数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。
数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。这些服务跟企业的业务有较强的关联性，是这个企业独有的且能复用的，它是企业业务和数据的沉淀，其不仅能降低重复建设、减少烟囱式协作的成本，也是差异化竞争优势所在。
中台的目标是提升效能、数据化运营、更好支持业务发展和创新，是多领域、多BU、多系统的负责协同。中台是平台化的自然演进，这种演进带来“去中心化“的组织模式，突出对能力复用、协调控制的能力，以及业务创新的差异化构建能力。
扩展资料
1，回归服务的本质－数据重用
浙江移动已经将2000个基础模型作为所有数据服务开发的基础，这些基础模型做到了“书同文，车同轨”，无论应用的数据模型有多复杂，总是能溯源到2000张基础表，这奠定了数据核对和认知的基础，最大程度的避免了“重复数据抽取和维护带来的成本浪费。”
2，数据中台需要不断的业务滋养
在企业内，无论是专题、报表或取数，当前基本是烟囱式数据生产模式或者是项目制建设方式，必然导致数据知识得不到沉淀和持续发展，从而造成模型不能真正成为可重用的组件，无法支撑数据分析的快速响应和创新。其实，业务最不需要的就是模型的稳定，一个数据模型如果一味追求稳定不变，一定程度就是故步自封，这样的做法必然导致其他的新的类似的数据模型产生。
数据模型不需要“稳定”，而需要不断的滋养，只有在滋养中才能从最初的字段单一到逐渐成长为企业最为宝贵的模型资产。
3，数据中台是培育业务创新的土壤
企业的数据创新一定要站在巨人的肩膀上，即从数据中台开始，不能总是从基础做起，数据中台是数据创新效率的保障。研究过机器学习的都知道，没有好的规整数据，数据准备的过程极其冗长，这也是数据仓库模型的一个核心价值所在，比如运营商中要获取3个月的ARPU数据，如果没有融合模型的支撑，得自己从账单一层层汇总及关联，速度可想而知。
4，数据中台是人才成长的摇篮
原来新员工入职要获得成长，一是靠人带，二是找人问，三是自己登陆各种系统去看源代码，这样的学习比较支离破碎，其实很难了解全貌，无法知道什么东西对于企业是最重要的，获得的文档资料也往往也是过了时的。
现在有了数据中台，很多成长问题就能解决，有了基础模型，新人可以系统的学习企业有哪些基本数据能力，O域数据的增加更是让其有更广阔的视野，有了融合模型，新人可以知道有哪些主题域，从主题域切入去全局的理解公司的业务概念，有了标签库，新人可以获得前人的所有智慧结晶，有了数据管理平台，新人能清晰的追溯数据、标签和应用的来龙去脉，所有的知识都是在线的，最新的，意味着新人的高起点。
对于寻求数字化转型的企业而言，要如何管理公司的数据资源，让数据产生价值，有效服务前端业务呢？在2019年，呼声最高的答案无疑是“数据中台”。
一、什么是数据中台？
（一）前台、中台与后台
前台，即指由各类前台系统组成的前端平台。每个前台系统就是一个用户触点，即企业的最终用户直接使用或交互的系统，是企业与最终用户的交点。
后台，即指由后台系统组成的后端平台。每个后台系统一般管理了企业的一类核心资源（数据计算），例如财务系统，产品系统，客户管理系统，仓库物流管理系统等，这类系统构成了企业的后台。
前台与后台就像是两个不同转速的齿轮，前台由于要快速响应前端用户的需求，讲究的是快速创新迭代，所以要求转速越快越好；而后台由于面对的是相对稳定的后端资源，而且系统陈旧复杂，甚至还受到法律法规等相关合规约束，所以往往是稳定至上，越稳定越好，转速也自然是越慢越好。
随着企业务的不断发展，这种“前台后台”的齿轮速率“匹配失衡”的问题就逐步显现出来。而中台就像是在前台与后台之间添加了一组“变速齿轮”，将前台与后台的速率进行匹配，是前台与后台的桥梁，它为前台而生，易于前台使用，将后台资源顺滑流向用户，响应用户。
（二）“数据中台”的由来
“数据中台”并不是一个专业术语，简单来说，它是指通过数据技术，对海量数据进行采集、计算、存储、加工，且进行统一标准和口径，以达到对企业的数据资产进行管理及应用为目的的平台。数据中台把数据统一后，形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。
“数据中台”的概念是由阿里巴巴于2015年首次提出。阿里巴巴认为，数据中台是集方法论、工具、组织于一体的“快”、“准”、“全”、“统”、“通”的智能大数据体系。阿里人通过多年不懈的努力，在业务的不断催化滋养下，将自己的技术和业务能力沉淀出一套综合能力平台，具备了对于前台业务变化及创新的快速响应能力。
阿里巴巴中间件首席架构师、《阿里巴巴中台战略思想与架构实践》作者钟华表示，在用阿里技术推动企业数字化转型、建立数字中台的过程中，第一大挑战是业务、其次才是技术。所谓业务挑战，就是从业务视角，把共性的业务模块沉淀到共享业务中台，把个性化的业务剥离出去后形成前台，形成“大中台，小前台”的新格局。
阿里巴巴发展数字中台的核心经验是将原有的共享IT部门必须要找到极强的互联网业务作为抓手，把自己变成核心业务部门，才能够真正转型成为企业的共享业务事业部，而不是某种变形的、换汤不换药的共享IT部门，这也就是阿里共享业务事业部所讲的“业务滋养”的概念。
二、企业为何要布局数据中台？
数据中台的核心价值，在于帮助企业将琐碎的业务数据进行统一的规划、管理、整合，形成符合企业特征的价值实现通道——即企业的“数字资产”。在此过程中，数据中台所瞄准的主要问题是提高企业的数据管治能力、提供数据管理工具、提升数据利用效率。
对于传统企业来说，要把能力中心构建起来，光做一个端还不够，需要把这些端打通。一个“特种兵”没有用处，它真正需要的是把自己的炮火和雷达能力都建立起来。数据中台最终的目标是让“一切业务数据化，一切数据业务化”，将所有的数据汇聚到数据中台来，打通各个业务线的数据流转、数据链路，了解企业数据现状。
在为数据应用提供数据服务的时候，减少数据平台的重复开发，减少数据重复的存储，从而减少企业成本。同时，建立统一的数据存储、数据使用模型中心、能力中心，将相关业务领域的数据做汇聚，解决了数据互联互通的诉求，实现数据价值上的一加一大于二。
以阿里巴巴为例，其数据中台系统由多元数据采集和接入、公共数据中心、统一数据服务三个核心板块构成，成功在新零售、金融、物流、营销、旅游、健康、大文娱、社交等阿里商业生态中，实现了业务数据化和数据业务化，为业务前台和云端双向赋能。
阿里巴巴对外开放的数据中台，2018年曾帮助海底捞旗下的云上捞APP的会员猛涨，更智能的是应用能够对每位用户精准画像，记得住每一位用户的口味和喜好，进而实现个性化、定制化的"千人千锅"服务。公开数据显示，截止目前云上捞注册会员已达到4500万人，较之2018年增长50%。此外，已经享受阿里数据中台服务的还有央视、华硕、大润发等。
阿里旗下的支付宝已经从金融支付工具变成了数字生活开放平台，不仅能购买金融服务、电子支付、借款、还信用卡，还新增了外卖、果蔬商超等便民生活板块。支付宝想做的就一件事，那就是成为人们生活的一部分。要实现这个目标，靠的就是中小企业向数字化经营的转型。
三、企业如何布局数据中台？
从企业应用的角度而言，如何应用数据中台管理业务数据、挖掘数据价值并非易事。数据化中台对企业来说主要有四个过程：
（一）连接
对内，企业需要把前端与前端、前端和后端供应链、制造系统相互打通。对外，对全业务场景中的人与人、人与物、物与物的数据链接进行识别和规划，结合企业特征方向梳理业务数据需求场景。
（二）沉淀核心能力
对分散的业务数据进行统一规划、搜集、存储，建立数据资产目录，为业务数据化管治奠定基础。每个企业实际的竞争能力是不一样的，有些是以产品制胜，有些是以成本制胜。但这些核心能力必须要沉淀下来，才能赋能给新业务。
（三）把数据变成资产
根据阿里讲的“数字化运营”，就是业务数据化，数据资产化。以前连消费者是谁都不知道，这些数据沉淀的非常少。现在的技术已经可以让你做到业务数据化了，但很多企业的数据积累起来之后怎么用？中台解决的就是这个问题，把数据资源利用起来，变成数据资产。搭建数据中台，生产加工、物流运输、财务管控、市场营销、客户管理等各业务线形成快速稳健的数据价值加工通道。
（四）让资产发挥价值
数据变成资产之后，需要找到一个场景把它用起来。举个简单的例子，星巴克是靠什么挣钱？附餐。咖啡本身往往是不挣钱的，只是一个流量生意。但它通过场景化的东西，想办法给你推荐附餐。这就是数据资产场景化的过程。
再比如共享单车，本身也不见得会多挣钱，但收集数据以后，可以通过数据服务挣钱。对于在线下开店的企业来说，就更是如此了。在线下培养一个好的店长是非常难的，但如果你有很多数据，就可以用人工智能来替代店长的很多工作，因为店长不外乎补货和选品。
在未来，数据中台将会是数字化经营的重要依托。通过数据的沉淀和技术手段，为用户提供更优质的服务，数据中台就是基于这个理念而诞生的。通过数据中台，提升企业的效能，持续提高用户的响应力，实现数据化的运营，更好地支持业务发展和创新。
如今，数据中台对很多企业来说，是一个非常有吸引力的数字化解决方案，但企业需要以业务需求来推动数字化进程，而不能一知半解就盲目进行，当企业在明确的业务需求驱动下，搭配完善的数字化解决方案，才能降低转型失败的几率。
数据中台的核心是Data API，起到连接前台和后台的作用，通过API的方式提供数据服务，而不是像以往那样直接把数据库给到前台，让前台开发自行使用数据。那么产生DataAPI的过程，DataAPI怎么可以产生得更快，DATA API怎么可以更加清晰，DATA API的数据质量怎么可以更好，这些就是需要围绕数据中台去构建的能力。
（数据中台示意图）
1.数字内容资产沉淀，提升使用效率。支持图片/视频/音频/WPS/PDF/PSD/3D/H5/GIF等类型的内容，集中存储各类内容素材，快速在线预览，并通过标签分类管理海量内容资源，方便内容搜索与映射。同时支持关键词搜索、以图搜图、按颜色搜图等高级搜集，快速精准定位，提升内容检索与使用效率。还支持自定义内容元数据管理，通过构建元数据汇聚及检索平台，使海量的内容资源得到有效的管理，便于管理者进行维护以及资源需求者的检索利用。
2.构建品牌行业专属知识图谱。基于知识图谱的智能标签体系，构建品牌专属标签库，做到内容素材自动识别与打标。还可以基于AI算法学习，分别从「标题」「封面」「正文」「配图」「视频」几个维度对内容进行评测，并给出系统性评分。方便运营人员精准快捷的筛选出潜力爆款内容，最大程度提升内容曝光量。
3.内容智能生产，提升基础设计工作效率。利用在线编辑平台，个性化创意内容在线生产，敏捷协作，提高企业生产处理效率
数据中台是什么？
数据中台是指通过数据技术，收集、计算、存储、加工大量数据，同时统一标准和口径。统一数据后，数据中心将形成标准数据，然后存储，形成大数据生产层，为客户提供高效服务。这些服务与企业的业务问题密切相关，是企业独有的，可重复使用。它是企业业务和数据的沉淀。它不仅可以降低重复建设和合作成本，而且具有差异化的竞争优势。
数据中台的整体技术架构采用云计算架构模式，充分云化数据资源和存储资源，通过多租户技术包装整合资源，开放，为用户提供“一站式”数据服务。利用大数据技术，收集和管理大量数据，统一处理企业内部所有数据，形成标准化数据，挖掘企业最有价值的数据，建立企业数据资产库，提供一致、标准的数据服务。
我们要明确地认识到，数据中台并不是一套软件或信息系统，而是一系列数据组件的集合，企业根据自己的信息化建设基础、数据基础和业务特征来确定数据中台的能力，根据功能定义使用数据组件构建他们自己的数据中台。
数据中台主要做什么：
数据中台一般会具备4个能力：数据采集整合、数据提纯加工、数据服务可视化、数据价值变现。
数据采集整合：创建企业数据中台第一步，打破企业内部各个业务系统的数据隔阂，形成统一的数据中心，为后续数据价值的挖掘提供基础。主要通过数据采集和数据交换实现。
数据提纯加工：主要是对数据统一标准、补充属性，然后根据维度汇总成数据表、最后汇总出所需要的报表，满足企业对数据的需求。
数据服务可视化：对数据进行计算逻辑的封装，生成API服务，上层数据应用可以对接数据服务API，让数据快速应用到业务场景中。数据服务API对接的3种常见数据应用包括数据大屏、数据报表、智能应用。
数据价值变现：通过打通企业数据，提供以前单个部门或者单个业务部门无法提供的数据服务能力，为赋能前端应用、数据价值变现提供基础。