企业在构建数据应用时，经常遇到业务部门和 IT 部门，在核心目标方面存在某些冲突。IT 部门更专注于稳定性、可重复性、效率和运营风险管理，而业务部门更专注于速度、敏捷性、灵活性和业务风险。

IT 团队负责通过采用适当的安全性和可恢复性的做法，以最小风险的方式来实现技术部署及企业数据管理（同时满足成本控制）。

业务部门则负责以可衡量的指标来实现企业发展经营等目标，如在规定的周期内获得的收入增长比率。这些目标有时通过具体项目实现的，而这些项目需要借助数据分析来衡量成功度，如大屏展示、驾驶舱、分析看板、机器学习、深度学习等技术。在许多项目里，开始时都是推测性的，即需要某种程度的探索能力和预测来定义业务和技术要求。

但矛盾的是，IT 部门对需求的要求是非常明确的，以此保证为新的业务规划数据和技术能力的相应支撑，同时 IT 部门还必须考虑新建的业务能力不会对生产中运行的任何已有的流程产生不良影响。所以如果业务部门无法明确新的业务场景需求，那么 IT 部门又如何能保证实现的效果呢？

大部分情况下，业务部门无法及时提供所有明确的需求，因此业务部门需要一些业务探索过程。并且在他们探索过程中，不断的验证或推翻之前提出的一些业务假设，并决定业务活动的继续进行或及时止损。业务部门希望尽快试错，然后开始测试另一种方法、甚至不同的业务场景。

当业务部门创建有价值可重复的分析过程/指标时，我们称之为“可重复分析”。好处是这些分析可以满足明确定义的需求；但坏处是它是在沙盒中编写并运行的。这个时候，业务部门希望 IT 部门将其转移到生产环境中，或者直接投入生产环境中，业务的关注点很可能已经开始准备下一个分析场景，冲突由此开始。

认知这个冲突，可以帮助我们更全面地理解这个问题。其中没有人有错，而且他们双方都只专注于实现自己的目标。在我们看来，他们的冲突正在僵持，但依然存在解决办法。

01 灵活性

基于自助式分析能力述求，选择最合适的软件资源（BI 工具、开发语言和智能技术等）的能力，加快用户的洞察力、并最大程度地减少运营工作。

在解决矛盾的同时实现工具、语言和知识的灵活性

业务和 IT 部门有着不一样的需求。当 IT 部门能够帮助企业以自助服务方式运行并配备适当的工具时，企业就可以更快地进行创新以寻找新的洞察。在许多业务用户了解到学习和使用最新工具语言和数据库会提高他们达成业绩的能力时，他们都接受了这个想法。业务用户有时希望获得更高的自由度和灵活性，却并不总是了解灵活性对于生产环境稳定性的影响。通常，业务用户希望使用工具的最新版本，而 IT 部门则希望确保生产环境中使用的是经过测试的稳定版本，防止出现意外的中断或故障报修。

IT 部门的关键职责在于通过评估工具、语言和库来打好稳定的基础，确保这些工具是可以满足业务需求的最佳工具。IT 确保这些组件对业务需求具有战略意义，并且可以进行长期可行的、成本合理的维护。

IT 部门还需要合理化部署生产环境的技术实现，确保一致的产品版本控制、技术架构可支持、灾难恢复和整体可管理性。底线是：一项关键的 IT 功能可以支持业务，并且可以通过长期系统可用性的方式、确保满足所有业务用户的需求。

业务需求：

1、利用各种 BI 工具，开发语言，智能技术进行分析；

2、以自助方式提高效率；

3、正规和自定义的培训。

IT 需求：

1、确保生产和探索环境可访问，可持续，可伸缩及可维护；

2、评估可用性，成本，实施路线，并有效性的支持生产工作负载技术。

图片

02 推荐建议

为了保证灵活性而不造成混乱，我们建议业务和 IT 部门同时听取以下建议：

IT 部门注意：

1、IT 部门需要研究并搭建可以在生产环境中提供支持的授权分析工具、编程语言和可沉淀知识的技术。这项工作应该与业务协同进行，以确保满足业务需求。

2、IT 负责将沙盒数据和分析应用部署到生产环境中，运营化。

3、无论谁发起的新技术引入，IT 应尽早的参与甚至主动相应的评估。

4、基于用户中心合作，提供技术培训支持 IT。

业务部门注意：

1、尽早与 IT 合作，参与大数据分析应用的技术实现，以加快评估过程。

2、建立基于用户为中心，从而开展协作、并推荐自助服务培训材料。

3、尽可能利用生产授权技术，加快 IT 部门将分析应用于生产的能力。

4、在选择未经授权的技术时，应由业务方自行决定，但是，业务方应采取 IT 侧的建议。如果业务部门未采用建议，那么 IT 部门的运营化工作可能需要更长的时间，或者可能需要重头再来。

5、允许业务用户将自己的工具、语言和库带入自己的沙盒中，但必须明确只能用于探索实验，并且不能直接把生成的分析部署生产环境中。

灵活性是大数据应用创新的关键一步，它让用户能够使用各种现代工具来满足他们的分析需求。

用友数据中台，提供企业数据应用创新核心能力-灵活性。

基于数据湖的技术底座，为企业提供快速，敏捷的数据集成，存储，计算能力。同时基于数据工厂为企业带来全方位的数据治理，应用开发能力。为 IT 部门(大数据中心)提供全方位的数据运营能力，同时借助智能分析提供为业务部门的业务探索提供灵活支撑，解决了业务部门和 IT 部门的建设过程的所面临的问题。