如何通过构建数据中台，深度挖掘数据价值？

近年来，企业竞争的重点已经演变为通过优化资源配置效率，以数驱动业务来响应不断变化的市场，随着企业数字化转型的推进，工业企业的感知设备越来越多，信息化程度也越来越高，所产生的数据也不断增加，原有的IT系统已经无法满足需要，数据中台的概念随之兴起。

数据中台将助力工业企业从“制造”向“智造”的转变，因此受到了业界的广泛关注。而如何利用这些数据构建数中台，合理分析充分挖掘其中的价值，才是企业转型升级中的重点，同时也是企业潜在的新增长点。

数据中台概念因何而兴起

关于中台，最著名的案例来自芬兰的一家移动游戏公司，他们将游戏开发过程中通用的游戏素材、技术框架与算法等内容整合在一起，为各个独立的开发小团队提供支持，实现短时间的快速开发模式。

随后，这种模式被中国互联网企业借鉴并推广，逐渐成为企业关注的热点概念，中文里的“中台”概念就此诞生，通过构建数据中台，进行数据治理与建设，解决“烟囱式”的建设带来的重复开发、数据分散等问题。

对于工业企业，数据中台的意义同样重要，它不仅是技术概念，更是企业管理的概念。由于制造工艺流程的复杂性，工业企业在生产工艺数字化升级的路上面临着一大瓶颈，即如何将信息技术（IT）、工程技术（ET）、和操作运营技术（OT）的数据有机结合。

IT与OT的整合一直发展得比较缓慢，因为两者是两个完全不同的领域，IT解决的是数处理、云计算、边缘计算、AI等数问题，而OT是基于设备层如PLC、SCADA、DCS等，应用层如MES、MOM等解决应用场景问题，ET作为两者深度融合的桥梁，但这中间还缺少有机的衔接。

面对工业中各种应用场景的问题，企业搭建了各种软件、系统，数据烟囱林立既不利于数据的流动，也浪费了大量的重复建设与运营成本。

数据中台位居前台和后台之间，是企业级的数据共享、能力复用平台，也是数字化转型的基础和中枢系统。将企业海量、多源、异构的数据整合资产化，为业务前台提供数据资源和能力的支撑，以实现数据驱动的精细化运营。

数据中台的核心是数据共享，它可以将不同系统中的数据进行全面汇集和管理，解决数据分散、数据源多样的问题，实现数据协同合作，形成企业数据资产和洞察、服务于业务，帮助企业实现转型升级。

数据中台能为企业带来什么价值提升

市场竞争愈发激烈，工业企业需要通过转型升级来提升竞争力，而传统的IT架构很难满足需求，构建数据中台将成为一种有效的解决方式。

从行业视角来看，数字化时代，工业企业需要强化数据处理与应用的能力。越来越多的工业设备具备互联属性，带来了海量数据，而工业企业所涵盖的数据对象种类纷繁复杂，既有结构化数据也有非结构化数据，处理难度较大。

从业务视角来看，客户需求更加多样化，工业企业需要敏捷创新。随着市场竞争的激烈化，工业企业必须面对客户多样化、个性化的需求，这就要求缩短交付周期，快速响应客户需求。而工业企业的业务流程长、逻辑复杂，需要解耦现有业务的逻辑才能够形成可复用的业务服务，实现敏捷创新。

从技术视角来看，IT架构陈旧，工业企业需要打通已有的数据孤岛。已有的大量IT系统一方面促进了工业企业信息化的发展，但另一方面传统架构构建的是针对指定业务的“烟囱式”系统，在解决单点业务问题中发挥了重要作用，但也产生了价值链不同环节之间的数据孤岛。

构建数据中台，能给工业企业带来以下价值。

一是促进数据和组织的统一协同，包括数据与数据的协同、数与系统的协同、数据与业务的协同、数据与资源的协同，以及通过数据协同来促进组织的协同。

二是激发数据化管理思维，数据中台可实现业务数据化和数据可视化，通过全域的数据模型管理，盘点企业数据资产概况，反映业务全貌，实现以数据驱动的企业管理思维。

三是助力企业降本增效，通过数据中台实时产出生产经营报表，流程溯源和一贯制产品质量保障方案，提高生产效率。也可将算法直接应用在实时数据上，提升产能、降低能耗，同时避免重复建设“烟囱式”系统，帮助企业实现降本增效。

四是提高企业决策效率，数据中台可实现跨域数据的智能融合，支撑洞察分析，通过数据指导决策，让企业几时回防线问题与机会，快速做出正确的决策。

五是成为企业创新的源泉，数据中台能够发挥员工的能同行，通过数据业务化的过程积极参与企业产品创新、业务创新和组织创新等。

随着数字技术的快速迭代，硬件、工具、数据与算法等实现了一系列的联动效应，但其核心仍然是数据，这是驱动业务增长的关键所在。数字化技术已经不再是企业转型的瓶颈，关键在于如何挖掘数据中的有效信息，加以利用并产生有效的价值。

企业应该如何构建数据中台

数据中台的建设不是一蹴而就的，其构建路径与难度与企业的行业背景、转型驱动力相关。数据中台的建设没有一个通用的标准模型，需要从顶层设计出发，由上而下贯彻。

准入分析：工业企业信息化水平参差不齐，高层有构建数据中台的想法，则需要对企业进行准入分析评估，根据评分判断企业目前是否适合构建数据中台。准入分析评估结果可安靠数据管理能力成熟度评估模型（DCMM）划分为初始级、受管理级、稳健级、量化管理级和优化级。

数据化：当评估企业满足建设数据中台的条件后，建设数据中台的第一步是企业全域数据上云接入。随着信息技术在企业的深度应用，企业在生产运营活动中产生海量数据。高效存储、弹性计算和易于扩展的云平台成为企业构建数据中台的必然选择。企业通过上云能够降低基础设施的运营成本，提高IT资源利用率。

资产化：资产化是通过对上云后的数据做清洗、加工和数据治理等过程，使原始杂乱、无序、分裂、有缺陷的数据成为有用的数据资产。包含数据模型设计、数据研发和数据资产管理。

知识化：知识是对外部客观规律的归纳和总结。从数据到知识，在工业数据中台有两种表现形式：一是专家系统知识库，二是知识图谱。知识库用来存放由相应领域专家提出的专业知识和经验知识。知识图谱是通过将底层数据汇聚到数据中台经过加工，变成数据资产，再经过各类算法引擎，最终将专业知识、业务知识、运营知识等知识的本体抽取出来，以知识本体为框架，并通过规则引擎进行大数据的推理挖掘。

智能化：建设工业数据中台的最终目标是实现企业的智能化。由数据驱动的智能供应链、智能化设计、智能化生产、智能化营销、智能化服务等智能场景涵盖了工业企业供、研、产、销、服的全流程，共同组成了智能制造。

工业数据中台是实现企业数据智能的基础。数据中台的建设可帮助企业打通数据孤岛，构建企业数据资产，为企业提供稳定的、持续的和可复用的数据生产能力，助力企业降本增效和业务决策。

由于工业的复杂性与特殊性，不会有标准解决方案，只有量身定制的最优选择。其中积累了大量垂直行业的认知和洞察经验的工业行业数字化解决方案提供商，可以高效地实现方案落地，帮助企业快速梳理企业业务及流程，准确识别客户需求，并基于中台架构输出综合的数字化转型服务。

数据资产是数字化转型的核心，而要将资产流通起来转换为价值，企业还需要整合内、外部资源，选择适合的技术和工具，结合自身积累多年的实践经验，利用高效、低成本的多维度协同运营方式，让数据发挥其最大的价值。

来源：树根互联