大数据_数据中台建设的成熟度评估模型

数据应用能力成熟度可以总结为统计分析、决策支持、数据驱动、运营优化四个结阶段。针对不同的阶段，从企业战略定位、企业数据形态、数据应用场景、数据应用工具、企业组织架构等多个方面、不同特征维度进行参考判定，也就构成了数据应用成熟度模型评估模型。依据这是个阶段的划分准备，企业可以进行数据应用成熟度的自我评测，数据应用能力成熟度越高，则代表数据对业务的支撑能力越强；应用成熟度越低，则意味业务对数据的依赖程度越低。

自测评估模型对照表

成熟度阶段	企业战略定位	企业数据形态				数据应用场景	数据应用工具	企业组织架构
成熟度阶段	企业战略定位	数据积累情况	数据维度	数据组织形式	数据质量	数据应用场景	数据应用工具	企业组织架构
统计分析阶段	无数据战略，纯业务驱动	少量业务数据积累	数据维度单一	数据无组织，对各业务数据分散存储管理	无数据质量管控	简单的业务统计报表为主	一系统报表模块和Excel为主	无数据相关部门和职位，以IT和业务部门相关职位为主
决策支持阶段	开始通过数据支撑经营决策	注重业务过程中数据的积累、收集	数据维度逐渐丰富	以面向业务主体的指标体系为形式进行数据组织	开始实施数据质量管控，对相关数据进行清洗加工	为企业管理提供决策支持	以数据仓库、数据开发和专业化BI报表工具为主	开始相关数据分析师，可能会设立专门的数据部门和数据价值挖掘等相关的职位
数据驱动阶段	开始将数据作为企业重要资产，通过跨界数据应用为企业提供数据服务	各业务数据积累初局规模，且数据量越来越大	全域数据融合，数据维度更加丰富	开始业务涉及的相关数据的汇聚、打通、进行全域数据组织	开始进行数据标准化建设，对数据质量的管控更加严格	实现数据与业务的深度融合，通过数据驱动业务发展	通过Hadoop生态体系为代表的批计算、流计算、即席分析、在线查询等大数据处理技术及机器学习、深度学习算法进行数据汇聚开发	开始设立独立的大数据部门和大数据工程师、算法工程师、数据可视化工程师、数据科学家等相关职位
运营优化阶段	企业开始建设数据中台，数据中台战略持续运营优化	随着数据闭环的构建，企业数据体量快速增长	数据维度更加完善	建立数据应用闭环	形成一套完善的数据质量管理规范及管理流程	简历一套统一的数据服务体系，为企业业务优化和业务创新提供数据服务支撑	建立一套体系化的数据汇聚、加工、管理、服务及应用体系，逐渐实现大数据能力工具化、工具平台化、平台智能化	在管理层设置数据管理委员会、成立专门的数据资产运营部门

相关阅读:
Python--用户输入与While循环
js中findIndex()、find()、indexOf()、includes()方法
支持向量机SVM--线性
mysql关联查询
Operator3-设计一个operator二-owns的使用
三、NFS服务 - 多机器数据共享
stata手动绘制logistic回归预测模型校准曲线（Calibration curve）校准曲线（1）
部署应用链太费心？Tanssi 教你轻松开发部署
Swift中实现用户输入防抖动的两种方法
Android Studio详细的安装下载教程

原文地址：https://blog.csdn.net/wanghaiping1993/article/details/128138085