数据中台被誉为大数据的下一站，由阿里兴起，核心思想是数据共享！但不是所有人都清楚数据中台到底意味着什么？

数据中台解决的问题可以总结为如下三点：

效率问题：为什么应用开发增加一个报表，就要十几天时间？为什么不能实时获得用户推荐清单？当业务人员对数据产生一点疑问的时候，需要花费很长的时间，结果发现是数据源的数据变了，最终影响上线时间。

协作问题：当业务应用开发的时候，虽然和别的项目需求大致差不多，但因为是别的项目组维护的，所以数据还是要自己再开发一遍。

能力问题：数据的处理和维护是一个相对独立的技术，需要相当专业的人来完成，但是很多时候，我们有一大把的应用开发人员，而数据开发人员很少。

这三类问题都会导致应用开发团队变慢。这就是中台的关键——让前台开发团队的开发速度不受后台数据开发的影响。所以数据中台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。

数据中台和数据仓库、数据平台的关键区别是现在数据行业经常讨论的问题，到底数据仓库、数据平台和数据中台的区别是什么呢？

三者的关键区别有以下几方面：

第一，数据中台是企业级的逻辑概念，体现企业 D2V（Data to Value）的能力，为业务提供服务的主要方式是数据 API；

第二，数据仓库是一个相对具体的功能概念，是存储和管理一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表；

第三，数据平台是在大数据基础上出现的融合了结构化和非结构化数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集；

数据中台距离业务更近，为业务提供速度更快的服务；

第四，数据仓库是为了支持管理决策分析，而数据中台则是将数据服务化之后提供给业务系统，不仅限于分析型场景，也适用于交易型场景；

数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。

数据仓库具有历史性，其中存储的数据大多是结构化数据，这些数据并非企业全量数据，而是根据需求针对性抽取的，因此数据仓库对于业务的价值是各种各样的报表，但这些报表又无法实时产生。

数据仓库报表虽然能够提供部分业务价值，但不能直接影响业务。

数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题，所以先撇开业务需求、把企业所有的数据都抽取出来放到一起，成为一个大的数据集，其中有结构化数据、非结构化数据等。

当业务方有需求的时候，再把他们需要的若干个小数据集单独提取出来，以数据集的形式提供给数据应用。

而数据中台是在数据仓库和数据平台的基础上，将数据生产为为一个个数据 API 服务，以更高效的方式提供给业务。

企业所需要具备的数据能力概括为以下六种，具备了这六种能力，企业才具备成为数据驱动的智能企业的基础，而这些能力的承载平台，就是数据中台。

做中台之前，首先需要知道业务价值是什么，从业务角度去思考企业的数据资产是什么？

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。

对于同一堆数据，不同业务部门所关注的数据指标可能完全不同，怎么让各个跨域的业务变成统一的标准，就需要规划企业的数据全景图，将所有有可能用上的、所有对企业有可能有价值的数据都规划出来，最终梳理出企业的数据资产目录。

在这个时候不需要考虑有没有系统、有没有数据，只需要关注哪些数据是对企业业务有价值。传统的中心化、事前控制式的数据治理方式，要改变为去中心化、事后服务式的治理方式。

数据中台要为企业提供强大的数据资产的获取和存储的能力。

企业的数据中台一定是跨域的，需要让所有的人都知道数据资产目录在哪里。不能因为数据安全，就不让大家知道企业有什么数据。

没有共享和开放，数据没有办法流动起来，没有流动的话数据的价值产生的速度就会非常慢。

所以在数据安全的基础上，企业的数据资产目录要对利益相关者、价值创造者开放，要让业务人员能够做到“Self-Service”。

数据中台不仅要建立到源数据的通路，还需要提供分析数据的工具和能力，帮助业务人员去探索和发现数据的业务价值。

一个好的数据中台解决方案中需要针对不同业务岗位的用户提供个性化的数据探索和分析的工具，并且在此基础上一键生成数据 API，以多样化的方式提供给前台系统。

数据中台需要保证数据服务的性能和稳定性，以及数据质量和准确性，还需要具备强大的服务治理能力。

数据中台是一个生态平台，在数据中台上面会不断生长各种数据服务，所以从一开始就构建好数据服务的治理结构是非常重要的，数据服务需要可以被记录、可被跟踪、可被审计、可被监控。

如果数据中台最终只是做到把数据给到业务人员，那它就只是一个搬运工的角色。

数据中台还需要具备度量和运营数据服务的能力，能够对中台上提供的数据服务及相关行为持续跟踪和记录，包括哪些数据服务被哪个部门用了多少次等，通过这些去度量每一个数据服务的业务价值。

建设数据中台最大的挑战在于前期能否从业务层面梳理清楚有业务价值的场景，以及数据全景图，而不仅在于后期的技术建设。

数据中台建设面临的挑战包括：

第一，梳理业务场景：要搞清楚数据中台如何对业务产生价值。

第二，建设数据中台的优先级策略：需求可能大而全，但我们不能直接建大而全的数据中台，应该根据业务重要性来排需求的优先级。

第三，数据治理问题：和业务独立开的数据治理少有成功的，大的数据标准要有（数据资产目录），通过数据资产目录将共有的纬度、共性的业务模型提炼出来，在此基础之上数据治理需要跟业务场景紧密结合！

数据中台是企业的 Data API 工厂，用更高效、更协同的方式加快从数据到业务的价值，能够给业务提供更高的响应力。

所以数据中台距离业务更近，这对于传统企业的数据业务来讲，是一个重大的变化，同时给原来的数据团队也会带来巨大的挑战。

当前国内外已经有不少公司开始投资建设数据中台，大家比较熟悉的包括阿里、华为、联想、海航、上汽、壳牌等。

数据中台当前处于上升发展期。虽然未来数据中台未必还叫做数据中台，但它一定会成为企业必备的基础组件。

世界正在从信息化向数字化发展。信息化是指大部分的工作都在物理世界里完成，然后用数字化解决一小部分问题。

数字化则是把人从物理世界搬到数字化世界。从这个角度来讲，数据中台将会变成物理世界的业务在数字化世界的一个还原。

数据中台设计的初衷是将计算与存储分离，从狭义上来说，真正最核心的数据中台可以是没有存储的。

但就当前的情况来看，广义的数据中台在未来一段时间内仍会涵盖数据仓库、数据湖等存储组件，“数据工厂”这个概念可能更适用于现在的阶段。随着数据中台的发展，未来很有可能不再需要数据湖了。

数据中台目前更偏分析、决策和洞察，为业务提供 T+N 和 T+0 的数据服务，但是再往前走，数据中台跟交易会慢慢结合得更为紧密。

随着计算能力越来越强，以及微服务架构的进一步发展，未来业务中台和数据中台可能会融为一体。

数据中台是近期的热点，最后可以简单明了的总结一下：

第一，中台是组织机构！具有中介代理职能，中间大两头小：入和出的统一，处置、管控的集中。

第二，中台是运行机制！运营一体化：全过程、全流程、全生命周期的贯通、穿透、聚合

第三，中台是支撑体系服务模式集合：协同各方、服务各方，资源的集约化归集和利用。

未来将是物联世界，让我们相约2019年11月19-21日，相约2019（第三届）全球物联网大会—寻找思考者！

——————本文完——————

声明：本文系《洞悉——物联网发展1000问》系列文章第四十二篇，旨在希望通过系统性与行业专业视角就物联网产业当前发展现状与经济潜力予以分析和分享。IOT物联网，万物互联，互联万物。

作者：王正伟  中关村物联网产业联盟秘书长