作为一个资深数据从业者，以下是我对公司级数据中台建设的规划路线，基于我个人认识、经历与推断提炼而来。在这里也感谢之前一家公司的工作经历，虽然是在一家数据建设很杂乱的初创公司，但其实也锻炼了自己，跳出大公司高度规范化的体系，不断调整认识，理论如何结合实际而落地，总结出一个适合的数据中台该如何建设。

一、全面收集企业信息，构建数据资产库

目标：数据集中归档

衡量标准：所有稳定的业务数据是否已接入并归档，维度库数据是否为公司范围内通用

协作部门：各业务系统、主数据系统

步骤：

1.接入所有已稳定的业务系统数据，数据集中存储

2.对业务系统事实数据进行归档

3.对维度数据进行统一

二、数据资产梳理，建立数据标准，初步数据治理

目标：数据的数据可查

衡量标准：数据字典全面完善、元数据完善可用

协作部门：业务部门、业务系统、数据开发

步骤：

1.对数据资产梳理，形成数据字典

2.元数据管理，整理与维护现有表信息

3.建立数据标准，保证数据质量，对异常、缺失等数据提供补充或剔除逻辑或标识

三、业务实体进行数据建模，保证复用性与性能

目标：主要业务实体、主要业务过程数据模型完善，为数据集市建立打基础

衡量标准：业务实体档案全面，主要业务实体数据模型完善并可高度复用

协作部门：业务部门、数据开发

步骤：

1.对主要业务实体进行档案管理，出档案表

2.对主要业务实体进行维度建模，加工形成可复用明细层

3.基于主要业务实体的数据模型，建立指标，并尝试体系化

4.结合开发性能，对事实表数据建未清逻辑，分完结表与未清表存储与使用

四、及时满足数据指标与基础数据分析需求

目标：建立数据集市

衡量标准：是否能以较低的成本满足业务指标与数据分析需求

协作部门：业务部门、数据开发

步骤：

1.基于事实表与维度表构建总线矩阵，链通企业内数据

2.完善各业务实体数据模型，保证复用性

3.基于各数据模型，完整完善产出数据指标，对指标尝试分域体系化

五、数据治理

目标：提升数据质量

衡量标准：数据指标唯一、无歧义，低成本保持数据产出，数据安全保持较低风险

协作部门：业务部门、数据开发

步骤：

纵向上：数据分层，从ods层到cdm层到ads层，严格按流程规范分层执行；

横向上：表分类，分事实表，主数据，维度表，配置表；

业务上：数据指标口径统一，保证统计指标只有一个解释，在公司层面将指标定义规范化：

源头上：数据来源梳理，保证来源准确，无交叉定义

规范上：元数据管理，分业务元数据（表名、表结构、字段枚举值、更新频率、对应业务场景）、技术元数据（字段类型）、管理元数据（负责人）

执行上：按使用频率、任务执行成本，划分常用数据、冷却数据，合理分配开发资源

落地上：cdm层，字段落表逻辑确定，制定规则过滤不必要的数据

安全上：按表、表数据标签/数据行控制权限，建立人员与角色对应关系，表与角色的对应关系，标签与角色的对应关系

六、满足业务对象场景化分类与业务对象画像

目标：数据标签完善、可用

衡量标准：是否能满足业务对象场景化分类与业务对象画像

协作部门：业务部门、数据开发

步骤：

1.基于业务场景，对数据模型加工，得到标签

2.对业务对象构建特征空间，建立业务对象相似度标签，如种子用户、高潜力用户的相似用户划分

七、数据服务

目标：场景化数据服务

衡量标准：场景化数据分析与决策需求是否能得到满足

协作部门：业务部门、数据开发

步骤：

1.基于常见的数据分析场景，提供数据分析支持

2.基于常见决策场景，提供数据决策与算法支持

注：六、七点写得比较松散，但是十分重要，于业务视角是最体现数据产品实用价值的，时间关系暂不展开，以后有需要再另开专题拆分叙述。