数据中台的文章很多了，大家可以拉到本文底部去看，但笔者今天要谈的一个话题是非常现实的，即如何判断你的数据中台的水平？相较于阿里，你跟它到底有多大的差距？
可以从数据战略、数据治理、数据资产管理、数据平台和架构、数据服务化、数据产品化、中台运营等七个方面来评估数据中台的成熟度，如下图所示。
2018年国家质量监督检验检疫总局和国家标准化管理委员会发布过一个《数据管理能力成熟度评估模型》，该标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级，包括初始级、受管理级、稳健级、量化管理级、优化级五个等级。然后从数据战略、数据治理、数据架构、数据应用、数据安全、数据质量和数据生存周期8个能力域阐述了五个等级的具体标准。
企业数据管理能力成熟度模型Data management Maturity(DMM)是由CMMI协会于2014年发布的，它可以用来评估和提升组织的数据管理水平，帮助组织跨越业务与IT之间的鸿沟。DMM根据企业的数据管理能力提出五个层次：Performed可执行级、Managed可管理级、Defined已定义级、Measured可度量级及Optimized优化管理级，如下图所示：
DMM模型涉及五大方面25个过程域，如下图所示：
以上三种评估方式的体系化程度很好，但存在二个问题：
一是由于数据中台本身就没有清晰的定义，因此以上的评估实际变成了针对企业整个数据管理体系的评估，数据中台业务化，服务化，开放化这些特点没有很好体现。
二是基于这些评估标准很难快速、清晰的看出各个行业数据中台之间的差距。因为大家在各个方面或多或少都做了些工作，你说它有吗，有，没有吧，存在度的问题，而这个度涉及的维度又太多了，你其实搞不清楚哪个维度更为重要。比如数据治理做的很好，但服务化很差，你说这个数据中台到底先进不先性？
数澜出品的《数据中台》这本书里提到了数据应用成熟度的4个阶段，虽然简单但更有现实指导意义，如下图所示：
那么，我们能否给出一个相对简洁的，能够快速发现差距的数据中台成熟度模型呢？
云原生的成熟度评估模型给了我一些启示，如下图所示，不管这个云原生成熟度评估模型是否合理，但它显然是清晰而简单的，你很容易抓住主要矛盾，从中发现差距，从而明确自己的前进方向。
解读这张图我觉得有二个核心要点：
一是明确每个关键技术点只在一个阶段出现，级别高的默认拥有低级别所有的关键技术点，这样就比较清晰。
二是在某个阶段具备的关键技术点必须在企业广泛使用，普及度至少在50%以上，比如灰度发布，如果你这个企业只是在一些边缘应用中采用了灰度发布技术，那么不能说满足了云原生的第三阶段灰度发布这个要求。
用这张图去评估每个企业的云原生水平，就可以得到一个大致的分数，大家互相之间可以做个比较，比如一些先进互联网公司可能在3级以上了，而你这个企业可能刚刚到了2，因为你一点灰度发布能力都没有。
基于这个指导原则，这里给出了数据中台的成熟度模型，其从能力建设和业务驱动2个维度，围绕系统灵活性、工具高效性、数据共享性、服务丰富性、智能化水平等要素来定义数据中台成熟度四个级别，如下图所示：
第一阶段：如果你的企业数据基于集中化平台进行了归集和整合，比如50%的数据进行了整合，同时具备了资源按需分配的能力，就可以认为达到了数据中台的初级阶段，这个时候的服务模式仍然以传统BI看数为主。
其实大部分企业都在第一阶段徘徊，因为打破不了数据壁垒，资源按需分配的生态也面临技术、机制、流程的阻碍，比如别人来申请租户，你们开通就要2个礼拜，那水平就很差了。
第二阶段：如果你的企业只是归集了数据，但很少人用，那么数据中台的水平也很一般。你必须通过标准的建立、开发管理平台和运营体系的建设，让这些数据能被高效的使用起来，比如企业要有50%以上的营销、分析和IT人员能基于你的平台进行数据操作，这个对于大多数企业的挑战就很大。
少部分企业在努力向着第二阶段去演进，但这个阶段对于平台的易用性和运营能力要求很高，基因比较好的互联网企业比较容易跨过去，但对传统企业很难，这不是简单的技术问题，更是数据文化的问题，需要公司战略上的真正支撑。
第三阶段：如果你的企业建立了一套真正贯通全域的企业级模型体系（体现了多维价值），大部分的数据能够以实时化的方式去支撑各种场景，同时能够以服务化的方式方便的对外开放，比如达到阿里云数+平台这种按需订购的能力，可以直接基于模型或产品进行规模化变现，那么就算是达到了第三阶段。
少部分先进互联网达到了这个水平，但一般公司很难达到，比如服务化吧，不仅要解决技术问题，更要打通从订购、开通、计费到收款的整个流程，建立一堆的业务管理规范，特别是如果存量业务的体量很大，就会陷入创新的窘境。
第四阶段：数据智能化达到了自驱动水平，全面的数据驱动业务生态形成。
这个谁都没有达到。
受限于笔者的能力和视野，这种划分方法很难说有什么科学性和系统性，但它给出了另一种评估的角度，希望对你有所启示。
最后，如果要你对自己企业的数据中台打个分，你觉得能打多少分？
本文为专栏文章，来自：与数据同行，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/94685.html 。
