课程背景： 一方面，随着信息化的深入，在传统 IT 建设方式下，企业独立采购或者自建的各种企 业信息系统，在内部数据无法互通，难以配合业务数字化的快速发展；另一方面，云服务的 出现，让硬件基础设施转向成数据云策略，让 IT 架构更灵活，但这也让互联互通困扰企业 发展。 数据中台和业务中台是企业数字化转型的必然产物。中台架构作为整个企业各个业务所 需数据服务的提供方，形成一套高效可靠的数据资产体系和数据服务能力，从而实现数据资 产化和资产服务化。疫情后的 2020 年是数据中台爆发的元年，接下来的“数据业务化”则 是将已经成为资产的数据作为生产资料融入业务价值的创造过程，使之持续产生价值。 本课程的重点将在数据中台建设方法论体系的阐述及案例分析，提供认知升级的有益借 鉴，帮助企业结合自身特点，在战略规划牵引下，从组织保障准则、内容步骤等五个层面全 面考虑，建立起一套可持续运行的中台建设机制，以保障数据中台建设实施如期完成，从而 加速企业的数字化转型进程
课程收益： ● 介绍数据中台及业务中台的概念，梳理双中台的发展趋势，掌握企业数字化升级原则； ● 揭示数字化转型的机遇和挑战，探讨应对之法，提高学员的数字化应用的认知； ● 结合双中台价值框架，重点介绍双中台建设与实践的方法和工具，掌握使用之法； ● 针对企业的数据资产管理策略与技术趋势，展现实际的应用案例，让学员结合实践掌握 面对数字经济转型的应对之法； ● 围绕大数据战略的概念与实战，为企业带来数字经济中的新启发。
课程大纲 导入：为什么 2020 年被誉为中台元年？ 思考讨论：是陷阱？还是金钥匙？ 第一讲：认识行业双中台——企业业务数字化的基础 一、数据中台产生的大背景：全国经营管理一体化趋势 数据：行业中台业务发展趋势 1. “十四五”期间，国家加快推进业务一体化平台建设 2. “上云、用数、赋智”的总体架构 二、数据中台的 3 个核心认知 1. 基础建设的规模化投入 2. 全新的数据价值观和方法论 3. 全新的人才素养要求 三、业务中台的发展阶段：探索、提效、重构 四、解码企业的双中台发展 应用模型：中台模型——让企业的数据活起来 1. 数据中台与业务中台的关系与差别：目标与重点不同 2. 双中台的核心能力：汇聚整合、提纯加工、服务可视化、价值变现 3. 双中台与数据仓库的关系与差别：应用与结构方面的不同 4. 双中台与现有信息系统的不同：系统逻辑与业务支撑不同 小组讨论：你认为还有业务中台、数据中台与现有的信息系统还有什么相同和区别？ 第二讲：双中台建设的价值——推动企业管理、业务、组织优化 一、双中台价值模型的搭建 模型模型：搭建双中台业务的框架 1. 企业双中台建设的战略价值：管理价值化、业务数据化、组织系统化 2. 双中台的设计原则 1）体现组织中的驱动价值 2）规划企业的数据战略资产 3）推动业务的关键流程变革 3. 数据中台建设战略方针 模型：双中台建设战略体系 1）战略行动：建设的策略选择 2）保障条件：组织保障与数据意识 3）目标准则：可见、可用、可运营 案例：袋鼠云数据中台赋能烟草营销数智化转型 二、双中台的建设风险及应对 1. 双中台的定位：业务目标不清晰、没有结合自身特点 2. 双中台的管理博弈：高层领导支持的力度不足、组织和人力资源不满足 3. 双中台的业务价值方向选择：理念、方法论、技术体系、“一把手工程” 案例：美的中台计划的翻车案例 小组讨论：你认为中台规划如何更有效的“避坑”？ 第三讲：双中台建设——五步法 模型：数据中台建设体系 模型：数据中台架构：统一云平台、行业双中台 第一步：立项——数据资源的盘点与规划 工具：企业数字化应用的成熟度评估 案例：物流供应链的中台立项案例 应用：高效评估业务数字化成熟度 第二步：规划——数据中台应用的规划与设计 1. 数据汇聚联通的目的：打破企业数据孤岛 2. 企业数据中台建设的应用场景 1）数据采集、汇聚的方法和工具 2）数据交换产品 3）数据存储的选择 案例：物流供应链的数据应用场景案例 应用：为业务数字化转型进行规划 第三步：建设——数据资产体系建设 1. 数据开发：数据价值提炼 2. 选一个适合自己的技术体系 1）平台的整体架构 2）计算引擎 3）离线/流计算开发套件 4）实时计算开发套件 5）数据资产管理套件 6）数据质量管理套件 7）分析引擎、标签引擎 8）微服务套件 案例：物流供应链的建设管理案例 第四步：实现——数字业务应用的详细设计与实现 1. 补全数据应用的最后“一公里” 2. 数据体系规划——数字应用的实现 1）贴源数据层建设——全域数据统一存储 2）统一数仓层建设——标准化的数据底座 3）标签数据层建设——数据价值魅力所在 4）应用数据层建设——灵活支撑业务需求 案例：物流供应链的应用实现案例 第五步：管理——数据化组织应用 1. 数据化组织规划——数据化组织规划的必要性 2. 数据化组织的定位与职责——明确工作内容及岗位设置 案例：物流供应链的组织管理案例 小组练习：为自己所在的业务制定一个中台建设方案 第四讲：数据战略——每个企业都需要一个大数据战略 一、企业已经置身于大数据时代 1. 大数据的“7V”特征 高速性、多样性、大体量、真实性、可变化、可视化、高价值 2. 大数据的 5 个趋势 移动大数据，实时大数据，物联网，社交大数据，公共大数据 3. 大数据战略的应用——提升质量、优化渠道、降低成本、提高效果 二、构建数据驱动行企业 1. 企业大数据战略落地 模型：大数据路线图 2. 构建大数据团队：七个重要的岗位职能 首席数据官、大数据科学家、大数据分析师、大数据经理、数据工程师、大数据顾问 3. 建立数据驱动的文化——从分析报告到分析预测，从数据收集到数据驱动 小组讨论：大数据还能带来什么价值？ 三、大数据战略实战 案例：大数据在烟草领域的应用与启示 1. 大数据分析和数据驱动决策的思维 1）使用数据科学、数据工程和数据驱动决策 2）大数据和投资回报 数据：大数据发展的趋势数据 2. 从大数据 1.0 到大数据 2.0 的升级 1）数据和数据科学能力作为战略资产 2）数据分析思维 3. 大数据的隐私、道德和安全 4. 大数据的未来——商业分析的未来，迈入波字节时代 第五讲：数据资产管理——面对数字经济的应对之法 一、数据资产的基本概念 资料：《数据资产管理实践白皮书 4.0》 二、数据资产管理的目标 1. 实现元数据的可懂性 2. 建立数据标准可用性 3. 实现最终价值可运营 三、数据资产管理不足的应对之法 1. 基础薄弱：推动数字化建设 2. 数据应用不足：规划业务、管理数字化 3. 数据价值难以量化评估：提升组织数字化素养 4. 缺乏数据安全环境：引入安全管理机制 5. 数据孤岛严重、管理流于表面：简历数字规范与章程 案例：小野电子烟的数据资产“翻车”案例 小组讨论：企业如何有效防范数据资产管理的风险？ 四、数据资产管理的顶层设计 1. 数据资产管理效果评估——建立评估模型 2. 数据资产管理的成功要素 1）强有力的组织架构 2）清晰的数据战略 3）重视数据的企业文化 4）合理的制度与流程 5）建立符合业务需求的规范标准 6）成熟的基础建设 7）科学的项目实施 案例：南湖国旅的数据资产门户案例 五、数据治理——数据资产管理的重要环节 模型：数据治理的六原则模型 1. 数据治理的体系 模型：数据助理六原则 工具：数据管理成熟度模型 2. 数据模型管理 1）管理的现状：静态化、不标准、缺乏监管 2）数据模型管理内容：定义、设计、规范、建设、监管、优化 3）元数据管理：获取、增删改查、对比、统计 4）主数据管理：标准与规范、梳理与集成、质量管理、数据维护 5）数据管理：安全管理、价值管理、共享管理、生命周期管理 案例：数据治理的应用 小组练习：为企业的数据资产管理出谋划策
