1、 如何建设数据驱动型组织 围绕数据战略，提升组织生产力 蓝皮书 Forrester面向中国市场的调研报告显示：多数企业认为数据资产问题需要融入企业战略层面，并通过更加有效地手段予以管理及充分利用。 数字化转型趋势下，组织都在思考如何去应对时刻存在的变化，如何在诸多不确定的因素下，满足组织持续发展、提升竞争力以及监管日益严格的环境下合规运营的需求。 据福布斯披露， 财富500 强公司数据可访问性增加 10%，便可带来 6,500 万美元的额外净收入。 “依靠智能算法及敏捷数据准备在数据海洋中提炼石油 ，让决策更科学”已成为众多企业的共识。 与此同时，我们发现，随着云、大数据、人工智能等数字化技术

2、的快速发展，组织对于数字化转型的必要性有共同的认知，并且大部分组织都把数字化转型与其业务发展目标紧密结合，但仅有 28%的组织处于数据驱动运营的成熟阶段，Forrester 面向中国市场的调研报告中，大部分受访者表示内部对于数据价值及数据资产存在不同认知，缺乏统一的目标，难以有效协同，所以需要清晰的数据战略指导，实现组织内部的统一认知、持续进行人才储备，并在上海品茶层面融入数字化思维。 数据战略是一个组织如何运用数据来实现业务可持续发展，来提升组织生产力的战略，是将数据驱动作为组织发展的战略。组织实施数据战略时会面临多方面的挑战。 清晰的数据战略，从容实现全方位数据驱动 公司的业务战略需要清楚

3、地阐述将如何利用数据和来自数据的洞察力来创造竞争差异化，并推动战略决策 通过数据资产地图以及知识图谱等方式，链接不同业务系统的数据，从而尽可能的打通企业内部数据并消除数据孤岛 将结构化、非结构化、半结构化以及其它数字资产置于统一的数据管理体系下，为业务分析、运营和管理等业务需求提供开发、部署、保障等服务 提供业务的 360 度视图（B2B、B2C 和B2B2C），以支持关键的业务决策、目标和运营绩效 数据平台积极利用并转向现代大数据集成技术，而不是主要的提取、转换、加载（ETL）工作，以支持各种管理要求 通过管理的数据源、API 和管道服务来展示数据，使业务用户、分析师、数据科学家和开发者利益

4、相关者通过自服务方式访问数据、获取洞察 Forrester 的调研表明，数据战略涉及到组织的内部各方，要推进会面临很多困难，一方面需要获取组织决策层的支持，另一方面脱离不了业务部门来主导数据需求，共同围绕业务流进行即时治理。 组织中各业务部门不断改变的业务流程，不断变化的数据，缺乏统一业务和数据架构。 某一业务部门人员对其他业务部门、业务系统缺乏了解，相互间的业务关系和数据连接模糊不清。 耗时耗力进行洞察和治理的数据，真正跨部门使用的时候发现无法满足要求。 部门的数据，部门的标准，治理阶段往往发现不了跨部门数据质量问题。 以欧盟通用数据保护条例（GDPR）为例，该条例要求处理欧盟公民数据的公司

5、遵守严格的数据隐私法规。不遵守GDPR的组织将面临高达其全球年度营业额 4%的处罚。国内中华人民共和国个人信息保护法 、 中华人民共和国数据安全法等法律对数据保护也做出了相关规定。由于潜在的惩罚如此严重，许多组织将安全合规能力视为一项关键的竞争优势。然而，许多因素使得组织越来越难以遵守多个垂直行业中日益增多的法规要求。 新监管趋势及行业趋势对数据安全合规的管理提出了更高要求，但组织要做好数据安全合规工作还面临不小的挑战。比如，要求管理内容更丰富，具体体现在非结构化数据纳入管理范畴、客户隐私数据保护成为重点、数据安全分级管理成为必要、海量数据脱敏、分布式的基础设施灾备等更多相关的法律法规要求下需

6、要越来越多的应对，这对组织来说在进行数据收集、融合、分析、治理、提供、传输等过程中带来了有很大的安全合规方面的挑战。 安全合规 业务部门开始主导数据需求 组织实施数据战略的挑战 组织中的业务部门往往是以“业务驱动”为原则进行数字化战略的实施，结果是建立了众多的业务线的数据平台，形成了各个“信息孤岛”和“烟囱系统” 。 在形色各异的数据平台中，技术标准不一样、数据标准不一样、接口标准不一样、更甚者没有应用标准。 在多数据平台环境中，没有一种工具可以执行数据聚合所需的每项集成任务，因此，需要大量的时间进行测试来确定如何解决内部跨多数据平台的数据集成和聚合问题。 多数据平台 混合云或多个公有云的普遍

7、采用，数据分布在不同的云基础设施中，无法进行便利和有效的互通、共享和利用。 多云面临统一数据质量标准的困境，包括在多个云平台一致地应用数据访问策略、用户安全控制、元数据和数据质量标准。 多个云平台的数据管理技术，工具，流程各不相同，也不具备成熟的统一发展的标准体系，无法为组织提供拥有一致认可的定义或功能集。未来对数据的统一集成和组织管理到数据战略的实施带来了很大的挑战。 多云 多数据平台 由于部门、应用、架构等导致的数据孤岛，致使数据无法互通、共享、被利用。 数据孤岛阻碍了数据资产的开发，数字业务带来更高的数据复杂度以及更多异构类型的数据，如结构化、非结构化、半结构化数据，数据孤岛难以打破并随

8、数字化转型过程中在不断增加。 数据孤岛成为释放数据价值的关键障碍，在数字化战略深化到数据驱动的阶段，数据孤岛将是实现数据驱动的最大羁绊之一。 数据孤岛 不同部门、应用、架构中的数据无法互联互通，导致无法以数据驱动业务 源自部门、应用、架构的数据孤岛 组织实施数据战略的挑战 以组织转型实践数据战略 数据驱动型组织是以数据为生产要素的组织，以数据驱动业务，实现持续增长和创新发展，以重塑组织的生产力。 打造数据驱动型组织是一个长期工作，少则数年，长则数十年。数据驱动型组织的建设首先是一个组织的转型，需要组织内所有部门参与进来，没有单个部门可以置之事外。要做到数据驱动，考验的是人和组织适应变化的能力，

9、需要组织能发挥数据的价值、打造数据文化，以数据驱动组织的持续进化。数据文化的建立意味着组织内全员都要尊重数据，将数据作为重要的决策工具和沟通语言，以数据战略加速数据驱动。 Forrester 在面向中国数据中台调研报告里显示：全域数据覆盖了全业务场景、全类型、全生命周期的所有数据。68%的组织希望加强异构数据获取以及整合能力，64%的组织希望以中台思路构建非结构化数据的处理能力，69%的组织希望加强数据全生命周期管理能力。 l 全域数据按业务场景来划分，覆盖组织内业务部门在业务过程中的所有数据，不同业务域的数据包含各业务模块在各自业务活动中涉及的业务数据。 l 全域数据按照数据形态来划分的，覆

10、盖结构化数据、半结构化数据*和非结构化数据。结构化数据指的是数据在一个记录文件里面以固定格式存在的数据。半结构化数据指的是非关系模型的、有基本固定结构模式的数据。非结构化数据指的是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。 l 全域数据按数据全生命周期来划分，覆盖了从数据采集、数据存储、数据处理、数据传输到数据交换、数据销毁等数据链路的每一个环节。 l 全域数据的作用是消除数据孤岛，让数据连接起来，真正实现数据价值。 *注： “本文中的“非结构化数据”与“机器数据”所表达的意思一致” 关于数据驱动型组织 全域数据的价值 !#$%&()*+认知智能是一种

11、技术，属于人工智能的范畴。经过了过去几十年的发展，人工智能从计算智能发展到感知智能，又从感知智能发展到认知智能。计算智能利用自然界的规律，通过编程的方式用计算机来解决实际的问题。感知智能让计算机具备视觉、听觉、触觉等感知能力，利用各种传感器让机器能够吸收外界的数据，并具备基本的处理问题的能力。认知智能的核心能力是“理解”和“解释” ，体现在机器能够理解数据、理解语言进而理解现实世界的能力，体现在机器能够解释数据、解释过程进而解释现象的能力，体现在推理、规划等等一系列人类所独有的认知能力上。认知智能赋予机器模拟人类认知思考能力的技术，是人工智能发展的高阶阶段，认知智能也将会是未来几年人工智能的重

12、要研发方向。 领域认知智能是利用人工智能的手段获取领域知识，并利用领域知识完成领域内任务的技术体系。领域认知智能的核心是领域知识，从组织的全域数据中高效、精准、自动地获取知识，并利用这些知识实现智能应用，进而辅助人类的工作。领域认知智能的核心是帮助组织实现数据知识化，从而实现数据驱动创新，这是实现数据驱动型组织的重要组成部分。 数据驱动运营 数据整合与治理 领域认知智能的趋势 数据驱动型组织围绕业务域、管理活动等运营流程，以数据能力提升运营效能，降低运营风险，充分释放数据的价值。 数据驱动型组织将数据视为企业资产，整合数据孤岛，确保数据的安全性、完整性、关联性以及数据质量。 数据驱动创新 数据

13、驱动型组织将数据实现知识化，沉淀领域智商，以领域知识赋能业务，结合知识的货币化，实现商业模式、技术或服务创新。 关于数据驱动型组织 Forrester：为了提升全域数据能力，推动数据驱动型组织建设，您认为需要进行哪些举措？ 数据来源：Forrester Consulting 进行的中国数据中台调研 63.1%64.0%66.4%67.3%69.2%69.6%70.1%制定数据应用的理念和方法论制定数据资产建设的战略满足根据行业特性和法律法规的要求，确保合规发展结合行业内的先进经验制定未来发展的规划充分了解行业案例，具备充足的理论和实践经验在组织内部构建数据驱动的愿景与合适的合作伙伴开展合作，共

14、建和共赢2、以中台方案高效实现数据价值释放 越来越多的组织在数字化转型过程中，通过启动数据中台战略，构建非结构化数据中台、运维中台、结构化数据中台、知识中台拉通全域数据，提炼数据价值，驱动业务运营与创新。数据中台将业务数据作为原材料进行分类、关联，萃取然后分门别类地储存，高质量数据赋能实际的业务场景,打造各类数据服务从而实现价值释放，进而对业务的赋能。 1、与具备全域数据能力的供应商共创 数字经济时代，构建数据驱动型组织是一套复杂的系统工程，各行组织期望在落地领域认知智能，构建全域数据能力，提升生产力，这个过程又是一个专属工程。多个数字化转型成功企业管理者调研数据显示，组织需要与众多合作伙伴、

15、专业数据服务商紧密合作才能完成建设。 数据能力服务商基于行业实践经验提供领先的技术架构和方案，组织提供高价值业务场景，双方共同合作才能够落地这项以组织业务成功为目标的专属工程，才能够真正落地组织战略目标进而探索业务新模式和新机遇。 组织 服务商 数据驱动型组织 如何建设数据驱动型组织 3、数据资产化 非结构化数据，将桌面文档和业务系统数据分别通过体系化方法开展整合与治理，以数据驱动运营，内容改变生产力 半结构化数据，通过全量采集、去重、清洗、替换、解析等过程将机器数据整合与治理实现业务合规，为数据驱动运营好打好基础。 结构化数据，以业务为导向，基于业务认知模型、业务流程和业务标准连接数据，即时

16、进行数据归集和治理，以领域知识网络赋能智能应用，重塑组织生产力 4、数据服务化 非结构化数据服务：日常办公协作运营，业务系统效率提升，精准搜索与表达，立体安全管控等 半结构化数据服务：通过全域可视化、容量分析、数据清洗、关联分析、统一搜索等能力构建提升运维生产力，以数据驱动运营 结构化数据服务：统一认知搜索、智能问答、可视化分析、客户智能、业务画像视图等 5、知识服务化 政务数据知识化：政府公共数据形成高质量知识网络驱动产业经济发展与创新，如赋能招商引资活动。 企业数据知识化：企业产品相关数据形成知识网络，开放给客户、合作伙伴等，驱动组织运营管理创新。 领域百科数据知识化：各行各业专业词汇、法

17、律法规、制度、标准相关数据形成的知识网络支撑组织新品开发与管理模式创新。 成立数据治理组织，战略统筹，积极推进 全域数据的即时治理，降低全域数据 TCO 业务导向，架构主导的治理，推动业务进行高价值的演进和迭代 构建领域认知智能，数据知识化创新，持续赋能，促进生产力的提升 以中台为基础，避免重复投资持续，提升数据治理效率 成为数字伙伴，专业服务赋能，助力高价值数据治理场景 6、基于行业最佳实践确保投资回报率 为提升全域数据治理 ROI，组织需要优化业务流程，加强技术探索，开展端到端的全生命周期数据管理等更多举措齐头并进。 如何降 TCO ？ 怎样提 ROI？ 试错成本？ 机会时间成本？ 业务如

18、何演进、迭代？ 数字化人才？ 如何建设数据驱动型组织 爱数的 Your-Data 架构是一种云中立的数据架构，可帮助客户管理多云环境下的全域数据，降低跨云数据整合的复杂性，并且从架构层提供一致的安全策略确保数据的安全合规。在 Your-Data 架构中，数据的移动性无需担心被云供应商限制，并且通过数据在多云架构上的自由流动增强了数据可用性和持久性。 爱数的 Your-Data 架构通过一系列的中台方案（非结构化数据中台、智能运维中台、知识中台、数据灾备体系等）为客户提供融合式的数据能力平台。客户可以实现数据采集、共享、集成、组织、处理、治理、建模和分析等数据服务和应用能力。 Your-Data

19、 架构让客户对全域数据分而治之。 爱数的 Your-Data 架构 大数据基础设施帮助客户在多云环境下实现数据即服务（DaaS） 。 数字经济正成为经济增长和传统经济转型升级的重要驱动力，随着数字经济的发展，全方位的数字化转型已然加快步伐，并呈现出明显的平台经济趋势。IDC 提出的第四平台概念是以 5G、IoT、机器智能、AR/VR 等新技术为核心，以大数据基础设施为基础，实现十亿级用户、数十亿级智能互联设备的全方位连接，构建一个以数据为核心的数字生态系统。基于第四平台构建全新的平台经济，其核心毋庸置疑是数据，而各行各业则可通过大数据基础设施建设，有效应对数据巨量化、数据多样化和数据服务化带来

20、的各种挑战，从海量繁杂的数据中得到业务价值，挖掘数据潜力，实现向行业智能的升级。 爱数通过 AnyBackup、AnyShare、AnyRobot、AnyDATA、AnyFabric 五大产品线，面向结构化数据、非结构化数据、机器数据和知识图谱数据，率先推出完整、创新的大数据基础设施，为客户提供全域数据服务能力。爱数大数据基础设施具备丰富的数据服务、独创的数据架构、 IT 基础设施中立和广泛的行业应用范围等优势，这些优势将结合人工智能、5G、IoT 等技术加速第四平台在客户处的落地，并且通过全新的数字生态系统赋能行业数字化，释放数据潜能。 爱数的大数据基础设施 爱数，数据驱动型组织的共创者 在

21、大数据、人工智能技术发展和数字化转型加速的双重驱动下，领域认知智能在众多赛道脱颖而出，成为行业焦点。爱数的领域认知智能是一种基于数据知识化的创新，所构建的领域知识可用于组织决策、激发设计灵感、重构商业流程等。领域认知智能可以帮助组织治理全域数据，并形成领域知识网络，从而实现数据驱动运营和创新，以数据重塑生产力。 爱数的 AnyDATA Framework 2 是集领域知识网络生成与领域认知智能应用开发于一体的开源框架，可以利用领域知识网络扩展知识边界，并形成基于领域智商的价值评估及价值标准化。爱数可以通过对客户全域数据的洞察，形成私域数据的知识网络，使数据成为可流通、可服务、可应用的资产。组织

22、可以通过订阅数据服务，为私域知识网络提供数据补充；通过购买或采集开放数据，生成领域知识网络。 爱数的领域认知智能能力 数字伙伴服务的价值 全体系建设运营 从数据灾备体系、文档治理体系、智能运维体系，知识创新体系、内容赋能体系、立体安全体系，提供全体系的建设运营。 非结构化数据中台 爱数的全域数据能力 治理机器数据，以数据驱动运营，释放运维生产力。 非结构化数据中台 治理非结构化数据，以数据驱动运营，内容改变生产力。 智能运维中台 知识中台 数据灾备中台 通过 Data Fabric 架构实现数据资产化，以领域知识网络赋能智能应用，重塑组织生产力。 全域数据是一个组织所有经营活动的全部数据，存在

23、于组织的各类经营活动中，如研发、生产、采购、营销、管理等，包括结构化数据、非结构化数据、机器数据以及知识图谱数据。 爱数作为全域数据能力服务商，帮助各行业客户解决全域业务场景中的问题，并面向全域数据提供保护、整合、治理和洞察的能力。爱数通过不同的中台方案，对全域数据分而治之，形成数据资产，全面提升数据质量和数据可访问性，以数据驱动运营和创新。 保护全域数据，确保组织数据资产的安全性、完整性、合规性。 爱数，数据驱动型组织的共创者 客户成功经理核心技能 数据驱动型组织是以数据为生产要素的组织，以数据驱动业务，实现持续增长和创新发展，以重塑组织的生产力 。数据驱动型组织的建设是一个长期工作，需要围

24、绕数据资产化、数据服务化、数据知识化进行持续驱动。 爱数以生态思维与客户共创数据驱动型组织的方法论： 1、成为数字伙伴：数字伙伴是一种超越传统供应商的紧密伙伴关系。作为爱数的数字伙伴，可享受包括咨询、驻场、项目管理、数据运营等一系列专业服务。 2、以 Your-Data 架构开始：Your-Data 架构可锁定跨云数据整合的复杂性，并且从架构层确保数据的安全合规。 3、基于中台方案：中台方案是一种融合式的数据能力平台，包括数据采集、共享、集成、组织、处理、治理、建模和分析等一系列的数据服务和应用的能力。 4、构建领域认知智能：领域认知智能是一种基于数据知识化的创新，所构建的领域知识可用于组织决

25、策、激发设计灵感、重构商业流程等。 5、采用 TPA 最佳实践落地：基于 Think-Plan-Action 方法论，多年专注的领域经验，精通行业的专家团队，确保服务质量，降低建设风险，提升投资回报率。 爱数的行业专家更懂行业、懂场景、懂技术。 爱数已经服务于各行业各业的客户，深入行业，围绕行业业务域为客户设计贴近业务的全域数据解决方案，同时结合行业的TPA最佳实践帮助客户实现全域数据解决方案的落地。 爱数的行业服务能力 爱数共创数据驱动型组织框架 爱数面向行业的领域专家提供 TPA 最佳实践 爱数多年领域经验 精通行业的专家 成熟方法降低计划时间 专家服务控制计划风险 最佳实践确保服务质量

26、专家服务提升 ROI Plan Think Action 爱数，数据驱动型组织的共创者 67%57%54%51%50%37%22%以紧密伙伴关系，开放、互信、共赢，共创数据驱动型组织。 爱数作为大数据基础设施提供商，希望能够让人工智能发挥作用，释放数据的价值，从而开创一条数据的丝绸之路，使之成为两千年后的新生产力。两千年前的人们，绝大多数还在奉行自给自足的自然经济，活动范围仅限于家乡百里之内。能够不远万里去打通西域之路，与异国进行商品交易，无疑是一个重大的创新之举。时至今日，面对数字时代和智能社会的到来，我们拥有了更为广阔的视野，也理应在数据新丝路上大胆进行创新，不仅是技术创新，也包括业务模式

27、的创新。 数字伙伴计划是以客户牵引爱数战略能力深化，包括数据驱动型组织方法论、全域数据方案、专业服务。是爱数与客户建立紧密合作的伙伴关系，此计划旨在将客户的业务场景、行业知识与爱数的全域数据能力结合，实现全域数据整合与治理、数据驱动运营、数据驱动创新，共创数据驱动型组织。 中新天津生态城全域智慧城市项目的成功实施，就是爱数数字伙伴计划的成果。中新天津生态城拥有 1 万多家园区企业、10 万家招商标的、10 亿条知识量数据。面对这样一个复杂的认知智能专属工程，爱数提供数据平台，客户提供行业知识业务场景，联合生态伙伴开发行业应用，帮助中新天津生态城构建起了企业图谱，实现精准招商引资、高效企业服务。

28、 Forrester：67%的客户选择与外部服务商或战略伙伴达成合作，应对数据战略落地中多样和持续的数据服务需求，以提升不同业务域数据价值，加速数据驱动。 建设数据驱动型组织需要长期、紧密的伙伴 创新数字伙伴计划 爱数数字伙伴计划 合作伙伴具备丰富的生态网络，通过广泛的生态合作帮助企业构建更加完善的数据能力和基础设施 提供数据基础设施、数据处理以及管理方面的规划、咨询以及培训等服务 提供长期的战略合作，帮助企业解决面临以及潜在的挑战 提供灵活的商务合作模式，例如按照效果付费 提供数据处理与治理方面的专业外包服务 合作伙伴具备广泛的经验，帮助企业规避误区 合作伙伴具备成熟的方法论，帮助企业进一步

29、实现数据驱动运营模式转型 爱数数字伙伴服务 共创数据驱动型组织，共担数字化转型风险，共育数字化人才，共赢数字化转型。 数字伙伴服务是数字伙伴计划落地的重要载体，可以应对客户数字化转型中面临“不会转” 、 “不敢转” 、 “不能转”的难题，突破了原有的甲乙方关系，使爱数和客户更加紧密的合作。 由具备丰富行业数字化经验的客户成功经理驻场，提供爱数大数据基础设施方案相关的高附加值专业服务，包含丰富的顾问式和主动服务内容，与客户共创数据驱动型组织，实现客户成功。 数字伙伴服务内容是与客户和爱数业务强相关的，在数字伙伴有效期内，根据客户数字化转型进度和爱数大数据基础设施方案在客户侧的交付进度，可包含如下

30、全部或部分项目。 客户成功经理的八项服务内容 l 数字化需求整理 l 数字化建设规划 l 数字化项目管理 l 数字化建设成果及 ROI 分析 l 联创方案开发 l 领域认知模型建设 l 数字化人才培养 l 数字化文化建设 数字伙伴服务的价值 全体系建设运营 从文档治理体系、数据灾备体系、数据治理体系、可观测性体系，提供全体系的建设运营。 全环节服务保障 从咨询、规划、平台、实施、运营、改造，最终落地方案与业务发展战略保持一致，建立全环节的最佳服务保障。 全方位能力提升 从行业赋能、联合创新、数字化人才培养、数字化文化建设，实现全方位的组织能力提升。 爱数数字伙伴计划 爱数客户成功经理 一种新职

31、业与新角色，提供一对一专业管家型服务，更懂伙伴、懂场景、懂行业。 爱数客户成功经理，是数字伙伴服务在客户处驻场实施的负责人，是爱数全员客户成功文化的践行者。 协助数字伙伴洞察高价值需求，制定数字化转型解决方案，项目落地实施及持续运营，打通数据孤岛，防止数据孤岛蔓延。 最快程度响应数字伙伴对数据资产化、数据服务化，知识服务化等领域的技术与人才的需求。 全面配合参与数字伙伴的数字化转型推进工作，从需求价值评估、价值创造到价值运营等全价值生命周期的管理工作。 站在数字伙伴的视角，与爱数销售团队、顾问团队、产研团队、技术团队、市场团队、生态伙伴配合，打造以客户为中心的闭环。 持续增加数字伙伴和爱数的可

32、持续收益，能够在数字伙伴和爱数两个方面都能证明客户成功经理的价值。 客户成功经理核心技能 一、客户全生命周期服务能力 良好的管理能力、沟通能力、产品能力、行业能力、数字化咨询规划能力、团队协作能力，解决客户提出的各类问题，是值得信赖的顾问的能力。 二、需求全生命周期管理能力 对客户数字化需求进行汇总、分类、跟踪、分析、确认、变更控制、版本更新的能力，明确需求范围和目标，进行风险评估和趋势分析的能力。 三、项目全生命周期管理能力 优秀的数字化项目管理能力，精通 TPA 项目最佳实践，对项目全生命周期管控，包括计划编制、工作分解、实施组织、阶段汇报、组织协调的能力。 爱数数字伙伴计划 爱数非结构化

33、数据中台 在数字化时代，非结构化数据剧增，非结构化数据占存储数据总量的 80%，占业务数据增长量的 90%，并且呈现出巨量、分散、异构的特征，管理难度巨大。 在贸易全球化、新兴产业发展、传统行业数字化等发展趋势下，数字化组织本身的复杂组织架构、多种技术平台以及多样化的业务场景等特点，也暴露出了在非结构化数据管理方面的众多挑战： 中台方案是数字化组织的应对之道 随着数字化进程的持续推进，数字化组织的数据意识与认知增强，越来越多的数字化组织对于数据中台的价值形成共识，但是对于非结构化数据而言，其分散、异构、多样化的特点，在业务活动中又承载着关键的价值，如果按传统的方式单独建设技术中台、数据中台或业

34、务中台，都难以形成有效的数据整合、治理以及复用数据能力驱动业务，因此对非结构化数据而言，建设业务、数据、技术为一体的融合式中台，是最佳方案 复杂组织架构带来的非结构化数据管理挑战 多分支 多地域 多组织 多种技术架构带来的非结构化数据管理挑战 多云平台 多类业务系统 多种文件存储 纷繁业务场景带来的非结构化数据管理挑战 持续变化的业务 行业化特征显著 更多安全合规风险 内容管理能力 业务 内容数据湖 云原生+AI+低代码开发 数据 技术 数据治理 内容协作 安全合规 知识运营 爱数非结构化数据中台是融合业务、数据和技术的一体化中台。基于人工智能和云原生技术实现系统架构创新，以内容数据湖为数据架

35、构来实现海量非结构化数据的存储与保护，内容处理与分析，以内容管理能力为核心能力，面向业务提供数据价值，以可观测性能力实现业务价值可视化。从而为数据驱动型组织在数据整合与治理、数据驱动运营方面提供有效支撑。 爱数非结构化数据中台具备以下特征： l 以内容管理能力为核心实现数据整合与治理以及数据驱动创新。通过统一数据治理、统一数据视图、统一内容协作、统一数据安全合规、统一数据能力输出、统一数据运营等，来帮助数字化组织有效沉淀数据资产、提高内容协作效率、实现业务安全合规、提高知识管理成效，从而提升整个组织的生产力。 l 以开放性架构和灵活的可配置性能力，打造平台+生态模式，帮助数字化组织进行深度业务

36、化和行业化。开放性架构可以充分和生态伙伴能力结合，形成丰富的行业化方案，实现行业化运营；可配置性能力可以基于业务场景，实现灵活多样的业务化需求，提升用户体验； l 以可观测性能力实现业务价值可视化。帮助数字化组织开展数据整合与治理后，通过可衡量的体系化的数据标准来看到治理成效，看到价值回报；通过持续运营维持治理成效，基于数据待续修正与优化。 爱数非结构化数据中台的关键特征 爱数非结构化数据中台 做好非结构化数据整合与治理之后，其本身就已经对组织产生了价值，通过可观测性能力可以清晰的看到帮助组织沉淀了多少数据资产，哪些符合安全合规要求，哪些可以形成知识，哪些可长期保留，围绕着这些数据整合与治理的

37、成果，要长期可持续的保持下来，驱动整个组织的运营，这就需要在组织、流程、制度和文化上形成统一运营保障。 譬如某建筑设计院，在数据整合与治理阶段完成数据资产梳理后，同时形成了围绕“设计”这个核心业务场景的相关流程和制度，使得大量业务中产生的设计图纸，源源不断并有序进入不同的文档库和知识库，持续累积数据资产，并且大大地提升了设计师们访问、查找图档资料的效率， 以非结构化数据中台驱动运营 在建设数据驱动型组织时，爱数非结构化数据中台主要提供非结构化数据资产化和服务化的能力，覆盖数据整合与治理以及数据驱动运营两大环节。 在面对海量非结构化数据时，由于非结构化数据本身的分散、异构的特点，不能采取传统结构

38、化数据的先整合再治理的方法，必须在数据整合的时候即时数据治理，才能有效的围绕业务开展治理工作。 譬如某保险集团，由于大量的业务附件通过三个核心业务系统流转和保存，形成了数据孤岛，当业务员需要处理一个理赔案件的时候，就要去不同的业务系统中来查询和此案件有关的保单信息、账务信息等，以及在桌面办公文件中查找有关信息，最终才能作出下一步业务动作，额外花费大量信息收集和整理的精力，因此在建设非结构化数据中台时，就对桌面数据和核心业务系统数据做了统一 非结构化数据整合与治理 的规划，围绕理赔这类核心业务活动形成了针对性的文档治理计划，既把所有的非结构化数据都通过中台统一整合，也把和业务有关的元数据信息有效

39、的统一管理起来，形成统一数据视图，统一文档分类，最终可统一访问、统一搜索，业务员在处理案件时就可以通过一个入口访问到所需数据，大大提高了业务生产力。 所以，文档治理一定要围绕着业务和数据开展建设，主要有： u 资产分类治理 u 安全合规治理 u 知识治理 u 资产保留治理 效率就是生产力。 与此同时，建立起来的安全策略，合规管理规范，也在日常设计活动中起到了巨大的作用，不再出现关键图纸泄漏、丢失等问题，有效保护了数据资产。 持续累积的知识库，通过知识社区的运营，使大量高价值的项目案例知识快速的在内部分享、复用，提升了团队能力，也大大提高了组织的生产力。 通过可视化的数据，让这些运营成效可视化出

40、来，帮助非结构化数据中台在数据驱动运营层面可持续地进行优化和改进，长期保持高效。 爱数非结构化数据中台 ?l 数据可信：结构化的、高质量的、可信的数据资产是“用数据说话”的基石。 l 事实清晰：每个数据表达的主体、客体对象及其时间、地点的信息清晰，这是可判断、可分析的基础。 l 逻辑严谨：基于业务认知模型为基础，构建业务对象、信息和规则的网络，实现可解释、可推理的领域知识体系，为创新注入认知智能。 l 辅助决策：在创新的流程中辅助管理者做出正确的决策； 爱数知识中台 “用数据说话”意味着什么？ 每个“会说话的数据”背后，都是一个领域的认知智能化过程 “用数据说话” ，本质上是数据、信息、知识的

41、系统性研判过程，在我们业务流程中、决策分析中，都有着重大的意义，通过数据辅助决策，实现业务、运营的创新。随着信息化的深入，信息冗余逐步形成了信息负担，亟需系统性、结构化的业务模型来连接数据和业务，从而实现数据辅助决策，驱动创新。 爱数知识中台 爱数知识中台：Data Fabric 架构与领域认知智能双轮驱动的数据创新 爱数知识中台解决方案，是一个基于数据编织架构（ Data Fabric ） 和 领 域 知 识 网 络 （ Domain Knowledge Network）的领域认知智能解决方案。 1. 以业务为导向，基于 AnyFabric 进行业务梳理和数据治理，形成高质量的【数据资产知识

42、网络】 ： 1) 首先是基于组织战略目标，理论联系实际构建业务认知模型，比如基于波特价值创造理论的业务认知模型； 2) 其次是进行业务和数据评估，基于认知模型识别核心业务对象，核心业务流程和系统，核心数据和关系，并基于此进行业务、系统和数据的评估，形成评估； 3) 然后是基于业务认知模型、业务流程和业务标准，连接数据，进行数据归集和治理，形成数据资产知识网络，并持续监控元数据和增强数据目录的变化，提供全局数据资产搜索和分析服务。 爱数知识中台 3. 基于数据资产知识网络，构建【领域知识网络】 基于数据资产知识网络，可以围绕着核心业务对象构建全方位的领域知识网络（也是知识化的数据资产） ：最直接

43、的是领域知识图谱和领域规则知识； 通过领域知识网络的构建，可以为组织沉淀下来结构化的、相互关联的知识化的数据资产，这些数据资产有两个方面的用途：开发领域认知智能应用、成为数据产品实现数据创新或者对外开放。 2. 领域智商引领认知智能应用 领域知识网络的直接价值是开发领域认知智能应用，可以系统性的构建组织的统一认知搜索、智能问答、图可视化分析等，集成到业务系统流程，提供全局认知能力。典型的场景包括： l 应用于客户智能，通过集成各种客户数据源，如浏览、点击、交易、广告、日志文件、CRM 等，快速提供全面的客户画像视图 l 提供全面的业务画像视图，集成全域数据，帮助业务发现或者创造机会，实现现有业

44、务快速增长或者进入第二增长曲线。 爱数知识中台 同时，通过领域智商的评估，可以指导持续的优化领域知识网络，比如在领域知识图谱的基础上，围绕业务领域扩展器领域词库、领域语言模型、领域决策分析模型，可以更好的服务于从非结构化数据中识别领域实体、属性标签和事件知识，从而形成正向循环，挖掘组织的数据价值。 4. 共建共享领域知识网络，促进数据要素生态市场繁荣 领域知识网络的更大扩展价值是可以服务于业务创新，基于领域知识网络开发完整的创新数据产品服务于客户和生态，或者将领域知识网络直接作为数据产品对外开放货币化变现，提升数据资产的价值。无论是政府公共数据、互联网开放数据，通过合法合规的前提下，可以实现数

45、据要素市场的共建共享： 爱数知识中台 l 政府公共数据：政府公共数据有组织加工形成的开放数据服务，比如产业经济相关数据； l 企业产品、市场、服务知识：产业龙头和核心企业的产品、技术、服务数据形成领域知识网络，作为数据服务，开放给客户、上下游伙伴生态。 l 领域百科和专业类开放数据：领域专业词汇、法律法规、制度、标准相关数据形成的知识网络； 爱数智能运维中台的设计背景。 （待完善） 多云给企业带来聚焦业务创新和降本增效等优势的同时，也为企业带来了更多的技术挑战。客户有更多的数据中心，同时也受到了更多的安全威胁、更高的复杂性和不可预测性，以及面临更频繁的变更风险。 爱数认为：越来越敏捷的业务需要

46、端到端的能力共享平台，让 IT、运营和研发等不同团队都来共享能力，采取租户的方式，而不是建设以IT运营为中心的平台，或者每个团队各自搭建一套系统。我们需要为客户现有的云管平台、ITSM 等集中监控运维系统赋能。 传统的统一监控平台为了保障 IT 服务水平，是由事件和流程驱动的。爱数智能运维中台是数据驱动的、是分析驱动的，比如根因分析、合规分析、业务运营分析。从用户群体来看，不仅仅只是面向IT 领域，适用边界已经扩展到了研发领域和业务运营领域。存储架构从集中式存储演化到去中心化的存储，使用虚拟化数据架构来实现数据的就近存储，帮助客户降低存储管理复杂度。AI 能力也从深度学习技术演化到用运维知识网

47、络来做智能分析与决策。 爱数智能运维中台 多云给企业带来聚焦业务创新和降本增效等优势的同时，也为企业带来了更多的技术挑战。客户有更复杂的 IT 架构、更多的数据中心、受到了更多的安全威胁和不可预测性，以及面临更频繁的变更风险等。 爱数认为运维中台需要从统一、集中演进到能力共享平台： l 敏捷的组织需要端到端的能力共享平台，让不同的团队来共享能力，而不是 IT 运营为中心的平台。 l 多云需要去中心化的存储架构，需要能力共享平台。 l 保护客户遗留资产，并非取代现有运维平台，而是给现有运维平台输出新能力。 智能运维中台与统一监控平台具有如下区别： l 从原理上来说，传统的统一监控平台为了保障 I

48、T 服务水平，是由事件和流程驱动的；爱数智能运维中台是数据分析驱动的，比如根因分析、合规分析、业务运营分析。 l 从用户群体来看，不仅仅只是面向 IT 领域，适用边界扩展到了研发领域和业务运营领域。 l 从存储架构来看，从集中式存储演化到去中心化的存储，使用虚拟化数据架构来实现数据的就近存储，帮助客户降低存储管理复杂度。 l 从 AI 能力来看，从深度学习技术演化到用运维知识网络来做智能分析与决策。 Flexera：89%的客户在IT架构上选择多云战略，企业平均会使用2.6个公有云+2.7 个私有云。 这表明，企业 IT 架构日益复杂化，多云已经成为企业 IT 架构的基础路径和主要选择。IDC

49、 预测，到 2024 年 智能运维中台方案是为多云和云原生而生的 爱数智能运维中台设计思想 60%33%50%83%新增的生产级云原生应用在新增应用中的比例60%云原生的工作负载将占到总工作负载的33%使用云原生的企业中将云原生技术应用到企业生产环境的核心系统和次核心系统的占比达到50%使用云原生技术的企业持续加大对云原生技术投入的占比达到83%新增生产级云原生应用在新增应用中的比例 云原生工作负载将占到总工作负载的比例 使用云原生的企业中将云原生技术应用到企业生产环境的核心系统和次核心系统的占比 使用云原生技术的企业持续加大对云原生技术投入的占比 智能运维中台的设计思想和三大特征 爱数智能运

50、维中台是集业务、技术和数据为一体的融合式中台。以领域认知智能为技术底座，构建运维知识网络，充分挖掘机器数据的价值；以混合数据湖为数据架构来实现数据的就近存储和统一管理；以可观测性能力作为核心能力，涵盖研发、运维、安全、业务运营的全方位场景，实现 IT 团队、业务团队和研发团队的能力共享。同时，爱数智能运维中台可适用于 On-Premise、Hybrid Cloud、Multi Clouds 等各种运维场景，具有指标、标签、画像、告警等平台化能力，具备数据治理、增长驱动的体系化思想。 爱数智能运维中台的三大特征： 第一，以可观测性能力实现数据驱动运营。通过提升研发、IT运营、安全与业务合规、业务

51、运营等环节的可观测性能力，来加速DevOps 的交付速度、提升 IT 运营的服务水平、改善客户旅程全流程的用户体验、实现业务安全合规。 第二，以混合数据湖架构进行数据虚拟化。数据虚拟化技术可以实现多云数据就地存储、统一机器数据的访问试图、可按不同的租户或者角色来查看相应数据，帮助客户减轻管理负担。 第三，以场景化运维的思路分期、有序建设。智能运维中台不是一蹴而就的，需要结合用户的实际情况逐步建设。用户根据自己需要改善的运维场景选择对应的解决方案，分期、有序建设。 以可观测性能力提升 IT 运营服务水平 利用领域认知智能和大数据技术，实现 SLO 监控分析、快速根因定位、告警降噪，成本分析、资源

52、预测等能力，降低故障处理复杂度、节省成本，保障SLA，从而提升 IT 运营服务水平效能。 以可观测性能力改善用户体验 帮助应用系统构建自身的可运营能力，通过应用埋点、采集数据、用户行为分析、连通其他业务运营系统等，来联通各类数据，基于客户旅程的用户体验洞察数据，辅助业务团队做好业务运营、改善用户体验。 通过整合与治理机器数据，可以帮助用户实现安全运营与业务合规。提供统一的审计平台和安全事件管理平台。 以可观测性能力助力 DevOps 持续交付 全面提升云原生应用的可维护性、可靠性、可运营性，通过调用链分析展示、辅助根因定位、质量可观测等能力，帮助 DevOps 流程中的各个环节提升交付效率。

53、爱数智能运维中台 以可观测性能力助力安全与业务合规 在数字化时代发展的今天，数据驱动型组织面临危机应对、响应恢复、能力重塑、持续增长的业务需求，为了满足业务需求，数据驱动型组织需要具备适应外界变化的韧性能力，通过打造和提升领导与组织、员工与工作、金融与财务、运营与流程、客户与生态、品牌与声誉等方面的能力，可以为数据驱动型组织带来业务连续性和韧性的能力。 提升数据驱动型组织韧性能力的过程中通常会遇到一系列问题：如何提升组织的应急响应能力、如何提升灾难日常运营效率、如何识别风险和危险、如何提供灾难恢复能力、如何换进行演练、如何提升业务服务水平、如何提升业务合规性等，爱数凭借多年数据灾备管理的经验积

54、累，总结提炼出“数据灾备体系”的建设方法，通过数据灾备体系的建设可以帮助数据驱动型组织解决以上问题。 数据驱动型组织的韧性能力 数据驱动型组织面临的韧性挑战 爱数数据灾备体系解决方案 爱数数据灾备体系建设路径 数据驱动型组织的韧性能力 数据驱动型组织的韧性能力提升，通常从以下几个方面的工作进行开展： l 领导与组织：明确目标和任务、数据灾备成效感知、提升应急响应力 l 品牌与声誉：提升业务合规性、加强信息系统安全、减少业务不确定性 l 运营与流程：提供灾难恢复能力、持续演练持续优化、完善灾备管理制度 l 金融与财务：识别风险和威胁、评估成效和收益、未来投资提供依据 l 员工与工作：各部门参与规

55、划决策、提升灾备日常运维效率、提高管理者职业安全 l 客户与生态：提升业务服务水平、减少危机中客户损失、增强客户信心 爱数数据灾备体系 图片引用“IDC 数字化韧性六大组织维度” 数据驱动型组织面临的韧性挑战是建设鸿沟，当前以自主摸索为主，信息化规模越大，导致鸿沟越长，需拉通产品、技术、咨询和管理，产品公司和咨询公司侧重点不同，通常会遇到以下挑战： l 由产品公司主导，侧重技术，不注重体系化建设，主要的挑战有缺乏统一规划、缺乏灾备组织、缺乏灾难恢复计划、应急响应混乱、缺乏灾备管理制度、难以持续演练，现状是多数组织已经完成数据灾备系统建设，单缺少体系化管理制度，项目成效难保证 l 由咨询公司主导

56、，不负责产品，主要挑战有涉及范围广、项目周期长、资源投入大、持续运营难、产品项目和咨询项目分离，现状是开展的体系建设工作多集中在大型金融机构，很少传统行业客户参与其中。 数据驱动型组织面临的韧性挑战 爱数数据灾备体系 爱数数据灾备体解决方案共分为四层，分为目标分析、数据灾备能力成熟度评估、数据灾备体系规划与建设、数据灾备体系运维和运营。 l 目标分析从合规性分析、数据和业务分级分类分析、灾备需求分析等多个维度进行综合分析，输出相关分析报告 l 数据灾备能力成熟度评估结合两个国标、八个能力域，对标五个等级进行评估，综合输出数据灾备能力成熟度评估报告 l 数据灾备体系规划与建设主要工作结合组织实际

57、情况进行数据灾备体系的规划设计和建设，为组织量身定做一套符合自身情况的管理体系 l 数据灾备体系运维与运营主要工作是确保知识转移、确保项目成效，由拥有多年专业领域经验的专业服务顾问，面向客户的灾备运维团队进行专业培训，培训内容包括数据灾备体系管理、灾难恢复计划、灾难恢复演练、数据与业务系统分级分类方法、智能灾备运维、实操指导等 爱数数据灾备体系解决方案 爱数数据灾备体系 爱数数据灾备体系 爱数数据灾备体系建设共分为四个阶段，分为目标分析、数据灾备能力成熟度评估、规划与建设、运维与运营。 l 目标分析从业务合规、灾备分级、业务和数据分级分类、收益和价值等维度进行综合分析 l 数据灾备能力成熟度评

58、估参照两套国标、五个等级、八个能力域进行综合评估，综合输出数据灾备能力成熟度评估报告 l 规划与建设阶段主要的工作有产品和服务方案、数据灾备体系实施方案、TPA 最佳实践 l 运维与运营主要工作是协助组织建立数据灾备体系，包括灾备日常运维制度、应急响应制度、灾难恢复计划、灾难恢复演练、智能灾备运维等 爱数数据灾备体系建设路径 高投资回报率的专业服务 l 数字伙伴服务 l 专家交付服务 l 专业咨询服务 l 专家培训服务 最优建设成本的客户实施服务 l 安装部署服务 l 集成开发服务 l 集成开发咨询服务 l 产品培训服务 6%26%42%26%尚未起步早期阶段中等成熟度成熟/领先5%20%42

59、%32%尚未起步早期阶段中等成熟度成熟/领先TPA 是 Think Action Plan 的缩写，是爱数面向行业实现数据驱动型组织，形成的领域方法、行业实践以及专家团队，以数据驱动实现投资回报率的最大化。 思考关键业务需求是什么，如何实现业务成功。 Think 不同于项目计划，这个阶段是思考业务需求和实现策略，帮助客户根据自身业务发展规划提出远期建设目标，拆分远期目标到阶段计划中，并根据客户当前的人、财、物现状来评估目标实现的可能性，给出建议和制定项目目标。根据项目目标制定具体价值指标和实施计划，规划实施方案的过程。 Think Plan 根据方案规划进行蓝图设计，制定实施方案和项目计划。

60、Plan 阶段不仅仅是制定项目执行计划，还包括业务蓝图规划，旨在提供愿景声明中描述的成果和收益。当蓝图交付以后，爱数交付团队会帮助客户获得预期的成果并且实现所期望的收益。爱数蓝图设计是基于客户现状调研，从多个维度描绘未来状态与现状之间的差距，制定一套产品+服务的应用方案。 Action 按照蓝图设计和实施方案执行，核验交付成果，评估项目价值，完成上线。 Action共包含三个过程，系统交付、上线支持和持续运营，系统交付阶段是按照蓝图设计和技术实施方案落地产品和服务的过程。上线支持阶段是将产品和服务与客户的生产活动结合的过程，在产品和服务进入到上线支持阶段前会对交付成果进行核验，核验标准是在蓝图

61、设计阶段制定的项目价值指标，这些价值指标大多数都是客观数据，并在制定指标时就明确了数据来源和计算方法，这个过程是通过质量管理活动来实现的。持续运营阶段的主要活动是赋能培训，建立支持体系和帮助用户使用推广。 Forrester：从全球不同国家、不同行业中大型企业的数据驱动成熟度调研得知，数据驱动成熟度尚在早期，客户希望能够获得来自数字伙伴从规划、咨询到培训等方面的全方位服务。 数据驱动成熟度尚在早期 中国 海外 TPA 最佳实践包含丰富的服务类型，实现建设成本与投资回报率的最佳平衡 爱数 TPA 最佳实践 爱数 TPA 最佳实践 提升投资回报率的 TPA 最佳实践 Think 爱数多年领域经验

62、精通行业的专家 Plan 成熟方法降低计划时间 专家服务控制计划风险 Action 最佳实践确保服务质量 专家服务提升 ROI 面向行业的领域专家 以 TPA 项目管理方法承载最佳实践 共创数据驱动型组织的 TPA 最佳实践 l 数据灾备体系 以最佳实践，从咨询、规划、建设到运营数据灾备体系，增强数据驱动型组织韧性。 l 文档治理体系 以最佳实践，从文档到知识面向行业提供治理体系，实现非结构化数据整合与治理，以数据驱动运营。 l 数据治理体系 以最佳实践，面向不同行业的业务域提供数据治理方法，实现数据资产化、数据知识化，以数据驱动创新。 l 可观测性体系 以最佳实践，面向互联网服务提供可观测性

63、的咨询服务及架构方法，以数据驱动运营，提升业务的服务水平。 TPA 最佳实践中的项目管理方法沿用于 PMBOK 中的项目管理知识体系，目的在于通过客户成功服务和专业服务落地行业最佳实践，完成体系化的项目交付，提升客户组织能力，让产品和服务持续发挥价值，实现客户业务成功。 爱数 TPA 最佳实践 在某集团公司数据灾备体系方案交付需求： 交付成效及客户收益： 爱数 TPA 最佳实践已经在全国诸多项目中实践验证，关键价值在于确保项目顺利交付，实现客户核心业务价值，助力客户业务成功。 某公司文档治理体系交付路径： 交付成效及客户收益： 数据驱动型组织蓝皮书旨在帮助组织在数字化转型的趋势下，从容地面对变化与挑战，通过清晰的数据战略，指导组织走在正确的方向上，利用不同的中台方案，覆盖全域数据场景，释放全域数据价值，结合 TPA 最佳实践帮助组织少走弯路，获得最佳的投资回报率，与数字伙伴共创数据驱动型组织。 爱数作为数据驱动型组织的探路者，作为全域数据能力服务商，期望与客户共创共赢，共同在数据驱动型组织的建设之路上携手同行，实现数据的整合与治理、数据驱动运营、数据驱动创新，释放数据价值，提升组织生产力，帮助您在竞争激烈的外部环境中，争得先机，获得丰厚的回报！ 展望