如何清晰的实施“大中台，小前台” 大数据运营策略？
点击上方
请您点击“与数据同行”以“关注”，关于数据的实践与思考，每周一我在这里等你！
作者：傅一平 就职于浙江移动大数据中心 微信号：fuyipingmnb 欢迎交流！
阿里提出了新零售、“大中台，小前台”等概念，一般来讲，一个新概念的提出往往不确定性很高，有时提出者自己都还在摸索，反正隐隐约约觉得应该往这个方向努力吧，这个时候必然有不同的人从不同的角度去诠释它，这时候就有争议。
阿里关于“大中台，小前台”技术层面的介绍有之，比如《企业IT架构转型之路》这本书，但很少提与之配套的机制，流程，数据中台基本上也是一笔带过，即使从技术的角度看阿里也是个异类，比如数据产品开发平台挑战太大，企业如果真要在大数据领域实施“大中台，小前台”战略，则需要结合实际走出自己的路。
最靠谱的方法显然是自己实践一下，但并不是所有人都有这个条件，今天笔者就数据领域的“大中台，小前台” 战略实施谈谈理解，这个诠释来自于实战，当然每个数据从业者肯定有自己的理解，因为各自企业的文化，组织，机制，流程，平台等都不同，但我们还是能求同存异，找到一些相通点。
由于笔者谈的是大数据，这里的中台就特指数据中台。
一、数据中台赋能业务是一个系统工程
“大中台，小前台”肯定要符合公司的整体业务战略和IT战略，但小公司大多不需要这个战略，因为没必要。
中台意味着可沉淀的潜在IT资产要很多，要充分复用这些IT资产才可以更快、更高效的赋能业务，但只有企业的规模达到一定程度且业务模式相对稳定才具备沉淀实施的条件，否则要么是叶公好龙，要么就是大炮打蚊子。
因此，数据领域的中台战略更适用于诸如运营商，银行，保险等拥有大量数据的传统国企和BAT这类大互联网公司，其不仅拥有丰富的数据资产，而且IT规模足够大，诸如滴滴等这些独角兽公司虽然规模很大，但业务还处于高速增长期，是否实施中台战略也值得商榷，但无论怎样，“大中台，小前台”的思想还是先进的，特别是在数据领域，可以在局部进行尝试，比如做一个基于指标的报表中台，由点到面，你会发现价值很大。
任何战略都要为业务服务，以下是某个企业开展智慧运营的一段话，其对于大数据平台赋能业务充满期待：
“秉持“工匠精神”，以大数据为驱动，以大IT平台为支撑，通过流程优化和管理完善，提升运营水平，改进客户体验和价值创造，要坚持顶层设计和基层探索相结合，对于涉及架构性、全局性的的系统设计和管理规范，要做到统一规划、开发、管理，对于基层一线的需求，鼓励差异化试点，形成“省对市支撑、市对省补充、省市成果复用”的最大效应。”
那么，平台如何才能衔接顶层设计和基层探索，如何做到统一规划又要能快速满足一线需求呢？
以下是一个答案：’
“加强统一大数据平台建设，实现标准化程度高的模型和应用，优化流程保障机制，创新运营推广手段，构建“搭台唱戏”的支撑新模式，促进大数据应用的百花齐放，高效助力智慧运营。”
从这里看到，虽然数据中台是一个关键要素，但其并不是孤立的，除了中台，也要有流程和机制保障，还要进行模式创新，才能达到最终的目的，这显然是一个复杂的系统工程。
二、数据中台的运营架构和周边的关系
数据中台的概念笔者在《数据中台到底是什么》有过解释，但企业光有数据中台是远远不够的，更需要打造基于数据中台的运营架构，这才是“大中台，小前台”的精髓，任何希望用大数据驱动创新业务发展的公司，都应该好好研究以下的运营架构图，这是“大中台，小前台”的现实版本，包括五大部分。
基础平台：强调采集尽量全的数据和处理的高性能，对比如阿里云。
数据中台：强调数据的整合和封装，提升挖掘和开发的效率。
流程机制：强调通过建立一套流程来保证数据访问和数据开采的便捷性。
运营突破：强调通过培训、宣传等手段推广好数据中台，并持续优化。
应用创新：最终实现基于数据中台的应用创新，即所谓的“大中台，小前台”的真正目标。
三、五大工作模块
1、基础平台
以运营商来例，B/O/M三域数据归集是其大数据运营的基础，但第一要务却是集中组织的保障，我们现在对于数据的所有权暂时可以不搞清楚，但公司必须对数据的统一采集权要有所明确，笔者甚至认为源端数据的加工权也要明确，因为很多时候采集不仅仅是一个采集动作，还需要进行采集的可行性评估，采集技术方案的选定，源端设备的改造等等，比如阿里要采集APP的数据对于业务系统可是有要求的，这涉及跨部门的协调。
统一的组织要为公司提供性价比最高的大数据采集方案，比如在有限成本前提下的各类业务数据采集的取舍，这个矛盾在现实中会比较突出，涉及各个部门的博弈，大数据价值密度又比较低，但采集存储投入的成本可不低，地主家也没余量啊，只要大数据变现还没成为公司的主营业务收入，就要在先有蛋还是先有鸡这个矛盾中寻找平衡点。
统一采集权也意味着公司要有建立一堆的管理规范，凡落大数据平台的数据一定要统一规范管控，这在实际运营中挑战也非常大，比如人家存量应用要迁移过来，但数据和应用解耦非常难，如何保证这个规范有效执行？改造应用的钱哪里出？因此统一采集说说容易，但实际操作是另外一回事，从来没有一刀切的事情，这也是大数据集中化的挑战，牵一发而动全身。
但采集数据始终是公司统一数据管理组织的第一要务，做大数据从来就是数据大于一切，对内，如果没有新数据要让精益化水平上一个层次很难，人还是那些人，场景还是那些场景，唯有新数据才能让其焕发出新的生命力，面对大型的互联网公司，在组织，机制，人才，产品全面落后的情况下，新数据也是传统企业搞大数据唯一的差异化优势，一定要重视基础数据管理组织的统一建设，没人没数据，搞大数据也成了空话。
技术平台笔者不多谈，无论选择哪种技术，就要保证它的可用性，比如阿里有阿里云，为什么这么做？ 大家都懂的。
2、数据中台
数据中台的概念和价值笔者在以前多篇文章中有介绍，这里不再展开，从运营的实践看，数据中台事实上成了大数据集中化对外能力展示的一个窗口，基础平台建设的再好，性能再强大，数据中台没建好也是一场空，因为只有数据中台才能真正连接用户，是用户能看得到，摸得到的东西，它的价值就类比于APP STORE，对下连接着基础平台，对上连接了用户和应用。
由于数据中台连接着用户，因此一定要将数据中台当成一个产品来运营，这里用产品的五层概念来诠释对于数据中台的要求。
感知层要保证数据方便可见。
框架层要保证数据好用，比如提供非常方便的数据查询功能，针对不同的角色提供非常方便的可视化开发工具。
资源层则要保证基础模型，融合模型及挖掘模型的数量和质量，一线对于模型资源是最为关注的，否则就是巧妇难为无米之炊，大多建模师平常也都在这层上发力，努力把经验积累上去，比如我们提出了百万标签计划，最近还在研究打造一个模型超市，希望一线的好模型能通过非常方便的方式一键发布成全省模型。
能力层则是要采取循序渐进的态度完善数据中台的功能，不要好高骛远，要懂得取舍，比如在机器学习上没有能力像阿里一样搞个MaxCompute引擎，也可以通过简单的R、Python、SPSS的端到端生产环境的完善来满足当前的需求。
在战略层，最近公司搞了个IT规划，笔者也提供了一些数据中台建议，其中2019年的一个思考，大家可以看看：
数据建模：扩充专业公司数据，尝试引入第三方合作数据，进一步丰富外部数据源；完善个人，簇群，政企，物联网等挖掘模型，形成自动的大数据模型迭代优化能力，深度学习、强化学习等人工智能算法实现典型场景应用。
数据服务：初步形成较为全面的面向垂直行业的标准化数据服务体系。
数据应用开发：在网格化中台的基础上新增实时服务等更多开发能力支撑，打造可视化程度更高，性能较高的数据挖掘引擎。
3、流程机制保障
阿里看到了传统SaaS模式建设的弊端，因此提出了“大中台，小前台”，本质是希望建设一个强大的PaaS，从而赋能应用快速创新，这种模式要玩得转有两个关键点，一是开发流程再造，另一个是资源开通便捷性。
数据中台正是数据领域的PaaS，但基于PaaS进行应用开发，相对于传统的SaaS模式，涉及到职能变更，流程更改的工作，因此必须重新明确相关利益方的职责，制定出新的开发规范，构建出相应的流程，才能让这种PaaS应用开发模式落到实处。
以下是一个示例，其中省公司代表中台方，地市就代表前端：
地市职责：基于数据中台自主建模和构建应用，快速灵活满足自身需求。
省公司职责：提供应用建设规范，中台的技术支撑和能力完善，并进行最佳实践的推广。
基于PaaS建设的理念其实一点都不新，以前并不是没有尝试过，做不好往往是因为数据中台不够强，相关流程机制贯彻的不彻底，比如中台能力沉淀面临长短利益博弈、核心能力自控及听不到前线炮声的一系列挑战。
产品思维中有一点提的特别好，无论你的价值网、点线面体，战略有多棒，如果你无法提供用户确定性的东西，无法让用户产生依赖，那什么都是空的。
在大多企业里，PaaS资源开通的快捷与否也决定了应用创新效率的高低，大家都知道大数据平台带来的一个变化就是技术百花齐放，每类技术都只能适应某个应用场景，但除了BAT，大多企业所谓的PaaS往往都是各类技术的组合，而一个应用开发的过程往往涉及这些技术组件的串接。
以笔者所在企业为例，前端要开发一个模型并推送到渠道，会涉及到租户资源开通、数据的赋权、开发平台的赋权、标签库的赋权，营销平台的推送等等，如何实现这些平台接口的自动贯通，给用户一个好的体验，对于大多企业都是一个挑战，阿里云的技术掌控力往往体现在这些细节中，有了不代表好用，这些教训是很深刻的。
以下是一个示例，希望你仔细体会：
4、运营创新突破
企业有了平台、数据和流程还不够，因为你的平台还没有流量，也没有让用户形成使用习惯，这个时候就得靠运营，运营是如何吸引更多的人来用并基于反馈持续优化的艺术，比较麻烦的是，新的模式要从无到有建立对于运营的要求很高，一般来说，一个应用的价值=（新体验-旧体验）-替换成本，在大多企业，这个替换成本太高了，更为关键的是，你还不可能绕过。
运营的第一驱动力是企业的战略及管理的推动，笔者企业在经历了二年的公司级的智慧运营项目的实施才有了初步的局面，但仍然路漫漫而修远兮。
在公司这个面的基础上，则有大量的运营工作要做，人才是核心，培训是抓手，互动也很重要，但大多企业是要基于实际走出适合自己的路的，比如先要搞清楚企业运营的对象到底是谁，这些对象的岗位清晰吗，他们使用平台的驱动力是什么等等，我们去年启动了一个千人培养计划，但这种策略放到其他企业估计也会水土不服，因为环境完全不同。
以下是培训计划和互动方式的一个示意，供参考：
5、应用百花齐放
最后说说应用，其实应用多少并不重要，关键是创造了多少实际的价值，但“大中台，小前台”作为一种新的模式，还是要关注下基本面的，毕竟有了基本的量才能吸引更多的人来用，才可能有足够的反馈，才可能有明星的产生，无论是浙江移动的“神灯”大数据还是天盾反欺诈应用，很多已经是这种模式的产物。
“大中台，小前台”这个概念很好，但要实现它涉及到一个复杂运营体系的构建，笔者尝试着写些东西出来，希望对于准备建设、正在建设、完成大数据平台建设的你有些启示，其实大数据平台完成建设才是大数据运营真正的开始，后面还有更艰辛的挑战等着，虽然有点打击人，但的确是事实。