数据中台

首先它不是一个平台，也不是一个系统，如果有厂商说他们有个数据中台卖给你，对不起，它是个骗子。
我们可以先把中台看作是一种中间层。既然是一种中间层，那么中台确实是一种十足技术用语，我们可以完全从技术角度来探讨了。

image.png

概括地说，三者的关键区别有以下几方面：
数据中台是企业级的逻辑概念，体现企业 D2V（Data to Value）的能力，为业务提供服务的主要方式是数据 API；
数据仓库是一个相对具体的功能概念，是存储和管理一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表；
数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集；
数据中台距离业务更近，为业务提供速度更快的服务；
数据仓库是为了支持管理决策分析，而数据中台则是将数据服务化之后提供给业务系统，不仅限于分析型场景，也适用于交易型场景；
数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。

数据仓库具有历史性，其中存储的数据大多是结构化数据，这些数据并非企业全量数据，而是根据需求针对性抽取的，因此数据仓库对于业务的价值是各种各样的报表，但这些报表又无法实时产生。数据仓库报表虽然能够提供部分业务价值，但不能直接影响业务。
数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题，所以先撇开业务需求、把企业所有的数据都抽取出来放到一起，成为一个大的数据集，其中有结构化数据、非结构化数据等。当业务方有需求的时候，再把他们需要的若干个小数据集单独提取出来，以数据集的形式提供给数据应用。
而数据中台是在数据仓库和数据平台的基础上，将数据生产为为一个个数据 API 服务，以更高效的方式提供给业务。

万米商云 万米商云1 万米商云2 万米商云3 派拉软件 派拉软件2 派拉软件3 派拉软件4 派拉软件5 派拉软件6 创略科技

数据中台的概念是最早由阿里巴巴首次提出，是为了应对像双十一这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂业务系统的解耦问题，而在技术、组织架构等方面采取的一些变革，其本质上还是一个平台，阿里称之为“共享服务平台（SPAS），2015 年阿里巴巴集团启动了中台战略，目标是要构建符合互联网大数据时代的，具有创新性、灵活性的“大中台，小前台”的机制。在2018年 3 月 15 日 ThoughtWorks 技术雷达峰会上，数据中台受到业界的广泛关注。

数据中台是什么，简单来说就是提取各个业务的数据，统一标准和口径，通过数据计算和加工为用户提供数据服务。
针对当前的市场来说，市场的需求变化快，应用开发的周期时间长，导致数据开发和应用开发速度不匹配，数据中台通过提供API的方式提供数据服务，能够让前台开发迅捷，快速获取所需的数据。针对企业内部来说，构建良好的数据管理系统和资产管理系统，在提供数据服务的方面能快速获取到所需的数据，同时也提供数据存储。

从大的方面来说数据中台包含以下几个部分：

数据存储：将企业所含的数据湖的数据，通过数据的清洗转换到数据仓库中，经过主题域的构建形成数据集市。同时数据中台是一个数据集成平台，它不仅仅是为数据分析挖掘而建，它更重要的功能是作为各个业务的数据源，为业务系统提供数据和计算服务。
数据资产管理：将企业内部的数据进行规范化的管理，按照企业的需求对企业数据按目录进行划分和管理。
数据服务：按照特定的需求以API的方式提供数据服务，随着企业大数据运营的深入，各类大数据应用层出不穷，对于数据服务的需求非常迫切，大数据如果不服务化，就无法规模化。
数据的分析与挖掘：以数据为推理的基础上，对数据进行分析，挖掘其更深层次的价值，比如说，用户对某个数据服务访问次数特别多，通过数据分析访问此服务的用户对其它服务的需求，分析其中的联系，之后更加侧重于提升这方面的服务，从而提高客户的满意度。反之，对用户访问较少的服务，反思其中的原因，进行服务的改进。

数据中台的业务价值
数据中台实现了数据的可复用性，即数据的共享，所谓的“大中台，小前台”的核心就是共享服务体系，一方面，实现了的服务的可重用性，减少了开发重复功能的成本，同时相较于大数据平台来说，数据中台距离业务更近，能更快速地响应业务和应用开发的需求，可追溯，更精准，业务的开发也更加敏捷高效。
数据中台还能够为企业解决数据开发和应用开发不同步的问题，企业的数据开发是跟不上应用的开发速度，更是跟不上业务的变化速度的。这是一个不可调和解决的问题，而数据中台通过构建数据体系，将其转化为数据开发的能力，提升开发速度。

企业如何去构建数据中台
数据中台的构建不是不是一蹴而就的，需要通过小的业务场景的不断累积，需要长时间的业务经验的沉淀，不断的进行优化创新，最终才能构建出具有企业业务特色的数据中台。
从业务场景入手：数据中台需要以场景化的方式去驱动，只有与具体的业务场景相结合，将业务数据场景落地，才能快速验证其价值，相较于需求驱动来说，它是更贴近业务的数据平台，当出现新的问题是，能快速给出解决方案。
累积经验，构建数据文化：经验的累积是一个长时间的过程，需要制定好先相关的计划，针对各类的业务数据进行分析决策，以数据为依据挖掘出最适合该类数据的业务服务。通过多种业务场景的累积，构建出自己的数据服务体系，同时将企业技术能力进行汇集和沉淀。通过数据的方式支撑整个管理过程、服务过程，更加针对性的提供相应的技术支撑。
进行思维的创新：业务知识领域经验的积累在一定程度上提升了服务的效率，然而长时间的重复的业务工作让人逐渐失去活力，另一方面知识和技术发展快速更迭，要顺应业务发展和时代发展的需要，进行思维和技术的革新，为企业注入新的活力。
打造自身的特色：构建数据中台不是盲目的照搬，每个企业的业务系统够有所差异，只有深入了解自身企业的业务特色，找出最能体现价值的应用点，以此为切入点，才能挖掘出企业更深层次的价值。

数据中台是一套可持续“让企业的数据用起来”的机制，一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建一套持续不断把数据变成资产并服务于业务的机制。
数据中台必须具备数据汇聚整合、数据提纯加工、数据服务可视化、数据价值变现4个核心能力。
汇聚整合（数据治理-数据整合和管理能力）：数据丰富和完善：多样的数据源进行合并和完善；管理易用：可视化任务配置、丰富的监控管理功能；数据集成运营：数据接入、转换、写入或缓存内部资源的各来源数据；数据目录与治理：用户可以方便定位所需数据，理解数据；数据安全：确保数据的访问权限；数据可用：用户可简便、可拓展的访问异构数据，可用性和易用性高；部署灵活：本地、公有云、私有云等多种方式；
提纯加工（数据资产化-数据提炼与分析加工能力）：完善的安全访问控制；完善的数据质量保证体系；规范的、紧急结合业务的可扩展标签体系；面向业务主题的资产平台；智能的数据映射能力，简化数据资产生成；
服务可视化（数据资产服务化能力）：提供自然语言等人工智能服务；提供丰富的数据分析功能；提供友好的数据可视化服务；便捷、快速的服务开发环境，方便业务人员开发数据应用；提供实时流数据分析；提供预测分析、机器学习等高级服务；
价值变现：提供数据应用的管理能力；提供数据洞察直接驱动业务行动的通路；提供跨行业务场景的能力；提供跨部门的普适性业务价值能力；提供基于场景的数据应用；提供业务行动效果评估功能。

数据中台的价值
业务价值（业务创新，形成核心壁垒）：以客户为中心，用洞察驱动企业稳健行动；以数据为基础，直系大规模商业模式创新；盘活全量数据，构筑坚实壁垒已持续领先；
技术价值（成本低、能力多、应用广）：应对多数据处理的需求；丰富标签数据，减低管理成本；数据价值能体现业务系统效果而不仅是准确度；支持跨主题域访问数据；数据可以快速复用、不仅是复制。