大數據資產管理平臺設計與研發(fā)

1、大數據資產管理平臺設計與研發(fā)技術創(chuàng)新，變革未來目 錄Contents背景概述 (06P)01關鍵挑戰(zhàn) (04P)02詳細介紹 (23P)03整體總結 (01P)042020數據倉庫 DataWarehouse 1991大數據平臺 BigData 2012數據中樞？ 云數據倉庫？ LakeHouse? DataOps？ 2019數據中臺 DataLake 2015數據處理技術演進與行業(yè)趨勢數據資產定義：一切皆數據，數據是一切廣義概念企業(yè)生產經營中產生的信息及其載體都屬于數據資產。狹義概念可確定歸屬權，且能被交易、使用的 數據。數據資產哪些是數據資產？各業(yè)務域和數據域在數據生產消費過程中形成的數據

2、沉淀及其載體都是數據資產。存儲過程表KPI報表標簽函數主機集群頁面應用系統(tǒng)2020指標模型ETL任務字段視圖數據庫數據過程業(yè)務設備大數據資產管理平臺邊界：數據業(yè)務數據平臺基礎設施（基礎算力+大數據&微服務&容器云&云原生等技術底座）數據中臺數據中臺數據組織數據倉庫平臺數據資產管理數據治理體系數據科學能力C？2020A？B？數據資產管理 VS 數據治理 VS DataOps ?數據中臺落地實踐過程中的加速器，數據平臺開發(fā)運維和數據治理活動實施的潤滑劑，數據科學建模分析和數據資產運營管理價值化的催化劑。關于數據資產管理整體框架與方法論理論基石數據治理項目實施總體原則數據管理體系數據質量優(yōu)化戰(zhàn)略高度

3、：制定公司 數據治理基本原則、 管理辦法、文化導向合規(guī)運營：DS+DTS/ DCT多元業(yè)務安全要求監(jiān)督審計：制定各業(yè)務 條線、組織監(jiān)督機制和 審計要求建立企業(yè)數據戰(zhàn)略規(guī)范數據管理制度支撐數據標準、數據質 量、數據安全、數據模 型、生命周期、數據應 用等各領域治理要求明確數據質量管理目標明確對質量監(jiān)控體系、 檢查制度、整改機制以 及考評體系的建設要求持續(xù)提升能力開放業(yè)務 租戶運營水平數據智能科技 服務專家深挖運營商數據服務內在價值 轉型DS+DTS/DCT多元業(yè)務 升級生態(tài)營運能力組織架構體系架構要求：職責清晰、多層次、相互銜接落實數據認責機制培育數據驅動文化建立治理溝通渠道建立評價與考核制度D

4、AMA-DMBOKCMMI-DMMDCMM找癥狀， 明確目標理數據， 現狀分析數據治理 成熟度評估數據質量 根因分析業(yè)務影響及實施優(yōu)先級評估12346制定數據治理行動路線與計劃7監(jiān)控評估數據 治理實施效果5總體方針：以服務公司愿景為導向，以問題為切入點，切實解決業(yè)務問題。框架方法論2020如何制定數據戰(zhàn)略？ 收益、安全、質量、架構、流程、效率？聯通大數據資產管理平臺能力架構-全景圖模數據可視化報表大規(guī)模即席分析數據知識圖譜數據敏捷探索能力開放門戶敏 捷 項 目 管 理開 發(fā) 運 維 一 體 化持 續(xù) 集 成 與 交 付數據 追蹤 溯源數據 安全 網關安 全 保 障 體 系數據 出口 審計數據

5、脫敏 系統(tǒng)應用資產資產總覽資產注冊資產服務資產安全資產評估管理資產價值資產運營資產治理資產運維資產盤點數據開放平臺數據計算治理CMDB成本核算數據租戶自建數據存儲治理ITSM價值評估數據生態(tài)合作數據質量治理統(tǒng)一監(jiān)控數據大 規(guī) 模 集 群 治 理服務行為興趣分析平臺位置時序洞察平臺關系圖譜挖掘平臺數據管理數據標準管理數據質量管理數據指標管理數據API網關數據地圖門戶數據能力開放數據 開發(fā) 運維 治理 平臺數據集成/采集交換數據開發(fā)過程數據治理管控數據運維中心實時流批融合敏捷數據建模元數據采集與存儲數據平臺監(jiān) 控多租戶安全隔離可視化數據調度數據生命周期管理智能運維預警 多源異構數據采集數據平臺開發(fā)

6、IDEAI輔助數據治理故障自愈修 復基礎FlinkHiveElasticSearch平臺數據源B域數據O域數據各省數據三方數據其他數據2020聯通大數據資產管理平臺價值地圖運維域運營域開發(fā)域治理域安全域數據腳本標準化 數據開發(fā)平臺 數據云平臺數據生產監(jiān)控大屏 數據運維平臺 數據云平臺數據能力開放平臺 數據多方安全計算 數據云平臺數據治理-疏整促 集群治理-巡山 數據云平臺2020Contents背景概述 (06P)01關鍵挑戰(zhàn) (04P)02詳細介紹 (23P)03整體總結 (01P)04目 錄2020ODSDWDM面 向 應 用面 向 分 析面 向 生 產DWDDWA指標庫立方體輕度匯總核心

7、事件與實體數據采集展現視圖分析衍生實時標準化2020事件捕獲實時統(tǒng)計與分析圍繞批量與流式場景分離、業(yè)務規(guī)范統(tǒng)一、空間效率平衡等原則構建分層分類大數據模型體系實時流式處理離線批處理數據資產管理平臺關鍵挑戰(zhàn)#1 搭建數據倉庫統(tǒng)一平臺數據采集鏈路監(jiān)控數據跨集群同步數據生命周期管理數據開發(fā)&運維數據ETL調度系統(tǒng)元數據管理系統(tǒng)數據血緣分析數據質量保障元數據&數據模型&數據元&數據標準概念對齊2020通用的商業(yè)化元數據管理、數據質量工具的問題數據資產管理平臺關鍵挑戰(zhàn)#2 實踐數據平臺治理管控數據脫敏系統(tǒng)2020數據安全監(jiān)測與審計系統(tǒng)行為基線和用戶畫像系統(tǒng)數據追蹤溯源系統(tǒng)數據出口管控系統(tǒng)平臺統(tǒng)一訪問控制和

8、審計系統(tǒng)數據資產管理平臺關鍵挑戰(zhàn)#2 實踐數據平臺治理管控數據采集數據倉庫數據集市B域數據數據采集交換數據源DM 全 流 程數 據 治理體 系數據標準接口文件規(guī)范接口數據模型倉庫數據模型數據集市模型數據質量編碼管理工單處理數據源編碼映射申請工單生成數據源側自檢文件稽核、記錄稽核分層數據稽核發(fā)布數據稽核全域關鍵數據抽樣質量稽核數據元管理、標準業(yè)務術語、統(tǒng)一命名規(guī)范數據應用ELS數據 服務T倉庫編碼統(tǒng)一編碼更新發(fā)布S數 據 流 向數據調度文件偵測倉庫數據加工流程調度集市流程調度采集流程調度應用發(fā)布控制編碼稽核數據稽核流程調度申請工單處理問題工單處理處理結果反饋元數據設備信息硬件信息指標標準接口規(guī)范

9、倉庫劃分實體對象業(yè)務管理編碼標準O域數據T數據資產管理平臺關鍵挑戰(zhàn)#3 探索數據資產運營體系用戶畫像 標簽體系 推薦系統(tǒng)能力開放平 臺運營BI報表大數據產品數盾風控數贏洞察旅游大數據數睿廣告智慧足跡能力開放平臺2020Contents背景概述 (06P)01關鍵挑戰(zhàn) (04P)02詳細介紹 (23P)03整體總結 (01P)04目 錄2020數據資產管理平臺基本概述定位與目標：基于數據驅動的理念，讓數據資產開發(fā)、運維、治理、運營過程更安全、敏捷、 精益、自動化、服務化和智能化。借鑒DevOps持續(xù)集成與交付方法論，建立數 據治理基礎框架，實現數據采集、加工、運維、 服務過程一站式、體系化、規(guī)范

10、化、透明化的 流水線管理模式，消除數據生命周期管理、數 據質量管理、數據安全管理等方面的隱患?；诖髷祿航】翟u分機制，實現數據平 臺降本增效，從數據計算、存儲、調度、分析 挖掘等各個方面分析程序效能、數據資源冗余 畫像，確保數據平臺、模型和應用的快速部署 與開發(fā)，整合各類數據處理框架，為上層數據 分析和智能化應用提供高效的算力和算法支持。實現數據驅動業(yè)務，建立數據資產運營體系， 讓數據資產開發(fā)、運維、治理、能力開放運營 過程更加安全、敏捷、精益、服務化和智能化。2020模塊1：數據集成平臺功能需求核心模塊1：數據采集交換平臺核心模塊2：數據工作流程調度核心模塊3：數據應用代理程序定位與目標

11、：把企業(yè)內外部數據快速整合到一起，提供大數據平臺與生產應用系統(tǒng)的雙向通信 能力，方便構建數據開發(fā)、運維、治理、運 營閉環(huán)系統(tǒng)。2020模塊1：數據集成平臺產品設計基于運營商領域多年數據平臺建設經驗圖形化的數據流設計器可視化數據轉換功能跨地域多源異構數據集成跨系統(tǒng)跨平臺統(tǒng)一調度自動化任務調度機制節(jié)點級全方位實時監(jiān)控2020模塊1：數據集成平臺研發(fā)實踐高度分散的異構的數據源數據大量分散在企業(yè)的不同業(yè)務系統(tǒng)、數據庫、甚至企業(yè)外部的第三方系統(tǒng)中; 數據源類型、結構、模式不盡相同，必 須經過采集、清洗與標準化才能進入數據倉庫。開發(fā)腳本的復雜性（如接口機+Shell模式）數據加工過程一般通過執(zhí)行復雜冗長晦

12、澀的腳本來完成， 要求開發(fā)人員必須有較高的專業(yè)技能；數據加工過程的邏輯錯誤、語法錯誤也不容易捕捉；集群作業(yè)提交參數的合理性問題。ETL調度流程編排問題（運營商VS 互聯網）數據處理的流程大量依賴各種腳本程序，難以理解與修改 維護；數據處理流程經常無法復用，缺乏統(tǒng)一管理；因為數據斷傳、漏傳、補傳造成的數據重跑問題突出。飛速增長的數據量和非結構化數據類型隨著5G+物聯網場景超大規(guī)模數據的輸入；數據持續(xù)不斷的到達，數據集成應當具備PB級實時或準實時數據處理能力； 需要支持結構化、半結構化、非結構化等不同數據類型。易用性 VS 功能完備性穩(wěn)定性 與 兼容性數據平臺的基礎模塊產品設計技術研發(fā)運營實踐20

13、20模塊2：數據開發(fā)平臺功能需求核心模塊1：數據加工模型設計2020核心模塊2：數據腳本過程管理核心模塊3：數據生命周期管理定位與目標：支撐數據模型設計、數據加工腳本標準化，實現開發(fā)、測試、上 線過程自動化，保障數據模型與生 命周期管理標準落地。模塊2：數據開發(fā)平臺產品設計標準化腳本模版規(guī)則基于企業(yè)數據治理標準化需求，形成數據加工腳本從生成、測試、審批、到部署的全流程管控統(tǒng)一的腳本執(zhí)行機器管控開發(fā)腳本標準化創(chuàng)建腳本運行測試自動化部署上線審批環(huán)節(jié)2020模塊2：數據開發(fā)平臺運營實踐數據開發(fā)平臺與數據治理（從源頭治理）數據開發(fā)平臺支撐數據治理文化落地，數據治理過程強調 組織、文化、工具、流程的全方

14、位協(xié)同，數據開發(fā)平臺僅僅是數據治理工具體系的一部分。產線環(huán)境安全與便捷實用性的博弈（安全）為了保障產線環(huán)境下數據加工腳本執(zhí)行的安全性，平臺需要覆蓋腳本模板配置、腳本創(chuàng)建、審核、測試、部署上線的完整 流程，整體使用復雜度相對提升，需要配套的運營流程。IT墻、組織墻問題（推廣成本）數據開發(fā)平臺研發(fā)背景往往跟生產環(huán)境實際痛點相關，涉 及組織較多，在向其他部門或項目組推廣時，因不同組織績效目標差異，通常會遇到不同程度的IT墻和部門組織墻問題。從腳本標準化自動化到在線IDE（一體化）企業(yè)各開發(fā)團隊的技術棧和開發(fā)習慣差異較大；平臺腳本模板很難兼容所有團隊的靈活需求；在線IDE需兼顧數據治理 標準落地和個性

15、化需求開發(fā)的要求。產品設計技術研發(fā)運營實踐2020模塊3：元數據管理平臺功能需求核心模塊1：元數據采集核心模塊2：元數據分析核心模塊3：元數據應用定位與目標：基于技術元數據、業(yè)務元數據和管理元數據的采集與分析， 實現數據血緣、影響分析和全鏈 分析，解決企業(yè)內部數據資產統(tǒng) 一盤點和運營問題。2020模塊3：元數據管理平臺產品設計資產發(fā)布元數據管理功能規(guī)劃和原則、元數據管理的統(tǒng)一方法多種數據源管控元數據變更稽核數據血緣數據地圖元數據獲取2020模塊3：元數據管理平臺運營實踐多種元數據采集方案的抉擇（MetadataAPI&公有云平臺的坑）針對不同數據源/集群的采集有多種方案，站在交付目標、無侵入性

16、的角度考慮，綜合權衡好安全性、性能和擴展性要求。元數據管理應用作為內部 推廣抓手（價值驅動）從數據資產目錄、數據視圖、元數據檢索、元數據稽核、數據地圖、數據血緣、影響分析、全鏈分析、活性分析、數據價 值圖譜等應用方向尋找內部推廣應用的突破口。數據血緣分析準確性、完整性、實用性由于企業(yè)數倉存儲介質、加工方式、調度手段多樣，在采集多種元數據后，整合血緣分析的困難度較高，建議定向對指定場景進行血緣分析。（HiveHBase: 跨庫跨集群跨源全鏈 路端到端分析）元數據稽核與數據標準、數據質量協(xié)同元模型管理、元數據屬性填充率、貫標落地統(tǒng)計、生產環(huán)境最新版本與資產管理平臺、測試環(huán)境雙向稽核。（業(yè)務&IT協(xié)

17、同：自治文化）產品設計技術研發(fā)運營實踐2020模塊4：數據質量平臺功能需求核心模塊1：數據源、數據對象、元數據分類管理核心模塊2：數據質量檢測模型、方案、規(guī)則管理核心模塊3：數據質檢任務調度、報告、流程管理定位與目標：針對數據進行稽核來確保數據的質量，覆蓋及時性、完整性、準確性、一致性、唯一性 及合理性等，及各系統(tǒng)之間數據的統(tǒng)一性。建 立標準化度量系統(tǒng)，方便系統(tǒng)性改進質量問題。2020模塊4：數據質量平臺產品設計跨地域多源異構數據集成數據質量方案管理數據質量規(guī)則管理數據質量模型管理數據源質檢對象管理數據質檢SQL看板數據質量任務調度管理2020模塊4：數據質量平臺運營實踐數據質量稽核投入產出比

18、問題（性能和成本）當關鍵業(yè)務域數據體量太大(如每日新增超過百TB）、集群 規(guī)模較大(無法建立對等測試環(huán)境)，總體質量稽核成本過高。（通用SQL稽核方式帶來的資源浪費和性能問題）數據質量報告的問題 （項目交付）常態(tài)化的質量稽核統(tǒng)計報表，無法給非技術口領導層直觀 的呈現，需要結合業(yè)務領域知識和組織結構做進一步封裝。數據稽核對象和策略的選擇針對省分不同賬期不同主題域數據，如何根據業(yè)務要求和 實時流代碼埋點處理流程進行抽樣，選擇性做質量稽核？優(yōu)先 解決采集鏈路質量監(jiān)控、數據斷傳補傳漏傳、波動性監(jiān)測等基 礎層稽核問題。然后解決業(yè)務層稽核問題。（數倉開發(fā)、數據應用業(yè)務沖突）與元數據、數據標準、調度系統(tǒng)協(xié)同

19、數據源目錄分類和質檢對象來源于元數據系統(tǒng)，數據表模 型質檢要求來自于數據標準系統(tǒng)，數據質量任務執(zhí)行通常要跟 工作流調度系統(tǒng)對接。產品設計技術研發(fā)運營實踐2020模塊5：數據標準平臺功能需求核心模塊1：數據元、代碼集、標準術語管理核心模塊2：數據標準分類檢索、實施流程管理核心模塊3：數倉建模管理(邏輯模型設計與物化）定位與目標：數據標準是大數據治理生態(tài)中重要的一環(huán)，與數據過程管理、元數據管理、質量管理等模塊 進行協(xié)作，組成完整工具集，促進公司、組織內 數據處理、交換相關流程、功能的標準化，有效 提高數倉平臺建設和數據管理的質量和效率，加 速數據流轉，從而促進業(yè)務創(chuàng)新。2020模塊5：數據標準平臺

20、產品設計跨地域多源異構數據集成數據標準化構成數據命名標準數據模型標準數倉邏輯模型設計與物化模型在線編輯數據標準導入2020模塊5：數據標準平臺運營實踐數據標準分類管理問題國家標準、行業(yè)標準、企業(yè)標準同時管理成本較大，其實 踐層面的指導意義待深入探索研究和試錯。數據標準的內部推廣應用問題數據標準管理工具在內部推廣應用的實際困難往往會超出 預期，需要持續(xù)迭代，離不開一把手的支持和長期的努力。數據標準制定相關的業(yè)務梳理工作數據標準的制定往往依賴于領域業(yè)務能手、IT架構專家等 組織團隊的通力協(xié)作，相關的業(yè)務梳理工作工程量很大?；跀祿藴首鰯祩}全局規(guī)劃和落地（一體化設計）主要是從邏輯模型設計和物化入手

21、，逐漸完善數據倉庫分 層分域、數據質量、數據指標標準等數據架構規(guī)范的落地。（大規(guī)模數據平臺匹配度較低，適合推到重來）產品設計技術研發(fā)運營實踐2020模塊6：集群治理平臺功能需求核心模塊1：集群治理數據采集2020核心模塊2：集群治理分析引擎核心模塊3：集群治理平臺應用定位與目標：基于Hadoop集群底層組件運行機制和大數據開發(fā)運維等組織活動進行多維交叉洞察，以降本 增效為中心，向下保障大規(guī)模Hadoop集群算力， 向上指導數據治理動作實施和業(yè)務連續(xù)性。模塊6：集群治理平臺技術架構38自底向上，用大數據的技術手段解決大規(guī)模數據集群治理層面的各種問題設計原則統(tǒng)一實時、離線元數據自動化采集 多種元數

22、據數據源，研發(fā)可配置式支持 不同引擎作業(yè)元數據采集、審計日志采 集、變更日志采集、分布式存儲元數據 采集、Hive元數據采集等統(tǒng)一采集工具統(tǒng)一離線、流式分布式計算引擎 采用業(yè)界成熟的分布式實時、離線數據 處理引擎，保證高吞吐、低延遲、高性 能數據處理融合多種存儲服務滿足各種場景 采用高可用分布式多種存儲系統(tǒng)，分布 式列數據庫存儲、分布式搜索引擎、高 可用圖數據庫、高并發(fā)時序數據庫無侵入性2020實時審計模塊6：集群治理平臺產品設計用戶行為告警冗余計算挖掘待優(yōu)化作業(yè)定位待優(yōu)化作業(yè)排行數據血緣分析集群資源畫像數據作業(yè)畫像HDFS文件畫像大數據集群治理平臺針對大數據集群和數據加工流程進行精細化監(jiān)控分

23、析，從資源畫像、存儲畫像、作業(yè)畫像、RPC畫像、冗余計算挖掘、數據血緣分 析、用戶行為告警八大維度幾十個小維度交叉洞察可優(yōu)化作業(yè)和業(yè)務處理流程，不斷驅動集群資源優(yōu)化。2020模塊6：集群治理平臺運營實踐優(yōu)化前集群負載（201X年7月）優(yōu)化后集群負載（201X年3月）公司業(yè)務高速發(fā)展過程中數據業(yè)務需求越來越復雜，所需要的算力也越來 越大，進一步導致集群的規(guī)模越來越大，承擔的產品也越來越多，集群面 臨資源負載過高、資源搶占嚴重、RPC請求負載過高等問題，存儲系統(tǒng)也 面臨空文件過多、垃圾文件過多、小文件過多、平均文件大小過小、文件 數持續(xù)增長等一系列問題，存儲系統(tǒng)穩(wěn)定性面臨很大隱患，作業(yè)又面臨執(zhí) 行

24、耗時過長、耗資源大、數據傾斜嚴重等問題，直接導致數據加工異常率 過高、數據具備時間有延遲風險、產品交付面臨很多風險。面臨的挑戰(zhàn)大數據分析方法價值創(chuàng)新場景描述實際應用效果存儲 畫像資源 畫像作業(yè) 畫像HDFS文件存儲洞察開發(fā)NameNode 元數據持久化文件 Fsimage和元數據操作 文件記錄文件EditLog 的反序列化解析項目， 無侵入性洞察全集群， 冷溫熱存儲狀態(tài)，千萬 級目錄精細畫像。Job數據 作業(yè)洞察實現資源監(jiān)控與異常 作業(yè)多維度洞察、高效協(xié) 同優(yōu)化。綜合幾十個小維 度進行集群交叉治理并協(xié) 同各相關組織進行全域治 理，使集群逐步向良性健 康方向發(fā)展。冗余計算 挖掘分析通 過 對 H

25、DFS JOB BINARY FILE分析，定位疑 似冗余計算作業(yè)，與組織 架構復雜度無關、不依賴 上層業(yè)務的大量輸入，其 核心提取出具有相同輸入 路徑的作業(yè)，以目錄維度 視角挖掘作業(yè)。核心技術框架集群健康分2020 精準洞察：能夠精準定位問題根因，提升優(yōu)化效率數據準確：從底層采集強關系元數據以及日志，數據準確度高無侵入性：優(yōu)化洞察不需要修改產線環(huán)境配置，不影響產線環(huán)境生產 多維畫像：從多個大維度幾十小維度交叉洞察潛在問題與可優(yōu)化方向 深入內核：通過閱讀內核源碼深入了解底層組件，找到解決方案跨組協(xié)同：根據洞察報告多組協(xié)同自發(fā)優(yōu)化實現了在算力不增加，數據處理量翻倍的情況下，算力整體負 載下降20

26、%以上，每年直接節(jié)省固定資產投資上千萬元成本。先后解決集群小文件治理、作業(yè)模型高級參數自動化、數據模 型治理專題優(yōu)化等難題，并形成了集群深度治理平臺化能力。模塊7：數據服務平臺功能需求核心模塊1：云計算資源池核心模塊2：數據能力商店核心模塊3：多租戶控制臺定位與目標：以生產環(huán)境的運營支撐和應用開發(fā)為主要IT 訴求，構建IaaS、PaaS、SaaS三層私有云體系，提供可復用、可隔離的存儲計算資源、數據資源、 開發(fā)組件資源，同時保證多租戶安全隔離，方便 數據資源開放共享和數據資產運營。2020模塊7：數據服務平臺產品設計統(tǒng)一能力開放云數據服務平臺各項業(yè)務功能，為租戶提供基礎設施、云數據庫、計算框架

27、、數據指令平臺、應用與服務、安全控制等產品的統(tǒng)一瀏覽、申請、劃配，并對租戶使用的產品和運營進行統(tǒng)一管理?？绲赜蚨嘣串悩嫈祿蓤D形化的數據管控套件自助式可視化建模平臺數據服務API管理統(tǒng)一的計費報表管理數據服務門戶系統(tǒng)BI自助分析工具2020模塊7：數據服務平臺運營實踐能力開放平臺向租戶提供資源、數據以及服務，為租戶方便有效的使用平臺環(huán)境保駕護航。租戶基于能力開放平臺獲取全國樣例數據，可結合本地數據進行模型訓練，訓練后的腳本提交平臺反饋至 大數據生產服務平臺進行加工計算，計算后的結果推 送至租戶空間，滿足租戶基于全國數據的分析挖掘。2020數據資產運營=數據能力開放+數據生態(tài)合作Contents背景概述 (06P)01關鍵挑戰(zhàn) (04P)02詳細介紹 (23P)03整體總結 (01P)04目 錄2020數據治理/數據資產管理失敗的5個主要原因：在認知戰(zhàn)略層面，沒有真正上升到數據戰(zhàn)略層面，沒有一把手牽頭去規(guī)劃和執(zhí)行，在中途放棄了很多目標。在組織協(xié)同層面，沒有建立起高效的數據組織協(xié)同機制，沒有形成合力，互相推諉扯皮，組織墻問題突出。在文化價值層面，沒有形成精益實用的數據驅動文化，大量歷史習慣阻礙了文化的落地，無法突破舒適圈。在人才體系層面