數據治理中場戰事：按需採購和自如升級成必然_風聞
大数据在线-1小时前
在過去的十餘年間，中國的大數據產業猶如一場技術革命，以驚人的速度蓬勃發展。十年前，金融、電信等行業構建數據倉庫時，幾乎無一例外地依賴於國際廠商的產品與服務，許多項目的成本動輒耗費千萬乃至上億元。
於是，大家對於數據建設、數據治理的印象都停留在又貴又重的階段，高昂的建設成本成為不少企業的攔路虎；但這些企業對數據建設和治理一直都有着旺盛需求。
同時，狂飆猛進的技術演進對企業數據架構的可擴展性提出了新挑戰。Gartner報告就指出，到2028年，50%構建於2023年之前的中國數據分析和AI平台，也將因為與生態系統脱鈎而過時。
數據建設治理領域正呼喚一場革新。
日前，阿里巴巴集團副總裁、瓴羊CEO朋新宇在雲棲大會瓴羊Data×AI專場論壇中指出，企業要擁抱AI時代，需要完成場景解構、業務重構。其中，數據治理領域也正在迎來一波重構浪潮。
瓴羊智能數據建設與治理產品Dataphin的誕生，直指企業在數字化轉型過程中面臨的首要挑戰：數據「髒亂差」，通過標準化數據處理流程，統一數據口徑，提供全面的數據資產管理，幫助企業建立起可靠、一致的數據基礎，為數字化轉型鋪平道路。
Dataphin最初源於阿里這個「超級工廠」的實踐經驗，逐步進化為適用於各行各業規模企業的數據治理平台。
現在，針對行業裏數據治理高成本和難擴展等建設難題，瓴羊智能數據建設與治理產品Datapin全面升級，可演進擴展的數據架構體系為企業數據治理預留髮展空間，推出敏捷版用以解決企業數據量不大但需構建數據的場景問題，基於大模型打造的DataAgent更是為企業用好數據資產提供便利。
數據治理正當時，普惠低成本帶來更多選擇
瓴羊副總裁王賽在對接各類型的企業過程中，看到中小型企業有強烈的數據治理及數據資產建設的需求：企業的數據量相比龍頭企業們可能不是很大，但有複雜度和多樣性，這些企業需要把這些數據做一些輕度的治理。
但中小企業的數據治理之路面臨不少問題：大數據相關的人才儲備可能不足，也沒有太多的預算投入，甚至對數據資產建設和數據治理的認知也有所欠缺。
基於這些痛點，瓴羊把基於阿里巴巴內部數據治理的經驗，加之服務外部企業客户打造推出的智能數據建設與治理平台Dataphin，進行輕量化改造，推出Dataphin敏捷版。
Dataphin敏捷版的產品架構更輕量，企業最低只需要投入三台硬件設備，投資僅二三十萬元就能低成本啓動數據治理工作。這也意味着，相比於之前功能強大、架構複雜的Dataphin版本，廣大中小企業現在多了一個選擇。
當企業在開啓數據治理工作後，都會考慮一個問題，隨着業務發展，數據量變得龐大，當前系統能否滿足需求？難道又要重新評估數據架構？
比如，國內一家零售企業數據負責人，這些年遇到“成長的煩惱”，由於業務佈局廣泛，企業數據需求的複雜程度和處理難度變得越來越高，他察覺到數據治理的建設思路需要發生變化：“之前更重視產生了什麼數據,哪些業務流程可以數字化,以及數據合規問題。”如果往後看5年，隨着企業數據量越來越大，傳統的數倉建設思路已經不能再支撐企業的存數、管數、用數的需求。
這也是不少企業在數據治理中的共性問題——數據架構如何為未來的發展預留出空間，從而滿足未來更多更復雜的數據治理需求。基於這一行業普遍痛點，瓴羊的Datapin產品創新性升級數據系統架構：高擴展性，可持續演進升級。
如果起步期用敏捷版，發展期可以原地升級，擴展底層的算力引擎，自如地向上平滑演進，即可變身為一站式數據建設治理與運營平台。再進一步，如果部分企業監管合規要求高，不能上雲或者只能部分上雲，或者有些企業本地已經搞了一攤，有些利舊的小九九。不用慌，瓴羊Dataphin支持多雲多引擎，允許多雲部署或者本地化私有部署，並支持50+數據源，自由混搭，滿足各種複雜場景。
半托管，兼具個性化和性價比
另外，在數據領域，企業還面臨另一大問題：個性化和和性價比之間的矛盾。大企業基於自身的業務需求，往往追求私有化部署，但這也意味着更高成本。而標準化的雲產品更便宜，卻失去部分個性化配置的能力。
針對這類問題，瓴羊Dataphin的解題思路是提供靈活的部署模式：全託管、半托管、獨立部署，滿足各種部署訴求。
企業可以像租公寓一樣，直接訂閲公共雲多租户SaaS版本，按需付費；也可以採用半托管模式，快速擁有自己的獨立雲別墅；更可以完全獨立部署，自己“蓋樓”，完全自主。
這其中，雲上半托管模式，是當下主流客户最愛的一種部署方式。這種模式，既能獨享可控的環境，又能享受公共雲的彈性調度。相當於用户在雲上租“別墅”，1小時立等可取，獲得別墅級獨立部署產品服務。
比如，一些集團型企業，不同的業務模塊或者子業務的數據處理要求不一樣：財務類、會員類的數據要求本地運行計算；另外一些安全敏感性不高的數據可以上雲，與雲上業務聯動及數據處理。這類企業需求就適合半托管模式，既有個性化定製需求，又能考量經濟性需求。
數據治理領域，企業正迎來按需採購、自如升級的新階段。
AI時代，如何讓數據資產快速用起來
王賽發現很多數據治理平台的項目都具有一個規律：如果對方是一個純IT團隊，沒有數據資產運營的理念，這類項目的成功率往往不會很高。
數據如果只存儲在數據庫裏，只會成為成本和負擔。王賽提到：“我們刻在骨子裏的理念就是數據構建好之後，一定要把數據用起來。” 所以瓴羊非常強調數據資產的治理和運營，光把數據聚合在一起還不夠，還要讓數據更好地用起來。
要讓企業用好數據，客觀存在着一個巨大的鴻溝。對業務人員而言，理解業務和理解數據是兩碼事。很多時候業務人員缺乏數據思維，數據獲取依然要求助於數據專家，這面臨着大量的溝通和時間成本。而在具體的獲取數據環節，數據團隊壓力也很大。他們經常會面臨大量的關於數據在哪裏、該數據含義、如何使用、在哪裏使用的諮詢。並且，要在海量的數據資產中快速找到、找對、找準想要的數據並不容易。
這反映出，企業用數需求，不止是從Chatbot中獲得一個具體的數據結果，還涉及到基於業務需求如何去找到和使用好內部的數據。
舉個例子，王賽經常碰到企業用户提這樣的問題：企業的商機轉化率低，有什麼樣的數據能解決問題？解決問題的核心在業務流程裏，先回到業務中，問題涉及哪些人員和組織，涉及哪些流程，這樣才有可能給用户有價值的指導，而不是就數據返回一個數據結果。
從這一痛點出發，瓴羊推出業內首個數據資產智能體——Dataphin·DataAgent，在大模型的加持下，企業能自定義自己專屬的Agent，業務人員能更便捷實現從問題到思路、數據、用法的全鏈路自助化操作。
“未來每個人都有一個專屬的數據助手。”王賽説，它不只是工具層面幫用户取數，還能幫助連接業務，輸入問題後直接給到數據視角的內容。
如某一家頭部乳業品牌的數據中台已經建設多年，形成超過20個數據域，上千指標，幾百用户標籤和近百個應用。目前一部分業務的需求仍需要通過數據工程師人工滿足，業務人員覺得響應慢，而工程師又被需求壓得喘不過氣。現在通過Dataphin的智能DataAgent，每次都能快速找到資產進行快速研發，讓研發效率翻倍。
這個過程裏，Dataphin·DataAgent三大能力也展露無遺。首先是基於全域的數據資產，可以快速便捷幫助企業構建向量數據庫，完成知識庫的搭建；其次是，基於對知識庫的理解，提供諸多輔助工具和元素化的交互能力，加速智能體的設計和編排；再次，數據智能體一鍵發佈，能幫助企業更方便去消費數據。
