数据中台的误区

随着企业规模不断扩大，业务发展多元，利用数据提升业务创新能力、经营管理能力越来越被企业管理层重视。因此，能够加强数据利用率，提升各部门工作效率的数据中台应运而生。

数据中台与企业的业务发展方向、企业的组织结构、信息化发展程度等均有着紧密的联系，所以单纯地认为数据中台是工具、大数据分析方法或者组织架构等都是错误的，这是对数据中台的理解误区。

数据中台的理解误区

第一，大数据BI分析工具=数据中台？大数据BI分析工具只是限于业务分析，为企业领导决策制定和执行提供科学依据，相比数据中台为企业在数据采集、数据治理、数据挖掘、模型建立、可视化分析、应用开发等不同方面的融合能力，其功能只呈现了小部分。

第二，大数据集群=数据中台？为了解决海量的结构化和非结构化数据的存储、恢复和高效运算，很多企业建立了分布式大数据集群。但数据中台并不等同于大数据集群，大数据集群仅仅是在建立数据中台底层数据存储和运算时用到的一部分技术架构。数据中台是业务部门代表的前台和技术部门经过资源整合、能力沉淀后形成的。

第三，业务报表=数据中台？在企业日常运营中，成本报表、费用报表、财务预算、财务分析、进销存等一系列报表的产生对企业加强沟通、控制、决策制定、业绩考核等方面发挥着重要作用。但在企业管理当中，业务报表仅限于对企业内部进行管理和监控，对企业外部用户的维护、需求的跟踪、业务和产品的更新等方面发挥作用有限。

相比数据中台不仅对企业内部资源进行打通，实现资源共享，加强管理，还对企业外部持续产品创新，快速满足用户需求，提升企业竞争力等作用，业务报表只体现了数据中台其中小部分的价值。

第四，某个应用=数据中台？伴随着移动互联网在日常工作和生活中的渗透，基于移动网络提高个人生活质量和便利性地APP的产生应接不暇，这是面向对象为个人用户的应用。而针对加强企业运营管理效率，提高企业竞争力的企业级应用也是层出不穷。各个行业和维度的应用百花齐放，满足了第一用户，即不同用户的需求，但这并不意味着这些独立的应用就是数据中台。

数据中台从业务中台的数据库中获取数据，进行清洗和分析之后得到的结果支撑到业务中台的智能化应用。这些智能化应用在用户使用后产生的新数据又流转到数据中台，从而形成闭环。可见，应用为数据中台提供研发数据，数据中台为业务创新或者应用完善提供更多支撑。

第五，管理系统和数据分析工具的叠加=数据中台？在传统企业经营管理过程中会逐渐根据业务或者管理需求，添加OA 、CRM等不同类别的管理系统。这些系统在提高了企业员工工作效率的同时，其简单的数据统计功能为企业搜集了基础的管理数据。企业利用数据分析工具将管理系统中的数据进行分析，之后再将分析结果反馈给各运营部门，从而期盼以此种“数据中台”的搭建方式为企业管理建设提供更多指导意见，同时也省去了咨询专业数据中台供应商的费用。

殊不知，这并不是真正意义上的数据中台。管理系统和数据分析工具的搭配治标不治本，因为这样的叠加没有将业务、技术、分析各部门的数据打通，没有将共同资源进行优化总结，企业也谈不上部署了真正地数据中台，也无法为企业数字化转型提供全面地服务。

第六，数据仓库理论=数据中台？还有人认为数据中台的搭建是将业务系统的数据进行选择、清洗转换后加载到数据仓库。由此，企业中分散、凌乱、标准不同的数据可以整合到一起，为企业的决策提供分析依据。但ETL是传统数据处理的方式，它的存在只会形成更大的数据孤岛。数据仓库需要拷贝数据源，具有历史性，基于文件存储。数据仓库本身也具备计算能力，也可以作为存储供其他计算系统使用。

而数据中台是数据和存储分离的。数据中台本身没有数据，数据来源于其他的文件和各个业务系统的API。因为数据中台拥有这些数据源的适配器，所以数据中台相当于建立了通向不同数据源的互联管道。

可见，数据仓库是数据中台的重要组成部分，也是元数据的重要来源。数据仓库并不代表数据中台。

第七，数据中台=纯技术概念？数据中台不是单纯的技术概念，也不是工具概念，其包含业务应用、数据资产、模型资产等。但数据资产是数据中台建设的基础资料，将数据资产进行清洗、挖掘、分析打包后的模型组合可以为企业解决不同维度的问题。同时，利用数据重塑企业日常经营管理，将帮助企业从根源上解决资源浪费、人员成本、业务更新慢等不同的问题。由此，企业才能真正实现数字化转型，提高盈利规模，实现“降本创收”。

第八，数据中台=数据工具箱？数据分析产品、分析工具、仓库工具等集合在一起的工具箱并不是数据中台。因为每款工具的功能既相互交叉，又有各自的独立性，工具之间无法协同一致。工具箱的架构只是数据中台建设的某个环节或多个环节，只能发挥各个工具的效果，起到简单地数据辅助决策和报表的参考。

而数据中台建设初始就要考虑到各个环节的无缝打通，来确保之后的数据维护和数据质量，因为一旦某个环节的数据产生变化，其他环节的数据没有及时地自动修正，会导致用户决策出错，造成巨大的损失和影响。

以前一些国内大型互联网公司也从国外购买了各种各样的数据技术产品，但在实际运用过程中并没有达到工具集合的效果，即使某一个环节完成地较好，最终的数据结果也会出错，原因在于生产链条无法协调统一，不同工具间的数据无法达到一致，数据维护门槛较高。

针对以上问题，传统的解决方案是做各种各样的中间表，但这样又会产生其他的问题。首先是中间表的建立和维护需要工作人员一直关注，时间成本和资源势必需要持续投入，人工维护难度和成本较高；其次，当企业业务规模扩大后，需要改变中间表时，当时的运维人员或许已经离开，导致中间表无法修改，即使出错了，数据也无法回溯。

当时阿里巴巴针对以上问题也做了很多工作，比如开发数据血缘分析系统，梳理数据的血缘关系，维护数据应用的正确性。因此，企业为了维护数据的一致性，需要开发更多复杂的应用产品保证数据的质量和结果。可见，数据中台并不是数据工具箱。

第九，数据库=数据中台？一些优质的软件产品在增设分析功能的基础上配备数据库，主要提供业务计算功能，但这样的数据库并不是数据中台。该类软件数据库中所用到的分析数据只是企业局部数据而非全域数据，无法挖掘全域数据的价值。

第十，计算平台=数据中台？计算平台的建设并不能产生应用，因为其没有强大的数据治理体系，数据无法实现联通、共享，只纯粹的搭建计算平台并不是数据中台。

数据中台建设建议

企业对数据中台的认知误区会导致它的建设面临风险。中台的建设考虑到兼容性的问题，需要变革技术架构和更新产品体系。一旦中台搭建错误，基于中台产生的应用也会出现问题，且重新搭建的代价将会非常大。因此，企业要保障数据中台建设的正确性，并注意各个建设内容的迁移。

数据中台是完整的数据方案和解决思路，是在阿里完整的数据体系基础上经过反复验证和试错而建立并提出的，而很多头部企业或中小企业缺乏海量且完整的数据基础，无法预测未来企业应用会出现什么问题，也较难设计出契合企业发展的中台产品，这也是阿里巴巴多年来保持行业领先的原因。国云数据核心技术团队是原阿里巴巴数据中台参与者，能够将前沿、专业的技术经验和行业发展情况相结合，保障企业用户中台架构建设的正确性和延展性。

——国云数据马晓东