数据|字节造火山,又一个数据中台的故事( 二 )
值得一提的是,数据中台基于Clickhouse开发的OLAP引擎也是在此期间上线和能力改造,以解决数据分析性能的瓶颈。
这个阶段,主要解决的是效率和成本优化的问题,包括对底层架构进行升级,从接入第三方的工具,到尝试自研一些开发工具、调度工具等,使得研发和运维的效率变得更高。
- 2018年~2020年:
一是数据中台的“成型”。
这个节点开始,字节跳动业务有了更深入、全面化的发展,继今日头条之后,陆续有抖音等现象级的爆款应用,以及孵化的新业务。“正是因为火山引擎的数据中台在头条、抖音都打磨过,所以当有新的业务出现时,可以非常快地接入。”罗旋指出。
二是数据中台的BP化。
另一个重要变化是,在业务线变得越来越多的同时,很多业务的体量也足够大了,比如为抖音提供服务时,单纯提供一些通用型工具是不够的,而是需要更加贴近其业务场景,满足其定制化的场景需求。
这种背景下,字节跳动也开始筹备“数据中台的BP团队”,对“前端”业务进行专门的支撑。BP全称是Business Partner,类比于HRBP,组织形式上是集中式的,可以统一管理调配培养,执行上分布式到各个业务,解决业务问题。这种组织方式的优势在于,尽管BP团队向上支撑了不同类型的业务线,但向下其实是兼容了底层数据的各项能力,具备相似的技能栈,对工具引擎的学习和使用是高效且顺滑的。
雷锋网认为,除了数据中台底层好之外,字节跳动BP团队存在的基础是其企业具有强有力的组织能力,以及企业的部门墙比较低,否则怎么能让业务部门和中台组织能够很好融合?
三是真正意义上有了“客户”的理解。
这一个改变是水到渠成的。正是因为数据中台早期在支撑更早期的业务线方面积累了很多的“信誉”,为今后支撑更多的业务线奠定了良好基础,并形成了正循环。
这种视角下,需要团队不仅有对数据的理解,还要有对“客户”的理解,将业务线看成你的“客户”,还能根据需要提供一些定制化需求。
文章插图
【图:火山引擎数据中台架构图】
- 2020年之后:
无论是之前的飞书,还是如今的火山引擎,逐步将内部实践过的技术或用的好的产品开放出来,在形成商业化路径的同时,还能反馈给内部,进一步提高内部技术。
从面向“业务价值”入手
越来越多的企业经历了建中台到拆中台的过程,但不同的是字节跳动始终在坚守中台,并且还通过火山引擎对外开放了,这是为什么?
原因不难得出——字节跳动的中台发挥了应用的价值,一是上面说的BP制给业务带来了很好的支撑;二是面向业务价值构建数据中台,先判断业务的需求是什么,然后提供轻量化的工具,随之再逐步配套更多的能力。
这样的方式也延伸到了火山引擎数据中台的服务理念上来,面向应用构建数据中台。简单来讲就是,面向应用更有目标性,能更早地发挥数据的价值,让企业客户的数字化转型路径不再是一个漫长的周期建设,而是一个逐步演进的过程。换一个更好的理解方式,其实是面向企业客户实际需求,以及业务价值构建数据中台。
这与其他的数据中台厂商的服务有点大相径庭,他们侧重于搭建完整的体系,这种方式往往会给客户带来困惑:周期非常长且重。数据中台最后是搭好了,但有不少客户往往也找不到数据应用的场景,数据中台建了半天没用起来,更没发挥出应有的作用。如果此时企业没有一个强有力组织的话,很有可能“中道崩殂”。
- text|《2021大数据产业年度创新技术突破》榜重磅发布丨金猿奖
- 产业|打造世界级产业地标 中国声谷冲刺5000亿产值
- 酷睿处理器|关键数据出炉,京东比阿里差远了
- 华为|问界M5风光无限,赛力斯SF5暗自神伤,华为或许低估了造车这事?
- CPU|元宇宙+高端制造+人工智能!公司已投高科技超100亿,股价仅3元
- 造车|苹果造车一波三折,缺了一家“富士康”
- 智能制造|企业转型的新时代,夹缝中求生存
- DeepMind首席科学家:比起机器智能,我更担心人类智能造成的灾难
- 多家银行宣布打造AI数字员工?虚拟人风口下银行也不要真人了?
- 44岁接手亏损超500万厂子,他却靠火腿肠雄起,缔造600亿