數據實際上是一個非常傳統的行業。

有軟件開始的那一天起，數據這個行業就存在了。比如說原來最早的時候，有非常多的數據報表數據可視化，然后到后來，有了商業智能，有了Data Warehouse（就是數據倉庫），然后數據挖掘。

數據這個行業不僅僅是軟件，它還有管理的部分，也就是說數據治理，即如何讓企業的數據治理的質量更好。所以數據這個行業本身是一個非常傳統的行業。每個大型一點的企業都有自己的數據分析部門，數據倉庫部門。

那么為什么數據湖也好，數據平臺也好，在過去都沒有像今年數據中臺這么熱門。而且關注數據中臺的還不僅僅是技術部門，很多都是業務部門，業務部門以前不是特別關注這些技術的數據平臺和這些技術的概念，為什么呢？

一、平臺化的概念

講到數據中臺，我們就要提到平臺化。我們現在所講的SARS也好，所講的path也好，所講的數據中臺也好，所講的業務中臺也好，它實際上根本的思想來源是來自于平臺化，就是platform。

舉個例子，我們拿一個飲料廠的產品線來講，那么他可以生產果汁，可以生產飲料，還可以生產其他的產品，它可能是三四條不同的生產線。從原材料加工成飲料，它有很多環節，雖然品種不一樣，但是它很多環節是類似的，比如裝瓶、攪拌。

那么這幾個不同的生產流程、生產線，我們可以把那些公共的部分合并起來，更加專業化，然后并且讓他們獨立去維護，之后把那些不同的產品面向客戶，使客戶體驗不同的產品，使它獨立出來，這就是平臺化的思路。

中臺里面很重要的兩個中臺，一個是業務中臺，一個是數據中臺。業務中臺是提供可復用的業務，API數據中臺是提供數據洞察和智能的。

不管什么中臺，它實際上都是平臺思想的一個體現，一種具象。

二、數據中臺為什么受歡迎

這里舉個例子，原來的數據平臺也好，數據湖也好，數據倉庫也好，它們的出發點很多時候有局限性，應該說更是一個支撐性的技術系統，即一定要去考慮我先有什么數據，然后我能干什么，這是傳統的數據平臺，數據湖，依賴于現有數據的質量，現有數據的狀況來做的這樣的一個支撐性的技術平臺。

但是數據中臺在我們現在所講的概念里面，它更多的是從業務出發，比如說我們現在所設計的一套精益數據的方法，它就是從業務出發，一開始都不用看你系統里面有什么數據，重點的是去解決你的業務需要什么樣的數據服務？

只要這個服務有價值，那我們就去想辦法去拿到數據，如果沒有能力，我們去建技術能力，去完成數據服務的提供。

所以數據中臺最重要區別于傳統數據平臺，技術類平臺的區別在于數據中臺的思維是業務思維，他從業務問題出發，這也就是為什么業務部門對數據中臺會這么歡迎。

我們的目標是哪怕我的數據只有50%的準確性，那么在我提高數據質量同時，我也希望這50%準確的數據也能為我產生業務價值。

過去那么多年，建設的系統是把業務數據化，現在我們很多的企業在后臺系統建設好以后，在做的業務系統實際上是把數據業務化，而且有一點也是我們現在行業里面重點強調的，原來我們講先有業務，后有數據，先有應用系統，后有數據系統，這個觀點從今年開始要發生改變了，在業務系統還沒有建立起來的時候，我們就要有數據思維，就要把數據集成到業務系統的架構里面去。

原來我們所講的業務系統叫OLTP，即在線交易系統，然后數據類的系統叫OLAP，即在線分析性系統。

現在可以看到一個趨勢，這個趨勢就是OLTP和OLAP在融合，也就是很多企業所講的P流一體，即為批處理和實時流數據處理一體化。原來我們的OLTP、OLAP是平行的關系，先要通過OLTP系統產生數據，然后ETL，然后抽取到OLAP里面，再把多個OLTP的系統抽在一起，之后在OLTP、OLAP的系統里面產生洞見，變成數據可視化報表給業務部門去看，再去改變你的OLTP的做法，這里的OLTP和OLAP是平行的關系。

這樣的話，原來的數據百分之七八十在企業里的應用都是數據可視化，都是BI，都是data house報表，讓人看，這叫人機接口，這個是人看完數據以后，然后再去提取，之后去做你的決策，改變你的行為，去看數據。

從今年開始，數據中臺更多強調的是機器與機器的接口，就是我的數據分析出來的結果，不僅僅以報表可視化的形式讓人看，而更多的是把這些API這樣的一些數據服務直接地嵌入到交易系統里面產生影響，變成你的價格策略，變成你的推薦引擎，變成你的風險管控。

那么我們所講數據中臺，它不僅僅是一個技術平臺，它還是一個體系。

數據中臺會對應到一個企業里的一個部門一個組織，也要有數據戰略的支撐，要有數據治理，數據中臺上面生長一個數據服務，數據服務提供給我們業務系統，提供給我們業務中臺，然后我們所接收到的數據消費者，就都生長在數據中臺之上，數據中臺是一個生態，是一個平臺，是一個數據服務，是生產、加工、交易、度量、運營的平臺，所以我們把數據中臺實際上叫做一個體系。

三、數據中臺對企業的價值

數據中臺解決的核心問題：

解決應用開發快于數據開發的效率問題。

解決數據開發與數據產生價值的協作問題。

解決在很多企業，它的開發人員，技術人員沒有數據能力的問題，這是它從技術層面的核心問題上來解決問題。

1.應用開發要快于數據開發的速度

原來我們在做一張報表，或者是在業務系統里面需要查詢一個數據結果的時候，它的過程是比較麻煩的，而且它的測試往往也是比較復雜的，因為業務系統是有業務屬性的，但是數據是跨業務的，是融合的。

在OLAP領域中，很多這種情況，比如說我的企業，Java開發工程師很好找，做應用的人很好找，懂data，知道如何做數據建模，如何做算法的人相對來講是比較少的。但是在我們應用開發過程當中，我們會發現有太多的數據需求，這種情況下應用開發的速度是快于數據開發的速度。

2.加速從數據到價值的服務產生過程

在很多時候我們會發現不同的應用開發項目組，他們都會調用同樣的數據模型，同樣的數據服務，但是由于不了解數據，并且他們也不知道底層的數據結構，所以他們不同的項目組可能對同樣的數據處理會用不同的方法，自己做自己的，然后出來的結果不一樣。有的是錯誤的，所以開發速度慢，并且數據結果不準確，質量低。

但是現在數據中臺就要解決這個問題，數據中臺要把那些復用的數據模型，要把那些數據模型data派對中一些數據復用的能力，變成一個數據的能力平臺，讓那些做數據的人專注在做數據，把數據變成一個樂高積木，數據服務提供給應用開發，然后不同的應用開發項目組可以共同的去調用唯一的SARS數據服務，去保證它的數據質量和一致性，加速從數據到價值的服務產生過程，打造高響應力且更加智慧的業務。

如何加快從你的業務到數據到你的數據產品之間的反饋的速度響應力，也是數據中臺要解決的問題。它要把應用的價值，應用的速度，和你數據產生的速度中間的差異，時間的差異和有時候業務理解上的差異，通過數據中臺去把它彌補起來。
作者：帆軟軟件