傳統製造業的中臺到底怎麼玩

自從2015年阿里的中臺概念面世以後，各類企業紛紛效仿，其中不乏衆多巨頭企業，同時一時間，衆多廠商也拔地而起，中臺變得高大而神祕，各種版本層出不窮。很多人喜歡把簡單的問題複雜化，而我喜歡把複雜的問題簡單化，我們先從中臺的發源地阿里講起。
阿里爲什麼要搞中臺？

因爲滿足阿里龐大的業務軍團需求變化是非常繁重，而且衆多業務從在千絲萬縷的關聯，如果能夠打通底層的關係，是否能極大的節省開發過程的工作量和加速需求實現的過程？
我們先從阿里的電子商務板塊看起，淘寶、天貓、聚划算、1688等等，簡單分析這些業務，基本都是用戶，商品，商戶，交易，支付，物流，客服，售後等，相似性極高，如果每個都是單獨的一套體系去建立和管理，會有非常多重複工作，同時在用戶，商品，商戶這些如果能夠打通並加以利用，這才能真正實現的這些業務的存在的必要性，因爲這些業務本身就是希望給予同一個用戶更多的選擇和更持久的購買力，對同一個商品和商戶給予更多銷售渠道和空間。其業務的本色已經決定了，必須擁有一個統一共同共享的數據平臺去支持。

同時在這裏明確一個概念大數據和數據中臺沒有什麼本質的關係，一個是技術，一個架構，關於阿里的大數據平臺的建設，我們這裏就不在贅述，過去更多側重的是技術性能的提升，到了飛天系列，基本已經形成了阿里對數據中心的需求自我技術實現了。
於是基於此，阿里提出了所謂的”大中臺，小前臺“的概念

在這裏 我們不再去解析阿里的中臺，我們迴歸到我們的主題上來，先來看下我們傳統製造業的業務軌跡是怎樣，是否有建立數據中臺的必要性。

這裏僅僅是簡單概估一下其業務的流程，先簡單說明一下，這裏的生產可能研發，生產等；物流也包括了庫存，運輸等；這裏計劃主要是指管理層和決策層。對於製造業來說，可能是先有客戶，再有訂單，再去計劃，生產交付，有可能是先有計劃，再去生產，再去找客戶，再去交付；其次在與客戶的關係也可能是供應商。
但往往一家企業的的產品線是相對繁雜，涉及的流程，設備也是各有不同，也導致很多時候，這樣一套流程在企業中是存在多個的。如何將我們的重複建設降到最低？首先做數據中臺的核心理念，把公共的事業部放在一起，當然大多數企業已經做了，但往往僅僅是業務層面的，並沒有貫穿到數據層面，其實將儘可能重複的業務數據規劃到一起，共同來服務變化的業務體系，就能幫我我們節約大量的成本，提高效率。其次我們再來看下技術層面的架構具體如何去做。

整體我們就分成三個方面，數據中心，開發平臺，應用支持。對於數據中心方面，其核心就是建立統一的數據交互中心，其中數據倉庫中模型的建立和數據集市建立往往是這個數據中心重點和難點。第二部分開發平臺，因爲業務的各家企業的不盡相同，我們這裏只寫了一些較爲通用，針對數據的層面的開發和管理。最後是應用支持，對於應用的支持，我這裏是借鑑了一些華爲在數據應用層面的計劃所構建的三個階段，分別爲
1.數據實時可視：數據展示實時可信、報告上線線上開會、支持數據層層下鑽
2.診斷預警：提前感知業務問題、自動預警潛在風險
3.智能決策：智能分析問題原因、洞察趨勢推薦方案、支持客觀精準決
這也是我本人推崇的做法，我也參與過很多大型的製造業的數字化轉型的項目。在數據應用環節，因爲前期的規劃，和現實業務的複雜性以及無法避免的人員管理問題，在數據質量方面確實是堪憂的，以爲傳統模式下，數據沒有直接拿出來，而且通過了層層加工彙報上去，所以這些問題長期並未暴露出來，對於這樣的數據，去做所謂的數據挖掘，AI智能，其實是極其困難，也是極其沒有必要，因爲不管模型有多精確，沒有好的數據，反而容易提供了錯誤的決策。
所以第一個環節就是數據治理，數據可視，只要瞭解了你的數據資產，你才能更好的去應用數據。
本文只希望爲傳統製造業的中臺提供一些建議和思考，我們下期會將具體的建設過程和技術手段。