前言

刚刚过去的21世纪的第二个十年，是消费互联网蓬勃发展的十年，也是云计算、大数据、人工智能等新一代信息技术，即“数字化技术”快速崛起的十年。

在这一时期，以信息服务为主的消费互联网行业，如电商、互联网金融、社交娱乐等，充分享受了数字化技术带来的“数字化红利”，极大推动了其终端用户的消费行为与体验的数字化转型。

但相比于消费互联网行业在数字经济浪潮下的蓬勃发展，以传统线下服务、实体商品制造为主的传统行业逐渐显得落寞。在国际局势不明朗、国内市场红利逐步耗尽、存量竞争日益明显、人才成本日益高企、产业升级换代压力增大的当下，传统行业的经营与效益上正面临三十年未有之变局，在新兴的数字化业态冲击下，还同时面临着客群与市场相对萎缩的困局。

因此，投资数字化技术，充分接纳技术带来的变革，推动企业数字化转型，从而实现经营策略由粗放式向精细化的转变，对抗经济周期带来的下行压力，将成为传统企业的必然抉择。

根据华为&牛津经济研究院报告显示，自2000年以来，金融、制造、ICT服务、交通、公用事业、房地产、农业等传统行业的数字化技术投资的年复合增长率，明显超越以消费互联网为代表的数字化技术制造业。

图 1： 各行业的数字投资增长

该报告还表明，过去三十年中，数字化技术投资每增加1美元，便可撬动GDP增加20美元，而1美元的非技术投资仅能推动GDP增加3美元，数字化技术投资的平均回报是非数字化技术投资的6.7倍。这也说明，驱动传统行业的数字化技术投资的动力来源，本质上是企业对效益提升的追求。

在数字化技术中，数据库、数据仓库、大数据平台和云数据平台等基础软件，构成了企业数字化转型的重要基础设施，即“数据基础设施”。随着各行业的数字化场景的发展，新的业务挑战对“数据基础设施”的技术路线演进产生了极大的推动作用。

但是，迄今为止的数据基础设施发展，仍然难以彻底解决以集团型、多分支-企业为代表的大中型企业数字化转型的痛点。

比如，银行、保险等金融机构普遍采用夜间“跑批”的方式对当日交易数据进行ETL处理，从而将数据汇总到数据仓库、数据集市中，供用户进行报表分析与即席查询，但数据基础设施底层的复杂查询性能，成为“跑批”结果时效性的主要瓶颈，这也影响了用户进行决策的频次和时效性。

再如，电力、电信等关乎国计民生、用户数量巨大、IT基础设施复杂的行业，普遍面临的挑战是数据规模及其庞大，而数字化应用的计算与存储需求也及其巨大。为了提升工作负载能力，多集群的数据基础设施已经成为行业普遍现状。由此，尽管交易型数据库的“数据孤岛”得到了一定程度的治理，但在数据基础设施内部，却因为多集群间的数据共享难题，产生了新的“数据孤岛”。

由此可见，数据基础设施的技术架构、功能与性能特点的不断演进和发展，仍具备无限的想象空间。以“云数据平台”为代表的新一代数据基础设施，正逐渐成为集团型、多分支企业推进整体数字化转型的最佳选择。

目录

1. 数据基础设施支撑企业数字化转型

2. 企业数字化深入推进，云数据平台价值显现

3. 以云数据平台为中心的企业数字化落地方法论

4. 典型行业实践案例

1. 数据基础设施支撑企业数字化转型

在宏观经济走向中低速增长的今天，“重资产、薄利润、现金流短缺”等经营现状，愈发困扰着传统企业，产业升级任重而道远。

相比于从诞生第一天起就带有浓重“数字化基因”互联网企业，许多传统企业对数字化技术的应用还处在摸索阶段。但是，中国经济已经开始迈入“数字经济”的新阶段，快速涌现和崛起的数字原生企业，以及数字化技术带来的竞争优势，意味着传统企业如果不快速接纳数字化技术带来的变革，那么将必然无法维持原有竞争优势。

因此，通过积极接纳数字化技术，重塑业务流程，拓展业务边界，将成为传统企业实现可持续发展的必然选择。

1.1 企业数字化的战略规划

国务院发展研究中心课题组发布的《传统产业数字化转型的模式和路径》对产业数字化进行了定义：利用新一代信息技术，构建数据的采集、传输、存储、处理和反馈的闭环，打通不同层级与不同行业间的数据壁垒，提高行业整体的运行效率，构建全新的数字经济体系。

在这一基础之上，爱分析认为，企业的数字化转型，则是指企业依托于数字化技术（即“新一代信息技术”），构建与数字化技术相适应的战略规划、人才能力、组织架构、运营方法，推动业务及运营模式的不断变革与敏捷创新，从而帮助客户创造更大价值，实现业绩增长与运营效率提升。

相比于传统企业，数字化企业具备四大基本特征：以客户为中心、以数据价值为基础、以AI能力为引领、以敏捷能力与驱动型IT组织为支撑。

由此可见，企业数字化转型是一项系统性、全员性工程，绝非能够一蹴而就。传统企业的数字化转型项目，普遍存在“成本高、周期长、难度大”等问题，这使得传统企业的数字化转型步伐显得迟缓且保守。

为了降低数字化转型项目的失败风险，降低试错成本，提升项目整体效益，进行自顶向下的战略规划显得至关重要。根据先进企业的数字化实践经验来看，成功的企业数字化战略，至少应当包括数字化战略、数字化场景、数字化技术与数字化组织等四个层次。

图 2： 企业数字化的战略规划

数字化战略：企业数字化战略具备系统性特征，是“一把手工程”，责任首先在于企业高层，成功的关键也在于企业高层观念与理念的转变。因此企业首先需要进行战略目标的设定，从而充分调动全企业、各部门的资源，对业务场景、组织架构、数据基础设施进行整体规划，并对实施流程进行整体把控。

数字化场景：数字化战略的核心价值在于赋能业务场景，缺乏落地场景的数字化战略只是“空中楼阁”。因此，企业应当在具体业务场景中衡量数字化的真实价值，这就需要企业全面梳理业务场景，并对各场景的业务需求、现有条件、预估投入、波及范围和预期业务收益进行全面评估，保证数字化转型的目标与收益相对明确、实施过程与影响相对可控。

数字化技术：数字化技术主要指为企业数字化战略提供技术支撑的云、数据、AI等技术能力。其中，数据能力主要指企业基于数据分析来支撑业务决策的能力，其在基础软件层面的具体载体是“数据基础设施”。

数字化组织：数字化战略的内在要求是对数字化组织架构的打造。为了深度应用各类数字化技术，企业需要推动数字化人才的引进和培养，比如数据分析师、数据科学家、算法工程师等专业性技术人才，以及具备数字化意识的业务人才和管理人才。在人才基础上，企业需要进一步搭建最大化人才价值的数字化团队。在文化层面，企业需要通过一系列的规范标准、制度安排、激励措施，推动“以数据发现问题所在、以数据分析问题成因、以数据预测发展趋势、以数据推动业务变革”成为全企业、各部门的集体共识，将数据文化内化为企业文化的一部分。

1.2 数据基础设施的定义

爱分析认为，数据基础设施是一套建立在过往的交易数据基础之上，并结合一定的技术手段与业务流程，为业务场景提供数据服务，实现数据价值变现的生态体系。数据基础设施的建设方式、建设质量直接决定了数字化团队的协作方式与工作效果，也进一步影响了整个企业数字化战略的最终效果。

一般来讲，数据基础设施包括数据体系、技术体系、运营体系、服务体系等四个部分。

图 3： 数据基础设施架构

• 数据体系：包含了企业内可利用数据的组织方式，包括源系统的交易数据，各类非结构化、半结构化、二进制数据，以及结构化数据的数据分层关系、数据模型、数据表结构、视图关系、字段名称、数据容量、数据权限分配等。
• 技术体系：包含了一系列数据相关的技术产品，如交易型数据库、数据接入工具（数据同步/消息中间件）、分析型数据库、NoSQL数据库、数据开发工具、AI算法开发工具等，以及不同产品之间的协同关系与业务流程。
• 运营体系：通过数据标准、数据质量、数据资产目录、数据服务培训与推广、平台操作流程与规范等，搭建数据的资产化管理与运营体系，从而为服务体系提供稳定的运营支撑，并保证数据基础设施与组织架构之间的协同效率。

数据运营体系建设在金融行业的重要性：

在中国经济转型、金融科技高速发展、金融环境及监管政策变化的大背景下，金融行业尤其银行业面临着持续挑战和变革压力，亟需推进全面的数字化转型。

在需求层面，数据已经成为金融机构的战略资产，数据的准确性、完整性、一致性等数据质量指标对金融机构至关重要。

在政策层面，银监会、人民银行、外管局等监管机构对商业银行等金融机构的数据良好标准、数据一致性、完整性等数据质量指标的要求也日趋严格。比如，银保监会于2018年5月21日正式发布《银行业金融机构数据治理指引的通知》（银保监发【2018】22号），对银行数据治理体系建设提出了规范要求，并将数据治理与监管评级挂钩，将银行业金融机构开展数据治理工作的重要性提高到了战略高度。

但是，当前许多金融机构仍然普遍存在“缺少数据治理体系、数据质量较差、数据应用难以有效开展”等问题，与满足监管的基本要求还有较大距离，也难以满足日益增长的数据应用需求。

因此，构建完善的数据运营体系，加强数据治理、提升数据质量、发挥数据资产价值、支持业务创新和精细化管理的必要性和紧迫性日益凸显。

• 服务体系：是数据与业务结合的关键环节，主要以可视化大屏、固定报表、自助式报表、数据API服务、数据应用等数据服务形态，以便捷的方式为业务部门提供数据服务，实现数据变现。

1.3 数据基础设施的演进历程

作为企业数字化转型的核心支撑，数据基础设施的技术架构特点，决定了其支撑数字化团队与数字化场景的能力上限。

根据业务场景、组织架构、技术架构、功能特点、性能特点的差异，数据基础设施的演进历程，已经经历了数据库、数据仓库、大数据平台三个完整阶段。目前，数据基础设施正在迈向前三个阶段之后的第四个阶段，即“云数据平台”阶段。而在这一演进过程中， 还出现了像“数据中台”这样的阶段性概念。

图 4： 数据基础设施的演进历程