DataOps市场由软件产品和服务组成，现阶段整个市场并未形成统一标准和规范，绝大多数DataOps项目都是基于甲方企业自身需求进行落地，因此，软件产品占比30%左右，大量项目还是以服务为主。大部分DataOps项目是厂商提供核心产品组件，基于实际甲方需求，形成DataOps解决方案。
DataOps市场甲方以金融、制造、能源、消费品与零售等行业为主，主要是以集团型甲方企业和行业头部甲方企业为主，但两者对DataOps的需求略有不同。集团型甲方企业在实际开展数据管理工作时，已经深刻意识到数据管理与数据服务的挑战，正在寻求新的数据管理解决方案。行业头部甲方企业在数字化转型、数据能力建设处于行业前列，数据部门自身有很强烈的创新和探索意愿，愿意尝试更多新的技术方案。
2.DataOps是实现数据驱动业务的关键基础设施
DataOps概念一经出现，就会不断跟数据中台进行比较。爱分析认为，数据中台承载了企业实现数字化转型的长远愿景，DataOps解决了数据驱动业务的实际问题。
2019年至今，数据中台一直备受诟病，建设预期与实际结果之间的巨大落差是大量数据中台项目失败的重要原因之一。很多数据中台项目需求来自企业决策者，并非技术部门或数据部门，数据中台往往承载了企业决策者实现数字化转型的美好预期，不过数字化转型并非一蹴而就，企业在数字化转型中遇到的挑战也不可能完全依靠技术平台来解决。
数据中台建设虽然出现很多负面新闻，但持续数年的数据中台建设对整个数据智能市场发展还是起到了重要推动作用。第一，数据中台在实际企业业务开展中还是发挥了价值，数据驱动业务、数据驱动决策的理念深入人心，越来越多的企业决策者和业务人员重视数据的价值，将数据分析作为一项重要工具。第二， “数据统一管理与共享服务”等理念被大量企业的技术部门和数据部门所接受，越来越多的企业用这套理念来建设自身的数据开发与管理能力。
DataOps的需求多数来自于技术部门或数据部门负责人，解决的是企业开展数据开发管理工作的挑战。当越来越多的业务部门关注数据，基于数据分析来实现业务增长，对企业的技术部门或数据部门而言，最大的挑战是如何基于有限资源，最大化地满足多个业务部门的数据消费需求。
一味地增加人力和预算，并不能从根本上解决这一问题。以某头部互联网公司为例，其数据开发管理团队一度增加到千人规模，但依然无法满足各个业务部门提出的数据需求。技术部门的挑战一定要通过新的数据开发管理服务标准、流程和协作机制来解决，才能满足企业日益增长的数据消费需求。
爱分析认为，实现数据驱动业务在技术架构创新的同时，还需要关注数据与业务之间的协作机制、流程和标准创新，后者是实现数据驱动业务的关键，DataOps重点在解决这一问题。
3.DataOps考验厂商的产品架构能力
与数据湖仓引擎、实时计算引擎不同，DataOps并非技术架构创新，而是产品架构创新。性能是DataOps项目建设的重要指标，但并非最核心指标。大部分DataOps建设面临的问题是，如何实现技术、数据和业务的融合，同时满足三方的需求。
第一，应用开发与数据开发融合。当前大部分企业的应用开发与数据开发还是分开，但越来越多应用都是数字化应用，基于数据驱动的应用，数据开发与应用开发呈现融合态势，如何在满足IT运维、安全等前提下，提升数据开发的效率是一大挑战，特别是集团型企业多数都有很强的合规要求。
第二，业务深度参与数据开发工作。当前业务和数据之间的协作并不紧密，自助式分析等数据分析工具兴起，让业务部门具备自助式数据分析和管理的能力，但大部分数据开发工作业务部门依然没办法深度参与，会导致很多数据开发工作并不能满足业务需求，特别是在当下业务快速迭代的背景下。
基于上述挑战可以看出，每个甲方企业在落地DataOps项目时，一定存在非常大的差异化，但背后要解决的本质问题会非常类似。对于DataOps厂商而言，需要从数据开发管理的全局出发，以终为始，在设计产品架构时要考虑到企业完整需求，才能够应对不同DataOps项目的差异化甲方需求。
DataOps厂商全景报告，应该如何选择？ 
260
0
