随着国家对大数据和人工智能的相关政策出台，各行各业都希望以此提升新质生产力，因而大数据中心部门也日显重要。大数据中心在促进跨部门数据要素流通、为业务部门提供融合数据产品服务等方面具有极大的价值和权威性。业务部门如果要开展新型业务系统建设，在硬软系统资源、数据申请以及预算审批方面，都对大数据中心也有一定的依赖性。这对社会资源的集约，跨部门以及跨行业数据共享都有这非常积极的意义。但是，也不能忽略由此产生的现实问题。

  （1），大数据中心承建业务应用系统建设压力过大。大数据中心如果超越职能，去承担多个业务部门应用系统建设，那不仅仅是考验其对条线业务的熟悉，更难的是，从系统运行到工作落地的机制方面，会涉及很多资源的挑战，比如人、物、事、组织、地多方面资源困难。

  （2），业务部门缺少新形势下的系统和数据处理资源。由于业务部门同样有提升新质生产力业务建设的需求，但是在建设方面对大数据中心有一定的依赖性。所以，急需要大数据中心为业务部门技术赋能。 大数据中心已经为业务部门提供了算力、操作系统、数据库以及数据共享，那么除此之外，还能为业务部门做哪些赋能呢？

1. 提供自动化数据编目与归集系统

  在我们其他章节讲道，前置机是源业务系统与大数据中心之间的桥梁，而前置机采用的是分布式多租户集群。

  由于大数据中心需要从业务部门获取数据，比较安全稳妥的方案，就是为业务部门分配各自独立运行的前置机，前置机上运行的自动化数据编目和归集系统，是由业务部门自行操作和管理，这不仅仅为了给大数据中心提供数据，也是业务部门了解自己各个应用系统编目底数，实现各应用系统之间数据传输、数据迁移的工具。

  自动化数据编目与归集系统能兼容众多数据库版本，并实现文件传输，以及通过API接口采集数据，这对众多业务部门有很强的普适性。而且使用门槛很低，容易上手，这将大大减少业务部门的基础数据汇集工作，不需要再依赖外包服务力量来处理，减少成本投入。

2．为源业务数据进行质量检查，定期出具质检报告

  大数据中心对业务们的数据质量、数据绩效有一定的考核，而考核需要客观依据，这个客观依据，就是来自于数据质检系统的检查报告。

  既然大数据中心能检查业务部门的数据质量，何不将检查发现的脏数据以及清洗后的干净数据返还给业务部门呢？ 这样便于让业务部门直接发现数据质量问题，而且能获得更加干净的数据，从而提升业务应用的质量。

3．为专题库建设提供全功能型连接器

  全功能型连接器是“可信数据空间”中的概念，它的内涵就是数据运营方向使用方提供的具有完整处理能力的项目空间。这个项目空间是可以完全独立运维的体系，而不是复用了数据运营方的软件。如果有5个这样的项目空间，就是5套独立的软件体系，而不是逻辑分开、事实上只是共用了一体项目空间软件。

  新的业务需求，驱动业务部门需要建设自己的专题库，专题库不同于主题库，专题库是业务部门自身来建设落地。很多大数据中心为业务部门提供的专题库赋能可能只是一套数据库，由于权限问题、性能问题以及安全问题，很难复用大数据中心的数据中台软件。由于不能重复建设一套属于自己专用的称为“数据中台”软件，业务部门就缺少功能齐全、运行效率高的数据处理软件。就算能重复建设，又如何保证能与大数据中心标准一致，并且新项目的数据产品能按要求按权限共享给大数据中心和其他业务部门呢？

  因而，我们建议，大数据中心需要为业务部门赋能完整的数据处理能力。业务部门不仅仅能向大数据中心申请数据，也可以申请全功能型连接器（独立的项目开发空间）。 大数据中心审批通过后，可以为业务部门一键分发和自动部署一套全功能型连接器，也就是一套完整的项目空间自带了完整的数据处理软件。

对比：

4. 流程分析

  （1）数据来源与集成：前置机集群采用多租户体系，独立让业务单位自行完成自动编目与归集。

  （2）数据质量检验：大数据中心对前置机数据进行质检。若数据合格，将进入一体化平台数据湖；不合格的数据进入到脏数据库，并返还给源业务单位。同时大数据中心对脏数据进行数据清洗重新入湖，确保数据质量符合要求。

  （3）请求沙盒：业务单位通过“申请沙盒” 提出需求。

  （4）沙盒分配：审批通过后，大数据中心依据需求动态分配功能沙盒。功能沙盒是自动部署，并经统一身份认证后自动开通账号。沙盒具有时效性管理，支持定期回收。

  （5）输出：全功能沙盒包含了数据集成、数据开发、数据脱敏和数据服务的整体能力。业务单位自行完成数据处理与个性化需求建设。形成的源资产编目、数据产品再次输出给大数据中心。

  手机端请关注公众号：数据集成服务

  加入讨论群：