活動現場
一場以“中臺架構提速企業(yè)數字化轉型”為主題的技術交流活動，吸引了北京及周邊地區(qū)200余位企業(yè)高管的積極參與。6月14日，這場由北京元年科技股份有限公司主辦、袋鼠云和普元信息協辦的“純”技術論壇主題鮮明、內容豐富，從中臺概念的緣起、作用、價值出發(fā)，清晰勾畫出了中臺概念從企業(yè)需求、IT架構、場景化應用到提速企業(yè)數字化轉型的路線圖。
北京元年科技股份有限公司是一家以管理會計和業(yè)財稅智能共享見長的專業(yè)公司，是同時具備業(yè)務中臺和數據中臺建設能力的廠商，基于中臺架構和微服務技術的新一代企業(yè)IT架構正是其近20年的實踐經驗成果。袋鼠云創(chuàng)始團隊恰好來自于中臺概念的緣起公司--阿里云的高管團隊，對中臺概念的起源、研發(fā)歷程、最新進展如數家珍，讓與會嘉賓更加深刻了解中臺架構在企業(yè)系統建構中的重要作用。20年來，一直致力于數據處理的普元信息技術股份有限公司則詳細論述了智能化大數據處理技術。五位資深技術專家觀點鮮明、邏輯清晰和案例豐富的講解，成功論述了中臺架構提速企業(yè)數字化轉型的中心思想。
新一代平臺架構支撐企業(yè)大中臺戰(zhàn)略
長期以來，國外軟件在中國企業(yè)的管理提升中發(fā)揮了重要作用。2010年后，中國企業(yè)個性化需求對系統靈活性的要求越來越高，尤其在電商和移動互聯網普及應用領先全球的大環(huán)境下，純粹的海外產品和經驗已經無法滿足需求。中臺概念就是在此環(huán)境下應運而生的中國創(chuàng)造，但是要實現這樣的理念和愿景，仍然需要強大的技術支撐。元年科技于2016年收購了IBM Cognos源代碼，在結合自身豐富的本地化經驗后，為企業(yè)客戶提供自主可控、又比肩全球頂尖品牌的管理會計和數據分析軟件產品，為企業(yè)搭建新一代IT架構，支撐企業(yè)大中臺戰(zhàn)略奠定了堅實的技術基礎，積累了寶貴的實踐經驗。
元年高級副總裁李彤發(fā)表“新一代產品架構支撐企業(yè)大中臺戰(zhàn)略”主題演講
元年科技董事高級副總裁李彤表示，要利用互聯網把企業(yè)連接在一起，打通交易各方，聚焦客戶和產業(yè)鏈協同。同時發(fā)揮數據的更大價值。如果企業(yè)還是采用傳統的逐層分解的組織架構，自上而下的指令傳遞效率根本無法支撐互聯網快速敏捷的要求。隨著企業(yè)數字化能力越來越強，業(yè)務流程的設計也需要從管控向賦能轉變。
支撐企業(yè)運營的IT架構也面臨重構。原來分階段建設的IT系統是陳舊的煙囪式架構，每個軟件都有用戶管理、權限管理、表單定義、流程管理。經營分析報告需要從各個系統中取數據，而煙囪式的IT架構阻礙了數據打通。
新架構首先要敏捷，可以快速搭建系統支撐業(yè)務發(fā)展;第二是可伸縮，可以適應業(yè)務成長需要;第三是個性化，助力企業(yè)嘗試新的商業(yè)模式。中臺的基本思想就是不重復造輪子，把復用共享的東西提煉出來，變成一個可以被其它業(yè)務單元引用的基本能力，為前端的業(yè)務賦能。元年中臺架構的核心優(yōu)勢在于完全基于云原生開發(fā)的，支持公有云、私有云部署，提供可定制化的功能;基于多維內存數據庫技術;打通業(yè)務中臺和數據中臺。未來的企業(yè)IT架構都將基于業(yè)務中臺和數據中臺來構建。
數據中臺源于企業(yè)的現實需求
袋鼠云CEO陳吉平 發(fā)表“實踐探索：數據中臺行業(yè)最佳實踐”主題演講
前阿里云事業(yè)群總裁助理陳吉平是2016年成立的袋鼠云創(chuàng)始人兼CEO，他基于在阿里工作12年的親身經歷闡述了數據中臺在阿里的緣起和發(fā)展歷程。
阿里有淘寶、天貓、聚劃算等電商平臺，不可能每個平臺搞一個交易系統，希望不同業(yè)務系統有一個統一的技術架構支撐。阿里從2007年就開始做中心化、服務化改造，慢慢演變成業(yè)務中臺。2010年，阿里成立了CDO部門推動打通集團旗下各個業(yè)務的數據、統一數據標準。2013年阿里內部首次提出“大后臺、小前臺”理念，推出第一代數據中臺產品。2015年開始對外推出數據中臺概念，到2019年廣為人知，堪稱“數據中臺元年”。由此可見，中臺概念的提出和實施都是源于業(yè)務需求。
數據中臺有四個要素，數據資產、數據中臺產品、數據處理技術、數據驅動的業(yè)務價值。把數據變成數據資產，專業(yè)公司進行數據分析、加工處理，把數據價值變成業(yè)務價值。數據在加工過程中會產生新的數據，需要對這部分數據進行處理，形成數據閉環(huán)。
傳統企業(yè)如何構建數據中臺?
元年副總裁賈小強發(fā)表“傳統企業(yè)的數據中臺之路”主題演講
元年科技副總裁賈小強認為，傳統企業(yè)有兩個重大變化。
一是傳統企業(yè)的數據量暴增。地處盆地的中石化西北油田作業(yè)面積達20萬平方公里，星羅棋布的油井上沒有太多現場管理人員，而出油量、狀態(tài)、溫度、顏色等各類油品數據都通過物聯網方式采集匯總。柴油發(fā)動機企業(yè)則通過傳感芯片，收集發(fā)動機的運行狀況數據進行分析，發(fā)現問題提前預警，安排檢修，確保設備的長期穩(wěn)定運行，這類工業(yè)數據越來越多。
二是對未來預測型數據分析的關注度驟增。很多企業(yè)都利用BI等技術構建了數據倉庫，更多是對企業(yè)過去運營狀況的描述。現在，企業(yè)對信息時效性要求很高，更關注實時數據，對未來變化提出建議。
賈小強指出，企業(yè)財務和經營分析報告存在兩個痛點需求：一是不同業(yè)務報告需要調用不同系統的數據量很大，時效性很低。第二是數據冗余。在數據輸入、拷貝到歸集的過程中，多地存儲導致的數據不一致的問題。
元年科技很好地解決了這些問題，運算時間有幾個數量級的大幅減少,可以在秒級內得到結果。采取“數據同源，服務分離”的模式，給傳統的會計管理報告系統帶來了質的變化，時效性、維護簡捷性大幅提升。
基于數據中臺的場景化、智能化應用
元年大數據專家教羽發(fā)表“基于數據中臺的場景化智能化應用解決方案”主題演講
企業(yè)該怎樣釋放數據價值?元年科技大數據專家教羽提出了“1+1+N”的解決方案：一套會計管理體系，一個數據中臺，N個不同場景的應用，并分別闡述了五個業(yè)務場景：
1、管理核算/經營報告
管理報告是基于逐層管理架構進行分解的，一定要滿足企業(yè)會計準則，滿足披露原則;經營報告則是對經營單元的報告，體現出投入產出的信息。完全適應企業(yè)內部組織的快速調整變化，體現企業(yè)核心的管理意志。
經營報告通過直接歸集、內部結算和分攤三種方法計算出經營單元真實的投入產出數據。核算規(guī)則和方法非常重要，相當于戰(zhàn)爭指揮權。經營規(guī)則要與中臺理念、技術結合，滿足組織架構的靈活多變和多維數據采集的要求。
2.SPM銷售績效管理
銷售績效管理做不好會很影響士氣的。SPM解決了企業(yè)由于銷售政策變更帶來傭金變化的模擬推演需求，不必用實際運行來試錯。同時，組織或個人變更不影響銷售目標的分解，因為實際銷售目標的分解維度可能是按照區(qū)域、行業(yè)、產品等多個維度進行。一旦有變化，很快可以調整。
3、產品定價/報價管理
首先我們要確定它的計價模型，要有一個定價因素拆解的過程。不同行業(yè)不同企業(yè)不一樣，來源系統可能也不一樣。相當于把數據倉庫里面的數據進行加工清洗轉換。物料和成本調整以及每個環(huán)節(jié)的料、工、費成本折算，通過模型優(yōu)化，把數據變更和操作流程固化下來。
4、項目生命周期盈利管理
整個項目生命周期都在不停地更改和優(yōu)化，有結構化和非結構化的數據，通過數據中臺推送到相應的流程節(jié)點上進行處理。在整個產品生命周期管理上，IT系統提供四點核心功能：記錄跟蹤、自動集成、測算分析、數據安全。
5、資金規(guī)劃管理
集團旗下的不同分子公司盈利、現金流情況不一樣，現金流好的企業(yè)有可能把錢存在銀行收取低息收益，而現金流差的企業(yè)還要去外面借錢，承擔高息成本。
從資金管理的角度來看，存在信息集中度和資金集中度兩個維度?，F在的技術手段可以實現更好的信息集中，進行成本管控，平衡各分子公司的資金使用。通過機器學習技術，不斷地調整資金預測分析模型，不斷縮小資金預測值和實際使用資金值的偏差。
大數據時代數據治理的趨勢與技術
普元大數據專家錢軍博士發(fā)表“基于數據中臺的場景化智能化應用解決方案”主題演講
很多碎片化的數據在過去是沒法感知的，現在感知到了，但是要做數據處理.要特別注意在建設大數據平臺過程中，存在著數據不可知、不可控、不可取、不可聯的隱患。
來自普元信息的資深大數據專家錢軍博士在數據處理領域有30多年的經驗，他深切感受到傳統企業(yè)對數據處理的需求越來越迫切，在新的技術環(huán)境下，更需要用新的手段實現大數據治理。
數據服務需要創(chuàng)造一個良好的生態(tài)環(huán)境需要一個機制。錢軍認為有四個方面：采、集、管、用，即數據資產的采集、業(yè)務與技術映射下的集中處理，管理好數據生產線，達到自助數據應用的目的。營造這樣一個環(huán)境離不開自動化工具的支撐，并逐步走向智能化。
錢軍博士表示，大數據治理原則就是“疏堵結合，標本兼治”八個字。疏就是靠元數據，堵就是靠整治，提升數據質量。總結起來就是“三個方面、十二項原則”，即在元數據、數據標準、數據質量三個方面制定了12想原則：統一管理企業(yè)資產、自動獲取數據信息、識別與管理業(yè)務語義、關聯業(yè)務語義與技術、從需求開始控制數據質量、在集成點檢查數據質量、持續(xù)積累檢核規(guī)則、自動化質量評分、管理核心數據定義、為數據標準添加技術屬性、隨業(yè)務持續(xù)更新數據標準、數據管理能力服務化。
自服務大數據處理分為四個階段。第一個階段是全面梳理企業(yè)信息，自動構建數據資產庫;第二階段是建立數據標準，提升數據質量;第三階段是提供數據服務，特別是微服務，為用戶創(chuàng)造價值;第四個階段形成企業(yè)知識圖譜，提升整個企業(yè)的數據價值。
五位資深專家的詳細解讀，中臺架構的概念、技術、產品和應用場景更加清晰，助力企業(yè)提速數字化轉型之路。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
