数智管理新动能，深度解读《2022中国指标中台市场研究报告》
为深入了解行业对指标体系的应用程度、企业使用指标分析的场景和痛点，爱分析与上海跬智信息技术有限公司(Kyligence)联合开展“企业指标管理与数据分析现状”调研，并发布首份《2022中国指标中台市场研究报告》。报告聚焦企业指标管理的痛点，对指标中台概念进行定义，梳理指标中台对企业数智化管理的价值，结合对指标中台成功实践案例的研究提出指标中台应用落地方法论，为企业发掘数据价值、实现数据驱动提供路径参考。
01
数据驱动管理，85%的企业认可指标管理重要性
宏观层面的疫情、战争等黑天鹅事件，以及微观层面下存量市场的激烈竞争、消费者多元化，众多因素叠加，致使企业面临的市场环境的不确定性极速加剧，企业需要提升决策效率，将决策模式从经验驱动转变为数据驱动，通过提高运营效率，适应市场的快速变化。
在数字经济时代，构建以指标为核心的数智化管理体系无论是从管理的科学性，还是实现数据驱动的最终目的来看，都是一种有效的方式。据调研数据显示，85%的企业认可指标管理的重要性，将指标作为日常管理的必备工具。
图1：调研问卷数据
02
新需求下，传统指标管理模式局限性凸显，60%企业面临共性问题
企业使用指标体系进行业务分析与决策的实践由来已久。企业传统的指标体系管理模式有两个典型特征：指标管理分散和协作模式强依赖数据开发部门。
指标管理分散。企业普遍将指标存储在关系型数据库、非关系型数据库、数据仓库、BI工具、计算引擎、业务系统指标库等多种数据管理和分析工具中，造成数据孤岛，也带来指标定义不一致、指标开发重复、指标权限管理不清晰等问题。
图2：传统指标管理模式中指标分布分散
协作模式强依赖数据开发部门。传统的指标体系管理模式下，业务部门向数据开发部门提出数据需求，数据开发人员根据需求进行数据采集、汇总计算以及整合提交。数据开发周期以周或月为单位，效率低下。
图3：传统指标管理模式下严重依赖数据开发部门
在构建以指标为核心的数智化管理体系的背景下，企业对于指标体系的管理和应用面临新的需求。一方面，指标正成为企业核心数据资产，企业正在高频、深入的使用指标作为业务决策依据，对指标体系的完善性、清晰性和准确性提出要求。另一方面，数据分析平民化为企业带来指标消费需求爆炸式的增长，企业需要指标体系支持海量、实时、智能的自助式和探索式数据分析。
据调研数据显示，60%以上的企业均面临指标质量、指标体系不完善、数据分析平台功能及性能待完善等三类指标问题。
图4：调研问卷数据
传统指标体系管理模式的局限性与企业对指标体系的新需求之间产生激烈“碰撞”，为企业指标应用带来系列挑战。爱分析将企业指标应用面临的挑战总结为四点：1)现有系统无法满足业务人员更精细化、更实时的用数需求。2)IT能力难以适应爆炸式的数据消费的要求。3)管理人员缺少统一的指标查询入口。4)数据治理缺乏有效抓手，数据治理工作很难推进。
03
优化指标体系成企业共识，指标中台提供有效解决方案
实际上，企业正采取积极措施解决指标应用面临的挑战。据调研数据，建设或升级指标分析与管理平台已成为企业共识，77%的企业计划或已经采取行动，85%的企业已明确未来2-3年内将继续对指标体系投入资源。在企业需求的推动下，代表着全新指标体系管理模式和架构的指标中台应运而生，正逐渐被更多企业认可，成为解决企业指标管理问题的“良方”。
图5：调研问卷数据
指标中台是供组织集中管理、存储关键指标的平台，提供统一业务模型、指标管理、指标加工、数据服务于一体的完整的解决方案。指标中台是一种集中组织数据的方式，以可重复的方式访问关键指标，用户可以使用多种应用在下游消费指标。
指标中台并不是一个新概念，以Airbnb、Uber、LinkedIn为代表的国际大型科技公司早已率先将指标中台引入数据平台架构中。如早在2014年，Airbnb就通过Minerva指标应用管理平台实现指标口径统一;2021年，Uber借助uMetric指标中台实现指标生命周期管理，解决指标一致性问题;LinkedIn也将指标应用管理平台作为所有业务指标的单一真实来源。
指标中台的“中台”是连接后台与前台的“中间层”，功能上可根据前台数据消费侧(BI工具、Apps、AI/ML、取数工具等)的需求，将后端(数据仓库/数据湖)的相应数据加工成”数据服务API”，供前端所有系统使用。指标中台提供了一致性、可复用的指标服务。
图6：指标中台在企业数据分析平台中的定位
指标中台在功能规划上包含指标应用、计算引擎和安全运维。其中指标应用包括指标定义、指标可视化、指标质量、指标管理和指标服务等功能;计算引擎应具备海量计算、秒级响应、高 QPS 的特性;安全运维应提供数据安全、实例运维及监控等保障功能。
指标中台的应用将为企业指标管理模式带来深刻转变，如支撑企业实现以指标为核心、数据驱动的数智化管理体系;降低企业用数门槛，赋能业务自主用数;提升数据应用开发效率，以数据敏捷推动业务敏捷;推动企业数据治理。
图7：指标中台架构示意图
指标中台应用场景广泛。据调研数据显示，营销、运营、销售、研发、供应链、生产等场景均是指标应用的重点场景，其中营销、销售和研发更是指标中台的高频应用场景。
图8：指标中台应用场景
虽然指标中台的概念和实践在国内还处于早期阶段，但在供给侧，已经有厂商推出了相关产品和解决方案，其中Kyligence就是一家在中国乃至全球指标中台(Metrics Store)市场中极具代表性的厂商。
Kyligence基于对企业管理理念转变的洞察、自身指标中台技术和丰富的客户落地经验的积累，已经形成指标中台产品及解决方案。
其中，针对大型企业，Kyligence提供企业级指标中台解决方案。该企业级指标中台解决方案由指标管理引擎和指标计算与查询引擎两个组件构成，具备 AI增强分析和高性能查询能力，支持统一语义层，提供全面的API集成接口等核心优势，能全方位增强数据易用性、提升数据开发效率，以及降低企业管数用数的开发运维成本。
针对中小型企业，Kyligence提供指标中台产品Kyligence Zen。Kyligence Zen是基于核心 OLAP 能力打造的指标中台产品，为企业提供整合的、轻量级的、开箱即用的指标中台服务，助力业务用户聚焦指标，实现快速的数据洞察和行动决策。Kyligence Zen底层引擎使用 Serverless 技术，支持ARM架构，能有效节省计算资源TCO。
目前，Kyligence指标中台产品及解决方案已经服务众多国内外客户，包括多家银行、证券、保险、制造以及零售等行业客户，形成了成熟的To B商业模式和完善的客户服务体系。
图9：Kyligence 企业级指标中台解决方案
图10：Kyligence Zen
04
指标中台落地方法论为企业建设指标中台提供理论支持
企业在推进指标中台落地过程中，需要有体系化方法论支撑，以保证建设过程和结果可靠。指标中台落地方法论内容包括指标体系梳理、指标中台建设和指标中台运营三个部分。
图11：指标中台落地方法论
指标体系梳理是指标中台落地的前提，企业需首先对企业各层级、各部门指标进行全面梳理，建立完善的指标体系，指标体系梳理可参考OSM模型、BSC平衡计分卡和北极星指标;
指标中台建设是指标中台落地的核心，企业需选择具备成熟的产品、丰富的落地经验、定制化和本地化服务能力、以及具备信创能力的厂商为合作伙伴;
指标中台运营是指标中台落地后持续发挥数据驱动价值的保障，企业需增加相关部门指标运营职责，配置相应指标管理岗位，为企业指标中台运营提供组织和机制支持。
此外，管理层的支持推动和企业数据文化是贯穿指标中台建设、运营全过程的重要支撑。
