有資料中台和沒有資料中台的差別是什麼

資料中台傳遞的常見成果，一是大屏，但問題是沒有資料中台的時候也能幹大屏。二是存大資料的底座，但問題是對非數字原生企業的資料量來講就是極大浪費。三是協同開發工具，但大多數企業的資料開發人員隻是個位數。四是客戶分析，聚焦在單一的領域又不能發揮中台打通的價值。導緻業務使用者無法直接看出其存在的獨特意義。

為什麼資料價值出不來

我們總結為客戶做過的不同類型的資料應用，發現資料價值出不來的核心原因是：供需雙方立意要解決的問題太大，想解決遠超當下技術限制的問題。實際資料的作用隻是解決巨大問題的微小一粒，最終造成了使用者對資料價值可有可無的感覺體驗。

比如：解決自動漲工資問題、解決利潤增長問題、公司戰略方向選擇的問題。因為“越複雜的問題，分析模型就越複雜”。

“工資該不該漲”決策因素包括：整體業績、薪酬政策、是否達到預期、有沒有成本效益更高的員工代替……可以說非常多，資料模型也很複雜。

反過來就很容易了解，特斯拉的智能駕駛那麼大的投入，那麼先進的技術，人家不就解決了一個普通人僅需個把月教育訓練都能幹的駕駛活嘛，而且仍然還不太成熟。

=02=

什麼是資料微智能

“資料微智能”是早見雲數對數字技術的深刻了解+有遠見的使用者共創+科學的分析客戶實際應用效果，實踐總結出來的資料類項目價值傳遞方法。“微”的内涵是瞄向更小的場景，更多的場景。“智能”的内涵是更主動、更易懂、更直接：“讓資料主動找人”“讓人更容易了解資料”“讓資料直接産生價值”。

微智能讓資料能夠直接産生價值

用句俗話就是“甯做雞頭，不做鳳尾”力求瞄準有價值的小問題發揮出資料的關鍵作用，并解決多個這樣的問題，這是微智能的核心方法。

微智能重新定義了多數企業發揮資料價值的可行路徑：聚焦到有價值的小場景，解決特定的問題，并且解決這個問題資料能夠做到人不易做到的程度。

比如：雖然現有模型解決不了工資該不該漲的問題，但是完全可以解決員工“入調離”的社保公積金「漏繳多繳」的問題，在這個場景資料的作用就非常直接。

微智能讓人更容易了解資料

傳統的資料應用模式像“字典”，使用者需要先從字典裡面把每一個字查出來，然後再組裝成自己需要的“作文”。是以這是一個很複雜的過程，隻有少數精英能掌握如何使用這些與場景不比對的資料。

微智能更像“作文範本”，因為要解決的問題更清晰具體了，就可以“預置資料模型”，使用者基于場景就更容易讀懂資料了。

微智能讓資料主動找人

有了按場景組裝的資料産品後，還需要解決“最後一公裡”的問題，從傳統的“百貨公司賣貨”轉向“快遞到家門口”，資料營運者需要更了解使用者的需求，主動把資料産品按使用者的習慣和需要送到使用者手中，自動把使用者關心的資料呈現到他面前。

當然我們也相信随着資料技術的進步，能解決的問題也會越來越大！

=03=

資料中台的“黃金搭檔”

起初我們和一些有遠見的業務使用者交流“微智能資料應用”思想時産生了強烈的共鳴。但也産生了一個大疑問，場景雖然小但是需要的名額可不小，如何解決小場景的成本投入和開發效率問題呢？

用傳統的方法資料無法被複用，每個小場景都得單獨從頭到尾開發資料，實施成本很高，投入産出就不劃算。但是有了資料中台特别是基于雲原生的資料中台，成本大幅下降，名額一次開發出來就可無限複用，用得越多，ROI反而越高，資料價值便可涓流成河！

回到前面的問題“有資料中台和沒有資料中台有什麼不同？”就是要看在資料中台的支撐下：資料應用有沒有“百花齊放”，各個層級/部門的數字化探索有沒有“百舸争流”，企業的資料業務化有沒有“百煉成鋼”。