从数据战略到生产流程：全面数据转型指南
云数据湖、数据治理，以及面向商业智能（BI）与数据科学的工业化解决方案
解决方案
客户挑战
- 梳理并整合公司层面的数据与BI体系
- 提升数据科学能力
- 建立IT最佳实践
解决方案
- 制定数据治理规则与流程
- 部署云基础设施
- 优化团队结构并提供培训
项目成果
- Azure解决方案实现标准化交付
- 建立完善的数据治理框架
- 构建统一的BI与数据科学平台
Challenge
我们的客户是一家全球领先的B2B客户关系服务企业。他们希望我们在公司层面帮助其梳理和整合数据与商业智能（BI）体系。具体来说，客户需要对现有结构进行合理化整合，形成一套覆盖全公司的统一方法，涵盖数据治理、数据采集、角色职责、KPI定义及使用规范等方面。
尽管数据是业务的核心资产，但客户内部的数据科学能力尚不成熟，团队只能接触到预处理后的汇总数据。同时，也希望加速推进Shadow-IT数据库及使用规范的标准化建设。
Our approach
数据由公司内多个团队生产和消费。为了在规模化采集与分析过程中保持业务价值的清晰度，我们需要在各相关方之间建立协同和深度对齐。为此，我们设计并采用了协作式的开发方式，以制定一套统一的数据治理规则。
为在项目规模化推进的同时持续提升可读性和效率，我们设计并部署了云端架构（涵盖计算、存储等核心基础设施），在保障用户自主性的同时保留必要的集中管控能力。
每个数据项目和技术资产的背后都离不开人。为确保顺利实施，我们还对团队结构进行了调整，确保人员配置合理。同时，我们投入时间设计了针对性的培训项目，以整体提升团队的数据科学素养，并确保交接过程规范、有据可查。
我们团队与组织内各层级相关方的深度协作，是项目成功的关键因素之一。从高管到业务经理、数据科学家和IT人员，横跨多个国家和地区，我们的团队得以从多元化的业务和文化背景中获取洞察，这对塑造项目的沟通语言以及推动业务和技术层面的发展都起到了重要作用。
Outcome
在此项目中，我们构建了一套完全标准化交付的Azure解决方案，所有环节均以代码定义，并通过Azure DevOps进行流程管理。
我们建立了一套数据治理框架，充分考虑了该行业的特殊约束（如全球呼叫中心等），确保每个数据元素在IT架构中都有合理的定位。
我们在可扩展的框架中落地了首批应用场景，并将BI与数据科学能力整合至统一的数据平台。
在多轮合作中，我们的团队按照客户的完整要求，成功完成了数据战略的设计、验证和实施。
