數據應用須三大支撐 (車品覺)
數據愈亂，建立大數據的能力門檻愈高。（Freepik網上圖片）
隨着移動互聯網、物聯網、雲計算、人工智能（AI），以及大數據等技術發展，不僅數據體量以指數級增長，更重要的是大數據的組成（多源異構）及治理的難度，為發展帶來愈來愈多障礙。近年智慧城市興起，數據如何為城市提供驅動力再次成為焦點，怎樣的數據平台才可駕馭這個比任何大型企業都更大的「業務」架構？集中式的數據存儲適用於未來的物聯網世界嗎？政府要做什麼才可賦能數位生態？這些新舊問題混雜，筆者將根據自身經歷，在本欄以連續三篇文章作出淺釋，望能拋磚引玉。
無獨有偶，企業內的一些問題，在各地的市政府機構內部也正發生，在缺乏頂層設計之下，資訊化步伐都在追隨各個職能部門的發展，數據體系也是基於業務單元垂直積累，從而形成了煙囪式體系。垂直式數據體系的優點是緊貼場景反應敏捷，缺點是數據分散、不標準，難以共用關聯，大數據價值優勢無法實現。此外，煙囪式數據體系還會造成混亂的數據調用和拷貝，除了重複建設造成資源浪費，數據難以溯源所帶來的歧義，亦將嚴重破壞數據品質。
自從大數據時代開始，我們就注意到數據安全是最大發展障礙。數據安全問題向來令人糾結，業界致力於保護數據的同時，又要兼顧業務發展需求，任何安全原則必須契合其商業目標及風險承受能力。運作至今大約十年，大數據總體趨勢是數據外部化、服務標準化、邊緣智能化、即時回饋等，讓安全邊界愈發模糊，風險評估難度更高。以往基於靜態分層的數據安全原則，難以有效防範威脅，這時候應該回到創新科技，包括機器學習、人工智能及區塊鏈，作為解決安全問題的手段。特別是區塊鏈使用加密與分散方式解決多方互信問題，是很值得期待的新途徑。
自從大數據時代開始，數據安全是最大發展障礙。（Freepik網上圖片）
在認同大數據是未來創新核心的前提下，需要把數據戰略的先進性、前瞻性放到優先考慮位置。否則大數據的能力會隨着粗放式營運而變得停滯不前，淪為有名無實；數據愈亂，建立大數據的能力門檻愈高，從資訊化到數據化的時間節點都會影響治理難度。管理層必須理解，從資訊化到數據化再到應用，必須有強大的技術、靈活的政策，以及開放的生態支撐，方可馬到功成。
有見於此，阿里巴巴在2013年開始提出建設數據中台的概念；根據執行過程，再加上筆者離開阿里之後的觀察，針對數據中台有幾點看法想跟大家分享，不論大型企業或地區政府都值得參考。
數據中台賦能改革．三之一
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
 - EJ Tech){kind=link}
){kind=link}