大數據從來不是平地而起的，今天從個人的視角，分享於你一個傳統企業的大數據發展編年史。2004至2017，整整13個春秋，見證了一個平台的發展歷史，每一年聊聊幾字顯然無法表達所有的內容，但還是能看到一個企業數據平台發展的一個脈絡，希望於你有所啟示！

1、2004年-起點

內容：擁有基於小機的ORACLE報表和取數系統。

評論：小快靈

2、2005年-經營分析系統1.0

內容：完成第一代數據倉庫建設，採用IBM P595，DB2資料庫，TOMCAT，海波龍前台，Hyperion Essbase多維工具，IBM Intelligence Minner8.1數據挖掘軟體，完成九大主題，成立獨立的經營分析組。

評論：開天闢地，技術驅動業務，ORACLE和DB2數據倉庫之爭。

3、2006年-經營分析系統1.5

內容：擴充數據源，打造集客、渠道等分析專題，構建MetaCenter元數據。

評論：開始進入業務專題探索階段，但仍是技術驅動業務，孤獨的跳舞者。

4、2007年-經營分析系統2.0

內容：完善經營分析門戶，打造數據集市，完成行銷管理平台1.0建設，構建數據質量管理體系。

評論：數據倉庫衍生到一線，數據規模的擴大驅動數據管理類產品的建設 ，但效果乏善可陳，為什麼？

5、2008年-新一代經營分析系統1.0

內容：加強一線的支撐，開始地市應用試點，地市集市升級到地市數據分析中心，VGOP（增值業務綜合運營平台）啟動建設，行銷管理開始提全程精確行銷，即信令實時行銷。

評論：探索省市協同的方式，通過平台貫通拉近與一線的距離，試點雖好但大多無法推廣或代價巨大，為什麼？ 實時行銷是第一個大數據分析軟體驅動的業務場景。

6、2009年-新一代經營分析系統2.0上線

內容：公司進入3G時代，打造3G、家庭、離網等專題，地市試點進一步深化，行銷管理平台開始啟動個性化推薦，完成自助取數平台建設。

評論：專題分析苦苦尋覓，乏善可陳，只有自助取數等面向一線的工具平台仍然煥發出生命力，經營分析分的核心競爭力到底是什麼？

7、2010年-新一代經營分析系統3.0

內容：經過多年建設應用初具規模，打造數據倉庫的應急庫，確保容災能力，數據倉庫模型標準化：

評論：DB2掛了二次開始搞應用容災，數據豎井越來越多，開始進行數據標準化，然後無限循環，為什麼？

8、2011年-新一代經營分析系統3.5

內容：公司進入流量經營時代，GPRS等話單大幅增加，處理瓶頸凸顯，主庫從P595升級到P780，ETL層面開始雲化，專題分析向互聯網轉變，包括互聯網內容分析、終端分析、WLAN分析等，啟動DPI等大數據的引入工作。

評論：2011年是大數據的採集元年，從這一年開始，開始了艱巨的DPI等大數據引入工作，真正的星星之火。

9、2012年-新一代經營分析系統4.0

內容：首次引入Hadoop對DPI數據進行爬蟲及解析處理，構建互聯網數據模型，打造行銷快點吧（標籤庫的前身）。

評論：首次認識Hadoop，同時開始考慮用系統化的方式沉澱模型和標籤。

10、2013年-新一代經營分析系統4.5

內容：數據量繼續大幅增加，完成雲化數據交換平台（橘雲hadoop）和大數據平台一期（Aster）建設，標籤庫完成一期建設 。

評論：雲化數據交換平台成為數據匯流排，Aster MPP粉墨登場，標籤庫從無到有。

11、2014年-新一代經營分析系統5.0

內容：數據量繼續爆炸式增長，雲化數據交換平台擴容，指標庫從無到有，標籤庫擴展，行銷平台接入信令，嘗試打造前向的大數據管理平台，探索廣告業務。

評論：過渡之年，這一年在不停的對大數據技術進行論證選型，數據管理徹底放棄傳統的後向產品，業務上開始啟動大數據變現的前期工作。

12、2015年-大數據元年

內容：正式完成企業級大數據平台建設，包括大數據交換平台，大數據處理平台、大數據管理平台及大數據精準行銷平台，奠定了整個大數據平台的運營基礎，同年大數據專業組織成立，完成公司第一個大數據對外變現合同。

評論：開天闢地，大數據運營的元年。

13、2016年-大數據開放年

內容：大數據平台擴容，架構基本成型，大數據模型自我掌控，大數據產品體系初具規模，對外商務變現獲得突破，成立雲計算專業組織，專業化進行平台建設和管理。

評論：大數據平台持續優化，對外不斷探索商務模式，開放元年。

14、2017年-大數據轉型年

內容：對外進行大數據業務轉型，對內探索大數據的支撐模式，採取搭台唱戲的模式驅動商業智慧運營，開始關注人工智慧。

評論：尋求大數據價值內外突破。

附：針對前面提到的一些問題的回答

數據規模的擴大驅動數據管理類產品的建設 ，但效果乏善可陳，為什麼？

答：數據管理類平台是運營出來的，無論是數據質量平台還是元數據平台，畢其功於一役的項目是無法成功的。

試點雖好但大多無法推廣或代價巨大，為什麼？

答：因為平台和數據沒有標準化，試點應用沒法快速移植，所謂的試點變成了應用的豎井，同時企業數據文化不夠，團隊沒有運營能力。

數據豎井越來越多，開始數據標準化，然後無限循環，為什麼？

答：因為沒有專業的數據組織進行管理，必然需求驅動，犧牲模型規範性，解決方式就是強力組織，建章立制。

經營分析的核心競爭力是什麼？

答：搭台唱戲的能力，成為使能者。

文 | 傅一平
文章源自：與數據同行

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！