信通院云大所发布《DataOps实践指南2.0》，加速DataOps落地

5月16日消息（水易）近日，在由中国通信标准化协会主办，中关村科学城管委会支持、中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)承办的“2024DataOps发展大会”上，中国信息通信研究院云计算与大数据研究所大数据与智能化部主任姜春宇正式发布了《DataOps实践指南2.0》。

姜春宇介绍，《DataOps实践指南2.0》从能力框架解读、实践初探、典型误区及未来展望几个方向指引企业进行DataOps落地应用，从而更高效地发挥数据价值，进一步优化企业运行效能。

姜春宇表示，数据驱动时代，业务需求快速变化，数据处理流程纷繁复杂，企业必须处理好旺盛数据需求与数据生产力不足之间的矛盾，革新数据开发流程，加大数据供给力度，从而更好地响应需求、赋能业务发展。人人用数的场景下，传统数据开发范式开始出现效率瓶颈，需要引入敏捷、协作、精益等新的理念以寻求变革。

DataOps作为一种新的数据开发模式，通过构建高效协同机制，建立精细化数据运营体系，打造规范化、一体化的数据开发流程，实现数据产品高质量与高效率地交付。

DataOps能力模型围绕数据开发流水线，从业务需求出发，以创造业务价值为目标，形成"4+3”的能力框架，即4个核心环节和3项实践保障。数据开发流水线包括数据的研发管理、交付管理、数据运维和价值运营，保障职能用于支撑流水线顺畅运行，包括系统工具、组织管理和安全管控。

目前，越来越多的企业开始意识到数据作为核心资产的价值，着力于通过DataOps改善数据开发流程，提升数据质量，加速数据流动，并促进数据在产品开发和消费端的高效利用。在工作组对企业实践的广泛调研中发现，企业在实践DataOps理念的过程中展现出了不同的建设特点，从敏捷数据开发能力建设、数据文化渗透、跨域协同优化、数据研发治理流水线搭建四个方面总结了四大特征，分析了DataOps建设现状。

不过，DataOps作为一种新的数据开发范式正在越来越多的行业和企业中落地，但在实施过程中也面临重重困难，以及一系列误区。包括盲目跟风，没有“量体裁衣”；决策机制模糊，导致资源浪费或投入不足；过度依赖技术解决所有问题；追求短期收益。实践指南分别给出急用先行，把握节奏；定权责、常沟通、重反馈、建流程、勤宣贯；业务导向，“组织、流程、技术”三位一体共同推进；长短结合，久久为功，控制预期，革新认知的解决思路。

姜春宇表示，经过2、3年的实践，国内DataOps体系逐步完善起来，然而DataOps仍然还在发展变化中，一方面通用人工智能的发展为DataOps注入了智能化的血液，另一方面数据估值与资产化对DataOps的能力提出新的要求。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。