当我们谈论产业互联网时，我们在谈论什么？(4)

3）数据治理的系统性

数据治理，是一项从思维到实施的系统工程；数据仓库，是一种管理思路和模式。

数据疏于治理、粗放式治理，如同仓储物资无序堆放一样，在任何行业和企业都不罕见。只不过，互联网企业在丰富的数据资源、激烈的竞争压力、快速创新驱动等多重因素之下，在数据治理方面走在了前列，并且探索出了一些行之有效的价值创造模式（如用户画像、消费数据挖掘、行为预测等），形成了不少产品化成果（如数据库、数据仓库、大数据分析框架、AI训练模型等）。然而，我们也应当看到，这些模式和产品一者带有比较深的互联网烙印，二者也是历经了行业和企业内部长期的探索和演化。

此外，重要的是，互联网行业与传统行业有一点重大差异：互联网行业的一个显著特点是“IT即OT”（信息技术即业务技术），IT与OT的技术同源、发展同步，且不同互联网细分行业的OT跨度不大、相似度高（例如，电商平台的客户行为数据与社交平台的用户行为数据）。因此，经过探索沉淀下来的数据治理产品能够达到“开箱即用”的效果，软件对于数据治理的支撑作用极大。传统产业则不一样，OT存在极大的多元化、且IT与OT之间存在着天然的技术鸿沟（具体会在下一章节之中详述），在这种情况下，软件重在开放性和场景适配，支撑作用不免有所折扣，而来自OT侧的思维、思路则在很大程度上塑造了数据治理体系的形态和模式。

因此，产业企业的数据仓库，不是狭义的数据仓库软件，而是一个以企业发展思路和战略为基础、融合企业各方面OT需求的“集大成式”的系统。落实到IT层面，则包括了相当复杂的内容，如冷热数据的分层存储和管理、不同类型数据对象的分类管理、高频和高动态数据的性能优化、广域数据共享场景下的互联互通、数据存储持久性保障……

看起来很复杂，不过也没必要望而却步，毕竟IT技术是就绪的，关键在于把OT融合进来，走通规划->尝试->优化->推广这条迭代之路。话说回来，又有哪个系统工程不是这么趟过来的？

二、业务

业务，是产业持续发展的绝对核心。企业的一切工作，必然是服务于业务的可持续发展和创新。互联网企业当下比较熟悉和向往的，是容器支撑微服务、微服务采用DevOps的模式；由此衍生出共性业务沉淀形成支撑性的“业务中台”、前台灵活调用共性模块打造创新业务的“敏捷”创新路径。所谓“大中台、小前台”是也。阿里巴巴、字节跳动是这种模式的践行者和成功者，也带领了一波“业务中台”的风潮。