数据治理之死(二)

也许，上文饱含太多悲观的言语，而我又不是一个消极的人，不想给别人留下悲观的情绪，只是把现实的问题摆出来而已。
国内做数据中台算的上成功的就是BAT了，至于传统公司，迄今没有一个真正建成。阿里和腾讯的做法差不多，架构图也很像，百度虽然没啥名气，却也自成一系，百度更多的是得益于计算中心。而华为，一开始只是做数据湖，所有的数据都扔到湖里，然后在DAYU里做分析，讲究的是数据与平台分离，在原有数据上重新定义，做数据治理，因此更像传统意义上的数仓，只不过华为也在往数据中台的方向发展。

我与阿里内部做数据中台的有过交流，多少有些了解，下面就谈谈阿里的中台。
至于阿里内部各种政治斗争，逸闻趣事，或者组织变更，这里不想涉及，网上太多流言蜚语，有真有假，但更多的是增添了神秘感，好像阿里的中台做的有多么美好，成了无数企业的梦想，就像一个人富有了之后就有了各种美德，人也变得帅气了。
而实际上，阿里的数据中台萌芽于一些普普通通的做法，只是为了上阿里去，而不得不理清数据之间的关系，统一数据的来源，整合后再分发到应用，然后，就有了中台。
最终，阿里的架构形成的是数据与模型分离的中台，数据先进数据中台，数据中台提供标准细粒度的数据和算法，形成数据资产提供给业务中台，业务中台根据各业务领域创建模型，模型细分到表，概括地说有四层：

1、源数据层
2、数据中台：包括开发中心、数据开发、运维监控、项目管理，算法中心，由此形成数据中心和服务中心，这一层是基础研发，并不关心业务，可以说这一层是真正沉淀下来的东西，是和传统数仓的主要区别，虽然本质上阿里的中台架构和传统数仓没啥区别。
3、业务中台：阿里的业务自然是相当复杂的，业务中台就是为了整合业务，实际上，阿里内部并不怎么提业务中台的概念，都是外面捧出来的，说什么业务中台，每家公司都需要对业务进行整合处理，在业务层面建各种模型，这些模型也是针对具体业务需求的，业务是快变化的，所以业务中台自然是庞杂的，它的数据来源主要是数据中台的标准化服务，当然有时标准化的东西未必能满足，数据中台也需要根据需要定制。
4、具体应用
我们再看看传统数仓的架构：

不要相信那些复杂的架构图，就是这么简单，把数据收集起来，在其上做应用。阿里为什么有四层？很简单，因为它有东西可沉淀下来，把一些不变的或极少变的从繁重的业务中剥离出来，沉淀成数据中台，所以说数据中台不关心业务，而真正关心业务的是数据分析师，他们在所谓的业务中台写SQL或脚本，传统数仓只不过把两者合在一起了而已，所以没啥区别。如果你的数仓建的足够好，你完全可以把DM层叫数据中台，DW层叫业务中台。
当然，阿里的牛逼之处不仅把这台架构建起来，他做了更多的是数据安全，数据血缘，跟踪与告警等保障工作，有了这些，才是完整的中台。
想想有一天某个业务找到你说有个数据不对，你能快速地找到问题；想想你的某个脚本写的不好，第二天就被领导请去喝茶；想想你和你同事做的不同项目，被系统提醒你们的表结构或50%的表数据是相同的，存在重复建设…这些都是自动的，你每天干的活成本多少，收益多少，有多少是冗余的，多少是有效的，这些不都是数据架构里不可或缺的东西吗？
我们还有一个误区是，大谈特谈“主数据”，想想主数据是什么，它是相对固化了的，相对静态的数据，我们想法设法的把各种不同来源的数据强行合成一张表，用同一套ID系统来保障，让那些没有遵从新的ID规范的系统改掉吧，想想有多少钱花在维护这张“主数据表”上，想想要改造多个旧数据要花多少的钱和时间？我们把这个过程叫做“数据治理”。而阿里的数据中台并没有做这样的整合，因为阿里的数据更加复杂，虽然它没有传统企业那样的历史包袱。阿里把这种需要的整合放到了所谓的业务中台，什么项目需要整合，你自己去整合，举个例子，淘宝（天猫）、虾米、支付宝是阿里的三大用户体系，阿里并没有建一张大表，把这三个系统的用户弄在一起，统一ID规范和字段规范，这三个仍然是独立的，但在业务上，如果有个项目需要虾米的用户和支付宝的用户进行关联，则项目的数据分析师（业务中台）自己做关联，或根据手机号，或根据IMEI等，而另一个项目可能需要淘宝与支付宝用户关联，也只限于这个项目，而在数据中台，三套用户仍然是独立的，这时，你还会谈数据治理吗？
如果要做用户画像，则三个体系也是独立建的，你可以通过某个身份证号找到对应的IMEI，再找到手机号，再找到高德LBS里的位置信息，以及某个时段的WIFI信息，联系到运营商数据，找到更多有用的点，这些只是业务层面的，不关数据中台的事，所以，业务上还是各立山头，没有合在一块，那么可以认为阿里的架构就是：源数据->数据中台->应用。
那么阿里的数据中台沉淀了啥？无非是一些标准固化并且细化的数据，标准的算法、AI。好就好在，在此架构之中，有很多监控、监管、报警、安全控制、隔离、脱敏等。如果有数据要进入数据中台，做数据中台的人会进行数据检查、处理，并形成数据报告。
过分强调数据治理没有多大用处，做好数据整合，规范执行，能及时整改，做好配套才重要。像华为那样把数据全扔进湖里，再做处理是不得已，毕竟历史包袱重，有很多不规范，甚至存在excel里的数据，或者古老的手工记录的数据，要是一开始就严格审查，恐怕没几个数据能有资格进数据湖。
另外，阿里的兄弟也说了，其他非互联网公司搞数据中台不成功的原因还有：
###历史包袱太重
这一点上一篇已经说过
###雇供应商却不愿意花钱，或者付线太慢
不给钱谁愿意干活呀，做过项目的人都知道，尤其是那种做外包项目的人，对这点深有体会。