提到“數據中台”四個字，很多人都會“不明覺厲”。有意思的是，國外并沒有“數據中台”這個詞。為什麼中國企業如此看重數據中台？中台是如何産生、被發現，然後實現價值複用的？這是一個值得分析的現象！

　　數據中台為什麼重要？

　　不管企業業務規模大，還是小；不管公司成立的早，還是晚，或多或少地都會對數據進行投資，除了基礎的數據系統建設，還包括數據湖、數據倉庫等。但實際上，這些已有的數據投入并沒有産生理想的業務價值。

　　為什麼會出現這種現象？Gartner研究總監孫鑫一語道破！在他看來，企業已有的數據投入是割裂狀态，有嚴重的數據孤島問題。雖然，企業在後端已經部署了大量與數據管理相關的應用，但與前端數據消費者以及與應用之間存在着巨大的價值鴻溝。

　　有些企業為了實現數字化轉型戰略目标，隻是借用了“數據湖”概念，采購了“交易型數據庫”、“分析型數據庫”、“數倉”等，并且會考慮未來幾年實現雲轉型目标，或者說現在已經在向“雲化”方向發展。但由于企業規模不同、戰略目标不同、對數字化的理解不一樣，它們對數據分析、數據庫、數據資産的投入順序也會千差萬别。但相同的目标是，企業建立數據中台最直接的動因是希望讓現有的數據投資産生價值。

　　然而，放眼市場，中國雖然有很多“中台生意”，但真正隻做數據整合的廠商卻不多。而當企業做了大量BI、數據庫的工作後，才開始意識到ETL的重要性。尤其是大數據時代，随着企業數據量的持續增加，數據整合的需求就變得越來越強烈。所以，數據中台解決方案的最首要任務是，通過數據整合實現數據的快速交付，并且還要找到真正可複用的數據，從根本上解決數據孤島問題。

　　▲Gartner研究總監孫鑫

　　如何建立數據中台？

　　建數據中台并不是一件容易的事情，失敗的數據中台會給企業帶來負面效果，這也是“數據中台幹跑了很多CIO”的最重要原因。所以，在企業搭建數據中台之前，要多問自己幾個為什麼。比如：我如何決定是否要做這件事兒？如果要做，最需要注意的問題是什麼……

　　Gartner建議，企業在部署數據中台之前，先要從端到端的數據能力來評估，看看到底缺少哪一塊，而不是盲目上一個中台。數據中台一定在“技術成熟度曲線”的頂峰，雖然不管是BI廠商，還是數據庫廠商都稱自己提供的是中台解決方案，但作為選型決策者，一定要準确判斷，找到能解決問題的廠商，有時候選型過程可能比部署還難。

　　另外，如何與業務部門進行深度溝通，也是上中台前要考慮的最重要事項之一。因為，企業的數據大多與核心業務系統有關，比如ERP、CRM；然後再考慮如何建立“數倉”、“數據湖”，如果技術和業務不統一，這樣的“中台”很難直擊痛點，産生價值。

　　很多人都認為，數據中台是一個技術問題，其實更多時候是一種戰略決策。尤其對于大型互聯網企業來說，數據中台來自業務需求，業務部門希望對日益增長的數據進行有效管理，并利用這些數據指導決策。所以，好的數據分析團隊應該是“聯邦”關系，通過中央團隊、中央IT人員，對數據分析進行延展，确保企業數據擁有強一緻性。同時，還要聯合業務側的成員，一起關注快速部署與價值輸出的問題。

　　值得一提的是，搭建數據中台，還要考慮以往數據資産投入産出比的問題。要知道，無論企業做不做中台，企業的業務量和數據量都在飛速增長，對于早已投入生産的“數倉、數據湖”的處理是企業在數字化轉型背景下，必須要解決的問題。如果企業過去津津樂道的“數據資産”并沒有與現有業務實現共享，這其實是數據中台在設計方面的“不完整”。如果企業把大量的時間都花在“尋找數據”上，而沒有用在“分析數據”上，這說明沒有在投資回報率（ROI）上得到更好的體現。

　　讓數據中台建設為業務賦能，其實有很多相應的解決方案和實操工具。比如：通過“元數據”的自動發現，企業可以搜索到更好的數據，找到更符合企業業務情境的數據，并轉化為企業智能生産的語意。換言之，我們通過“智能搜索”，可以讓企業快速尋找相關的“數據源”，讓藏在各個系統中的數據更直觀地遞送到用戶手中，最終不斷優化和演進，形成企業最核心的數據資産。

　　有哪些可落地的方案？

　　行文至此，有人可能會問，數據中台要想成功落地，有沒有可參考的模型？

　　Gartner把數據分析或者說任何關于數據的投入，都分成了兩個維度。一個是從數據的角度看（也是IT的角度），分為“已知數據”和“未知數據”；另一個是從問題的角度看（也是業務角度），分為“已知問題”和“未知問題”。

　　首先，很多企業建中台是為了複用數據，并且把這些數據放在“數據資産庫”中，Gartner把這個數據資産庫稱之為“數據目錄”，大多屬于“未知的數據”和“未知的問題”。那麼，問題來了！“我過去做的數據自檢，難道不算數據目錄嗎？”當然也算，隻不過是IT導向！真正的數據目錄，應該有業務部門參與，然後共同完善，實現業務語義的逐步淨化。

　　其次，通過ETL工具實現數據整合，包括數據的批處理、數據的複制、流數據管理等，解決的是“已知的數據”和“已知的問題”。在數據整合過程中，要讓業務側用戶有獲得數據的能力，并産生實際價值。所以，數據中台要具備自助部署能力，這一點非常重要，決定了數據中台項目的成敗。

　　其三，是數據虛拟化，這是很多數據中台解決方案或者産品欠缺的一點。所謂的“數據虛拟化”就是在數據還沒有或不用物理位置移動的情況下，依舊可以在一個虛拟層進行分析和應用。一旦市場有了A廠商和B廠商的産品，企業想把這兩家廠商的數據源整合到數據中台時，企業就需要通過“數據虛拟化”來實現，在虛拟層上完成可複用的數據能力建設。

　　基于這個模型，去選擇所需要的産品和解決方案，結果一定不會太差。隻是，現在很多人都在提“數據智能”，這一概念是怎麼來的？數據智能化和中台有哪些相關性？

　　數據智能化和中台是什麼關系？

　　其實，數據呈智能化方向發展，還是和企業的業務變化密切相關。過去，企業的很多決策都由領導人“拍腦袋”決定。但是，随着企業業務的規模化發展，業務決策不再是一個人的事情，而是由數據決定，需要幾個部門共同決策。

　　更準确的說法是，在數據驅動下，業務決策不僅不再是一次性行為，還要強調連接和連續性，要更具情境化。

　　如果用一句話總結，就是企業決策不再是“一碼通吃”，而是需要把更多小決策關聯起來，形成一個大決策；同時，前一個決策還會影響後面的決策，所有決策都要通過情境化的分析能力作為輔助。這時，以知識圖譜為代表的産品，就成為數據智能化的重要工具。

　　至于，“數據智能化”和“數據中台”是怎樣一種關系？也并不難理解！數據智能化提升了數據中台建設的難度！

　　企業在數據智能化背景下，數據中台建設也要順應形勢，滿足更高要求。首先，中台要能夠連接更複雜的數據源；其次，要能夠根據用戶需求，給出更具情境化的數據；其三，能以更連接、更連續、更快速的形式，給決策者提供想要的數據。

　　不管是交易型數據庫、傳統數倉、數據湖，還是雲端數據存儲，企業在數據端的應用非常豐富，構成了屬于企業組織之上的一張“虛拟的網”。但是，虛拟化不應該隻是單純地把數據收集在一起，而是應該以更具情境化的工具或者方案（知識圖譜）對數據進行編織。在數據編織過程中，不僅涉及每個和消費行為相關的數據，還包括元數據的管理與關聯。

　　從某種角度來說，知識圖譜或圖技術的最核心内容就是以業務視角來關聯數據，并且數據存儲是以“點”和“邊”的形式實現。過去，企業的中台或者數據管理模式比較偏IT；但現在有了“圖”能力，企業可以對各個領域的業務進行關聯，通過建模來統一數據交互語言。這是從采集和連接的角度，來看待數據智能化時代帶來的變化。

　　組裝式數據分析給企業帶來哪些價值？

　　接下來的問題是，企業如何建立數據中台才能滿足數據智能化時代的需求？Gartner認為，組裝式數據分析架構是中台建設的未來方向！

　　組裝式分析架構，是基于智能化的采集和連接，幫助用戶實現自助式分析。

　　什麼意思呢？就是當數據編織可以給用戶提供合适數據，能夠建立一些分析型應用的時候，企業便可以通過組裝的形式把一個個和數據相關的産品直接整合，而不是每次都從“零”開始。所以，中台建設的最終目标，其實是讓用戶基于數據進行組裝。

　　所以，成功的數據中台，應該是一個組裝型能力平台，帶來的是一個個和數據分析相關的能力，而不僅僅隻是數據的複用。企業可以通過自助式分析，找到可複用的數據分析能力模塊，并以組裝的形式構建符合業務需求的分析型應用。

　　具體而言，組裝式分析架構的底層依賴于數據編織設計模式，上一層是企業已購買的類似于“報表平台、分析工作站、自助式分析平台”或“數據科學平台”，并且這些能力平台被“微服務”以及“容器化”，以高度開放性确保用戶上了中台後，可以獲得組裝式體驗。

　　此外，組裝式數據分析架構的底層，還會涵蓋在應用開發過程中經常用到的一個概念——DevOps。随着企業應用搭建的加快，或者說建立數據産品需求的不斷上漲、越來越多地把DevOps實踐放到與數據相關的應用上，業内稱之為DataOps。包括版本控制、持續集成、持續開發、CAID理論等，在智能數據時代同樣适用，可以助力數據應用開發快速走向生産階段。

　　毫不誇張地說，“組裝式數據分析”正在重塑數據分析應用的未來，把數據中台提升到一個新的高度。（李代麗）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!