DataOps作为一种新的数据开发范式正在越来越多的行业和企业中落地，然而，能力建设并非一朝一夕，其实施过程中亦面临重重困难。为帮助即将或正在建设DataOps体系的企业进行“避雷”，我们将当前产业在实践过程中走过的弯路和遇到的问题进行了提炼。
从Gartner Hype Cycle来看，DataOps自2021年进入过热期，这一阶段企业对DataOps理念往往抱有过高的期望。在行业领头企业的成功案例催化下，其余企业容易跟风进行项目建设。然而，此类案例的示范效应往往掩盖了DataOps理念在不同企业间应用的复杂性和差异性，导致其他企业在前期未进行数据现状和健康度评估、未考虑原有数据技术架构、未明确内部数据需求的情况下，轻视风险因素、照搬解决方案，盲目跟风建设。
企业在引入DataOps理念时，应在充分考虑自身需求、痛点和技术架构的基础上，制定符合自身发展需求的DataOps实施策略。既需要在数据文化、数据架构、平台产品、数据治理、组织架构等多个方面进行优化提升，又需要综合考量自身与领先企业的差异性，寻找到适合企业自身成熟度及发展战略的数字化转型方案，并依照急用先行的原则，把握好自己的节奏，有针对性地分阶段、分步骤地推进数字化转型项目开发和落地。
企业在实践DataOps的过程中，如果缺乏清晰的决策流程和责任分配，可能导致企业难以有效管理和利用资源，最终造成资源的浪费或投入不足。
对于资源投入不足，如果在DataOps实施过程中，领导不能认识到数据工作的复杂性，业务部门不能认识到数据工作的同根性，IT或数据部门承担过多的“赋能”责任，但资源需求却得不到重视，则项目将面临资源投入不足的问题。对于资源浪费，部分企业存在好高骛远的问题，在立项或采购阶段好大求全，导致项目实施周期增加、成本提高、实施复杂度大幅提升。然而此类项目往往在交付后脱离企业实际状况，导致利用率不高，管理维护成本过高，最终导致资源的浪费。
第一，明确清晰的DataOps建设目标，并定义各部门和个人在其中的责任和角色，以提高决策的透明性和有效性。第二，建立定期的沟通反馈机制，确保各部门之间的信息共享和协调，及时收集整理各方反馈意见，按需调整决策机制，从而加强决策的协同和及时性，确保资源的合理利用和投入的充分。第三，构建规范和流程，包括决策流程、资源分配流程和项目管理流程等，有助于减少决策混乱和资源浪费。第四，培养数据文化。通过培训宣贯，提高员工对DataOps的认知和参与度，增强他们对决策的责任感和效率。
DataOps的落地实践并不是将技术进行简单的应用，而更应该聚焦于业务目标，以促进业务收益为最终目的。部分企业在实践DataOps的过程中高估了技术的影响力，期待技术全面解决企业面临的各类挑战。此外，新技术的实践通常伴随相对较高的学习成本、新的开支和未知的风险。
解决思路：业务导向，“组织、流程、技术”三位一体共同推进
围绕业务目标，借助组织变革建立跨部门的团队，确保各个部门紧密合作，共同推进DataOps建设。通过优化数据处理流程，建立标准化的工作流，提高数据处理效率和质量。选择合适的技术工具和平台支持，确保技术能够满足业务需求。持续改进和监控，建立反馈机制，及时发现和解决问题，保持DataOps建设与业务目标一致，并持续为业务发展提供支持和保障。
企业在建设DataOps的过程中，面临市场竞争和业务压力，可能更关注短期收益和业绩目标的实现，而忽视了长期数据管理和优化的重要性。然而DataOps的实施需要对整个数据生命周期进行全面管理和优化，包括数据的收集、存储、处理、分析和应用等多个环节。这些工作需要时间来逐步完善和推进，短期内往往很难看到显著的效果。此外，DataOps变革初期的数据质量、交付效率提升只是管中窥豹，其更大的价值展现有赖企业的持续投入，并需要在过程中不断调整和优化策略和实施方式。这需要企业有长远的眼光和战略决心，而不能半途而废。
在DataOps建设前期即需要拉齐团队和领导层认知，明确DataOps建设将以长期主义为方向，并辅助以可见收益的短期项目，通过细化实施路线图合理控制预期。长期主义是DataOps建设的基础，但若只有长期目标，实施过程中的内外部阻力将有可能改变长期目标甚至半途而废。因此，企业还需要同时做一些有短期收益的项目，定期复盘回顾，通过短期价值增强团队和管理层信心，展现DataOps价值。另外，面对长期项目实施过程中的变化和阻力，需要不断加深认知，厘清阶段重点，主动关注行业中的新方向。
本文节选自于2024年5月15日在“2024 DataOps发展大会”上发布的
2022年，中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）联合金融、通信、互联网行业头部企业以及各大服务厂商，共同成立了DataOps能力标准工作组目前依托TC601牵头企业共同撰写《数据研发运营一体化 (DataOps) 能力成熟度模型》系列标准，并推进在ITU国际标准的立项工作。
![DataOps实践难点和应对策略]( "DataOps实践难点和应对策略")
《数据研发运营一体化 (DataOps) 能力成熟度模型》系列标准由中国信通院牵头，由来自金融、通信、互联网等领域的行业专家共同制定。该系列标准共分为总体架构、研发管理、交付管理、数据运维、价值运营、系统工具、组织管理、安全风险八项内容。自DataOps系列标准启动评估起，来自金融、通信运营商、互联网行业的多家企业参与标准评估，研发管理方面，6家国有大型商业银行已有半数参与评估，运营商中国移动已通过3个项目评估。系统工具方面，网易（网易数帆）、抖音（火山引擎）、联想集团率先参与了系统工具的测试。
![DataOps实践难点和应对策略]( "DataOps实践难点和应对策略")
联系人：
田老师
13681585066
[email protected]
中国通信标准化协会大数据技术标准推进委员会（CCSA TC601,简称：数标委/BDC），旨在凝聚产业链各个环节，识别和解决大数据发展面临的重大问题，开展大数据技术、数据资产管理、数据共享与流通、数据安全等共性基础标准研究，以标准推进工作为纽带，推动大数据与实体经济深度融合。欢迎加入我们的行列！
入会咨询：白老师 13520285502
[email protected]
原文始发于微信公众号（大数据技术标准推进委员会）：DataOps实践难点和应对策略
免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。
点赞
https://cn-sec.com/archives/2809087.html
复制链接
复制链接
-
左青龙
- 微信扫一扫
-
-
右白虎
- 微信扫一扫
-
评论