数据中台支撑业务部门的业务创新需求

数据中台这个概念是阿里巴巴提出来的。随着业务的快速发展，企业的多条业务线都产生了大量的数据，而且数据都按照不同的形式进行采集、存储、处理等。为了快速满足每个前端业务的需求，公司通常会让前台直接去联系后台。譬如：大部分公司的大后台就是财务，初始可能比较有效，但是随着需求越来越多、越来越频繁，沟通成本大大提高，效率大大降低。

同时，对于一个公司的多个业务来说，哪怕看起来很个性的需求，经过抽象以及合并同类项后，我们发现也可以形成共有的能力。其实，对于后台的很多功能，同样可以抽象出来，成为各业务共有的能力。这样可以让数据更灵活更敏捷地服务于前台的各项业务，这个就是数据中台的初衷。

对于阿里来说，如何更好地把包括自己不同业务的数据、被收购公司的数据在内的多个数据变成One Data , 然后为整个公司的业务服务，也是数据中台的一个核心目标。

事实上，数据中台的建设与数字化转型一样，其实也是一个螺旋上升的过程，往往需要不断根据业务变化需求进行完善。哪怕再宏大的数据中台战略，也必须要用真实的业务场景去实践，通过以小到大的场景不断去锻炼中台。

总结而言，数据中台是练出来的，即数据的复用率决定了数据中台的成功与否。一个数据中台的成功意味着不少数据都在进行着重复使用。此外，我们需要注意数据安全策略的执行，包括底层数据安全的实现以及业务层数据的合规使用。

如果一个公司的数据中台没有和业务中台紧密配合，那么这种纯粹的数据中台只是蹭热点，不会有很大的效果。所以我们认为，更有价值的中台是业务偏向的数据中台，而不是通用型的数据中台。这个观点，和前阿里数据委员会主席车品觉是一致的。

根据上面的分析，我们建议公司在业务或者产品比较单一抑或数据战略并不太清晰的情况下，可以建设数据湖，而不是为了建设中台而去建设。从本系列第一篇文章《数据智能时代来临：本质及技术体系要求》的整体介绍来看，我们数据智能的体系和数据中台的目标是一致的。

从我们自身的理解来看，数据智能体系和数据中台一样，本质上是把数据作为资产，整理出企业的元数据和数据血缘关系，再以这些数据为中心，抽象出公共服务的能力。最后，让前端流程的构造和企业的稳定数据公共服务解耦。这样就沉淀出了公共服务能力，即把这些能力SaaS化。

数据智能体系或者说中台，最根本的目的是敏捷地支撑业务部门的业务创新需求，打造快速服务商业需求的服务能力，并且尽量实时处理，体现数据的资产化及价值最大化。

我们认为中台最主要的用户是数据开发者群体，包括数据研发人员、数据分析及建模人员。建设中台的目的在于提高他们的效率、降低学习曲线、提高数据质量。