数据中台想要运营好，与运营人员、业务人员、开发团队等都密不可分。核心还是要围绕数据中台价值的体现来推动运营的各个环节，这里分享一些在实际落地过程中积累的经验教训供借鉴参考。

数据中台的运营流程由于涉及多个部门的联动配合，因此单靠某一个部门发起，往往难以支撑，做到最后很可能就不了了之了。因此在每个部门人员动作起来之前，最应当疏通的是对数据中台的统一的正确认知。

针对数据中台中最核心的资产部分，首先应该和所有部门明确的是，任何事物都可以用数据去记录、表述、展示，业务开展、评价、优化都需要考虑是否有数据记录，且通过数据进行分析、展示、汇报。数据是唯一客观评价企业管理问题或业务状态的指示牌，所有人都要尊重数据结果，形成以数据指标为导向来说明问题、实践数据化运营的思路。只有把数据意识根植到每个人的心中，在之后的配合行动中才能最快达成共识，免去不必要的争执和试错成本。

其次要明确的是，大家对数据、数据技术、数据资产、数据平台解决问题的能力要有正确的认知，这些都仅仅是资源、工具、能力，最终要想产生价值还需通过组织的力量灵活、坚持、充分地运用。因此数据平台并不能解决所有的业务问题，也不要过于神话云计算、大数据、人工智能的替代作用，企业要想的是如何将这些先进技术运用到自己的业务、管理中去，而不是寄希望买一套数据平台或搭建一套数据平台就能自动化解决难题。

最后，每一个和数据资产运营相关的岗位人员，都要对自身岗位职责、其他岗位职责有清楚的认知。技术人员的岗位职责是搭建运维平台，开发生产数据资产，提供保障数据服务、数据应用的稳定性。但是也要学会站在业务端思考问题，技术人员开发出的结果只有让业务人员使用起来才是有用的，否则都是堆积在仓库的存储，时间久了都要被清理淘汰。业务人员的岗位职责是提出数据需求，将数据资产充分运用起来，并及时给出优化反馈。业务人员一方面要理解数据技术能力的有限性，不能想当然地认为数据可以解决所有问题或者

可以立刻解决问题;同时也要学习一些数据理论，来使自己能和技术人员进行一定程度的对话。

在整个数据观树立的过程中，一定是需要企业组织结构从上到下的重视、认知和执行的。通过大量的实践发现，在数据资产运营过程中，一定会涉及大量的新工作，且工作量不小，因此一线工作人员的自发配合是很难形成的，甚至会存在一定的阻力和排斥。因此需要建立从公司CEO、CTO、CIO等高层到公司核心管理层到公司中层再到一线员工的认知建立和意识统一，对数据工作的重视程度，需要和工作目标、工作业绩打通，才能较好地配合执行。

上文提到不同工种需要相互理解、互相融合理解对方的业务知识，但是如果在某一阶段，必须有优先级判断或者必须做一个倾向性的选择时，建议是以场景优先，而非纯以业务需求为先，场景分析来自于业务需求，但是需要对需求进行抽象。科学技术是生产力，但前提是要为生产服务，不能服务于生产的科学技术只是课本中的理论知识。因此所有围绕数据的采集、清洗、加工、服务化，都需要有一个明确的目的:面向业务需求进行场景抽象，进而最 终解决业务问题。

因此数据技术人员需要在原有的一般的数据工作基础上，增加对业务知识、业务人员、业务操作的理解，同时进行必要的场景需求抽象。数据资产有没有价值，只有业务用起来才算;业务能不能用起来，不能纯靠业务人员自己去学习，而是要把数据概念、数据能力、数据产品转化到他们能理解、操作的方式和水平。

当业务人员能够理解、查看数据资产时，需要有运营、技术团队来协助其先践行一个成功的数据应用案例，让他了解数据使用的全流程闭环、感受数据价值的力量，产生对数据资产的兴趣和信心。

不管是教会业务人员自己看、选、用数据资产，还是通过技术团队直接将数据资产封装成数据应用系统供业务使用，最终目标都是要让业务人员走通并成功实践数据应用。运营人员需要通过培训、咨询、典型案例操盘等方式，协助业务人员通过数据应用获得业务效率或收益的提升，让业务人员对数据资产的作用有切身的体会并产生持续使用的兴趣，才会逐渐把所有的业务流程都与数据绑定在一起，养成使用数据的工作习惯。不需要一开始就全面切换数据驱

动决策或者数据化运营，这种方式往往过重，所需时间过长，对业务人员的培训改造工作量也较大，不利于积极性、主动性的培养。数据资产要真正运营起来，不能仅靠行政命令，也不能仅靠技术积累，关键还是让业务人员学会并积极主动地运用数据资产。

在中台运营过程中，数据管理部门(下称“数据部门”)和业务部门是两 大核心协作的部门，紧密配合的协作关系可以将中台价值最大化，反之可能会 陷入僵局。以数据资产优化过程为例，以往企业中负责数据资产优化的责任部 门是数据部门，由数据部门发起数据资产的优化迭代。如果这种优化迭代仅局 限于数据加工生产研发范围内，那么数据部门还能推动起来并有效完成;但是 当优化迭代涉及数据原始采集部分、数据资产的使用反馈等部分时，因为涉及 业务部门的配合，就会难以开展工作。而且因为缺乏数据资产的使用过程信 息，就算数据部门想要治理、优化数据资产质量，可能都会无从下手。因此最 合适的资产优化的推动者，应该是业务部门。只有当业务人员迫切需要源源不 断的数据资产或更高质量的数据资产时，他们才会自发推动数据技术保障团队 来一起完成数据资产的优化工作。并且会配合完成数据使用的埋点工作、数据 使用的信息反馈、新数据的需求整理等工作。

另一个重要考虑是，在一家企业中，由于业务部门往往是企业的营收中 心，而数据部门往往是企业的成本中心，因此业务部门的话语权更大。当资产 优化过程中涉及人员投入、设备采购、资源分配等问题时，业务部门有更大范 围的调配权。

因此如何调动各部门的积极性，在优化中台机制的过程中紧密配合，需要中台运营团队设计出一套运营机制，在其中进行资源的调配及价值的宣导，让企业各部门共同对数据中台优化的结果负责。

业务团队向对口的产品团队提出具体的需求，产品团队分析需求之后，梳 理出业务流程，并把需求细化拆分为业务侧需求和数据侧需求，前者指的是与 数据本身关系不大的流程类、信息架构类、前端展现形式类的需求，后者指的 是纯粹依赖数据本身的需求，如期望展现哪种数据结果、希望怎样去统计、构 建怎样的数据模型等。以规划阿里巴巴的商家数据产品平台生意参谋初版为 例，目标是为商家提供店铺的流量、商品、交易等经营全链路的数据。为此生 意参谋的产品经理把用户操作流程设计、功能模块划分、前端如何呈现和交互 作为业务侧需求;同时把每个数据表所需要的数据结果、数据定义和对数据的 操作作为数据侧需求，例如店铺的UV、PV信息，该统计哪些粒度，以什么频率 更新，对UV和PV能进行哪些维度的筛选等。

--摘自《数据中台》