數據中臺是數字化轉型中非常具爭議的話題之一。

有些人說，中臺已經過時了，也有不少人說，不做中臺，數字化轉型就是無本之木，沒有“落地”載體。那么真相到底是什么？

本文通過10個問題，讓你認清數據中臺的本質，更理性地看待轉型中的“中臺”戰略。

1. 什么是數據中臺？

數據中臺是匯聚了企業級數據資源的技術載體。

通過基于數據中臺構建的數據服務能力，可以快速構建出面向前端各類業務場景的數據工具或數據應用，提高企業對數據需求的響應效率。

2. 數據中臺對外輸出的是數據嗎？

數據中臺對外輸出的是數據服務，而不是數據。

用戶不能直接訪問存儲在數據中臺的數據，必須通過數據服務來獲得數據內容。數據服務封裝了數據內容和基于數據內容構建的數據計算邏輯。

服務化的方式可以有效對數據中臺的訪問權限進行控制，防止數據資源被篡改和誤用。

3. 數據中臺解決了什么問題？

數據中臺解決了數據資源的集中共享問題，打破了“部門墻”，滿足企業級的廣泛應用；

據中臺提高了數據資源使用效率，通過構建面向業務需求的數據服務，降低數據資源訪問的技術門檻；

數據中臺解決了數據能力復用問題，在數字化應用建設時，可以復用已經實現的成熟、穩定的數據服務。

4. 數據中臺和數據倉庫有什么區別？

數據中臺是數據服務的集合，而數據倉庫是數據資源的集合。

數據中臺一般來說是建立在數據倉庫的基礎之上，從數據倉庫獲取業務所需數據，并以服務化的方式對外賦能。

5. 數據中臺和數據平臺有什么區別？

數據平臺主要體現為數據的管理屬性，數據中臺主要體現為數據的業務屬性，后者一般直接支撐具體的數字化應用。

6. 為何從數據中臺獲取數據，不從業務系統獲取數據？

業務系統對應“業務數據化”的過程，數據中臺對應“數據業務化”的過程。

二者的基本功能定位不同，從數據中臺獲取數據可以避免對源端業務系統的正常工作運行產生影響。

7. 數據中臺和業務中臺有什么不同？

數據中臺關注應用系統中數據處理邏輯的復用，業務中臺關注應用系統中業務功能實現的復用。

部分業務中臺的功能需要數據中臺對其賦能，兩者共同支撐前端系統應用的快速實現。

8. 數據中臺上的數據質量如何提升？

數據中臺的數據來自于業務系統。

業務系統的數據質量有問題時，會影響數據中臺的數據質量。因此通過源端業務系統進行數據治理，可以從根本上提升數據的質量。

此外，當業務系統數據通過ETL等方式同步至數據中臺時，也可能因為數據鏈路的異常導致數據同步失敗，產生數據質量缺陷。

提高數據中臺的技術運營能力，也是有效改善數據質量的重要渠道。

9. 數據中臺包括哪些關鍵的能力？

數據采集能力：從源端系統采集數據并存儲。

數據整合能力：將不同來源數據按照統一的企業級數據模型進行組織和維護。

數據加工能力：從數據中加工提取出具有分析特征的數據資產，如標簽，指標等。

數據建模能力：利用機器學習、深度學習等技術手段，構建AI預測模型。

數據分析能力：對所需數據進行查詢、統計、可視化展示，提供決策分析支持。

數據管理能力：以中臺為載體進行數據管理，提高數據的可用性和安全性。

數據服務能力：構建數據服務，管理數據服務，對業務系統提供功能集成。

10. 數據中臺是數字化的必選項嗎？

數據中臺沉淀了企業級的共性數據服務能力。

數據中臺對數字化企業來說不是一定需要構建的，是否構建數據中臺取決于兩個重要因素：數據資源的復雜性和數據應用的關聯性。

如果企業的數據資源復雜，數據規模大且管理維護成本高，構建數據中臺可以提高數據維護和使用效率。因此數據中臺通常更適合大型數字化企業的產業實踐。

如果企業的數據應用能力共性較多，那么通過數據中臺實現數據服務的復用，則可以起到更好的效率提升。

反之，如果數據中臺建設無法支撐更廣泛的數據應用，則有可能面臨“拆中臺”換取管理方面靈活度的窘境。