摘要：企业数字化转型，是企业在经历了一系列信息化建设后，积累大量业务运行数据，且希望能够利用内外部有效数据赋能企业运营，实现降本增效、创新创造而持续开展的数字工作。数字化转型的基础是数据，数据是企业的核心资产。企业要实现数字化转型，就必须把各业务领域的数据打通做有效集成，真正做到数据为我所用，依托大数据平台建设，从源数据到数据再多次被利用，挖掘数据的价值。大数据平台建设为企业数据字转型提供技术和平台基础，使得人人都是数据分析师成为可能。
关键词：数字化转型、数据、大数据平台、数据分析 1企业数字化转型的驱动力
2016年3月18日，国家《十三五规划纲要》提出实施国家大数据战略，把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用。企业的经营决策也离不开数据的支持。市场瞬息万变，信息不及时不准确可能会导致错失良机。另外一方面，数据处理人员抱怨连整天扎头在一大堆的数据中无法抬头，就像一台数据处理的人工机器，无法进行数据分析和运用的思考。
大数据时代的到来，以及企业科学规划、有序开展的大数据工作，以上的问题都能迎刃而解。基于开源Hadoop框架搭建大数据平台，通过ETL数据抽取技术，将数据抽取到大数据平台，按照企业数据资产的数据域划分进行数据归集和建模加工沉淀，最后通过数据产品将归集上来的数据进行各种场景的使用和分析，形成数据服务，面向各层管理人员和公司领导提供及时准确的数据。基于大数据平台建设的赋能，企业数字化转型得以持续的驱动力。
2 企业数据治理
数字化转型的基础是数据，数据是企业的核心资产。但是由于信息系统建设时间跨度长，而且常常因为缺少系统建设规划而导致系统建设各自为政，缺乏数据标准和语义的统一定义。无法读懂的数据就是无效数据。因此数据治理是数字化的基础工作。数据治理的最终目标是提升数据的价值，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
数据治理工作通常包括9大方面，包括元数据管理、主数据管理、数据标准管理、数据质量管理、数据资产管理、数据安全管理、数据生命周期管理、数据交换管理、数据资产门户。具体细分如图一数据治理常规范畴说明图。
图一数据治理常规范畴说明图
3企业数据平台建设
企业数字化转型的落地产品通常都离不开大数据平台的建设。大数据平台建设的路径和平台选型多种多样，企业根据自身当前的技术水平、能力水平和转型阶段不同，可以选择不同的大数据平台建设着手点进行实现。大数据平台建设通常经历脚本-工具-服务-平台-产品的几个递进阶段。在执行层面初期，通常都是按照业务场景进行具体针对性的实施，让需求和业务最大程度匹配，快速实现，但是这种情况通常不考虑通用性和其他平台的集成。 随着业务场景实施积累到一定数据和程度，通常会转到通用组件开发的模式，将数据实例中通用的功能剥离出来，形成通用组件供调用，这些功能通常和业务实现逻辑无关，这种做法是
有了一定基础后，为更长远发展做的准备。下面重点说明基于开源Hadoop自主搭建的大数据平台落地。
3.1 大数据平台建设的功能中心 •
数据采集中心：负责采集多样化数据。 •
数据计算存储中心：负责对数据进行加工、转换和汇总等工作，并将数据加载到不同的存储系统中。
•
开放共享中心：统一数据服务接口。 •
数据管理中心：负责系统数据的元数据、数据质量、数据模型和数据安全管理。
•
运营管理中心：负责系统运行任务的编排、调度，以及设备、平台和应用的全景运维监控视图。
大数据平台功能中心详细内容如下图二大数据平台功能视图：
图二大数据平台功能视图
3.2基于开源Hadoop的大数据平台技术生态 •
消息队列：Kafka •
大数据ETL工具：Sqoop、Kettel •
日志处理组件：ELK •
流式计算引擎：Spark Streaming、Flink •
分布式计算引擎：SparkSQL、Impala •
MOLAP引擎：Kylin •
分布式文件系统组件：HDFS •
数据仓库组件：Hive •
NoSQL数据库：HBase •
内存数据库：Redis •
关系型数据库：MySQL •
任务调度：Oozie •
资源调度管理：Yarn／Zookeeper 3.3大数据服务赋能场景
通过构建大数据平台，为企业运营赋能，面向不同层级用户以及不同业务场景提供不同的服务，图六说明数据赋能用户和场景。
图六大数据平台赋能场景说明图
•
公司领导及部门领导：主要以数据APP方式呈现。。 •
数据分析人员：提供BI分析工具以及数据链接和分析环境 •
作业层监控人员：提供数据报表服务，让作业监控人员能够快速、便利的查询相关统计结果和明细数据获取。
•
面向数据开发人员：面向非IT的数据开发人员,通过IT数据商店的方式，向此类人员提供数据API接口以及连接器等服务。
•
面向上下游合作伙伴：面向企业的上下游合作伙伴，通过数据商店API接口服务，向合作伙伴提供企业能够赋能上下游的交易数据。
4企业数据安全管控
为应对大数据应用服务过程中数据滥用和个人隐私安全风险，企业需要建立完善的大数据安全保障体系，目标是保护大数据权属性、保密性、完整性、可用性、可追溯性，实现大数据“可管、可控、可信”，保护公司各领域大数据资产及用户隐私。
大数据安全保障体系涉及安全策略、安全管理、安全运营、安全技术、合规评测、服务支撑六大体系。同时，对个人信息的各个处理环节施行严格规定与落，具体措施举例如下：
•
对数据资产进行界定、分类及分级。 •
明确信息安全管理责任部门及职责，对各部门的职责进行严格要求和细致规定，明确相关岗位角色及权限。
•
对敏感信息操作进行严格管理，对于涉及敏感信息的关键操作，严格遵守保护要求。
•
设立信息安全检查制度。 •
不断提高信息系统技术管控水平。 •
严控第三方信息安全风险。 5 企业数据化转型的持续和赋能
企业通过数字化转型项目的实施落地，通常能带来以下3个层面的意义： 5.1 系统能力建设
构建企业大数据平台，并形成产品+平台+服务的系统能力。通过系统能力的形成，为企业数据分析利用提供环境基础。
5.2 团队能力建设
通过项目的实施和协作，形成一支具有完整大数据解决方案和实施能力的团队，具备从业务梳理、到数据梳理、数据处理和数据分析利用的数据运营能力。
5.3 数据文化建设
通过数据服务的提供，便于公司领导、管理人员和员工随时随地查看相关运营数据并快速做出决策，解决人工收集和统计数据的低效方式，让大家习惯于使用数据，用数据说明问题和解决问题，逐步形成一切用数据说话的企业数字文化。
参考文献
[1]钟华. 企业IT架构转型之道-阿里中台战略思想与架构实战[M] 机械工业出版社，2017.
[2]付登坡，江敏，任寅姿，孙少忆. 数据中台-让数据用起来[M] 机械工业出版社，2019.
因篇幅问题不能全部显示，请点此查看更多更全内容