DataOps实践难点和应对策略

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。

(一）盲目跟风，没有“量体裁衣”

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。

解决思路：急用先行，把握节奏

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。

(二）决策机制模糊，导致资源浪费或投入不足

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。

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。

《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。

联系人：

田老师

13681585066

[email protected]