5.2　从失败的大数据项目中吸取教训

显然，并不是所有的数据中台项目都会成功。数据中台的概念出现时间不长，虽然已经有一些关于失败的数据中台项目的报道，但还只是零星的个例，我们难以从中总结出可靠的经验。而大数据技术已经发展十多年了，项目众多，我们完全可以从失败的大数据项目中总结经验，吸取教训，然后用其指导数据中台的建设工作，以少走弯路，避免失败。

自2012年起，NewVantage Partners公司每年面向财富美国1000强企业的管理层调查大数据和AI在其企业内的实施情况。2019年的调查报告揭示了企业数据平台窘境——尽管在大数据和AI领域投入超过5亿美元的公司较上一年增长了66%，但在65家受访企业里表示“未能或尚早体现可量化业务结果”的企业却增加了41%。

在研究企业数据平台项目失败案例的过程中，我们发现导致企业数据平台建设失败的核心原因有以下4个。

·启动难：缺少用例支持，无法获得业务支持；需要进行长时间的数据湖设计与技术评估；需要统一组织内多个业务或技术部门。

·数据源难以规模化：缺少对错综复杂的源数据系统进行管理的手段；难以跟上不断增长的数据源系统规模。

·数据使用难以规模化：数据平台项目跟不上企业创新要求；用例过窄，难以满足规模化需求；平台能力跟不上错综复杂的用例需求。

·难以实现数据商业化：开发和运营成本极高；难以将数据平台真正转化为商业竞争力；难以形成创新文化。

基于此，我们把企业数据平台的成功要素归结为：在错综复杂的企业技术环境中快速启动，规模化地引入高价值的新数据源和使用场景，尽早实现数据对整个企业商业系统的价值（对内或对外）。

其中的关键词是“快速启动”“高价值”“使用场景”“尽早实现数据价值”，第6章将会详细介绍如何才能达到这样的建设效果。数据中台虽然是个较新的概念，但是它要解决的问题并不新鲜，实际上就是大数据平台建设方式错误或不当造成的问题。所以，在建设数据中台的时候，我们一定要实事求是，根据实际业务场景确定建设路线和评估建设成果，快速实现可衡量的数据价值，避免数据中台建设重蹈覆辙。

[1] “ Big Data and AI Executive Survey 2020: Executive Summary of Findings”，http://newvantage.com/wp-content/uploads/2020/01/NewVantage-Partners-Big-Data-and-AI-Executive-Survey-2020-1.pdf。