数据中台和业务中台的思考

前言
数据中台今年很火，火的有点突如其来，也让很多用户为之而迷失。无论是互联网公司，还是传统企业，无论采用何种方式方法，在数据中台建设中，没有同途殊归，只有殊途同归。

这波由互联网巨头们带起来的中台热潮，看似偶然，其实必然。它让我们真正意识到数据形成资产化之后带来的巨大价值，以及企业与机构在未来的竞争中构建起数据资产体系和组织架构调整的重要性。

当数据中台成为大势所趋之际，对于各大传统行业而言，不禁要问：如何打造适合自身业务的数据中台？互联网公司的数据中台战略固然有其可取之处，但是邯郸学步则可能导致满盘皆输。事实上，数据中台终究只是一个代名词而已，形成适合自身业务的数据资产管理体系，通过数据资产化实现为前台业务提供“养料”和支撑，才是传统企业打造数据中台的核心本质。

参考下面这篇文章，讲述数据中台是什么

https://baijiahao.baidu.com/s?id=1623987254915096965&wfr=spider&for=pc

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。

数据中台建设的基础还是数据仓库和数据中心，并且在数仓模型的设计上也是一脉传承，之所以我们现在处处推崇数据中台建设及应用，一个是因为数据中台确实有过人之处，另一个是这套模型在阿里体现了巨大的应用价值。数据中台一般包括了数据模型和数据资产管理，数据服务开放，上层的数据类应用和标签管理等。从构成上数据中台一般包括以下几个部分的内容。

1.数据仓库：用来存储数据的，结构性数据、非结构性数据等，还有离线数据和实时数据等；
2.大数据中间件：包含了大数据计算服务、大数据研发套件、数据分析及展现工具；
3.数据资产管理：按照阿里的体系应该分为垂直数据、公共数据和萃取数据3层；

从这个内容一看，更加明确了阿里谈到的数据中台就是一个数据共享能力提供中心。在前期可以是一个基于大数据技术构建的分布式ODS库，在后期可以发展到数据仓库和大数据分析。底层的核心仍然是数据建模。

当我们把这个概念搞清楚后，我们才基本清楚了企业一个开始建设企业中台，如果仅仅是满足业务流程和业务处理需求，只会涉及到业务中台构建。在业务中台构建完成后，考虑到后续端到端流程监控分析，大数据分析的需求才会涉及到数据中台的构建。

当然数据中台本身也为上层应用提供各种数据服务能力，比如上层的针对性营销，用户画像和标签化，这个就部署业务中台能够提供的能力，而是需要数据中台来提供这个能力。只有数据中台对用户相关的所有静态数据，动态行为数据进行了集中，也进行了关联分析和建模。

其次你会发现，当你在构建上层业务应用的时候，如果需要的不仅仅是传统业务中台的单个业务模块提供的单数据对象数据服务能力，而更多的是需要提供跨多个业务组件提供的整合后的数据能力，那么这件事情也应该是数据中台来做最合适。因为这个职责本身也不在业务中台。

因此数据中台是多个共享数据对象的汇总和集合，能够提供跨业务中台多组件的共享数据服务提供能力。正因为具备这个能力，你会发现当你构建上层一个分析类应用前台的时候，原来需要和业务中台多个业务组件打交道，同时自己还需要进行数据整合清理。但是新架构下你只需要消费和使用数据中台提供的共享数据服务能力即可。

另外一篇可参考文档：https://www.jianshu.com/p/f8a7c33709b3