艰难的旅程，你的数据中台到底能为一线提供多少火力？

作者：傅一平 来源：与数据同行

很多人在谈数据中台，笔者在多篇公众号文章中也涉及过，那些文章都在强调数据中台是什么，怎么建设数据中台，比如下面的是阿里的数据中台全景图：

这是袋鼠云的数据中台架构图：

虽然笔者在多篇文章中也谈了数据中台的建设心得，但从来不认为已经获得了成功，阿里的数据中台算是成功的典范吗？笔者不知道，但我们总会有个疑问，这都是别人家的中台，自己应该如何落地呢？这个始终是大家最关心的问题。

数据中台很重要，但千万不要依样画葫芦照着外面的架构图去一项项的实施建设，你真要照着阿里的方式做，基本就把自己的资源耗光了，其实除了计算引擎和资源动态分配，10多年前BI时代这些技术就有了，大数据时代只是乘着东风将这些概念（或者新包装了一个概念）普及到了更多的人，让更多的客户认识到数据的价值，这是在吃时代的红利，但并意味着成功的概率会更高。

数据中台夹在数据和应用之间，说得好听一点是推进能力平台化、业务应用化、运营智慧化，让前线业务更加灵动、敏捷，为一线作战提供精确制导、炮火支援，说得难听点就是前期要付出更多的不确定性成本，包括中台建设成本、流程优化成本、IT文化重塑成本、用户培育成本、持续运营成本、还有其他一系列的管理成本等等。

以前阿里还提过中台的一个核心挑战就是考核，中台赋能你不能直接考核IT部门收入吧，也不能简单的考核IT的一般指标，服务调用和使用指标又不够分量。

数据中台还最怕做成花架子，招式似乎很多，但关键时刻人家一击重拳就把你打到了！

比如你好不容易建了融合模型，人家就是不用，非要从底层走，你的仓库模型就打了水漂。

比如你好不容易搞了一套治理套件，但元数据真的有人用吗？现实的问题往往是开发人员没必要用，业务人员不会用。

又比如数据开发套件，你当然可以支持诸如HIVE，GBASE等数据库，但Oracle也得支持吧，而ORACLE的原有PL/DEV开发客户端体验很好啊，该怎么去改变一线开发人员的习惯呢？

画蓝图不难，照着抄就可以了，反正就是针对这些内容的重新分层和组装，你有你的理解，我有我的理解，但实际落地完全是两码事。

笔者不建议去规划什么数据中台的蓝图，不要去追捧别人家的数据中台，不要仓促的去购买商用的数据中台套件，没有什么最佳路径是可依赖的，始终要根据你这个企业所处的阶段、一线对于数据的真实需求做出合理的判断和选择。

数据中台可以建设的东西太多了，因此不要贪多，一次就做一个大事情，甚至一年只做一个，做了后看效果，然后慢慢演化，而一旦做了一个，就要保证让它持续发挥价值，买个软件简单，有能力运营好才见真功夫。

当然光说道理不过瘾，就举个自身的案例吧，谈谈怎么有策略的去推进一个数据中台的演化，笔者再次强调，我们的数据中台远未成功，对于业务的赋能远未达到预期，留下更多的是教训，但你可以从中一窥端倪。

如果从2015年算起，我们的数据中台建设其实已经持续了四年：

（1）2015年，是大数据平台建设的元年，就做了一个事情，把基础平台建立起来，解决三域数据整合问题和标准化问题，当初花了3个月时间梳理完整个企业的数据字典，数据资产（基础模型和融合模型）的掌控从合作伙伴手里回到了自身团队，这是中台的底蕴，这一年公司付出了巨大的代价去构建大数据集群。

但有了数据没人用不成，毕竟大数据平台原生开发的门槛太高了，很自然的想到了2016年要干什么。

（2）2016年，是大数据开放的元年，团队全力推进DACP（数据开发平台）建设，启动了千人计划，体系化的进行培训，策划了一系列建模大赛，吸引企业内更多的人来使用这些新增的数据，当时每天想得就是如何推销自己的新数据，诸如位置，上网解析等等，运营的初期如果仅仅是新瓶装旧酒是很难的。

现在回过头来看，对于DACP体验的忽视让当初的推广成本过高，我们还是缺些产品思维，总想着靠宣传、线下培训等方式去解决问题，这种推广模式往往事倍功半。

但即使吸引了很多用户来使用你的平台，光有数据没好用的模型也不行，因此下一步的工作重点就是全力打造业务模型，开发新一代的标签体系。

（3）2017年，是大数据模型建设的元年，依托于大赛和自主创新，涌现出了一批优秀的业务模型，天盾反欺诈模型也是这个时候出现的，在位置精度，知识库等方面也获得了一些突破。

但酒香也怕巷子深，你会发现好不容易做的模型往往无法直达一线，各种机制流程横在那里，模型迭代的成本还是太高了。

因此，数据中台如何跟前端业务高效协同成了当时乃至现在最大的挑战，毕竟渠道，营销等资源不掌握在自己手里。

（4）2018年，是大数据运营转型的元年，随着公司需要从“坐商”向”行商”转型，团队开始考虑需要基于新的数据产品来实现营销模式的突破，希望用数据产品来更有效率的连接数据中台和前端渠道，用市场经济的手段去解决管理人员，模型人员，执行人员的协同问题，不解决这些问题，数据中台对一线的赋能将受到极大的抑制。

而数据产品的运营对于团队提出了全新的挑战，一方面要克服传统营销流程、机制、安全等方面的问题，另一方面需要大幅提升数据产品的体验，增加更多的赋能手段，从而让走动式营销变得更有效率。

（5）2019年，数据中台将进一步向实时化，场景化演进，设想是依托数据产品打造场景编排能力，比如需要实现针对校园开学季、外来务工返工，社区摆摊，综合体/社区/集会引流、双网拨打提醒等100个典型细分场景的精准营销快速支撑，这些能力将全部沉淀在数据中台。

可以看到，每年我们都需要制定数据团队的业务目标，数据中台的建设始终是跟着这个目标走的，数据中台不能为了建设而建设，它是业务驱动下IT能力的有意识沉淀，各个阶段也不是完全分割的，相互之间总有交叠，但大目标是相对清晰的。

因此，每个企业的数据中台建设路径也不可能是相同的，比如在数据开发平台没有推广开之前，你说要依托大数据在业务上做大规模的一线赋能也是不现实的，点的突破说明不了什么问题。

事情也不是做的越多越好，有时候我们真的无暇顾及元数据、数据质量管理的进一步提升，只能碰到问题解决问题，因为彻底解决问题往往付出的代价太大，资源的限制也不允许我们去建很多政治正确的平台，比如笔者就一直想做类似阿里的在彼岸（回归测试）这种平台。

更为重要的是，数据中台中的每个“存量”都需要持续性的投入，比如位置模型，大家真的用起来了就没有结束的说法，否则你做的就是一个垃圾的东西，比如基于位置的网格模型三天两头要改。

未来数据中台的运营压力会越来越大，比如以前校园营销都是市场的事，现在也成了数据团队的一项重点工作，但这是好事，说明企业真的愿意用更为精细化的手段来解决一线生产性问题。

双11对于阿里的意义重大，以前作为旁观者，我们会赞叹其IT系统海量的流量承载能力，惊诧于其炫目的双11实时数字大屏，但我们现在要考虑的不能仅仅是提供几个指标，而是自己的数据中台在市场的关键战役中能否发挥出更多的作用？你有多大的参与感？

希望我的分享于你有启示。