4-3 DataOps：数据业务的发展前景

数字3.0时代的机遇和挑战

• Gartner将企业IT发展分为IT工匠时代、IT工业化时代和IT数字化时代，当前已进入数字化时代。
• 数字化时代企业需求的基本结构包括降低成本、提高产出，以及迈向完整的数字化生命体。
• 数字化应用前沿的机会包括大量长期系统性机会和价值持续深远，能形成整垒员工、生产、销售、财务、供应链等。

数字化3.0时代的挑战

• 新数据类型、机器学习、数据爆炸、云端数据、人工智能等带来新挑战。
• 数据技术多元化及衍生问题，如数据分析和数据可视化、机器学习、云数据处理等。
• 新场景催生出全新的数据使用者组织，如数据高效率运营者、数据分析师、数据科学家等。

DataOps的诞生

• DataOps是一种方法论，包含精益化生产、敏捷开发和DevOps三大核心体系。
• DataOps的核心体系包括数据处理、用户、业务价值、工作流、指标监控、敏捷业务执行、持续测试、业务决策、集成、部署等。

DataOps的不同技术栈及定位

• Data Fabric：全面的技术支撑体系，包括多模态数据、数据市场、集成、准备、数据质量、治理和隐私、交付等。
• Data Mesh：去中心化的数据所有权，聚焦人和流程，专注于分析型数据。
• ModernDataStack：基于云原生的全套服务组件，以云数据湖仓为核心，包括数据湖、数据仓库、数据集成、数据质量、数据治理等。

DataOps在各行业的应用

• 金融行业：服务边缘侧和平台侧的数据处理，包括银商元数据、业务模型、数据标准等。
• 制造行业：工业平台运营、新型工业APP开发、云边协同、数据采集、数据加工等。
• 电信行业：大数据生产平台、创新鲜学化应用/微服务、模型训练开发、租户隔离、能力开放等。
• 公共服务行业：生产控制大区、管理信息大区、互联网大区，包括配网管理、供电服务、测服务、监控系统等。

DataOps的价值体现

• DataOps带来的预期业务收益包括提升业务敏捷性、改进产品和服务、提升客户体验和参与等。
• DataOps价值地图（数据飞轮效应）包括数据脚本标准化、数据生产监控、数据开发平台、数据运维平台、数据云平台等。
• DataOps开启数据的释放，数据的数据驱动进步新时代旅程。

白鲸开源+DataFun产品

• 白鲸开源DataOps矩阵包括元数据分析、数据融合中心、血缘分析、关联分析、数据质量控制、元数据深度分析、数据治理管控等。
• 白鲸开源WhaleDataOps商业版本（云原生）包括数据同步/数据转换、数据同步中心、数据转化中心、调度ApDolphinScheduler等。
• 白鲸开源的部分用户包括IBM、中国电信、腾讯、平安、工商银行、华为等。