滴滴为啥值3600亿？看它的数据中台就知道了

我们希望对用户行为进行相应的结构化，我们来看用户在怎么用这些数据，我们在看数据依赖关系是什么，哪些数据是高价值的，哪些数据是低价值的，哪些数据是影响面宽的，我们形成了几百万个节点，将近 4 亿条边的数据图谱。

基于这样的图谱，借鉴了 Google 的 PageRank 算法，我们来计算出来哪些数据价值高，哪些数据的影响面广。

我们做了一些对比，通过专家做这个评测，我们发现用算法算出来的，基本上和专家的打分是一致的，所以很快应用到生产体系里面去。

我们用这种东西来衡量治理的效果是什么样的，实时监控，每天都产出这样的情况来，从 2018 年初 40 分到现在 70 分，我们整体的数据使用处于持续好转的阶段，现在应该说还比较不错。

因为我对数据进行量化，我知道哪些是高价值的数据，高影响的数据，我们发现非常有趣的现象，10% 的数据支撑了公司 90% 的业务和使用。

所以我们只需投入更少的资源去解决那 10% 的数据治理问题，我们可以让这些资源每天盯着，10% 的数据量。

我们可以通过全面的量化做到重点的攻关和突破，而其他的 90% 使用众包和 AI。

我们有了知识图谱之后可以构建各种各样的算法来提示大家或者驱动大家做什么样的优化，举一个最简单的例子，我们通过解析，发现大量数据处理的模式。

我们把这些都推给了相应的数据工程师，他们拿到这个东西之后可以快速做相应的改进。

这样让我们的数据仓库又能快速的响应需求的同时，上面各种各样业务创新人员去做数据查询，性能也得到更好的提升。

最后数据的文化，我们一年多的时间将近两年做了 150 次的复盘，每一次复盘都落地到从流程、人员到系统，都有详细的改进计划，我们成立了专门全链路的小组来去跟进，每一块必须得落地到位。

基于这样整体的建设，我们整个中台用户使用的活跃度，从两年前的 1700 人到 5000+ 人，现在数据最新是 5400 左右。

相当于滴滴 49% 的员工一周会用一次数据，这在整个行业里面相当高的，我们做了一些调研，但不是特别全面，发现这个数据大概在 20-25%。

基于这样的方法论，我们系统这样去搭建的，这个和阿里的数据中台的组成部分或者网易数据中台组成部分很类似。

核心还是前面方法论，我想说的东西是什么呢?这个东西就像武器，先进的武器大家是可以买得来的，可能花钱买或者雇人能够造的出来，各种各样的经验大家也能够借鉴。

但是一支能打胜仗的队伍，只有本国的军队、自己的军事理论，再加上持续的训练和实战才能锤炼出来，胜利不是靠买来的。

这些只是你需要的武器而已，你需要公司的文化、公司组织、公司业务来去灵活制定数据体系的方法论，才能拿到相应的结果。

这就是我们产品做出来的情况，这是智能的数据目录，让数据越用越好用的方式。

所有的数据资产在这儿都能通过检索的方式做到，基本上这样的数据还能做推荐，把它变成相应的数据支持实体，做及时的沟通，还能评价，还能 diss 你，很多同学也能点赞。

让数据持续可靠，从最开始怎么做好技术质量，再到怎么找到相应的数据，再到最后更简单的去使用数据。数据的服务化，数据能够持续被人依赖，被服务依赖。

实时数据的集成，我没有把它写成数据的实时计算，我认为更多是把数据集成，把集成好的数据交付给更多的前台业务应用去使用。

监控其实是里面价值最低的，更多是怎么能够驱动前台实时响应类的应用，来给用户发挥价值。

这是运营轻量级分析的流程，就像刚刚提到的从两年前的 2000 次再到现在的 2 万次。

这是数据可能今后发挥价值最大的地方，去赋能 AI。通过建立好数据中台服务层，再把它演变成对应的特征层，来驱动出这样强化学习的营销体系。

中台是买不来的

最后想讲的感悟，数据中台不是买来的，也不是简单地把数据相应的模块系统放在公司里面搭建起来就 OK 的。

它其实是尊重公司内部的客观经济规律，包括公司的文化、组织、人员、业务模式管理和治理的结果。

其实更多的是需要大家用同样的价值观面向长期用户价值合理的分工，以及基于分工下合理的协同，怎么去梳理出价值链?怎么梳理出创新网?

本质上做这样的事情，所以说到最后中台其实是组织和体系建设的一个成果，背后是靠大数据技术和系统来做支撑。

作者：张茂森

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!