整体业务战略挂钩，从而服务于不同的业务重点。构建数据中台的主要目的是实现数据的一致性和可复用性，这些能力可以支持敏捷的数据驱动式管理和组装式D&A服务或产品，从而帮助企业实现业务优化和进一步的数字化。”

数据中台的价值定位和分类

基于数据应用与能力构建，Gartner将数据分析的价值主张分为三类——基础建设、业务赋能、转型驱动。其中，基础建设注重数据的完备度、完整度、一致性，需要形成基本的数据标准、数据治理能力和数据工程化能力，产出描述性、基础性的传统分析报表给各个业务部门。业务赋能强调对于核心业务节点的直接赋能，例如通过完善客户画像，从而更好地支持客户营收。这一价值定位对于数据能力的要求不止于搭建基础底座、产出传统报表，而是更深入地挖掘场景，解决如客户营销、高级排产、预测性维护等具体场景的业务问题。转型驱动突出的是通过数据发现新的业务转型机会、开辟新的市场，包括推动数据产品和服务实现更多的变现，基于数据来优化调整业务、支持战略决策。

图1 四种常见的数据中台类型

一是最简可行的数据中台，对应基础建设的价值定位。这一类型数据中台强调利用已知的数据解决已知的问题，为企业奠定数据完整性、准确性和一致性的基础。这一类型数据中台的核心能力点在于数据工程化和虚拟化能力，设定统一的标准和指标，产出基本的经营性报表。

二是治理优先的数据中台，对应基础建设的价值定位。这是市场上大部分数据中台厂商提供的能力，能够对现有数据实现较好的治理和管控。这一类型数据中台的核心能力点在于数据的安全性和隐私性、元数据的管理、数据标签的处理、数据目录的能力等。

三是原型设计优先的数据中台，对应业务赋能的价值定位。这一类型数据中台的核心能力点在于为业务提供更多原型的分析能力，比如数据准备、数据洞察、自组装式的数据分析、数据目录等，目标是能够赋能更多的业务分析决策。

四是创新优先的数据中台，对应转型驱动的价值定位。创新优先的数据中台强调将数据视为企业业务转型的驱动力，核心能力点在于释放数据的可操作性和可交互性，具备分析协作、数据科学、机器学习、决策智能、数据分享、数据交易等能力。

目前，市场上大多数数据中台的能力更多侧重于最简可行、治理优先两类，这与企业所处的数字化成熟度阶段有关。比如数据中台在互联网电商、泛零售、金融、保险、券商等行业的接受度和发展程度较高，这与以上行业信息化程度和数据人才的聚集度较高有关。

建设数据中台的具体路径和关键步骤

Gartner调研显示，超过三分之一的企业机构依然对数据中台的可行性和适用性感到困惑。费天祺认为，企业决定是否建设数据中台之前，需要考虑两个关键因素。

一是思考需不需要做数据中台。企业建设数据中台的契机包括以下三种情况：第一，企业的业务、运营、组织的复杂性突出，在过往的数据分析实践中，已经出现了很多数据孤岛，造成决策不一致的困难，这时企业就需要利用数据中台实现互联互通；第二，业务方的分析需求规模大，并且业务需求变化非常快、不确定性大，作为数据集中的部门很难快速响应变化，这时企业就需要考虑建设数据中台，将部分的数据能力释放给业务，让业务方有能力利用中台自己开发可复用的数据产品；第三，企业的信息化水平已经到达了一定高度，营收规模遇到了瓶颈，希望寻找新的机会去释放更多的数据潜力，通过数据实现颠覆性突破，这时可以考虑将所有的数据架构和数据底座通过中台连接起来，从而推动业务增长。

二是思考通过数据中台解决什么问题。不同企业的数据完备度、人员的数据素养不一样，通过数据中台解决问题的核心点和优先级也不一样。企业可以参考数据分析举措的三类价值主张，思考数据中台的建设目标，是形成基本的数据底座，还是要驱动业务转型等。

在考虑清楚数据中台的必要性与建设目标后，企业可以通过五个步骤，逐步搭建适合自身发展情况的数据中台。

第一步是战略先行。结合企业的数字化战略，以及对于数据中台的期待，企业需要制定数字中台战略，明确其价值定位。

第二步是业务联动。数据中台不只是技术能力，还有管理能力，需要业务端的积极配合与支持，基于业务问题和目标，共同实现数据价值。

第三步是规划中台实践的范围。从基础设施到业务转型，企业要思考数据中台能力支持的范围，对于未来一定期限内的发展做大致规划和蓝图设计。

第四步是寻找核心的能力需求点。其中包括数据治理、数据安全、平台搭建、组织调整、资源协调等能力的构建过程。

第五步是建立指标体系。建设数据中台不是一次性工程，而是能够长期发挥价值，因此要配套相应的指标体系，追踪和驱动数据中台的长期成功。

未来，随着数据要素的价值被进一步开发利用，数据中台也将成为激活数据要素潜能的重要因素，而增强对其背后数据和分析资产的管理，则将逐渐成为企业的工作重点。信息化水平、数据就绪度和数据分析素养水平将成为评估企业数据中台部署能力和部署空间的重要维度。此外，随着业务复杂性和业务规模的增加，数据中台的优势将变得更加明显。