今天再談談落地的細節，即如何打造企業數據中臺的評估指標體系，一方面指導企業自身的數據中臺建設，另一方面為企業間數據中臺的比較提供一個參考標準。

1、行業實踐參考

第一個是DCMM。

數據管理能力成熟度評價模型（Data management Capability Maturity Model 簡稱DCMM）是國家大數據重點標準之一，是一個綜合標準規范、管理方法論、評估模型等多方面內容的綜合框架，涉及8個能力域5個等級，目標是提供一個全方位組織數據能力評估的模型，如下圖所示，但其缺乏對數據中臺最重要特征的比如服務化，業務化等的描述。

第二個是大數據服務成熟度模型。

信通院推進的針對大數據服務成熟度評估的準國家標準，是對DCMM的有效補充，如下圖所示。

第三個是云徙科技中臺能力成熟度。

云徙科技針對中臺的成熟度評估實踐，能力域設置比較全面，還有指標體系的設置，如下圖所示。

2、數據中臺能力成熟度模型

結合行業及自身實踐，筆者建議企業數據中臺的評估從管理、技術、價值三個能力域開展，以此衡量數據中臺的管理先進性、技術先進性和服務價值貢獻，如下圖所示：

管理維度：從企業數字化戰略、數字化人才和運營機制反應企業數據中臺管理的先進性

技術維度：從架構先進性、能效水平來衡量數據中臺的技術領先性

價值維度：從服務規模、服務共享及服務響應來衡量數據中臺的價值貢獻

3、數據中臺評估指標體系

這里將數據中臺價值評估指標體系分為管理、價值、技術三大能力域8個能力項共10個指標，指標類型區分為定量和定性，定性的根據劃分階段可以轉成定量，整個指標體系如下表所示：

（1）價值域

數據服務支撐度：數據服務直接支撐的接口數量/下游應用的數據接口數量,代表了數據中臺的服務覆蓋度，如果下游應用的數據接口大多以定制化的方式支撐，那說明數據中臺的支撐范圍有限，該指標可以避免一葉障目、PPT文化、亮點工程現象的發生。

數據服務復用度：數據服務直接支撐的下游應用接口數量/數據服務數量，代表了數據服務的復用共享水平，如果數據服務復用度很低，復用提效就失去了意義，說明數據服務的設計出現了問題。

數據服務交付周期：從需求提出到交付的數據服務平均提供時間，代表了數據中臺對外服務的交付速度，數據服務如果可以采取配置化方式實現，那就可以大幅提升交付速度。

數據中臺是賦能業務快速創新，但并不意味著可以跟業務產生的價值直接掛鉤，因此這里沒有把收入等業務指標直接歸屬到數據中臺價值域。

（2）管理域

數據戰略水平：組織開展數據中臺工作的愿景、目標和原則。參考DCMM(數據管理能力成熟度評估模型)，可以分為初始級、受管理級、穩健級、量化管理級及優化級，也可以根據項目級、部門級、公司級、行業級、標桿級來劃分，并據此評定分值，數據戰略水平代表了公司對數據中臺的重視程度。

數據組織設置：參考數據戰略水平評定方式，假如企業的數據管理組織僅限于IT部門內部，則企業即使有數據戰略，執行力也大打折扣。

數據人才比例：數據專業人才數量/企業員工數量，企業數據人才的多寡一定程度決定了數據中臺的建設質量和運營水平。

使用人員比例：使用數據中臺的內外部客戶數量/內外部客戶數量，使用數據中臺的人員比例一定程度說明數據中臺的開放水平，數據中臺建的再好沒人用也是枉然。

數據匯通比例：企業采集匯通的價值數據數量/企業數據資產盤點后的價值數據數量，這個指標一定程度上代表了企業的基礎數據治理水平。

（3）技術域

DataOps水平：數據開發運營一體化水平，可以分為瀑布式開發、持續集成和交付、一站式可視化集成交付、一站式量化管理及智能優化開發五個階段，假如企業的數據需求從開發到交付的每個階段都是割裂的，那就是處于最低級階段，如果開發和交付實現了無縫銜接，那就到了第二個階段，如果全部是可視化操作，那就到了第三個階段，如果可以基于數據驅動全流程優化，那就到了第四個階段，如果優化基于人工智能自動進行，那就到了最高級階段，當然劃分沒有固定的標準，這里僅是一種示例。

云原生水平：基于AICDE的云化、在線化、智能化架構水平，可以分為豎井式架構，微服務架構，全面云化、在線化、服務化架構，具備量化管理的云化架構，基于AI決策的自動化架構五個階段，云原生水平沒有固定的標準，這里僅是一種示例。

如果對以上10個指標的分數進行標準化，就可以給出一個企業數據中臺在8個方面的評分，下面是一個雷達圖示例，如果再加權求和，就可以給出一個綜合評分：

筆者在評估數據中臺的時候有很多挑戰，一方面受限于自身的經歷和水平，很難說客觀全面，也許我說得都是錯的；二是數據中臺沒有標準定義，沒有標準架構，也沒有通用的最佳實踐，要給出評估指標體系就更難了，三是很多指標雖然可以設置，但難以量化，比如數據戰略水平、DataOps水平，這使得評估指標體系設計難上加難。

但無論有多少爭議，扔一個體系出來供大家參考和批判總是有益的，因為建完了數據中臺后，領導總是會問：數據中臺到底產生了什么獨特的價值？在行業內處于什么樣的水平？

我們需要正面嚴肅的回答這個問題，一方面是為了獲得領導的理解和支持，另一方面也為中臺的運營指明方面，否則就真成了瞎子。

數據中臺可以沒有標準架構，但需要有相對公允的價值評估手段，就好比雖然每個企業都在做精確營銷，大家的實現過程和所用技術也各不相同，但好歹還有個公認的轉化率指標可以大致衡量下自己的水平，而不是雞同鴨講。

無論如何，量化一下總比定性的講好很多，這是數據從業者應有的態度！