关于数据中台最常见的10个错误认知

随着企业规模不断扩大，业务发展多元化，企业管理层越来越重视利用数据提升业务的创新能力、经营管理能力。因此，能够加强数据利用率、提升各部门工作效率的数据中台应运而生。

数据中台与企业的业务发展方向、企业的组织结构、信息化发展程度等均有着紧密的联系，所以单纯地认为数据中台是工具、大数据分析方法或者组织架构等都是错误的。市场上对数据中台并没有一个统一的定义，不同人对数据中台的定义都不相同。下面介绍对数据中台的 10 个错误认知，如下图所示，帮助企业在理解数据中台时避免走入误区。

1、大数据 BI 分析工具＝数据中台

数据中台的价值在于可以利用数据展示业务的进展及方向，用数据推动业务的发展、产品的创新、管理的提效。而大数据 BI 分析工具只是用数据展示业务内容，是一种总结性的业务数据分析。大数据 BI 分析工具无法对数据实现管理和产品创新，数据中台能为企业在数据采集、数据治理、数据挖掘、模型建立、可视化分析、应用开发等不同方面进行融合，将数据渗透到企业业务和产品的闭环中，推动业务创新，更加全面地应用数据、挖掘数据价值。

2、大数据集群＝数据中台

为了解决海量的结构化和非结构化数据的存储、恢复和高效运算，很多企业建立了分布式大数据集群。但数据中台并不等同于大数据集群，大数据集群仅仅是在建立数据中台底层数据存储和运算时用到的一部分技术架构。数据中台是业务部门和技术部门经过资源整合、能力沉淀后形成的。

3、业务报表＝数据中台

在企业日常运营中，成本报表、费用报表、财务预算、财务分析、进销存等一系列业务报表发挥着重要作用。但在企业管理中，业务报表仅限于对企业内部进行管理和监控，在企业外部维护用户、跟踪需求、更新业务和产品等方面发挥的作用有限。数据中台不仅能打通企业内部资源，实现资源共享，还可以助力持续产品创新、快速满足用户需求。相比之下，业务报表只体现了数据中台一小部分的价值。

4、某个应用＝数据中台

伴随着移动互联网在人们日常工作和生活中的渗透，基于移动网络提高个人生活质量的 App 越来越丰富，提高运营管理效率、提高企业竞争力的企业级应用也是层出不穷。各个维度的应用百花齐放，但这些独立的应用并不是数据中台。数据中台从业务中台的数据库中获取数据，用清洗和分析之后得到的结果去支撑业务中台的智能化应用，这些智能化应用再将用户使用后产生的新数据流转。数据中台，形成闭环。可见，应用为数据中台提供研发数据，数据中台为业务创新和应用完善提供更多支撑。

5、管理系统和数据分析工具的叠加＝数据中台

企业在经营管理过程中会逐渐根据业务或者管理需求，添加不同类别的管理系统。这些系统存在的目的是提高员工工作效率，其简单的数据统计功能也能为企业搜集基础的管理数据。企业利用数据分析工具对管理系统中的数据进行分析，之后再将分析结果反馈给各运营部门，从而期盼以此种“数据中台”为企业管理建设提供更多指导意见，节省咨询专业数据中台供应商的费用。殊不知，这并不是真正意义上的数据中台。管理系统和数据分析工具的搭配治标不治本，因为这样的叠加无法将各部门的数据打通，没有优化、总结共同资源，企业也谈不上部署了数据中台，更无法为数字化转型提供全面的服务。数据中台不是一套软件系统，也不是一个标准化的产品。从企业的角度看，数据中台支撑企业实现业务目标，帮助企业沉淀业务。

6、数据仓库理论＝数据中台

还有人认为数据中台的搭建是通过 ETL 将业务系统的数据进行选择、清洗、转换后加载到数据仓库。由此，企业中分散、凌乱、标准不同的数据就可以整合到一起了。但是传统的数据处理方式只会形成更大的数据孤岛。数据仓库需要基于文件存储复制数据源，数据仓库本身也具备计算能力，可以为其他计算系统提供存储功能。数据中台是数据和存储分离的。数据中台本身没有数据，数据来源于各类文件和业务系统的 API。数据中台拥有这些数据源的适配器，相当于建立了通向不同数据源的互联管道。可见，数据仓库是数据中台的重要组成部分，也是元数据的重要来源。数据仓库并不代表数据中台。

7、数据中台＝纯技术概念

数据中台不是单纯的技术概念，也不是工具概念，其包含数据的共享服务、集中治理数据资产、数据改造业务应用等多方面内容。但数据资产是数据中台建设的基础资料，数据资产经过清洗、挖掘、分析、打包后，组合成模型，可以为企业提供数据服务、数据赋能业务，帮助企业解决不同维度的问题。同时，利用数据重塑企业日常经营管理模式，可以帮助企业从根源上解决资源浪费、人员成本过高、业务更新慢等问题。可见，数据中台的职责主要就是利用数据赋能业务，实现价值变现，其背后应用的便是信息技术。构建数据中台需要技术方面的介入，包括利用不同的大数据处理技术将企业底层数据进行串联打通，利用模型、算法等不同的数据分析技术融合具有业务关系的数据，这其中也包含了业务部门的沟通、梳理、调配，管理部门的组织调整、管理模式的变更等。因此，数据中台并不是纯技术概念，信息技术只是数据中台实现价值的工具。企业只有真正理解数据中台的本质，才能高效实现数字化转型，扩大盈利规模。

8、数据中台＝数据工具箱

数据分析产品、分析工具、仓库工具等集合在一起的工具箱并不是数据中台。因为每款工具的功能既相互交叉，又各自独立，工具之间无法协同一致。工具箱的架构只是数据中台建设的部分环节，只能发挥各个工具的效果，作为简单的决策辅助和报表参考。而数据中台建设初期就要考虑到各个环节的无缝打通，确保后续的数据维护和数据质量，因为一旦某个环节的数据产生变化，其他环节的数据应及时自动修正，否则会导致用户决策出错，造成巨大的损失和影响。一些国内大型互联网公司从国外购买数据技术产品，但在实际运用过程中并没有达到工具集合的效果，即使某一个环节应用效果良好，最终的数据结果也会出错，原因在于生产链条无法协调统一，数据维护门槛较高。针对以上问题，传统的解决方案是做各种各样的中间表，但这样又会产生其他的问题。建立和维护中间表需要持续投入时间成本和资源，且人工维护难度大；当企业业务达到一定规模，需要改变中间表时，或许已经发生了人员变动，中间表无法修改，数据无法回溯。阿里巴巴作为数据中台概念的提出者，针对以上问题也做了很多工作，比如开发数据血缘分析系统，梳理数据的血缘关系，维护数据应用的正确性。企业为了维护数据的一致性，需要开发更多复杂的应用产品，保证数据的质量。可见，数据中台并不是数据工具箱。

9、数据库＝数据中台

一些优质的软件产品在增设分析功能的基础上配备数据库，主要提供业务计算功能，这样的数据库并不是数据中台。这类数据库中用到的分析数据只是企业局部数据，而非全域数据，无法挖掘全域数据的价值。另外，企业因为面临不同的信息化发展周期，会沉淀较多的数据系统。数据库只是数据中台较低一层的系统，无法成为一个完整的数据平台。

10、计算平台＝数据中台

计算平台没有强大的数据治理体系，不能产生应用，也无法实现数据的联通、共享，并不是数据中台。