这是芃篙君的第318篇原创
本文适合软件行业的朋友。大概1500字，阅读需要5分钟。
我们上周讨论了一些数据化相关的观点，可能是”杂谈“这个名字没有什么吸引力，阅读量又创新低。不过这并不影响我们继续在数据化的角度展开更多的讨论。希望”杂谈（二）“，能比它的兄弟篇表现得好一点。
芃篙这两年在数据这方便着实下了一些功夫，致力于把数据相关的信息差抹平，建立一个跨团队的、多维度的数据获取和分析体系，同时挖掘更多数据分析的应用场景，让数据可以支持一些业务决策。对于一个业务团队的技术管理者来说，表面上看，多少是有点”不务正业“。但是，对于一个组织结构比较成熟的团队来说，个人认为，其实没有比这个，更务正业的事情了。
数据的事情折腾得久了，就会发现，数据化应用其实是一种基建操作。这里的基建，并不是单纯指需要开发一个数据获取、分析和呈现的平台。而是基于这些基本的内部软件平台，来做更广泛的数据关联、并得以支持业务决策这类数据应用。
为什么这样讲？通用的数据平台，一般而言只能得到通用的数据。而具体的数据分析场景，往往需要二次整合分析；而场景和场景之间的关联性，在场景积累得足够多之后，就会有一种可复用的趋势。形成一种数据应用层面的基础建设的效果。
数据化平台是一种技术基建，数据化应用也可以认为是一种技术基建。技术基建的特点是啥，是从成本投入来讲，更倾向于技术团队本身的成本投入。
讲到成本，这年头就要聊一聊价值。无论是数据化平台还是应用，如果建设了之后没有用，那就完全没有价值。从平台的角度来讲，没有人用，那也无从迭代和优化，渐渐地就走向”仅维护“的状态；从应用的角度来讲，没有实际的场景来共用，那么积累的二次数据分析能力，也会渐渐失效。
所以，任何基建都需要有人用来证明价值。越来越多的应用场景，才能让基建越来越完善、对应的建设成本也就越来越低。也就是说，一旦开启了数据化基建，那么就应该抓到更多的价值点持续做下去，而不是作为一时的绩效方向，拿到好的绩效就放掉，这样的做法是短视的。
从持续性的数据应用建设来讲，大概有这么几个特点。
首先是，数据的全局性。是讲数据可以从更广泛维度去考虑需要的属性有哪些，在更多维度上建立起数据的连接，才能够发掘更多的数据分析价值点。它可能对应的是多团队业务上的连接，也可能对应的是从技术到业务上的连接，也可能是从生产效率到客户响应之间的连接。当数据的全局性逐渐建立起来的时候，尤其要注意的是权限管理和数据安全。因为当庞大的数据网络关联在一起，能够呈现的维度会越来越与企业的商业机密相关，所以需要做好数据可见性的限制。
然后是，数据应用场景的共建性。当数据维度足够丰富时，某种程度上，应用场景是跨团队的。从基建的角度，我们欢迎更多的、更有实际需要的数据分析应用场景出现。因为只有这样，基础的数据分析才会迸发出更大的价值。所以，很关键的点是，不要被康威定律约束。其他团队的数据应用需求，也值得我们投入足够的精力去做共建。我们是某种客户和提供客户服务的角色关系，而不是简单的兄弟团队的关系。
最后是，数据应用建设的持续性。持续性在于需要持续团结更多的力量，持续找到更典型的应用场景，得到持续的数据应用价值。最终形成一个”数据飞轮“的状态，让数据在应用分析维度，得到越来越广泛的应用，同时支持业务决策可以越来越有数据化支持后的章法，间接让业务结果越来越走向正轨。
相关链接
关注芃篙君⬇️，每日获取思考与践行的认知更新...
可获取软考备考资料；
亦可加微信探讨开发者、职场与管理、IoT行业等话题；
共同成长，穿越周期！
