Datablau市场开拓延续强劲态势，签约喜讯纷至沓来，近日成功签约宁德时代、澳优乳业、欧冶云商、潍柴动力、远度云等多个数据治理标杆项目，标志着Datablau在新能源、快消、物流链等行业逐步建立领先优势，也为后续进一步开拓新市场奠定了坚实的基础。自成立以来，Datablau积极把握行业发展机遇，积极参与产品国产信创化进程，构建了自主研发的一站式数据治理平台，助力企业加速数字化转型。目前，Datablau已成为数据基础软件领域的重要开拓者之一，着眼未来，Datablau将会继续深耕数据治理领域，紧跟国家大数据战略，为更多行业客户提供优质的产品和服务，赋能更多企业客户激活数据要素价值。

11月24日Datablau成立7周年七载风雨兼程，砥砺前行见证了我们的一路的蓬勃发展7年间从几个人到百人的热血团队从行业开拓者向领航者跨越越来越多拥有共同信念的人融入我们怀揣着改变数据治理之道的梦想一“7”向未来7周年，我想对客户说...从第一波天使客户，到现在服务200+标杆企业从聚焦单一行业，到覆盖金融、制造等10+行业从深耕单一建模产品，到构建领先的一站式数据治理平台...是你们，点燃了Datablau打造世界一流数据治理产品体系的火苗是你们，不离不弃携手Datablau不断迭代更具竞争力的产品，实现跨越式发展是你们，给予支持让Datablau实现了超倍速增长，成为行业佼佼者七年同行，感谢你们陪伴成长我们终将不负“7”望7周年，我想对Datablau家人们说...7年前，一间几平米的共享办公室孕育出一个热血奋进的Datablau团队7年间，Datablau成长为百余人的国家高新技术企业收获了无数的奖项、荣誉和掌声7年后，不忘初心始终拥抱数字技术为更多企业数字化升级奠定坚实的根基...是你们，坚持自研不断突破技术壁垒，打造出色的数据治理全生命周期产品是你们，细心洞察打磨差异化行业解决方案，满足不同行业客户数据治理需求是你们，耐心细致高效服务客户，赢得客户一致好评七年同行，感谢你们辛苦付出我们终将一“7”创造新奇迹7周年，我想对生态伙伴说...生态赋能始终是Datablau快速发展的重要一环Datablau积极提升与生态伙伴的合作效率携手打造共享、共生、共赢”合作生态圈共同推动客户的数智化升级...是你们，坚定选择与Datablau共建产品与解决方案，共同服务广大客户是你们，携手Datablau实现国产化兼容性互认证，共同丰富和完善国产信创生态体系是你们，充分理解和信任Datablau产品和服务能力，共同探索和开拓市场七年同行，感谢你们携手共进我们终将一“7”同行7周年，我想对投资方说...今年，在整个资本低落的大环境下Datablau凭借出色的市场占有率和业绩表现依旧荣获资本青睐，顺利完成B+轮融资累计完成了五轮融资，剑指上市...是你们，在Datablau还是一个小树苗时慧眼识珠，倾囊相助是你们，在Datablau快速拓展市场时全力护航，赋能增长是你们，在Datablau成长参天大树的路上阳光雨露，共话星辰大海七年同行，感谢你们坚定信任我们终将意“7”风发 

近日，Datablau数语科技宣布完成B1轮融资。本轮融资由考拉基金领投，老股东线性资本继续跟投，指数资本担任独家财务顾问。本轮融资后，Datablau将进一步加速重点产业布局，构建基于大模型的数据资产智能平台，将AI与数据治理核心业务场景融合。此外，Datablau也已制定了上市的计划。Datablau创始人&CEO王琤表示：“在宏观经济环境低迷的情况下，Datablau保持强力增长，2022年增长率达到180%，2023年上半年仍然保持超过100%的高速增长。一方面由于国家大力推进数据要素和数据交流，持续强化数据资产的重要性，激活数据治理需求。各行业都需要通过数字化转型来降本增效、开源节流、甚至进行业务变革。这些都需要通过数据治理这种基础设施将基础打牢。另一方面，打铁还需自身硬，好产品是硬通货，企业的生存力最终还是靠产品与技术去赢得市场和消费者，去保护企业的利润率，获得充足的现金流，Datablau始终强调专业技术上做到极致、产品服务的创新，寻求有质量的增长，回归到商业的本质上来。在资本环境遇冷、大部分投资机构躺平的情况下，Datablau与考拉基金、线性资本的本轮融资，是大数据、企业服务、软件赛道的一道亮丽风景。Datablau将在“数据治理赋能企业数字化转型”的道路上继续兢兢业业，脚踏实地，帮助企业通过数据治理实现高质量数据资产管理产品及服务，持续驱动全社会数字化转型的发展与进步。”考拉基金合伙人戴巍表示：“我们长期关注数字化带来的投资机会，而数据治理是数字化建设的基础需求之一。Datablau拥有先进的理念和丰富的经验，并打造出了标准化程度很高的产品矩阵，特别是其独有的数据建模工具，有望成为企业客户数据治理的核心基础设施。我们相信Datablau能够凭借其对数据治理的深刻理解和极具竞争力的产品，持续为客户的数字化建设提供优质产品和服务，保持在行业中的领先地位。”线性资本董事总经理郑灿表示：“过去三年里我们看到了公司的飞速成长，产品得到不断升级，业务也得到良好发展。我们相信作为中国数据治理的一家领袖企业，数语能够更好地帮助大量的中国企业真正地理解和利用数据，做到数据驱动业务运营。”本轮融资独家财务顾问指数资本董事总经理韦炜表示：“数据已经晋升为现代企业的核心生产资料，进而推动数据治理需求的井喷。Datablau团队作为行业领导者，依托先进的产品理念和扎实的技术基础，为各行业头部客户打造了标准化的全栈数据治理平台，全方位提升数据治理能力。在经济、资本环境充满挑战的环境下，公司逆势实现业绩、融资的快速突破也证明了赛道与业务的强确定性。”对于Datablau本轮成功融资，老股东中经合也表达了祝贺和对公司未来发展的期待。中经合VP于晓峰表示：“数字智能化是中经合关注的重点方向之一，作为关键性生产要素的数据能力正逐步成为企业未来的核心竞争力，这就体现了数据治理能力的重要性。Datablau作为该领域的先行者，具备对行业的深刻理解和技术积累，并已形成一站式的数据治理解决方案，通过全链路的数据管理能力，助力企业实现高效的数据生产，高质的数据管理以及高智能化的数据使用。我们将继续支持公司为更多企业的数字化转型赋能。”Datablau是国内数据治理领域的开拓者和引领者，创新性地推出了以数据模型为核心的新一代数据治理产品体系，真正实现了从源到端的一体化数据治理。基于企业的实际痛点和需求驱动，Datablau不断完善和升级产品和轻咨询服务，2023年发布了Datablau DDM 6.5 (数据模型管控平台)、DAM 6.5 (数据资产管理平台)、DDC 6.5 (数据资产目录服务平台)、DDS 6.5 (数据安全管理平台)等系列产品及咨询实施服务，打造了从事前模型管控，到事后数据资产盘点，再到数据资产价值输出的全栈式数据治理产品和服务矩阵，构建了一站式、智能化的数据治理解决方案，全力护航企业数字化之路行稳致远。Datablau始终坚持以技术创新释放数据要素价值，持续赋能企业客户加速数字化转型，提升企业运营效率，释放新业务增长潜能。历经六年多的实践和探索，Datablau业务持续高速拓展，已深入服务泛金融、智能制造、能源、物流、教育、政府等众多行业，帮助200+大型企业客户实现了以数据治理驱动的数据服务能力，助力企业不断保持业务创新，实现可持续发展。正是凭借在产品技术领域的创新和商业落地优势，Datablau多次脱颖而出获得国际权威机构的认可，成功入选Gartner 《Hype Cycle for Data, Analytics and AI in China, 2023》数据资产管理代表厂商，同时也是亚太区域Forrester NowTech全球MLDC（基于机器学习的数据资产目录）唯一入选的厂商。着眼未来，Datablau将继续加大研发投入，探索AIGC时代数据治理的变革技术，并将这些技术与企业客户的场景结合，通过创新的产品和服务持续为企业创造价值！

最近Data Fabric、Data Mesh、DataOps等话题非常火。其实，信息供应链谈的也是同样的东西，那就是如何将数据治理与数据集成整合在一起的解决方案。下图虽然简单但涵盖了非常大的信息量。将4A架构进行了拆解，应用架构与技术架构主要是支撑业务，业务架构与数据架构驱动企业进行数字化变革，在这个过程中靠数据架构打通数据与业务。下面讲述如何设计一个数据产品。类似敏捷开发的Use Case设计，数据产品的设计也可以用一张画布来展示，包括数据产品的输入、输出接口设计，元数据设计，使用场景设计等。接下来是一个具体的数据产品的画布例子。《设备错误修复》这样一个数据产品，输入是IoT数据，通过过滤与加工，捕获异常数据，并进行修复。回到信息供应链，从经典的Bill Inmon数仓体系，从贴源层到数仓到数据集市也在逐步升级，越来越多数仓模型采用更为灵活的Data Vault模型。数据集市变化更大，除了传统的维度模型支撑BI报表和数据可视化，也输出面向数据挖掘平台的数据资产目录，面向AI的知识图谱，面向SOA的流式数据输出等。 最后我们看一下信息供应链全景图第一：数据产品的设计，包括数据产品业务需求（Use Case）设计和数据模型设计（业务逻辑模型）第二：从数据生产到数据消息，中间分为三层：贴源层、中间层Data Vault、信息访问层（多种形态） 总结一下，信息供应链的核心是数据产品，数据产品的核心是设计（业务需求与数据模型）。

今天有幸给大家分享一下，我在前不久参加刚刚召开的EDW2023的一些内容。考虑到分享内容是原汁原味的，所以很多PPT就用的原始英文版。我会给予相应的讲解。EDW大会全称Enterprise Data World，是DAMA International（国际数据管理协会）的年度峰会，由Dataversity主办，是最全面的关于数据和信息管理的全球会议，至今已举办26届。EDW期待什么：为期5天的会2天的深入教程和研讨会50多个案例研究200小时的教育行业专家和从业者专业认证（CDMP）培训和测试1,000多名与会者介绍高级主题最佳实践尖端技术展厅和新产品展示EDW的参与者：由下图可以看出，也是以大型企业为主。各行业都有参与，金融、能源、制造、零售、政府等，与国内情况类似。 这是一些EDW的演讲者，我们熟悉的行业大咖Robert Seiner，《数据质量十步法》的作者Danette Mcgilvray, John O’Brien, Donna Burbank, Peter Aiken。EDW2023在洛杉矶的Anaheim举办，著名的Disney Land就在旁边。我是唯一一位从中国来参加EDW2023的，也是唯一一位华人演讲者。所以今天给大家讲讲EDW2023的见闻及数据治理的国际趋势。（EDW2023开幕式）下图是我在EDW2023的演讲现场，演讲内容是关于数据模型管控与DataOps，现场座无虚席，大家听的很专注，时不时有人提问题讨论，演讲之后有很多人也过来找我单独讨论，对我的演讲很认可，我很有信心的讲我们的数据模型管控解决方案在国际上是很先进的。下面，我会精简四个EDW2023的演讲主题。第一个是《数据战略与数据治理》，由大咖Donna Burbank演讲， Donna是我的老同事、老朋友，曾任Erwin产品营销VP，我们之前经常一块出差。在本次DAMA中国数据管理峰会上，DAMA国际副主席Marilu Lopez也分享了数据战略的主题演讲。数据战略这个话题比较泛，Donna的演讲很诙谐，我觉得值得拿出来分享一下。定位业务场景是数据战略的首要任务。业务场景无非是在降本、增效、合规、安全这几个大的方向里面找，根据企业的实际情况。其次，如何将数据治理通俗化，你可以先拿家里人做练习，听听非专业人士如何理解数据，试试如何说服他，把数据治理的价值灌输给他。因此，数据战略的推进执行更多需要的是业务视角和通俗化，而不是专业大佬。像下面这张图，数据架构师在大声疾呼“你的数据模型不是三范式将会世界末日”这显然不适合数据战略的宣导。业务高管都是结果导向，跟他们的沟通要简单直接，像“将客户数据与产品使用数据关联，可以提高销售额”，直接讲数据对业务的帮助。可见，西方数据治理发展了40年，仍然需要不断地将数据治理通俗化、业务导向的宣贯。经典的2分钟电梯营销。当你跟CEO在电梯偶遇，你如何介绍你的项目给CEO? 讲“跨数据源的元数据采集，确保一致性”？显然CEO不知道你在说什么。 “获取线上营销活动的客户画像”，CEO听了兴奋点就来了，数据治理继续加大投入！所以，我们做数据治理的人还要学会将其通俗化，跟专业外的人士交流，尽量通俗化，讲业务场景。先将更多的人拉入自己阵营，而不是高高在上的专业老学究，与别人无法对话。团结了利益相关方，我们就可以逐步开展体系性数据治理。 “胡萝卜加大棒”、“阴阳”，一方面管控，一方面共同决策（拉着干活）。除了战略，相关制度、组织架构、衡量标准、平台工具都是需要搭建的。 下面的文化和沟通是重要基础，需要不断地培训和宣贯。这是细化的关键步骤，大家可以参照一下自己企业的数据战略进行补充。

01数据资产中的数据治理随着数据资源被提高到数据资产的高度，数据治理成为确保有效管理和利用数据资产的一组流程和技术，而数据资产目录是包含企业数据资产的全息描述信息的存储库，并充当有效管理数据资产的（逻辑上的）单一事实来源。组织中的分析师和数据科学家有效地使用数据资产目录来回答业务问题，数据治理专员通过数据资产目录实施数据治理策略，并促进数据的正确使用。通过资产目录发布的数据资产，通过以下数据治理能力达成资产认证：数据质量保障 ：数据资产是在有效数据质量监控下的有效数据，通过业务规则承袭，业务用数需求等建设数据治理度量规则，确保用户在使用数据时，或者数据管道搬运数据时，系统把数据质量问题及时提醒数据分析师，以便评估数据质量对数据分析的可用性。权威源头认证：数据资产目录帮助我们识别哪些数据集是数据的权威源头，并通过认证的方式发布资产，并跟踪数据所有权和认证随时间的变化。数据分类分级：数据安全治理要求根据数据敏感度、PII 以及其他关键元数据对数据进行数据安全的分类分级。数据安全等级是数据资产如何共享和流通的依据，是数据资产必备的属性。数据血脉关系：在使用数据集之前，分析师必须首先了解基础数据的来源。数据血缘关系图是对数据来源的可视化展示，为数据集成建立了完整的数据加工流向说明，可以帮助用户确定数据是否具有正确信息，以帮助回答特定业务问题。指标与标准：如果一个组织对关键企业指标和业务属性没有一套一致的定义，那么随着时间的推移，不同的分析师总是会使用一组不同的规则来衡量同一个指标。这种不一致给企业带来了一组相互矛盾的分析结果，并导致对数据缺乏信任。其它重要信息：使用情况统计信息是从基础 BI 工具中收集的，并在数据治理工具中呈现给用户。这些统计信息标识了业务用户对每个数据集的使用程度，并由业务用户来确定哪些数据集在用户群中获得了使用，哪些数据集则尚未发掘业务应用。02数据资产与企业级BI数据资产目录提供的丰富业务元数据，对于数据分析师和数据科学家来说是非常宝贵的，因为他们可以了解更多的数据上下文信息，并决定在分析中使用哪些现有资产。不过，只靠这个工具还不能完全满足组织的完整治理需求，因为它们无法支持企业中所有数据使用者的需求。典型的业务用户不会将数据目录工具用作其日常工作的一部分，市场上的BI和分析工具通常没有与数据资产进行有效集成，用户不会从其中包含的大量信息中受益。因此，许多组织都难以从维护这些工具中的治理数据所需的大量持续投资中实现业务价值。另一方面，随着数据管理的发展，企业级BI成为企业数据管理要求，越来越多的企业要求数据分析在数据安全可靠，可管可控的背景下开展：数据安全和合规性： 受管理的BI解决方案包括强大的数据安全措施，以确保敏感数据的保护。这有助于确保企业数据不会被未经授权的人访问。此外，它还有助于确保企业符合法规和合规性要求，如数据安全法，个保法等。数据整合和质量控制： 受管理的企业级BI解决方案通常包括数据整合和质量控制功能，以确保数据的一致性和准确性。这有助于减少数据错误和冗余，提高数据可信度。用户权限和访问控制： 受管理的企业级BI解决方案允许企业管理员配置用户权限和访问控制，以确保只有授权人员能够访问特定数据和报表。这有助于保护数据的安全性。综上所述，数据资产的治理和BI可视化分析是相辅相成的关系，将两者结合起来，可以让BI的自服务能力更强，惠及更多业务用户。同时也让数据治理有的放矢，数据资产落地可用，发挥数据治理的显性价值。下面我分享一下Datablau的探索。03数据分析治理一体化方案（即D&A治理方案）数据与分析（D&A）治理方案是一种组织内部的框架和策略，用于确保数据和分析活动在组织内部有效管理、保护和利用。一个健全的D&A治理方案有助于确保数据的质量、合规性、安全性和可用性，以支持决策制定和业务运营。整个方案涉在产品和工具上，主要达到这几个点：3.1 数据视图统一数据资产的统一编目，可以按照业务的架构关系或者分析主题，将数据进行分类，非常便于用户找到有用的数据。BI工具中通常从数据库中采集到的元数据，是没有业务视角的技术元数据，业务用户需要在技术人员的帮助下，将数据进行分类并进行补全，这在一个企业级发生时，对企业整体分析造成很大的阻碍，不利于数据驱动的数据分析。在我们的产品中，通过BI的接口，我们将元数据的业务语义等信息写入BI数据集中，并将数据目录和数据权限信息同步到用户视角之下，这对于最终用户是非常好的体验，也是数据治理组织应该赋能的方式。                                                                                               (以FineBI和YonghongBI为例)3.2 数据权限统一数据安全与合规是企业级数据管理的关键要求。在数据资产的定义中，完善了数据的所有者，技术管理者，参与者等干系人信息。同时也定义了数据的安全类别和等级。最后我们需要定义数据和组织间的数据访问策略和授权体系，这使得数据具备了标准化的流通和共享，同时在安全体系的审计和监控之下。传统BI应用都采用了主题集市，这是一个分布式的以部门为单位的数据使用模式。这种模式之下，数据的授权和复制是很难追踪的。现在企业的数据授权，大多是基于权限电子流的授权体系，这在数据比较少的情况下，还可以运转，但是一旦多到授权部门无法执行的地步，我们可能会被迫放松甚至放开数据权限的管理。这在过去很多企业都发生过。根据这些痛点，Datablau发布了基于企业岗权体系统一数据访问的方案。                                                                          （基于岗权体系的数据授权与访问）在这个方案中，个人对数据的访问，完全由所在岗位决定。数据的权限粒度到行级和列级，按照对岗位的授权，进行RBAC粒度的权限绑定。最后数据的访问完全由数据网关进行控制。这个方案的优点是管理简单，融入到岗位体系中。最终用户无感知，权限约束由数据网关完成。                                                                                                          （数据网关技术架构）3.3 建立可用数据资产开发流程数据资产的可用性（Availebility）是保持数据资产活力的重要指标。业界过去进行了大量的数据资产盘点的工作，对数据的业务实体进行了整合定义（参见华为L3-L4实体定义），这对于推动业务对数据的理解和管理，数据的业务化连接等方面起很大的作用。然而这对于本文的数据资产与企业BI的一体化运营，还是远远不够的。此项工作的问题主要是盘点的数据资产是一个初级产品，距离可交付的数据产品，还需要大量的工作。在我们的实践中，将数据资产的逻辑层盘点和数据交付进行了拉通，确保发布到BI的数据资产是可应用的数据，并对此进行的专项管理。通过对数据资产的分类，我们将数据资产分为物理态，逻辑态，以及可交付。通过将数据资产和BI数据交付融入到一个体系中，更好的服务了用户。也是我们践行主动数据治理的理念，发挥数据治理的价值。04总结BI工具是我们业务部门最重要的数据分析工具，通过这个集成方案，达到数据资产的赋能，更有利于提高业务部门数据分析能力。同时这也是数据治理非常好的机会，融治于用的主动治理方法，让数据治理价值显性化，提高了组织的业务可连接性。Datablau的产品矩阵和解决方案，为以上方案提供支撑，经过数个案例验证，取得不错效果，希望对您有借鉴意义。