感谢凯哥的中台研讨会，感触颇深，跟正在做中台的同学分享踩过的坑。
传统企业一般都有很多烟囱，大多数是信息化时代的产物。信息化时代，很多公司，大体了解了业务架构 或 某些事业部的 业务需求以后， 上来就考虑立项，建应用系统，
建应用系统的过程中，再考虑数据架构, 很容易形成孤岛或 部分数据 无法有效集成、或同1个数据在不同系统有不同口径, 不利于 数据的统一规划和利用。
个人对数智化转型、对数据中台的认知，第一次上直播分享有些准备不足，部分内容没太讲清楚。线下和部分朋友又交流了一下，结合会上几位大咖的指导，简单补充整理如下，抛砖引玉：
1.什么样的企业/组织值得考虑中台？（出发点）
2.数据中台很难/失败率高 （坑多，团队能力相对不足）
3.数据中台怎么做，相对会顺利一些?
4.数据中台是否成功，如何判断？
1. 什么样的企业/组织值得考虑中台？（出发点）
· 是否有"能力复用"的机会；
· 是否能"降本增效";
· 相关机会是否"业务有感"...
对于一些小公司，业务比较简单，系统比较简单；或者像群里杨兄的情况 “千亿规模就1套系统”，个人觉得都不需要考虑 中台。但对于很多 中大型公司， IT建设周期长、遗留系统多的公司，在整体规划、数据资产沉淀、数据赋能提效等方面，可能会有机会：
简单来讲，做不做中台还是结合企业的实际情况，要回归到"对业务的支持"，需要确保 ROI逻辑说得通。
2. 数据中台很难/失败率高 （坑多，团队能力相对不足）
上面这张图的话，就可以看出来“牵一发，而动全身”的效果，数据中台/ 数智化转型，是个非常复杂的系统工程，需要以业务战略、业务架构为指导，由核心数据架构牵头，进而协同相关应用系统的改造，同时需要获得 业务方的充分参与和强力支持。
在以前，很多公司习惯以"项目"的方式来进行 IT建设，很多项目 只要 “按时”“预算内”“完成基本需求”就可以pass 并进行结项，关于这个项目投入，是否真正获得 高价值回报，其实 是 很难 跟踪、很难追责的，所以说 做 项目，是相对容易的。
做中台，不能是“项目”方式运作，更倾向于“产品”方式运作，需要快速迭代、持续交付，要确保业务回报，要真正对 ROI 负责。
一旦要对 ROI 负责，操盘难度就陡然增加 ，需求理解不透彻，解决方案不到位，开发实施有缺陷，产品无法落地，运营机制不成熟，任何一个环节不到位，ROI 就无法保障。
相对来说：
做 2B 要比 2C 更难 （客户层级结构、决策链等要更加复杂），做 数据中台/数据应用， 要比 常规的IT应用（自动化）更难，做常规 IT应用，往往是把 人工变成自动，背后有天然的业务流程和业务逻辑供参考， 业务人员自己就能把需求说清楚、甚至给出 业务解决方案；但做数据产品应用，没有天然的业务逻辑供参考，需要交叉创新[Biz+Data+App]，才有机会提炼出 高质量的需求、设计出高质量的解决方案。
若没有创新能力，连需求都提不出来，都不知道怎么下手。
简而言之，数据中台很难、门槛很高。
相比于常规局部型的 IT项目，操盘难度可能是数量级的差异，团队是否有能力抵御大部分风险，这是个非常大的挑战。
3. 数据中台怎么做，相对会顺利一些?
前面我们强调了“中台”项目是个非常复杂的系统工程。
如果要降低操盘风险，需要分解和简化，看清全盘，局部切入，逐步赢得业务认可。
个人觉得，把下述2方面结合起来，相对会 增加胜算。
A. 参考TOGAF等相对科学的方法论： 业务战略 -> 业务架构 ->数据架构 ->应用架构->技术架构；
B. 参考“螺旋黑洞模型”：MVP方式切入，实现速赢（战术级支持） ->扩大产品范围（战术级支持） -> 战略级支持
真正要改善业务经营水平，需要先梳理清楚 业务战略和业务架构。然后再根据业务架构，去考虑 需要哪些 真正的结果性指标，基于结果性指标，再去考虑 涉及 哪些 过程性指标。
然后结合实际业务需要、stakeholder情况 及 技术相关准备度等，进行综合考虑，按照 二八原则，找出有价值 、有钱做、也有可能做成的事，作为 MVP 潜在切入点。
总结了点 2B 数据智能化转型的探索思路，如下：
在图片中的“螺旋黑洞模型”
第1步，就是要采用 精益化的理念 （感谢凯哥指导），通过MVP实现速赢，快速获得业务的初步信任和认可；
第2步，是进一步扩大产品功能的范围，拉通更多数据，实现更多的数据应用。
（到了这一步，基本上就找到了吴总 提到的感觉 - 数据越来越多，数据越用越活...）
第3步， 是真正从战略层面，去解决和优化biz foundation的问题，进而有力支撑 业务模式升级。
（前面的2步，主要是如何把 已有的数据拉通，并利用起来； 到了第3步，需要想办法去“生成高价值数据”，去创造和积淀与biz foundation有关的 核心数据资产。）
4. 数据中台是否成功，如何判断？
“是否业务有感”“是否降本增效”；
“数据越来越多，数据越用越活...”
另一个提法，就是 Biz value tracking, 对于2B而言，有没有业务价值，
· 可以看结果性指标：比如 Rev, GP 等相关指标；
· 也可以看 业务侧 过程性指标：比如，商机Rev, 客户覆盖，高价值信息完备率,交付时效, 维修时效，客户满意度.
· 也可以看 IT侧的过程性指标: 比如，数据中台及相关数据应用产品的DAU/ MAU, 接口调用次数等。
通过 Biz Value 和 初期的投入，来大体判断ROI 水平。