数字化转型中的数据驱动-基于领域对象构建从底朝上的数据纵向打通

大家好，我是人月聊IT。

今天接着跟大家聊数据驱动，或者说在企业数字化转型过程中如何更加充分发挥数据要素的价值。今天看王坚博士在2024年外滩大会上的一段讲话，具体摘录如下：

数据是基础设施的核心的组成部分。数据不只是一个模型的附属品，这个数据也不只是一个计算的附属品。只有所有这些东西变成一个完整的基础设施的时候，我们才会有那一次更加激动人心的创新。 王坚2024外滩大会演讲

因此今天接着再聊下数字化转型中数据驱动的问题，特别是数据驱动业务或者说数据反哺业务，数据支撑业务运营方面的思考。

我在前面讲信息化的时候谈到过，传统的信息化IT系统的建设，不是数据驱动的设计，而是业务需求和功能需求的设计。在IT系统上线后通过人员的使用产生了数据，数据是最终业务流程运作形成的一个持久化结果。

传统对数据的使用往往两个方面。其一是单个业务系统往往有简单的查询和统计功能需要使用到数据，或者数据要作为下游的一个输入。其二就是在BI分析类应用中，需要采集集成数据，进行数据分层建模，构建维度模型，并支撑上层的多维度决策分析。

在这里就出现一个关键问题，即：

数据是业务沉淀下来的，沉淀的数据更多是支撑了上层的决策，而不是数据支撑了业务运作或者协助业务系统流程绩效的提升。

这也是我们常说的，IT系统日常运作流程形成了数据，数据支撑了决策。而不会谈数据业务化或者数据反哺业务方面的问题。

也正是这个原因，当我们决策分析中使用各种KPI指标发现问题后，往往还得回到形成数据的各个业务流程和业务功能中，还得人工去排查究竟哪里的业务出现了断点，进一步导致了数据问题。

这就带来了，通过决策分析发现的数据问题，还需要人工去排查和改进流程导致了严重的数据和流程脱节，包括问题解决响应缓慢的问题。

数据驱动的端到端流程绩效监控

在这里回顾下我个人在10多年前参与的一个投资一体化项目。这个项目最终还是要输出一个投资一体化管控系统。

通过该系统能够实现投资，立项，计划，预算，供应链，成本开支，转资完整端到端流程的全链路打通。通过该管控系统可以实时的监控到预算的执行情况，成本开支情况，转资的进展情况等。

但是这个系统跟我们常规的业务系统有明显的差异，也不完全是一个单纯指标和维度分析的BI系统。这个系统更多就是要采集集成已有的ERP，计划，供应链，资产多个业务系统中的数据，并将形成的数据服务能力开放给上层的监控平台使用。

这个系统本身不新增新的业务对象或业务单据，更多是采集和集成数据。唯一要做的事情就是采集集成过来的数据有可能编码规范不一样，有可能数据的颗粒度不一样，需要我们在一体化平台进行映射和匹配。将数据和数据之间真正连通，构建完整的数据链。

只有完整的数据链才能够真正反向映射上层业务。

在这个过程中，有两项最重要的工作就要。一个就是端到端跨系统的流程分析和梳理，一个是对关键的数据对象识别和颗粒度分析，解决底层数据的映射问题。具体参考如下图：

图片

图片

在完成端到端流程梳理后，还有一个重要工作就是分析各阶段或关键的业务活动产生的数据，找寻数据对象和数据对象之间的映射关系。

在整个端到端流程中或涉及到计划，采购需求，采购订单，接收单，装箱单，产品，物料，发运单，转资清单等一系列的数据对象。如何讲这些数据对象建立映射关系是反向映射上层业务的关键。

图片

当数据对象间的关系缺失的时候，往往就只有通过手工的方式来完成映射和转换，否则很难真正做到类似项目端到端的全成本核算。类似做过相关业务的可能就清楚，到了转资环节，待转资清单的形成往往需要业务人员手工去挑选待转资产品或物料，这本质都是数据颗粒度不一致性，数据映射缺失导致的。

基于以上思路会构建一个投资一体化监控平台，当然对于预算管控实际会在多个业务系统的关键业务功能操作中进行埋点，实现预算的前导控制。这个平台最终调用底层数据服务能力实现了端到端流程绩效监控。

最近几年大家谈数据中台比较多，数据中台和传统BI一个关键区别就是数据中台能够提供共享的数据服务给业务系统使用。如果仅仅是这样还没有完全发挥数据驱动业务的价值，更加重要的就是类似上面的例子，应该是基于数据中台的数据服务能力构建上层的一体化运营或监控平台。

数据驱动-从底朝上的数据纵向打通

在企业架构规划设计中，我原来谈到一个业务和IT匹配的V模型。即业务是从战略和业务目标出发，识别价值流，再识别业务能力，最终沉淀业务组件和业务对象。而IT实现刚好是匹配业务域的V模型。

• 业务对象-》数据对象和数据建模
• 业务组件-》应用组件
• 业务服务能力-》能力API接口
• 价值流-》能力的编排和组装

图片

在原来的思考中，数据架构在底层，数据架构本身也是衔接业务架构和应用架构的一个关键。但是这个图更多体现了业务架构和应用架构的V模型映射，而没有体现数据架构的纵向贯通作用。

我在前面文章里面提到过一个重要的观点，即应用到业务的是一个条重要的V模型线条，而数据对业务的匹配同样是V模型关键的一条线。缺乏数据的纵向贯通，往往就容易导致最终业务和数据分开研究，导致数据的问题追溯到业务花费大量的时间。

在前面谈到了数据为何没有纵向贯通？其核心原因就是我们对数据的研究直接跳跃到了数据决策，而缺乏了数据驱动业务的关键环节。因此对上面的图修改后，重新构图如下：

图片

数据驱动这条线也应该是从底朝上纵向贯通的，而且也存在和业务和应用的V模型匹配，形成了横向+纵向的双向贯通。

• 业务能力组件阶段-》解决基础的数据治理问题
• 业务服务和能力开放-》解决数据采集集成和共享
• 价值流-》解决数据驱动业务运作关键问题
• 战略业务目标-》解决数据支撑决策（传统BI+AI+大数据）

而当前最大的问题就是上图中红色块缺失。传统的信息化建设往往都是传统OLTP和OLAP两条线分开建设的思路，即传统的BI建设更多是从数据整合后分析直接跳到了支撑上层BI决策。而缺少了关键的数据对业务运作效率提升的，业务运营分析的支撑能力。

包括我在前面一篇文章也谈到了，在数字化时代，我们更加强调数据驱动业务或者叫数据驱动流程，也就是说我不是简单的去直接去做上层的数决数据驱动的决策分析，我更希望是通过底层数据的实时采集和处理，将它映射到我实际的端到端流程的核心的阶段卡点上面去，形成核心的业务流程执行的绩效KPI指标，这个跟我前面讲的业务KPI指标是一样的道理。

通过这一些业务KPI指标，我可以实时观察流程执行的绩效。对于这种方式数据驱动流程，数据驱动的实时性就体现出来了。同时我们可以通过数据驱动实时的发现我业务的问题，并实时的去改进我的业务流程。

同时在整个数据驱动和数据建模的分析中，建议是引入领域建模的思路，识别关键的领域对象。而领域对象本身是业务和数据的一个融合体进行分析，实现业务数据一体化。

只有意识到了上图数据驱动的纵向贯通，数据和业务，数据和IT的映射匹配。才能够真正发挥数据驱动业务的核心价值。否则数据驱动的思想又变成了传统BI的决策辅助，那么数据资源要素的价值发挥大打折扣。

远期思考：从数据作为附属物到数据原生

最后，留给大家一个思考。

原来做IT系统，更多是业务功能实现，那么自然数据是计算或业务功能操作后沉淀的一个结果，类似王坚谈到的数据变成了一个附属品。

在这里应该类似云原生一样引入数据原生的概念。

这个概念相当重要，就是一开始我们在去实现IT系统功能的时候，视角不要只是满足业务需求而设计，应该再增加一个视角，如何让后续产生的数据更好的发挥数据价值而设计。

这个面向数据而设计的思路要前移，如果这个视角没有前移到业务系统需求和设计阶段，在后期实际要通过大量数据治理工作去做数据颗粒度匹配，数据映射工作来弥补。

那么在业务系统设计的时候，如何更好引入面向数据而设计，面向数据后期价值提供而设计就是一个在数字化转型中值得去思考的问题。