科技猎【数智对话专栏】数字经济时代 IT人如何面对变幻？
|作者： 亿欧EqualOcean董 事总经理王彬、 万国数据高级副总裁卢东明、 国云数据创始人马晓东
|如需转载请在评论区留言
“数智对话专栏”精选于2021企业数字化转型落地高峰论坛暨《数字化转型方法论》新书发布会上的嘉宾所提到的精彩观点。本文将为读者带来由 亿欧EqualOcean董 事总经理王彬、 万国数据高级副总裁卢东明、 国云数据创始人马晓东三 位大咖分享的《数字经济时代，IT人如何面对变幻？》精彩内容。
三位大咖就以下2个话题进行对话：
1.对于很多中层或者基层IT人员，他们如何在数字化转型的浪潮中更好的做职业规划，可否给大家一些建议呢？
2.数据中台作为新的架构，CTO将其落地时应该注意哪些点，以及它会给企业带来价值？
且看三位大咖就以上问题如何解说。
亿欧EqualOcean董事总经理王彬分 享观点
因为现在任何事情都需要人才驱动，而且在我们看来市面上最缺的，尤其数字化时代最缺的就是“两栖动物”，就是既懂产业，又懂数字化的工具、手段和方法。因为拿一堆数据，如果你不懂产业，都不知道这些数据意味着什么，怎么用这些数据优化产业，怎么用这些数据提升生产效率。我本人是学钢铁冶金的，现在我也是在做亿欧“科技+产业+投资”这么一个信息平台智库，我们发现大量的案例是从产业出发，拥抱移动互联网，拥抱大数据和人工智能，远远强于从技术出发去做产业。
所以，我们现在所谓说的“两栖动物”其实更应该去懂一下产业。当然，现在有很多的，比如云计算的公司在各个行业做一些所谓的行业大脑，我们也经常看到，比如说，你不能说是在一个钢铁企业建一个机房就是钢铁大脑了，这是非常浅显的，必须得深入 到你在钢厂过程 中工业模型怎么 做，生产怎么去组织，在整个过程中，其实反映的是你对产业基本面 的一个非常 清晰地了解。所以，在我看来，所有IT人员就应该在产业里面扎一 段时间，在这里面的核心数据可能比我们过往的MES、MIS、ERP这 些里面的数据更有价值。
所以，在我们国家工业4.0，整个智能制造2025推进过程中，其实会呈现出大量的这样的“两栖动物”，这也是我认为未来中国产业数字化最基本的基础。
万国数据高级副总裁卢东明分享观点
1.企业越来越需要交叉型人才
刚才王总说的有很多相似地方，我最近特别关注的一个词是“交叉科学”。我越来越意识到，现在很多单纯从一个学科出来的技术人员也好，或者是学校培养出来的学生也好，在工业界是会受到很严峻的挑战的。因为他们的功能虽然比较清晰，但是从个人人生涯规划角度来讲，其实上升空间是经常会受到严重挑战的，很多人做了十几、二十年，还是在一个单一技术的专家，或者是在一个执行角色上来发挥自己的能力。不是说不好，但是你会发现在一个企业中越来越需要交叉型人才。
比如说，你对计算机非常的了解，对编程非常了解，就只能让你成为一个优秀的编程员，成为一个高效的编程员。但是，当你对一个物理现象，或者对某种物理知识，或者对心理学、社会学方面有比较深的感觉和造诣的时候，其实你产生的能力是能够让企业产生新的效益或者是一些新的创新性思想的。
2.未来企业创新的点是技术与行业高度交叉的地方
我们也看到很多现在大家耳熟能详的一些应用也好，不管是社交媒体的应用，还是人工智能下围棋，还是人工智能帮助医生解决医疗中的问题，或者是如何解决自动驾驶的问题，等等这些问题都不简简单单的是一个IT的问题，是一个IT和行业交叉的问题，甚至有时候会出现2-3个行业，或者2-3个专业的一个高度交叉，高度混合的问题。那么，就好像我们过去谈的技术里面，有谈到边和点的关系，我个人认为未来企业的变革，企业的发展，它的发动机，刚才我们提到的这个发动机，一定会在几个技术的交叉点上，那个才是创新业务，创新技术的一个最大的发动机的一个点。
3.IT人员需从交叉学科的角度弥补自身不足，提高综合能力
我也特别想鼓励现在不管是刚刚毕业也好，还是在IT行业从事IT工作的朋友们，能够从交叉学科的角度去多补足自己其他方面的一些能力，把这些能力补足以后，或者加强以后，你会发现你在和IT产生结合的地方会产生无穷的动力。这个是我们过去几十年其实没有太发现的。因为在我刚刚入行的时候，几十年前，我们拿着计算机技术到别的行业实际上是一个碾压的状态。现在回过头来看，虽然当时碾压，还是在一个IT非常低端的阶段，仅仅是数字化的阶段，而没有真正到数字化转型，数字化转型不是仅仅把业务数字化就可以了，还是要对业务有深刻的理解，然后产生一些创新的思想。
国云数据创始人兼CEO马晓东分享观点
基本上各大公司都开始有自己中台的计划。这里面有数据中台、业务中台，有不同的叫法。这里面可能对一个公司数字化转型作用最大的就是数据中台。目前来说，数据中台在中国基本上已经被各种公司媒介把这个概念炒得比较烂。所以，导致现在的一些公司和企业CIO、CEO很难去选择到底我要不要中台？选什么样的中台。所以，我在这里正好做一个简单地分享。
中台只是一个以前数据工具的一个分类，最早数据工具其实是独立工具式，比如要做经营报表，做分析，你也要有一些BI的软件，做一些工具，比如要有数据治理，要有数据仓库的工具，你需要工具能更好地代替人工，更低成本的去处理这些数据。这是30年前就开始了。后来你会发现，我们的需求不仅仅是做简单的报表，经营管理这些工作，我们需要的是数据治理，用户画像，精准营销，私域流量，这个时候你会发现数据在不同的地方，不同的业务数据库，ERP，不同的云，这时候需要数据打通。这时候就会出现像以前早期阿里那种模式，我们采购了很多国外软件，把很多工具集成在一起解决这样的问题。
但是，这样的基础设施中台工具的问题在于这些工具由不同厂商做出来，数据经常出错，所以需要一个比较大的技术团队来维护它。同时它的维护成本过高，造成很多烟囱式的开发，这是一个基本的状况。
再后来，就是出现了智能性的中台，所谓的智能性的中台，就是说前面这种基本上数据的各种操作的技术工具都有，但是主要凭技术语言去使用，但是很多地方需要写代码，需要大的技术团队。后来我们在淘宝的时候就会发现，人力已经无法去全面地处理这些数据了，因为数据越来越多，以前做的数据的应用越来越多。所以，这个时候就会出现智能性的中台，这种中台首先覆盖了前面两种基本的能力，更重要的是它产生了一个新的能力，叫数据质量自动保障的能力。在这个时候，它的应用不是说简单的静态性的这种应用，已经是动态性的智能应用，全运营需要智能配补或动态画像，AI的应用。这些应用就是典型的银行、上市公司已经升级到智能性中台。
智能性中台有两个特点，一，可以让 业务人员去使用，创造数据应用数据呈现。二， 整个中台具有自准备的能力，就是它可以自己发现数据哪里出错，进行纠错，然后为你的数据做一个保障，从而大量地释放技术人员，因为很多公司技术人员很多，都在维护当下的数据质量和做数据分析等等工作。智能性中台 一方面把数据变得像Windows界面一样简单的时候，就可以让业务人员加入到数据价值创造里面。 同时，又具备数据质量自动纠错保障的能力，这时候技术团队就释放出来大量的时间，不需要为过去以前，一年、两年，三年前做的数据操作的代码而烦恼。
整个下来，所以对于大多数公司，你要精准定位你属于什么样层次的需求，你选什么样的中台。如果是第三层次的，C级别的，你只能选择C级别的。但是，同时你要考虑一个问题，就是架构的问题，技术这个事情其实就是架构，当你支撑了像淘宝这样6亿有效用户，770万商家，50亿SKU，每天点击30亿这样海量的数据和母婴、女装、游戏各种各样的多业态的场景支撑下来以后，你会发现这个架构对于很多中国企业可能不到十年已经是高配。
所以，我们在选择构建自己数据中台的时候一定清楚：1.自己的需求是什么？2.架构要保证多少年？3.要考虑好未来的维护成本和未来是否产生应用的能力，以及中台是不是智能的中台去进行思考。