奇怪的知识

数据中台是什么？

• 是一种战略选择和组织形式，
• 是依据企业特有的业务模式和组织架构， 通过有形的产品和可实施方法构建的一套持续不断 把数据变成资产并服务于业务的机制。

http://113.96.62.246:30001/down?name=c04ceca11d9d448eb0d9f6ffb0711f26&token=615ca89bbf0c4a080008c6dce7c3479a&password=$2y$10$Y9WEOgQagpO9TigiOnbLFufzaGz6rTzgkLbyt.LfeS1bSjM/qW/aG

数据中台的四大核心能力？

• 数据汇聚整合 大量系统、功能和应用重复建设， 存在巨大的数据资源、计算资源和人力资源的浪费， 同时组织壁垒也导致数据孤岛的出现， 使得内外部数据难以全局规划。 数据中台需要对数据进行整合和完善， 提供适用、适配、成熟、完善的一站式大数据平台工具， 在简便有效的基础上， 实现数据采集、交换等任务配置以及监控管理。 数据中台必须具备数据集成与运营方面的能力， 能够接入、转换、写入或缓存企业内外部多种来源的数据， 协助不同部门和团队的数据使用者 更好地定位数据、理解数据。 同时数据安全、灵活可用也是绝大多数企业看重的， 他们期望数据中台能协助企业提升数据可用性和易用性， 且在系统部署上能支持多种模式（见图2-3）。
• 数据提纯加工 数据资产化。 企业需要完整的数据资产体系， 围绕着能给业务带来价值的数据资产进行建设， 推动业务数据向数据资产的转化。 传统的数字化建设往往局限在单个业务流程， 忽视了多业务的关联数据，缺乏对数据的深度理解。 数据中台必须连通全域数据， 通过统一的数据标准和质量体系， 建设提纯加工后的标准数据资产体系， 以满足企业业务对数据的需求
• 数据服务可视化 为了尽快让数据用起来， 数据中台必须提供便捷、快速的数据服务能力， 让相关人员能够迅速开发数据应用， 支持数据资产场景化能力的快速输出，以响应客户的动态需求。 多数企业还期待数据中台可以提供数据化运营平台， 帮助企业快速实现数据资产的可视化分析， 提供包括实时流数据分析、预测分析、机器学习等 更为高级的服务，为企业数据化运营赋能。 此外，伴随着人工智能技术的飞速发展， AI的能力也被多数企业期待能应用到数据中台上， 实现自然语言处理等方面的服务。 数据洞察来源于分析，数据中台必须提供丰富的分析功能， 数据资产必须服务于业务分析才能解决企业在数据洞察方面的短板， 实现与业务的紧密结合
• 数据价值变现 数据中台通过打通企业数据， 提供以前单个部门或者单个业务单元无法提供的数据服务能力， 以实现数据的更大价值变现。 企业期待数据中台能提升跨部门的普适性业务价值能力， 更好地管理数据应用， 将数据洞察变成直接驱动业务行动的核心动能， 跨业务场景推进数据实践。 同时，企业对于如何评估业务行动的效果也十分关注， 因为没有效果评估就难以得到有效反馈， 从而难以迭代更新数据应用，难以持续为客户带来价值

数据中台VS业务中台

• 业务中台更多偏向于业务流程管控， 将业务流程中共性的服务抽象出来， 形成通用的服务能力。 更多的说的是我们建设过程中的模块化能力， 比如支付模块，可以是商品交易， 可以是游戏充值等任意需要支付功能的地方
• 数据中台则是抽象数据能力的共性形成通用数据服务能力， 关心的是产出数据的能力，比如产出的用户画像， 可以用在任意多个产品上， 而实际产出这个用户画像，可能是来自很多源的数据组合形成的。

数据中台VS数据仓库

数据仓库的主要场景是：支持管理决策和业务分析，

而数据中台则是将数据服务化之后提供给业务系统， 目标是将数据能力渗透到各个业务环节

数据中台持续不断地将数据进行资产化、价值化并应用到业务， 而且关注数据价值的运营。

数据中台建设包含数据体系建设， 也就是数据中台包含数据仓库的完整内容， 数据中台将企业数据仓库建设的投入价值进行最大化， 以加快数据赋能业务的速度， 为业务提供速度更快、更多样的数据服务。

数据中台也可以将已建好的数据仓库当成数据源， 对接已有数据建设成果，避免重复建设。 当然也可以基于数据中台提供的能力，通过汇聚、加工、治理各类数据源， 构建全新的离线或实时数据仓库。 另外，数据中台一般采用全新数据技术架构， 可以更方便地进行数据价值的挖掘。 随着企业数据量越来越大，智能化场景越来越多， 传统架构的存储计算能力无法满足这类数据业务的需求。 而随着机器学习、深度学习等技术的发展， 从看似无用的数据中挖掘出新价值的能力也越来越强， 新的技术架构为这些场景的建设提供了很好的能力支撑。