闫彩霞 王记刚 刘颖

摘要：国家对数字化转型大力支持，数据中台是企业数字化转型的战略选择。为了研究数字管理，将数据中台技术建设和场景应用结合探讨。分析了数据中台关键技术，为数据中台选型提供了依据，数据中台架构为数据中台构建提供了模型。结合供应链成本控制场景，数据中台将企业的运营数据和管理数据灵活运用，全领域、全过程进行成本控制，展现出数据中台的应用价值。

关键词：数字化;数据中台;大数据;数字管理;成本控制

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）23-0018-03

1 引言

数字化是指在新一代数字科技支撑和引领下，以数据为关键要素，以价值释放为核心，以数据赋能为主线，对产业链上下游的全要素进行数字化升级、转型和再造的过程[1]。国家信息中心单志广表示，推进数字化转型，是众多企业特别是大多数中小微企业的需要[2]。世界各国都已经或者正在紧锣密鼓地从战略上布局产业数字化转型，2020年以来，我国实施了很多促进数字化转型的政策。2020年5月13日，国家发展改革委联合17个部门以及互联网平台、行业龙头企业、金融机构、科研院所、行业协会等145家单位，共同启动“数字化转型伙伴行动（2020）”[3]。2020年5月30日，新华社对外发布《关于2019年国民经济和社会发展计划执行情况与2020年国民经济和社会发展计划草案的报告》[4]，报告中谈到了2020年发展数字经济的八项举措。虽然我国数字化产业前景明朗，国家也大力支持，但企业实现数字化转型并非一帆风顺。2020年9月，埃森哲与国家工业信息安全发展研究中心合作发布的《2020中国企业数字转型指数研究》显示，只有11%的中国企业数字化投入已转化为绩效。数字化转型之路曲折并非中国特例，如学者指出的，全球企业的数字化转型实践都急需具备现实洞察力和战略导向的系统性理论框架来指导[5]-[6]。有学者指出，基于大数据分析的科研，一定要注意：当技术发展的速度非常快时，科研是否能跟上技术发展的脚步[5]。因此基于一定的业务场景、结合信息技术相关的数字化转型研究可以助力企业数字化转型迈上新台阶。

随着信息技术的发展，各企业根据业务需要配置了各种信息化系统，系统中积累了大量的数据。各信息化系统和数据大多独立建设，数据标准和接口标准不一致。各信息化系统中的数据就像一个个孤立的岛屿一样，存储在数据库中。如何针对某个特定业务场景从庞大的数据中筛选出精致有效的信息并构建个性化的数据处理系统，将这些信息处理成有价值的数据为企业服务，是CIO面临的一大挑战，也是企业数字化转型升级的关键。

目前国内外企业信息化管理数字化研究大都处在业务研究层面，也就是根据信息系统的各个业务模块如财务、采购、销售、制造、人事管理等做业务层面的研究，研究者通常是各业务相关的专家，而不是信息技术方向的研究者，缺乏与技术的融合和落地实现。如财务会计方向，有学者提出共享服务是财务数字化转型的开始，为财务数字化转型提供了数据基础，运用管理会计工具，将数据作为决策的信息支撑[7]，但是未提及如何通过信息技术实现。有学者提出数据中台为财务数字化转型提速[8]，列出了财务数字化转型的流程框架，但是未体现场景案例与技术落地实现的结合。采购、销售方向，通常研究的是线上销售、移动支付相关。其他方向也鲜有将信息化管理业务数据与技术融合的研究。

2 数据中台助力企业数字化转型

企业数字化转型的主要路径是业务数据化和数据业务化。阿里巴巴提出了数据中台的概念，企业可以利用大数据技术，对海量数据统一进行采集、加工、计算、存储，通过前期的设计形成统一的数据标准、计算口径，统一保障数据质量面向数据分析场景构建数据模型，让通用计算和数据能沉淀并能复用，提升计算效能[9]。数据中台是一套可持续地让数据用起来的机制，依据企业特有的业务模式，构建一套把数据转变为资产并为业务服务的机制。数据中台是企业数字化转型的一种战略选择。2019年是数据中台的元年[10]。

建设数据中台的目的是为企业带来降本增效。数据中台的建设要以价值为基础，不能一下子建大而全的中台，要基于小数据理念构建数据中台[11]。数据中台作为企业级数据应用难题的解决方案，指向企业的应用场景，因此建设数据中台时，要依托于合适的数据分析场景，首先选择高价值的小场景，再逐步扩散到全景图。企业的管理目标是通过综合利用管理信息、灵活运用现代科技，推动企业实现战略管理目标，从而在长期经营活动中取得竞争优势，实现企业价值的最大化。在企业的发展战略中，成本控制处于非常重要的地位。企业供应链成本控制是一个高价值的数据应用场景，涉及研发、采购、销售、库存、物流等环节，用数据思维的理念从中选择最有数据分析价值的场景，理清数据可以服务业务的价值。

3 数据中台关键技术分析

建设数据中台要以技术为基础支撑，就像是骨架撑起整个数据中台。数据中台不等同于大数据平台，又依托于大数据平台。数据中台建设的关键技术分为大数据存储计算技术和数据中台工具技术。

3.1 大数据存储计算技术分析

大数据存储计算技术相对技术难度比较大，企业只要选择合适的开源技术即可，无需自己建设。大数据存储计算技术主要用来解决两个问题，一是大数据的存储管理，二是大数据的分析。

数据存储管理技术涉及关系型数据库、NoSQL数据库（非关系型数据库）、NewSQL数据库。关系型数据库无论是在传统数据存储还是大数据应用中都占据着重要地位，常见数据库有Oracle、MySQL、SQL Server等，MySQL由于其开源特性深受用户欢迎。根据全球较为权威的DB-Engines公布的数据库统计排名，截至2020年12月，排名前六位的数据库，仅有排名第五的MongoDB是非关系型数据库，其余全部是关系型数据库，且前3位所占有的比重远领先于其他数据库[12]。随着互联网Web2.0的兴起，传统的关系型数据库在处理超大规模和高并发事务时显得力不从心，促进了非关系数据库NoSQL的产生和发展，NoSQL的目的是“Not Only SQL”，是在SQL之外的附加选择。NoSQL不保证原子性、一致性、隔离性和持久性，同时其高性能、易扩展、分布式架构等特点使得NoSQL可以支持大规模、高并发、海量数据存储业务。NoSQL数据库种类有以Redis、Memcached为代表的键值数据库、以Cassandra、HBase为代表的列存储数据库、以MongoDB、CouchDB为代表的文档型数据库、以Neo4J，InfoGrid，Infinite Graph为代表的图数据库等。NewSQL 是对各种新的可扩展、高性能数据库的简称，可以存储管理海量数据，保持传统数据库ACID事务特性，保留SQL作为查询语言。对于传统的结构化数据存储和管理，可以使用关系型数据库系统。对于不仅需要存储大量半结构化和非结构化数据，还要存储少量结构化数据的场景，同时要支持对不同类型的数据内容检索、数据交叉比对、对数据做深度挖掘以及综合分析，传统关系型数据库难以支撑。因此，可以选择传统关系型数据库、非关系型数据库NoSQL与NewSQL 并存使用。