課程背景： 一方面，隨著信息化的深入，在傳統 IT 建設方式下，企業獨立采購或者自建的各種企 業信息系統，在內部數據無法互通，難以配合業務數字化的快速發展；另一方面，云服務的 出現，讓硬件基礎設施轉向成數據云策略，讓 IT 架構更靈活，但這也讓互聯互通困擾企業 發展。 數據中臺和業務中臺是企業數字化轉型的必然產物。中臺架構作為整個企業各個業務所 需數據服務的提供方，形成一套高效可靠的數據資產體系和數據服務能力，從而實現數據資 產化和資產服務化。疫情后的 2020 年是數據中臺爆發的元年，接下來的“數據業務化”則 是將已經成為資產的數據作為生產資料融入業務價值的創造過程，使之持續產生價值。 本課程的重點將在數據中臺建設方法論體系的闡述及案例分析，提供認知升級的有益借 鑒，幫助企業結合自身特點，在戰略規劃牽引下，從組織保障準則、內容步驟等五個層面全 面考慮，建立起一套可持續運行的中臺建設機制，以保障數據中臺建設實施如期完成，從而 加速企業的數字化轉型進程
課程收益： ● 介紹數據中臺及業務中臺的概念，梳理雙中臺的發展趨勢，掌握企業數字化升級原則； ● 揭示數字化轉型的機遇和挑戰，探討應對之法，提高學員的數字化應用的認知； ● 結合雙中臺價值框架，重點介紹雙中臺建設與實踐的方法和工具，掌握使用之法； ● 針對企業的數據資產管理策略與技術趨勢，展現實際的應用案例，讓學員結合實踐掌握 面對數字經濟轉型的應對之法； ● 圍繞大數據戰略的概念與實戰，為企業帶來數字經濟中的新啟發。
課程大綱 導入：為什么 2020 年被譽為中臺元年？ 思考討論：是陷阱？還是金鑰匙？ 第一講：認識行業雙中臺——企業業務數字化的基礎 一、數據中臺產生的大背景：全國經營管理一體化趨勢 數據：行業中臺業務發展趨勢 1. “十四五”期間，國家加快推進業務一體化平臺建設 2. “上云、用數、賦智”的總體架構 二、數據中臺的 3 個核心認知 1. 基礎建設的規模化投入 2. 全新的數據價值觀和方法論 3. 全新的人才素養要求 三、業務中臺的發展階段：探索、提效、重構 四、解碼企業的雙中臺發展 應用模型：中臺模型——讓企業的數據活起來 1. 數據中臺與業務中臺的關系與差別：目標與重點不同 2. 雙中臺的核心能力：匯聚整合、提純加工、服務可視化、價值變現 3. 雙中臺與數據倉庫的關系與差別：應用與結構方面的不同 4. 雙中臺與現有信息系統的不同：系統邏輯與業務支撐不同 小組討論：你認為還有業務中臺、數據中臺與現有的信息系統還有什么相同和區別？ 第二講：雙中臺建設的價值——推動企業管理、業務、組織優化 一、雙中臺價值模型的搭建 模型模型：搭建雙中臺業務的框架 1. 企業雙中臺建設的戰略價值：管理價值化、業務數據化、組織系統化 2. 雙中臺的設計原則 1）體現組織中的驅動價值 2）規劃企業的數據戰略資產 3）推動業務的關鍵流程變革 3. 數據中臺建設戰略方針 模型：雙中臺建設戰略體系 1）戰略行動：建設的策略選擇 2）保障條件：組織保障與數據意識 3）目標準則：可見、可用、可運營 案例：袋鼠云數據中臺賦能煙草營銷數智化轉型 二、雙中臺的建設風險及應對 1. 雙中臺的定位：業務目標不清晰、沒有結合自身特點 2. 雙中臺的管理博弈：高層領導支持的力度不足、組織和人力資源不滿足 3. 雙中臺的業務價值方向選擇：理念、方法論、技術體系、“一把手工程” 案例：美的中臺計劃的翻車案例 小組討論：你認為中臺規劃如何更有效的“避坑”？ 第三講：雙中臺建設——五步法 模型：數據中臺建設體系 模型：數據中臺架構：統一云平臺、行業雙中臺 第一步：立項——數據資源的盤點與規劃 工具：企業數字化應用的成熟度評估 案例：物流供應鏈的中臺立項案例 應用：高效評估業務數字化成熟度 第二步：規劃——數據中臺應用的規劃與設計 1. 數據匯聚聯通的目的：打破企業數據孤島 2. 企業數據中臺建設的應用場景 1）數據采集、匯聚的方法和工具 2）數據交換產品 3）數據存儲的選擇 案例：物流供應鏈的數據應用場景案例 應用：為業務數字化轉型進行規劃 第三步：建設——數據資產體系建設 1. 數據開發：數據價值提煉 2. 選一個適合自己的技術體系 1）平臺的整體架構 2）計算引擎 3）離線/流計算開發套件 4）實時計算開發套件 5）數據資產管理套件 6）數據質量管理套件 7）分析引擎、標簽引擎 8）微服務套件 案例：物流供應鏈的建設管理案例 第四步：實現——數字業務應用的詳細設計與實現 1. 補全數據應用的最后“一公里” 2. 數據體系規劃——數字應用的實現 1）貼源數據層建設——全域數據統一存儲 2）統一數倉層建設——標準化的數據底座 3）標簽數據層建設——數據價值魅力所在 4）應用數據層建設——靈活支撐業務需求 案例：物流供應鏈的應用實現案例 第五步：管理——數據化組織應用 1. 數據化組織規劃——數據化組織規劃的必要性 2. 數據化組織的定位與職責——明確工作內容及崗位設置 案例：物流供應鏈的組織管理案例 小組練習：為自己所在的業務制定一個中臺建設方案 第四講：數據戰略——每個企業都需要一個大數據戰略 一、企業已經置身于大數據時代 1. 大數據的“7V”特征 高速性、多樣性、大體量、真實性、可變化、可視化、高價值 2. 大數據的 5 個趨勢 移動大數據，實時大數據，物聯網，社交大數據，公共大數據 3. 大數據戰略的應用——提升質量、優化渠道、降低成本、提高效果 二、構建數據驅動行企業 1. 企業大數據戰略落地 模型：大數據路線圖 2. 構建大數據團隊：七個重要的崗位職能 首席數據官、大數據科學家、大數據分析師、大數據經理、數據工程師、大數據顧問 3. 建立數據驅動的文化——從分析報告到分析預測，從數據收集到數據驅動 小組討論：大數據還能帶來什么價值？ 三、大數據戰略實戰 案例：大數據在煙草領域的應用與啟示 1. 大數據分析和數據驅動決策的思維 1）使用數據科學、數據工程和數據驅動決策 2）大數據和投資回報 數據：大數據發展的趨勢數據 2. 從大數據 1.0 到大數據 2.0 的升級 1）數據和數據科學能力作為戰略資產 2）數據分析思維 3. 大數據的隱私、道德和安全 4. 大數據的未來——商業分析的未來，邁入波字節時代 第五講：數據資產管理——面對數字經濟的應對之法 一、數據資產的基本概念 資料：《數據資產管理實踐白皮書 4.0》 二、數據資產管理的目標 1. 實現元數據的可懂性 2. 建立數據標準可用性 3. 實現最終價值可運營 三、數據資產管理不足的應對之法 1. 基礎薄弱：推動數字化建設 2. 數據應用不足：規劃業務、管理數字化 3. 數據價值難以量化評估：提升組織數字化素養 4. 缺乏數據安全環境：引入安全管理機制 5. 數據孤島嚴重、管理流于表面：簡歷數字規范與章程 案例：小野電子煙的數據資產“翻車”案例 小組討論：企業如何有效防范數據資產管理的風險？ 四、數據資產管理的頂層設計 1. 數據資產管理效果評估——建立評估模型 2. 數據資產管理的成功要素 1）強有力的組織架構 2）清晰的數據戰略 3）重視數據的企業文化 4）合理的制度與流程 5）建立符合業務需求的規范標準 6）成熟的基礎建設 7）科學的項目實施 案例：南湖國旅的數據資產門戶案例 五、數據治理——數據資產管理的重要環節 模型：數據治理的六原則模型 1. 數據治理的體系 模型：數據助理六原則 工具：數據管理成熟度模型 2. 數據模型管理 1）管理的現狀：靜態化、不標準、缺乏監管 2）數據模型管理內容：定義、設計、規范、建設、監管、優化 3）元數據管理：獲取、增刪改查、對比、統計 4）主數據管理：標準與規范、梳理與集成、質量管理、數據維護 5）數據管理：安全管理、價值管理、共享管理、生命周期管理 案例：數據治理的應用 小組練習：為企業的數據資產管理出謀劃策
