2015年，阿里首次公開提出“大中臺，小前臺”的戰略，讓中臺一詞正式進入公眾視野。這一概念，實際上是將企業的共性需求進行整合，將不同業務通用的工具和技術加以沉淀，形成標準化的功能，打造成平臺化、組件化的系統能力，以接口、組件等形式共享給各企業各部門使用，這樣新的業務需求可以不再重新設計，避免因重復的功能建設和維護造成資源浪費，企業組織架構也演進到以中臺為主的扁平化架構。

01 數據中臺概述

從數據庫開始，數據存儲、調用及分析的生產力工具或平臺就根據企業對于數據的需求不斷升級，每個階段的數據管理方式都是與所處的階段特點所匹配。

數據中臺與之前的數據工具最大的優勢為基于業務的框架設計對數據資產質量及應用的管理。

事實上，數據中臺的內涵是技術的概念，更是企業管理的概念。

數據中臺居于前臺和后臺之間，是企業級的數據共享、能力復用平臺，是數字化轉型的基礎和中樞系統。將企業全域海量、多源、異構的數據整合資產化，為業務前臺提供數據資源和能力的支撐，以實現數據驅動的精細化運營。

數據中臺不是簡單的一套軟件系統或者一個標準化產品，更多的是一種強調資源整合、集中配置、能力沉淀、分步執行的 運作機制，是一系列數據組件或模塊的集合，指向企業的業務場景。

企業基于自身的信息化建設基礎和業務特點對數據中臺的能力進行定義，基于能力定義選擇和利用數據組件搭建中臺。各類數據技術是構建數據中臺的基礎，能夠高效對數據進行統一收集、處理、儲存、計算、分析和可視化呈現，使數據最終與業務鏈條結合，真正轉化為企業核心資產。

而從廣義上，數據中臺更是一種企業組織管理模式和理念，集公司戰略決心、組織架構、技術架構于一體，企業從戰略上構建統一的協同基座即中臺化組織，以協調和支持各業務部門，用技術拓展商業邊界，為新業務、新部門提供成長空間。

數據中臺總體架構分為三層，即：業務數據化、數據資產化及資產價值化。

數據中臺架構

數據中臺首先采集與引入全業務、多終端、多形態的數據，經過數據計算與處理，通過數據指標結構化、規范化的方式實現指標口徑的統一，存儲到各類數據庫、數據倉庫或數據湖中，以實現數據資產化管理。向上提供各類數據服務，面向業務構建統一的數據服務接口與數據查詢邏輯，提供數據的分析與展示，形成以業務核心對象為中心的連接和標簽體系，深度萃取數據價值。

02?數據中臺建設路徑

數據中臺的建設不是一蹴而就的，其建設路徑及難度跟企業數字化變革驅動力、行業背景直接相關，與企業原有機制的融合是一個長期的過程，其建設成本在百萬元以上，建設周期更是以年為單位計算。

整個數據中臺的建設沒有一個通用的企業級模型套用，一般需要從頂層設計出發，自上而下貫徹。

（1）頂層設計

納入企業戰略，達成全員共識，自上而下推動，分步實施，明確分工和責任；從數據向上，業務向下同步思考，

建立全局架構數據中臺的設想，初始化數據采集、數據公共層和應用層建設。

（2）試點示范 營銷、財務或其他核心業務，企業需找準切入點，明確該業務的目標和范圍，分析需求，進行初步的業務重塑，減少交付壓力。 從試點中驗證技術平臺能力、消化中臺建設方法論，以完善相關產品套件及迭代中臺全局架構。?

（3）深化應用 能力沉淀，優化和拓展場景應用，建設范圍逐漸擴大到業務全域，將業務資源和共享服務沉淀整合。 持續推進數據公共層的豐富完善，提高數據應用層的算法能力，重塑IT架構和企業全鏈路的運作方式。?

（4）治理融合 在使用中逐漸磨合出企業自身的中臺理念和規范，優化組織，提升中臺效率。 隨著業務的擴展和進步不斷發展迭代，最終構建起企業自身的數字能力生態。 一般建議根據企業自身的業務目標逐級建設，優先從小場景領域內開始試點，逐步納入更多的業務模塊，以達到企業數字能力的逐級進化和價值的持續疊加。此外，在數據中臺的建設過程中，企業需要培養自身的數據管理團隊，甚至重構整個IT團隊，以提高數據服務和企業數字化運營的能力。

數據中臺的搭建涉及技術諸多，在整個技術構架上需要考慮可拓展性、敏捷性、輕量化，并注重與前臺的交互，靈活地通過服務編排實現應用功能，以滿足前臺需求。

當前數據中臺遵循“高內聚、松耦合”的設計原則，融合分布式、微服務、容器云、DevOps、大數據處理及高可用高性能高并發架構，已形成了一套較為成熟的方法論。

因此現階段，數據中臺的建設難點更多的聚焦在如何將成熟的技術方案與行業及企業的實際情況和特征結合，基于真實應用場景，規劃設計數據中臺建設的可行性方案。

企業自身的資源配置能力、管理經驗、組織架構、業務梳理能力，以及數據中臺服務商在企業中臺搭建過程中為企業數據治理提供的咨詢規劃服務，逐漸成為數據中臺建設過程中的關鍵性要素。

03?數據中臺價值點

1、降低數據建設成本，提高數據治理效率數據中臺的建設天然會幫助企業打通數據孤島，并建設統一的數據標準，包括數據建設規范和數據消費規范。此外，數據中臺基于原有的數據關系及SOA架構等企業數據管理的經驗，能解決企業信息管理中“數據煙囪”的問題，從全生命周期的角度管理數據。隨著數據中臺的建設，數據二義性逐漸消除，透明度和利用率大大提高，有效發揮數據及分析技術對前臺業務的復用價值，降低數據計算與數據存儲成本，減少因數據體系建設不一致或重復建設導致的人力成本浪費等。由于系統和能力容易復用，當業務量增加或數據連接點、流程發生改變時，打通的數據中臺可以避免系統的重復建設，支撐新業務形態的產生和快速發展；由于數據中臺整合了業務與技術兩大職能，業務產生的數據省去了跨部門傳遞的步驟，而基于技術產生的數據分析結果也可直接轉化為業務優化方案。

數據實時共享，直接賦能業務，使企業數據治理全鏈條的時效性與靈敏度得到提升，同時避免了技術與業務兩部門因信息不對稱而導致的認知偏差。

2、激活數據商業價值，賦能企業運營與決策提升對數據的管理利用能力是企業數字化轉型的重要目標。數據中臺與過去的數據工具相比，最大的優勢在于基于企業組織、戰略及業務框架設計，對企業全域的數據資產進行高效的開發、應用及質量管理。通過將數據資產化，將不同系統、不同類型的數據納入一個可對比、可計算的范圍，使其更易于企業日常經營活動中進行搜索、過濾和管理，充分激活數據 的商業價值。

此外，數據中臺匹配和銜接了當前業務與數據間協作的需求，形成價值鏈閉環。在實現數據接口標準化和在線交互實時化的基礎上，集成可快速復用的數據生產力工具或模塊，使數據具備敏捷地對外服務的能力，智能服務全流程的部門及人員，使每個層級的員工都能快速制定適合自己的數據決策服務，有效賦能業務決策。

3、改造企業業務流程，升級企業組織架構傳統的作業方式通常呈現“流水線”的特點，往往由業務人員基于行業經驗進行流程設計，結合商業套件建立和操作業務系統。數據僅僅是用于監測業務進展和洞察規律的副產物，最終的決策由業務人員進行，因此決策不確定性較強，整個業務流程的迭代速度極慢，很難與當前快速變化的前端應用匹配。

而隨著數據中臺在整個業務鏈條中的部署和應用，大數據進入決策階段，企業的業務流程也逐漸快速、扁平化，由原先依賴業務人員經驗的流程驅動逐步轉向數據驅動。另外，傳統企業數據孤島、業務割裂、資源分配等問題，其根源往往來自于組織架構的分割，尤其當業務需要涉及跨部門協同時，“部門墻”的現象十分嚴重，甚至出現沖突和制衡。

因此數據中臺的部署應用既是打通了數據的壁壘，更是打通了部門、事業群間的壁壘，使企業組織靈敏性得到提升。