艱難的選型

作為一個數據人，對于“數據中臺”這個中國本土產生的概念，我個人是舉雙手投票支持的。但這個符合數字化轉型期望的概念一路都磕磕絆絆，總是不太順利。

在老彭看來，這其實歸結于“數據中臺”這個概念太好了，太深入人心了，而市場又缺乏衡量標準，導致充斥著牛鬼蛇神，甚至還有“假中臺”的說法。

學過一點經濟學的彭友都知道，在這種“劣幣驅逐良幣”的格局下，對供求兩端都不友好。買方的決策時間和風險劇增，項目成功率降低；賣方的競爭成本壓力巨大，不得不用增加POC的方式獲得訂單。

業務部門需要數據中臺（或者其他產品）增強競爭力，但是負責建設的IT/數據部門則要防止選中“假中臺”帶來的巨大風險。于是不得不一次又一次地反復PUA乙方：“你們的產品和其他競對有什么區別？這個功能對業務來說到底有什么用？能給我們帶來什么價值？”其實這也不怪他們矯情。餐廳里負責點菜、收銀的服務員并不關注后廚用的是什么工具，他們只關注是否能提供令客人滿意的菜品。而后廚采購廚刀、案板的時候關注的永遠只有一條：是否趁手好用。So，數據中臺對于甲方不同角色的感受是不一樣的。業務部門并不在乎使用什么產品，建設什么項目，他們看中的是能否能幫助業務部門建立起足夠強的能力。IT/數據部門則關注的是產品是否好用，能不能讓他們在后期的建設、實施過程中更加省心省力。一般來說，在進行產品選型的時候，都會關注企業實力、產品功能、實施能力、報價等因素。

上面這個表格看上去很專業，但只要做過選型的人都知道，這些常規的選型維度并不能讓數據部門選出一個讓人省心好用的好產品。因為鞋合適不合適，只有腳知道。

選型，是一件非常難的事情，因為下了決定，就要為這個選擇承擔責任。一旦選擇錯誤，后果非常嚴重。輕則項目失利，重則掃地出門。

合腳的數據中臺

究竟怎樣的數據中臺才是最合適的？買鞋可以挨個上腳試，數據中臺怎么挨個試？?所以一般的方式就是廣撒網，挨個邀約廠商上門，首拜、演示、試用、Demo、POC，一輪又一輪，曠日又持久。廠商為了訂單，會無所不用其極，各種陰謀陽謀全上，商務、關系多管齊下。講真，在這種情況下，最終的決策很可能超出原有的期望，變成一個“多角色、綜合決策”。就像小時候買鞋，雖然是我穿，但都沒征得我的同意，甚至都不合腳，因為我媽說買大一點能多穿兩年。

所以，選型的時候，一定要明白我們IT/數據部門要的是什么。是供應商的名氣？是同類行業經驗？是一條龍的服務？還是有限的預算下不得不妥協的結果？以上內容都是綜合決策時需要考慮的內容，并沒有對錯之分，甚至能明哲保身。比如：供應商名氣大是有好處的，就算項目最后失敗了，也可以跟老板說：這是全國最好的，這家做不了，實在是時機/數據/市場等條件不行導致的。供應商同行業項目經驗好處一樣，至少可以看到別人是怎么做的，然后照貓畫虎，多方參考。如果我們沒有足夠的開發人員，選擇一個有較強實施能力的團隊是非常有必要的，否則就像只買菜，沒有廚子照樣做不好一桌菜一樣。站在一個數據部門負責人的視角，我認為選數據中臺和買鞋一樣，最重要的選型維度是：舒服。于是我們選擇數據中臺的核心問題只剩下一個：如何讓自己舒服？如何讓團隊舒服？

高效協同：數據團隊最舒服的姿勢

作為一個職業摸魚人，老彭的摸魚絕招是打造一個高效的數據問題自動解決機制：打入敵人內部的數據小分隊+規范的數據工作流+靈活高效的工具。也就是組織、流程和工具。這其中落地的關鍵就在于數據中臺這個工具。數據中臺作為承接所有數據處理工作的載體，必須要非常好用，否則效率提不上來，問題解決不了，一切都白搭。因此，數據中臺最關鍵的能力是“協同能力”。一個好的數據中臺必須要做到三協同：

1、數據與數據的協同

2、產品與產品的協同

3、數據與業務的協同其中，數據與數據的協同是基本能力，OneID、離線+實時數據處理、數據統一建模等都是數據協同的范疇。

這些能力是最基礎的，絕大多數數據中臺產品都能擁有這些能力。如果這些能力都達不到，妥妥的掛羊頭賣狗肉。產品與產品的協同指的是數據中臺與BI、大屏、數據門戶等產品之間的協同。如果這一步協同不到位，會帶來極大的系統集成工作量，甚至導致部分效果無法實現。

很多供應商就停在這一步了，僅僅通過提供接口與其他產品進行對接。這一倒是能協同，但是不夠高效。比如對于數據中臺提供的各種API接口，就難以做到“API可視化”，實時掌握上層BI、大屏對數據服務的調用情況。數據與業務的協同指的是業務的變化能及時在數據上反饋，同樣，數據的優化能及時賦能業務。在數據團隊，最令人頭疼的一件事情就是如何管理不斷暴增的業務指標，以及如何同步開發指標計算邏輯。

題外話：有意思的是，神奇的康威定律在這里又一次靈驗了?？低纱吝@里：神奇的康威定律-組織決定產品形態。更進一步，是能加強數據團隊與業務團隊的協同。能做到這一點的數據中臺已經是鳳毛麟角了。數據部門與業務部門交涉最討厭的局面就是業務以“業務需要”為由，要求數據部門無條件配合。如何才能為數據團隊提供一個抓手，幫助數據團隊在與業務部門溝通的時候獲得主動權？

好用省心的選型維度

綜上所述，我認為可以再加上兩個維度：省心能力和協同能力。具體的內容可以根據團隊實際情況自行添加。

比如在上表中我還增加了一個自動生成數據血緣的內容，看上去很小的一個功能點，實際上會造成后期非常大的運維工作量。有個彭友就跟我吐槽過一個項目中數據中臺和BI用了兩個產品，導致數據血緣無法打通、需要手動生成的問題，導致報表數據出錯了，向上溯源非常困難。這樣，我們就梳理出一個完整的數據中臺選型維度，包括：1、企業綜合實力2、產品能力3、實施運維能力4、產品報價5、省心能力6、協同能力其中1-4用來進行綜合決策參考，5和6才是數據部門最終選型的核心指標。只有符合這兩個指標的數據中臺產品，才能真正讓我們的數據工作省心、省力。

結語

想讓大家支持你的工作，最好的方式是讓大家知道這件事情的價值。數據有價值這件事情已經成為共識，但是到底對業務有什么價值卻很少有人能說清楚。尤其是數據治理這種“下水道工程”，更是難以說清楚其業務價值。

不過這個功能在不同領域的作用有所差異：像是在互聯網、物聯網這種需要大量資源存儲、計算的場景中就非常令人吃驚：這張報表花了我4位數的成本？

在傳統企業中，數字化轉型之下物聯網產生的數據量和計算量越來越大，計算成本也不斷增強，配合使用也能體現ROI，同時還能迫使用數部門提高描述需求的質量，從而形成數據開發全生命周期的正向循環。

我們期望有更多能夠直接展示數據價值，促進數據和業務協同的功能不斷涌現，幫助數據團隊的工作更省心、更省力。