部門有界 數(shù)據(jù)無界 大數(shù)據(jù)需要大胸懷

最近在推進一些跨域的事情，聆聽了一些教誨，獲得了一些新的感悟，作為大數(shù)據(jù)管理者，擁有技術是遠遠不夠的，更需要有大胸懷，特此分享于你。

1、 在架構層面，大數(shù)據(jù)平臺要是企業(yè)級的

大數(shù)據(jù)平臺從技術層面講沒有太多的秘密，無論有多大的難度，大家都可以從小做起，但平臺的定位企業(yè)則要想清楚，這是由你決定的，因為這決定了平臺的內(nèi)涵。

比如對于運營商，大數(shù)據(jù)平臺如果沒有管理層的背書，極有可能建成一個僅面向市場的專業(yè)集市，傳統(tǒng)的經(jīng)分雖然號稱也整合多域數(shù)據(jù)，但實際上它就是市場的集市，然而當前運營商的數(shù)據(jù)創(chuàng)新大多發(fā)生在了O+B領域。

在TOGAF里，提到了企業(yè)架構在預備階段就要確立一些原則，這些原則是未來決策和行動的依據(jù)，不能動搖，現(xiàn)在想來，這太需要了，如果我是一個企業(yè)大數(shù)據(jù)平臺的首席架構師，第一條原則就應該是“平臺是企業(yè)級的，負責整個企業(yè)的數(shù)據(jù)整合。”

雖然在后續(xù)數(shù)據(jù)采集和整合過程中，會有大量的溝通協(xié)調(diào)問題，甚至爭論，這些都很正常，不同專業(yè)的人員，面對不同域的數(shù)據(jù)，要采用統(tǒng)一的技術標準來進行采集和管理，最終顯然是妥協(xié)的結果。

一個真正企業(yè)級大數(shù)據(jù)平臺能建立起來，不僅僅是技術問題，更多是管理問題，在公司大數(shù)據(jù)平臺建設的前期，筆者參加了不少技術討論會，技術層面的爭論是非常多的，因為一旦確認，意味著現(xiàn)在還好用的技術就可能被廢棄。

也正因為有了企業(yè)級的原則，才能有理有據(jù)的去采集所有的數(shù)據(jù)，多少企業(yè)內(nèi)部的數(shù)據(jù)管理人員由于缺乏上層明確的一個說法而讓數(shù)據(jù)整合舉步維艱。

2、 在運營層面，要勇于打破部門的邊界

即使采集到了企業(yè)級的數(shù)據(jù)，但企業(yè)的大數(shù)據(jù)管理者往往不知覺陷入“數(shù)據(jù)是全域的，但心態(tài)仍是部門的”境況，為什么 

首先是自身定位問題，硬件更新了，但軟件還沒更新，在企業(yè)數(shù)據(jù)貫通的前期，其實很難有懂全域數(shù)據(jù)，高屋建瓴的數(shù)據(jù)管理人員，在大量條線分割明確的企業(yè)，往往不自覺的是以部門利益為導向的，現(xiàn)在要求以全局利益為導向，這個轉(zhuǎn)變的挑戰(zhàn)很大。

比如以前部門的資源自己用，現(xiàn)在平臺需要為企業(yè)各個部門服務，資源如何分配，優(yōu)先級如何定，跨部門流程如何貫通，這些都是問題，企業(yè)級大數(shù)據(jù)平臺建設完成可不是終結，恰恰是艱難運營的開始。

其次是不確定問題，前期筆者談過企業(yè)要建立搭臺唱戲的運營方式，通過企業(yè)級PaaS平臺為各個部門提供能力支撐，但對熟悉的業(yè)務支撐相對容易，對不熟悉的業(yè)務的就變得舉步維艱了。

以建模大賽為例，針對B域可能駕輕就熟，不就是精確營銷嗎，我們懂，但一旦換到了O域，就有畏難情緒，認為這個事情不確定強，比如網(wǎng)絡的不熟悉，課題不知道怎么定，別人不配合怎么辦，總之是一堆的問題，這對于企業(yè)的數(shù)據(jù)管理團隊是巨大的挑戰(zhàn)。

總喜歡做熟悉的事情，對于陌生的領域躲之不及，但這恰恰是企業(yè)級大數(shù)據(jù)運營的關鍵，不突破原有自身所在的業(yè)務領域，談何企業(yè)級大數(shù)據(jù)，做大數(shù)據(jù)要解決大意識的問題。

當我們打造出了企業(yè)級大數(shù)據(jù)平臺，應該接著問問自己的內(nèi)心是否已經(jīng)做好準備，去嘗試一個自己從未接觸的領域，我們在感嘆大數(shù)據(jù)對內(nèi)變現(xiàn)不易的時候，是否想到過是由于自身的思想禁錮而導致停滯不前 

3、在數(shù)據(jù)層面，要努力掌握跨界的信息

你在某個域是數(shù)據(jù)權威，但在另一個域往往還沒入門，因為數(shù)據(jù)帶著天然的業(yè)務屬性，所謂無業(yè)務不數(shù)據(jù)，但真的是這樣嗎 

對于數(shù)據(jù)管理人員，如果將數(shù)據(jù)當成資產(chǎn)，則理解資產(chǎn)是第一要務，現(xiàn)在人工智能，機器學習很熱，但再好的算法，也不如一個好的數(shù)據(jù)。

舉個例子，我們舉辦的一次建模大賽中發(fā)現(xiàn)有個地市找到了一個數(shù)據(jù)，即基于信令切換可以判斷是否換成WIFI上網(wǎng)，這可以較為準確的判斷是否是異網(wǎng)寬帶用戶，而這個數(shù)據(jù)其實早已經(jīng)躺在我們的平臺上了，僅僅因為這個數(shù)據(jù)不屬于傳統(tǒng)的領域，我們的數(shù)據(jù)管理人員還不熟悉，但大家都知道，靠算法去判斷一個異網(wǎng)用戶是多么艱難。

重劍無鋒，大巧不工，大數(shù)據(jù)的精髓往往在于去做那些樸實無華的事情，就好比我們以前理解B域數(shù)據(jù)那樣，要通過不停的問，不停的取，不停的修，最終我們對于數(shù)據(jù)的理解才能達到一個新的境界，直到足以挖掘出這個數(shù)據(jù)的全部潛力，這才是企業(yè)級數(shù)據(jù)管理團隊存在的價值。

4、在算法層面，要敢于去嘗試一些新東西

人工智能，深度學習興起代表了一種趨勢，雖然業(yè)務為王，但也要相信算法推動業(yè)務的力量，我們在尊重業(yè)務人員的經(jīng)驗時候，也要想想有哪些更好的算法能服務好業(yè)務，兩者是相輔相成的。

很多人估計跟筆者一樣困惑吧，一方面感嘆于深度學習在人機交互領域的突飛猛進，另一方面卻覺得這個東西跟公司的業(yè)務相距甚遠，真的是這樣嗎 

如何讓深度學習服務于自己的企業(yè)是當前每個數(shù)據(jù)管理者需要考慮的問題，總有些業(yè)務場景特征是不明顯的，需要用深度網(wǎng)絡來抽象出特征變量，總有些場景識別問題可以轉(zhuǎn)換成圖像識別問題，企業(yè)特別需要有能連接業(yè)務和深度學習的人，我們不能對業(yè)務人員有更多要求， 這是用技術改變業(yè)務的真正機會。

尋找的過程很痛苦，但值得去嘗試，即使失敗了，也積累了經(jīng)驗，至少理解了深度學習，搞懂了TensorFlow, 這對團隊有好處，也為下一次沖鋒集聚了能量。

部門有界，數(shù)據(jù)無界，是突然閃現(xiàn)在面前的字眼，大數(shù)據(jù)博大精深，既是技術，也是業(yè)務，更是管理，既是術，也是道，我們在羨慕互聯(lián)網(wǎng)的跨界創(chuàng)新時，其實企業(yè)的跨界創(chuàng)新就在身邊，關鍵在于自己是否擁有更廣闊的視野和胸襟，能勇敢的往前邁出一步。