最近中台这一概念持续被大家讨论，阿里、腾讯、百度、京东、美团等都不约而同地提到了未来转型To B的计划，并在组织架构中增设“中台”，甚至将中台上升为调整的核心方向。为什么中台突然密集地进入了大公司的调整计划呢？
在不久前，我们曾分享了一篇文章《被称为企业“变速齿轮”的数据中台到底是什么》，今天DataHunter数猎哥再从另外一个角度“中台思维”说说企业搭建中台背后的深层原因。
一、到底什么是中台？
中台最早是由阿里巴巴在2015年提出的“大中台，小前台”战略中延伸出来的概念，灵感来源于一家芬兰的小公司Supercell，这家公司仅有300名员工，却接连推出了爆款游戏，成为全球最会赚钱的明星游戏公司之一。
这家公司通过将游戏开发过程中公共和通用的游戏素材和算法整合起来，并科学的积累了研发工具和框架体系，构建了一个功能强大的中台。可以同时支持公司内部若干个相对独立的7-9人小团队，在短时间内开发出一款新的游戏。
这种整合了业务、数据、技术和工具，对业务模型和数据模型进行抽象化，标准化，组件化封装，同时具有对外输出标准化服务能力就是中台。
阿里中台的产生虽是受Supercell启发，但采取的并不是一种自顶向下的战略设计，而更多的是因为发展较快，预知到了信息架构对于企业业务发展带来的瓶颈，提前着手解决。核心是为了让企业更快速的响应需求，整合资源，在复用原有能力的同时，发现新的市场机会。
二、中台都有哪些类型？
数据咨询公司Thoughtworks首席咨询师王健老师在《当我们谈中台时，我们在谈些什么| 白话中台战略》一文中提到的关于中台看法的描写：
在有些人眼里：中台就是技术平台，像微服务开发框架、Devops平台、PaaS平台，容器云之类的，人们都叫它“技术中台”；
在有些人眼里：中台就是微服务业务平台，像最常见的什么用户中心，订单中心，各种微服务集散地，人们都叫它“业务中台”；
在有些人眼里：中台应该是组织的事情，这类组织中台在企业中主要起到投资评估与投后管理的作用，类似于企业内部资源调度中心和内部创新孵化组织，人们叫它“组织中台”。
这些人眼里的中台可能都对，但也可能不够准确或完整。现如今随着中台在各大企业中的实际落地，大致分为以下几类：
①业务中台：提供复用服务，例如统一会员中心、营销中心、订单中心之类的开箱即用可复用能力；
②数据中台：提供数据治理、数据模型搭建、数据资产管理等数据服务，打通部门之间的数据阻碍；
③算法中台：提供算法能力，帮助提供更加个性化的服务，增强用户体验；
④技术中台：提供自建系统部分的技术支撑能力，帮助解决基础设施，分布式数据库等底层技术问题；
⑤研发中台：提供自建系统部分的管理和技术实践支撑能力，帮助快速搭建项目、管理进度、测试、持续集成、持续交付；
⑥组织中台：为项目提供投资管理、风险管理、资源调度等；
由此可见，中台是不拘泥于某种具体形式，是一种抽象的概念。从业务特征、场景应用、技术特征、组织职能等维度出发，中台彷佛可以运用的地方有很多。
三、企业为什么需要中台
2019年随着整体经济环境持续降温，互联网流量红利的结束，在过去业务高速增长的情况下，没人在乎组织怎么建设，因为都忙着抓市场机会，但当环境没那么乐观的时候，企业的内部管理就转向了精益化。
与此同时，企业必然会思考两个问题：第一，组织是否存在重复建设和资源浪费；第二，如何沉淀企业核心竞争能力，以便更好地支撑新业务的发展。
而中台解决方案的出现正好可以解决了企业精益化管理的问题，于是各大企业纷纷开始搭建属于自己的中台。这里需要注意的是，中台并不是解决一切问题的法宝，但打造了中台会从以下2个方面让这家公司更有竞争力。
1.快速响应业务、灵活试错
因为用户与用户的需求永远是变化的，为了满足用户而尽可能积极地响应用户需求的变化，同时发展新业务、提供新服务。企业的前方业务端必须做到快速响应、灵活试错。
但要作为一个能承接大量新业务和新服务的一定体量企业，业务想要做到量大又灵活，必定需要靠企业中台科学有序体系的稳定支撑，这样只需要投入几个人的小团队，在较短时间内就能对新业务进行快速试错和调整优化。
2.减少重复建设，避免资源浪费
如图所示，前台是企业前方市场的管理平台，是企业的终端用户直接使用或交互的系统。比如像微信、QQ、淘宝这样的APP，在市场变化的环境下，系统需要快速响应前端用户的需求，并进行创新和迭代。
后台是企业内部支撑的管理平台，是企业管理核心能力的系统。比如像企业ERP管理平台、企业财务管理平台等系统，这些系统的建设需要耗费大量成本，于是后台系统需要扎实稳定，建成之后往往不能随意改动。
于是企业前方市场和企业内部支撑的冲突，必定带来在系统层级上的前台和后台的冲突。而中台的通用，低耦合属性，组件化服务能力，以及以服务中心为单位的组织结构，可以贯穿前台多条业务线，提升服务的复用性，减少系统重复建设，避免资源浪费。
四、数据中台与中台什么关系
数据中台主要由数据仓库（离线，实时数据存储，结构性，非结构性数据存储），大数据中间件（大数据计算服务，数据分析工具），数据资产管理几部分组成。
前端业务不断的为数据中台沉淀数据，数据中台为业务提供相关静态，动态行为的数据分析，完善数据模型，进行相关业务分析。总的来说，数据中台是中台在企业数据层面上的一种应用。
图为：DataHunter数据中台 Data Formula
首先，企业为了汇总和融合内外部的全部数据，打破数据隔阂，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；
其次，形成治理后的标准数据再进行存储，成为对外提供统一的数据服务接口的数据集成平台，在这个过程中，不断完善的数据体系，会不断的丰富各类场景所需的数据。
最后，为前台业务提供高效数据服务。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，比如企业自建的2000个基础模型，300个融合模型，5万个标签。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。
五、企业构建中台的原则
1.通用和可复用性
中台需要打通企业内部被“部门墙”割裂的数据，实现标准统一，可通用；中台提供的服务是可以即取即用的。不仅如此，这次用完，下次还来。业务A用了，业务B也来用。一个中台提供的公用服务的价值高低，是“可用”和“可复用”的区别。
服务的高复用是对技术层级上针对共用服务的抽象设计能力的一大考验，需要尽可能近地靠近业务、靠近用户。
2.组件化
中台提供的服务最好以组件化的方式让业务端可以即取即用。组件化设计可以避免系统间耦合性大，牵一发而动全身——这需要针对共用服务进行抽象设计。通过抽象出的组件化服务，前台业务端可以以组合挑选的方式“按需取件”，减少重复建设。
3.可共用性
基础服务有了，那通过中台向前台提供“相应的服务”还是提供“一揽子的服务”？取决于服务提供的可开放共用的程度。就像我们看到，各大互联网决定中台建设的开始，总是要伴随企业层级的组织架构的调整。
虽然各部门权限、各业务属权，恐怕不是一句“开放共享”的愿景就能完全解决和无差别共用的，但是通过开放共享实现“可共用”的目标是中台建设的原则。
4.灵活扩展性
在一揽子的服务都可输出后，业务量可能会短时间大大激增，能扛得住大流量高峰时期的高并发、高可用将成为一个大挑战。底层的可灵活扩展能力将非常重要，企业应当应用DevOps、Docker等先进的开发技术理念，在中台建设前就开启数字化的技术转型。
六、什么企业适合搭建中台
1.业务规模达到一定程度
使用中台意味着企业拥有可沉淀的一定量级的IT资产，企业要充分复用这些IT资产才可以突破当前瓶颈、更高效的赋能业务。比如：运营商、银行、保险等拥有大量数据的传统国企和BAT这类大互联网公司，它们不仅拥有丰富的数据资产，而且IT规模足够大，建设中台是它们进行企业升级的绝佳方案。
2.已经实践了“系统化、中心化、平台化”
“系统化、中心化、平台化、中台化”，是一个企业在数字化道路上行进的路线。如果一个企业已经成功地实践了“系统化、中心化、平台化”的过程，并比较饱和状态地支撑了前台业务，那么这个企业也许是可以开始考虑向下一步“中台化”的迈进了。
3.有魄力做组织架构重构
中台一定是企业级别的开放共享，否则它将只是某一个事业部或分公司旗下的功能平台而已。阿里、腾讯、京东和百度，在开始决定中台建设之际，对于企业层级的组织架构大调整同时发生了，各部门权限和各业务属权发生了大震动。有魄力做组织架构重构的企业，才更适合快速高效地做中台建设。
七、小结
中台以何种形态呈现，目前来说并无特定的标准，本质是公司业务在发展到达某一阶段后，组织不断膨胀、遇到瓶颈，为求下一步发展、解决不断暴露的问题和障碍而不得不提出的一个解决方案。基于目前的版本，中台在架构形态上，未来还会不断的演变。
而且并非每个企业都适合中台架构，要视企业发展阶段，企业信息化阶段，以及企业的各方资源储备综合而定。比如DataHunter为企业推出的数据中台Data Formula解决方案（如图所示），正好可以为企业前台业务部门提供决策快速响应、精细化运营及应用支撑等要求，使企业真正做到自身能力与用户需求的持续对接。
而DataHunter基于零售行业的线上线下多渠道消费行为数据不统一、客户用户画像模糊等问题推出的数据中台解决方案。成功的帮助某大型连锁美容加盟店汇聚了来自线下近4000家门店、1个线上自营商城平台、微信端3个活跃小程序的所有客户数据，帮助其构建了数据管理与营销平台，通过该平台的实现，打通了线上线下客户档案50多万个，精准营销ROI提升了17%，赋能店端客流量提升14.6%。
更多干货内容，欢迎关注公众号：DataHunter
－数据分析展示就用 DataHunter－
关于 DataHunter
DataHunter 是一家专业的数据分析和商业智能服务提供商，注册于2014年。团队核心成员来自IBM、Oracle、SAP 等知名公司，深耕大数据分析领域，具有十余年丰富的企业服务经验。
DataHunter 旗下核心产品智能数据分析平台Data Analytics、数据大屏设计配置工具Data MAX已在业内形成自己的独特优势，并在各行业积累了众多标杆客户和成功案例。
成立以来，DataHunter就致力于为客户提供实时、高效、智能的数据分析展示解决方案，帮助企业查看分析数据并改进业务，成为最值得信赖的数据业务公司。