具体讲解视频：

本次讲解，剖析了两个数据中台建设的实战案例：



大型多产业集团建设数据中台

打通五个业态，促进业务创新



背景关键词：

      40多家公司，5个不同业态，信息化水平参差不齐，数据标准缺失，数据质量差

业务目标：

    •半年内完成集团业务整合•一年内打通多业态业务•上线整合型产品

实施原则：

    •数据为先：利用数据集成整合业务，数据探索推动创新

三步走：

     •数据资产梳理

     •数据共享开放

     •数据场景创新•

围绕三个核心：

    用户，订单，支付

关


关键启发：


  1. 不存在完美的数据基础，数据思维要从最早建立（DataFirst）
  2. 数据战略和规划是非常重要的（ThinkBig）
  3. 从业务场景出发，围绕业务去进行建设（来自业务，高于业务）
  4. 数据结构的共享和开放是数据应用的基础（数据资产目录）
  5. 快速的数据服务构建和消费（DataAPI）
  6. 持续的数据运营是数据中台项目成功的关键






销售型企业数据中台建设

小规模，快服务




背景关键词：
      全球企业，无本地IT能力，无数据平台，有大量数据分析、应用需求
业务目标：
    • 跨业务数据共享•建立数据应用和决策能力•整合行业数据
实施原则：
    • 业务价值优先：数据服务优先，数据平台随后
三步走：
   • 数据价值探索
   • 数据资产盘点
   • 数据服务构建
围绕三个核心：产品、交易、门店/客户/消费者

关键启发：


  1. 没有数据平台，没有数据库也可以做数据服务
  2. 业务价值要尽快展现出来，否则你会失去业务的支持
  3. 内外部数据整合的重要性，建立企业自己的用户画像库
  4. 持续的数据运营需要耐心
  5. 在早期的时候就要考虑数据的利用，数据的规划和全景蓝图


数据类项目区别于流程类项目的特点


精益数据方法-国内首创的数据中台建设方法论

通过LDD，精益数据方法，探索规划你的数据创新蓝图



咨询公司运营管理之觞
数据现代化-富国银行的数据转型之路
异常检测算法在审计智能化的应用
回看十年前的大数据风控项目，我们有了新的思考
听程序员界郭德纲怎么“摆”大数据处理
机器学习平台的模型发布指南
持续智能-机器学习项目的11类问题及解决之道
继续阅读
阅读原文