数据中台如何建设，如何选型？-创新互联

最近数据中台很火，接触的很多企业都在提这个东西。然而，很多连数据基础都没有、仍然处在数据孤岛阶段的企业，上来就说我今年要做数据中台项目，这实际上是因为大家都在追热点，而没有真正搞明白这个名词的含义。

那么，数据中台到底是什么？它和数据仓库、大数据平台又有什么区别呢？

首先，国内的数据中台兴起，大多是因为阿里巴巴的马老师提出的”大中台、小前台”的口号。所以，我们先来看看阿里对数据中台的定义。

数据中台是什么

数据中台的价值

数据中台、数据仓库、大数据平台的关键区别是什么？

认可了数据中台的价值，我们自然是想要去快速搭建，然后真正去规划建设的时候，我们会发现，数据中台的建设和数据仓库、大数据平台是有重合的，这就需要我们充分理解三者的区别。

以下这张图很好的展示了这三者的发展关系

数据中台可以说是几十年来企业数据管理发展的产物，是聚合和治理跨域数据，将数据抽象封装成服务，提供给前台以业务价值的逻辑概念。

从阿里数据平台的更迭历史中也不难看出，在经历了传统数据库时代到大数据平台再到数据中台，数据中台绝不是一蹴而就，其建设需要有一定的底子！

那么什么样的企业适合建数据中台？

从数据成熟度来看：

① 具有良好的数据底子，拥有丰富的数据维度

② 企业的各业务板块都有数仓和报表，需面向集团构建统一的数据管理平台

③ 多个大数据场景，例如：阿里、淘宝、天猫、支付宝等多个业务板块的场景

从业务性质来看：

① toC业务，且业务运营非常依赖用户/客户数据

② 企业内部运营多业态/品牌/产品的客户数据，需要打通数据共享。

③ 供应链特别复杂的企业，需要数据驱动优化

④ 生产制造业，生产线上的数据需要数据中台来整合服务化

如何进行数据价值变现？

无论是数据中台也好，数据仓库也好，还是数据平台，最终都是为了让数据的价值更好的作用于业务、经营和管理上。

这三种方案都具有一定的适用性，需要结合企业不同的发展阶段来判断，具体：信息化水平，数据体量、业务性质、还有数据成熟度等。

如何应用数据？这里结合帆软14年来为超万家企业提供的大大小小的数据应用解决方案，给出个人的一些想法。大致分为几个阶段：

首先，把数据管理起来，形成统一数据资产（数据资产不等同于数据，数据资产是唯一的，能为业务产生价值的数据）

其次，将数据可视化，在我们将数据自动化、可视化的呈现出来的过程中，我们能够充分释放数据的信度、效度、准确度方面的价值。这也是为什么越来越多的传统企业在进行数据项目规划时，通常会先做一个叫做”管理驾驶舱”的东西。

其本质就是，通过上层呈现所要保证的一致性和规范性，倒逼下层的数据管理、数据治理，从而逐渐开展数据分析辅助决策、数据驱动业务等。

数据可以告诉决策者一些潜在的规律，以数据来证明或判断决策。

第三个阶段，很多时候，即便数据质量非常完备了，但因为依赖于统计学的数据分析只能对历史的、以往发生过的事情做解释，所以往往总是会慢半拍。

而数据挖掘、机器学习，这些近几年才流行起来的技术，可以充分利用海量的数据，通过算法模型去挖掘数据背后的规律，从而辅助我们提前预测或者个性化推荐。以往我们只会用数据来证明我们历史的决策对错，现在我们用数据来引导我们做出对的决策。

基于数据资产催生的人工智能，将数据进行再融合形成新的数据，源源不断给我们提供新的业务视角，让我们不断创新、不停去尝试。当我们逐渐依赖数据机器人的指令，形成数据服务思维和习惯，让业务与数据形成循环活起来，让它成为业务的一部分，同时让机器智能成为决策环节，运营就可以智能化，即智能化的数字业务系统。

最后，想必对于各种企业要做数据项目，想要构建数据中台，我们可以形成一个优先级顺序。

1、以管理驾驶舱为驱动的数据仓库建设

2、面向各业务主题的全面数据治理

3、非结构化数据+海量数据加速的大数据平台

4、把数据变成个性化服务的数据中台

作者：帆软 来源：知乎

互联互通社区

互联互通社区专注于IT互联网交流与学习，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。方案打造与宣讲、架构设计与执行、技术攻坚与培训、数据中台等技术咨询与服务合作请+微信：hulianhutongshequ