传统数据平台的构建形式相似，构建数据智能平台是一项从全局进行规划和建设并在后续运行中能够持续迭代的系统性工程，因此为了实践这一过程需要一套科学和完备的方法指导。

通过对多家先进企业的数据智能平台实践案例进行调研，总结了数据智能平台建设过程中比较有概括性的最佳实践方法涉及的核心环节主要包括顶层战略规划、应用场景规划、基础架构设计、数据规范与数据架构设计、组织与人员规划等方面。详情如下：

数据智能平台建设的关键环节

 1.顶层战略规划

作为支撑企业数字化转型的新一代数据基础设施，智能数据管理平台是企业各部门各业务线共同使用、维护的数据体系。数据智能平台的建设旨在服务于组织的整体战略目标和业务目标。

同时，不仅涉及技术架构，智能数据管理平台的建设还会涉及企业的业务模式和组织构架。以顶层战略为起点，根据业务目标规划智能数据管理平台的的建设蓝图与步骤是企业要做的。

传统企业部门之间的界限很明显。必须要企业决策层在组织架构和资源方面给予统一的分配，才能够实现各部门间的沟通协作，完成建设智能数据管理平台。

 2.应用场景规划

业务场景中的数据应用是数据管理平台作用的直观体现，所以应用场景规划应当首先做好，智能数据安全平台应用场景规划需要考虑的因素有：

评估业务和数据情况。从具体的业务需求场景理清相关的业务线、相关岗位和业务流程，梳理其中的业务需求。同时，对企业的数据资产进行评估，划定企业的数据需求。

明确场景实现优先级。企业可基于企业的战略与业务目标，评估可实现的业务价值、数据应用的实现成本、数据应用的可行性等，确定使用数据平台的优先级。

调研和参考外部案例。企业在建设智能数据管理平台前要做好相关功课，参考同行实践案例，总结相关经验。教训。可以借鉴有经验的数据管理平台建设厂商的方案，帮助企业克服相关问题。

3.基础架构设计

项目得以快速实施的秘诀就是做好策划，进行基础构架设计并支持在现有系统上快速开发新功能、引入新数据，而一旦选择某个技术架构并开始实施，后面出现问题再来修改的成本很高。构建新一代的数据智能平台需要在基础架构设计上考虑以下要点：

1）引入云原生架构，满足使用和维护过程中对于新一代架构的需求。

2）应用多种数据处理引擎应对多样化的数据分析场景需求，重点是为平台构建智能化、即时化的数据处理能力。

3）对数据和数据应用资产进行集中的管理，方便数据的利用、共享。避免数据因质量低、易用性低、价值低等造成的问题。

4.数据规范与数据架构设计

企业需要对数据的组织方式以及数据规范进行合理的设计，以保证用户可以在数据平台中快速找打自己所需要的数据。

1）企业需要根据包括平台提供的明细数据、汇总数据、数据分析结果、数据服务等业务目标及业务流程设计平台的数据架构。

2）对智能数据管理平台的数据进行统一规范，构建指标体系。在业务系统中使用统一的全局ID，用原子指标、统计颗粒度、业务限定等维度来派生指标名称。

5.组织与人员规划

智能数据管理平台的能力与业务高度相关，因为平台的搭建需整个企业几乎所有部门的沟通与协调。人员模式根据企业数据能力现状分为在集中式和去中心化两种。

数据智能平台建设推进方式

1）集中式模式：组建单独的数据团队，数据能力的规划和开发由该团队全权负责。数据能力的规划和实现点对点、能够快速落实规划是该模式的好处，难点在于对智能数据平台团队人员的专业素养要求较高。这种模式适合公司业务体系相对简单，并且只把数据平台作为辅助工具的企业使用。

2）去中心化模式：在数据平台团队搭建底层平台的基础上，不同的业务部门各自在平台上开发和使用所需的数据应用。该模式好处在于各部门对自己的需求的最为了解，可以按需开发出需要的业务模式，且后续迭代也更方便，难点在于需要处理好各部门之间分工和协调。对于业务线庞杂，业务定制化需求较多的大型企业该模式是适合的。

【数据管理人才培养、数据治理认证培训】

数字化时代来临,数据治理人才缺口巨大。具备数据治理技能，持有CDMP数据管理专业人士证书,可获得更高的市场信誉和认可。帮助数据管理从业人士获得企业数字化转型战略下的必备职业能力, 促进开展工作实践应用及实际问题解决,形成企业所需的新数字经济下的核心职业竞争能力。

[1]