标签：好处 传统 通用 同事 员工 数据展现 咨询顾问 零售行业 机器
DT时代，大数据成为人们谈论的焦点，2019年更被誉为数据中台元年。人人都在谈数据中台，却不是所有人都清楚，从历史逻辑来看，中台或者数据中台从何而来？
少数清楚这段历史的人中，有一位大数据老司机，人称「才院长」，他是回答这一问题的最佳人选。
他叫才言。奇点云首席战略官，9年大数据老司机，「数据交换区」专利操盘手。
9年之前，才言初次踏入阿里巴巴大门。对才言来说，揭示未来趋势是个脚踏实地的研究历程，与其研究复杂的经济结构变化，不如抓住简单而明显的趋势，阿里巴巴是一个趋势，而数据则是下一个。
数据中台从何而来？才言用其亲身经历为我们回答。
在入职阿里之前，才言是管理咨询公司的一位战略咨询顾问，努力帮其客户理解趋势的同时，也在为自己寻找趋势。他发现，商业世界最不容忽视的一个简单趋势是，企业的数据正在变得越来越多。
才言清晰的记得，「2012年，大数据之所以兴起（的背景在于），有句话反复出现：人类迄今为止生成的数据中，有90％是在近两年内产生的。」
2011年，才言在在阿里研究中心（现阿里研究院），研究电商服务业并且以研究者身份进驻淘宝商家事业部，见证了淘宝数据开放的过程（API每日调用量千万次到百亿次）。
2011-2013 海量数据如何塑造新商业？
进入阿里之后，才言一头扎进了数据的海洋。他第一份工作是利用http://alibaba.com上的数据来预测中国的进出口。他发现，互联网数据颠覆了传统的宏观经济指标的抽样采集工作，互联网数据的加工可以做出全新的宏观经济变量。
「（在阿里研究中心的）这段经历部分回答了我的疑问：海量数据对商业世界有什么影响？——如果一家公司的数据极为丰富，会发生什么？能够有什么启示？」2009年，阿里研究中心发布网商报告，提出「海量个性化」这一新概念，才言也随之找到了自己的兴趣点，也有了越来越多发现。
因为研究电商服务业，他发现，从 「数据是生产要素」这一命题展开对新兴行业探求的话，数据是有成本的，而且一定程度上成本高昂，跟大家认识到的「数据几乎零成本复制」完全不同。不仅如此，在良好的用户体验这一约束下，数据的采集也有机会成本。从这两点来看，数据是稀缺的。它具备生产要素的特点，会极大影响企业的商业模型。
因为研究电子商务生态系统，他接触到同事们把理论物理的复杂系统分析方法引入到研究中来，第一次看到淘宝数据展现出的「自然分布律」适用于淘宝女装卖家，第一次用「连通性」等理论物理语言重塑产业研究。顿时，他感觉数据极为丰富之后行业研究这个职业都要变天了。
他从品牌商品在网络渠道的实时渠道数据里，第一次观测到品牌商「渠道灰度」：随着时间的延展，商品（某类sku）的价格和数量变动的情况，实时反映了渠道结构与关系。「在线下人们只是感知到这个规律存在，而在数据极其丰富的线上，借助强大的计算平台这些都得以直观展现。」才言说。
才言对数据的认知在改变的同时，他也在思考，阿里的生态可以利用阿里的数据做些什么？
才言当时的本职工作是对淘宝生态业务的跟踪研究，需要思考淘宝开放平台（以及服务市场）的运转机制究竟是什么？应该是什么？需要解释的是，淘宝开放平台即后来为人们所知的共享服务平台（即阿里的业务中台），不光服务淘宝还服务外部，职责是把淘宝的数据开放给淘宝认可的合作方。其中，数据服务的方式是API服务方式。
在做业务的过程中亲手实践了「封装API服务ISV」，才言陆续意识到问题所在：从供给需求的角度，自2010年起经过三年多的数据开放现有的1000多个API覆盖范围极广，但平台供给给市场的数据数量和类型是有限的，导致了交易市场上的ISV的APP供给也是有限的（超过6000多个），使得市场竞争趋于同质化。然而在API封装的过程中，大量的数据、算法因为过严的安全审核无法对外开放，一定要去寻找新的数据服务方式。
2012年阿里巴巴同步「聚石塔」发布而诞生的CDO（数据平台部），极大地刺激了才言。在2013年的淘宝服务商大会上，才言提出了「在CDO的基础上构建新的电商服务业」的想法，并且随后就转岗到了CDO。
2014-2015 A如何用B的数据？
「到岗第一天的会议里，老A讲到淘宝数据还处在自给自足的原始状态。各种光怪陆离的情况层出不穷，」才言回忆起CDO，不禁哈哈大笑：「当时有个实习生刚入职3个月，表的生产总数全淘宝第一。还有个资历非常深的BI因为在公司工作很久，合法积累了很多数据使用权，于是很多团队的算法合作不得不找他，因为他有数据霸权。有了计费计量之后，有个勤奋的员工在宽表里跑一段sql，花掉上百万RMB，太可怕了。更可怕的是他的工作后来经过审计还是合理且必要的。」
这大概就是数据极为丰富之后如何治理的最初状态。
春江水暖鸭先知，阿里巴巴的状况也将预示着数据如果进入有序的提供价值的状态时，商业世界变化极大。当时，CDO团队所共识的大数据理念是「数据从业务中来，回到业务中去」，共同的愿景是解决「A如何用B的数据？」的问题。
才言在CDO做的第一件事就是担任商家数据中心（2015年迁回淘宝后改为品牌数据银行）PM。这一项目首次尝试把商家散落淘宝的所有数据大集中，解决商家在经营决策中的数据工具问题。
在梳理某知名淘品牌的商家数据时，他大吃一惊：商家想要看一份正式的BI报表，但这份BI报表的数据源分散在13个淘宝的部门，而依据阿里集团数据安全规则，谁生产数据谁对数据的使用负责。这些数据存储在不同的数据库、不同类型的数据库，甚至不同的计算集群。在技术上尽管当时CDO做出来了享誉阿里的DXP数据交换平台，但割裂的数据如何通过可信可靠的方式对内对外服务？显然还有很长的路要走。
商家数据中心应该实现什么功能？为了了解商家需求，才言找了大（年收入十亿级别）、中（年收入亿级别）、小（年收入千万级别）三家典型商家进行试验，商家数据中心第一次尝试把淘宝给商家用的数据尽量集中，方便商家加工数据，继而做分析和洞察。这也是淘宝生态里第一个BI工具（数云NewBI）的缘起。
「大数据最终会影响各行各业，要想在这个行业做出点什么，我决定两步走，一是扎实的基本功，尽可能熟悉基础的大数据技术。我花了接近两年的时间，把数据平台CDO最重要的3个引擎——BI引擎、推荐引擎、营销引擎都做了一遍。二是在工程实践的基础上尽可能掌握行业实践。了解多行业多领域就会触类旁通，只呆在其中一个环节导致视野变窄。」他说道，「很幸运，在深入电商4-5年后有机会在阿里这个大平台上从数据的角度接触几乎所有行业，明白了数据平台最重要的框架结构和主要应用场景。」
在挖掘数据的业务价值、推动数据在业务中应用方面，标志性的事件是TCIF（淘宝消费者信息库）——统一拉通阿里的消费者数据，并进行标签化，形成了3000个消费者标签。这些标签在具体的使用过程中，才言接触到了「表级别字段级别的数据开放」、接触到数据交换区在阿里各BU的推进。
「我的小伙伴把友盟等BU的数据上云，对于那些没有上云的BU比如UC，他们如何合理合法合规且安全地使用TCIF以及TCIF延伸出来的数据服务。这是我当时的工作。」对比之前在淘宝开放平台的工作，才言认为，数据安全和数据价值是相对而言的，重要的是数据技术本身在不断演进，以API形式开放的形式是数据开放方式里未来一定不是主流，这也是他从计算广告的实践中获得的认知。
以智能广告为例，整个页面从请求广告、智能推荐、调取广告素材并展现，整个过程就200ms。数据服务是一个高速运转的闭环链路，数据金矿若想被服务商更好地利用，主流不是API开放的方式。
2015-2017 如何让数据产生价值？
2014年的阿里技术论坛上，后来的奇点云创始人兼CEO行在（张金银，TCIF创立者）发表演讲《大连接》，认为大数据的本质就是大连接。「这一点我非常认可。」才言提到：「如何让数据产生价值，第一件事就是数据要连接。有些一些脏活苦活累活必须要干，这是有价值的。」
自2012年7月成立以来，阿里内部各BU在马总「one company」战略下持续推进数据大连接、大集中。
在连接的过程中，数据和业务逐渐实现双赢。以TCIF为例，一方面行在团队通过 TCIF 服务集团内部各业务方，另一方面业务方使用数据服务的过程中，也产生数据回馈CDO的ID mapping服务，使之更强大。从实践出发，行在总结了「数据共建共享」的数据交换理念。
出于对「大连接」和「共建共享」理念的认同，才言参与了行在主导的数据项目——整合阿里上市前后收购的全资子公司之间的数据，进而推动数据交换区。
作为「数据交换区」专利的落地操盘手，才言帮助UC第一个成功使用专利成果，合规地使用阿里巴巴集团的数据。经过半年多的努力，阿里巴巴前20个数据交换区多数都是才言建立，他认为数据交换区是数据平台未来的最高阶应用，「最狂妄的时候我有这样的错觉：没有数据交换区的数据平台都是扯淡」。
「我们发现在数据使用的过程中存在奇点。」才言复盘数据交换这件事的意义时谈到，「先有需求再有供给。业务方是要到知道业务可以数字孪生，业务可以数字化；知道业务提升的瓶颈，感受到痛；他知道他需要什么数据时，数据交换才会发挥价值——这个临界点就是奇点，这个临界点过后AI跑出来的效果才可能超过业务专家。」
那年一个重要变化是，阿里云内部提出了要从DBA到DA（Data Architect，数据架构师），才言转岗成为第一个DA：「真正的DA大多对各类计算平台很熟悉，懂数据架构，知道算法如何工作，且能够深入业务场景。只有这样，他们才能和机器一起在生产率上超过业务专家。」
不管是当时还是现在，阿里巴巴对数据的认知和应用能力都是超前的，不仅是技术超前、人才储备超前，应用场景也超前，成本收益也与众不同。2015年，行在创立了数加平台，提出了「普惠大数据」，把阿里的大数据技术和能力通过一个新的平台对外透出，让大数据普惠各行各业。
才言也参与数加平台在阿里内部的创业，在云栖小镇的平台垦荒岁月里，才言负责数加的业务板块，建立了数加23个工作室（由阿里云合作伙伴建立，形成大数据能力服务各细分行业）。
（2016年数加平台在云栖大会正式发布）
找到一个合适的客户
「普惠大数据」的具体实践中，有两大问题：一是鸡同鸭讲——你跟客户讲技术客户跟你讲行业；二是大炮打蚊子——平台功能大而全要解决的问题很具体充满细节。
「第一个客户是华数，华数认同阿里的大数据技术是一回事，但是让华数明白甚至构建数据平台是另一回事。虽然阿里最终提出了「数据中台」的理念，但是服务2B客户时客户听不懂，没法落地。同时，阿里内部组织叫做数据平台事业部，需要对大数据在组织中的作用重新定义，否则无法落地。」才言回忆当时碰到了不少问题。
一家好的合适的客户，对于大数据理念的落地至关重要。
如何找到合适的客户？在经过23个工作室的实践和筛选后，才言初步得出一个结论：零售和政府会率先践行大数据的落地。「离开阿里云之后，我们创建奇点云时剑指这两个行业。行在提出了两句话：帮助政府高效治理，帮助实体零售转型升级。」才言补充，这与2019年阿里云的组织结构调整后行业分布不谋而合。
「我们（当时）接触了传统电商和传统实体零售企业。」才言回忆，「对于传统电商，数加平台能够帮助这类纯电商平台做好智能应用，常见的是广告和推荐，但纯电商平台的业务重点还是流量获取优先于流量转化。」那时，流量获取已经开始往线下走，并且有了直播、短视频等等苗头。
「而对于传统实体零售企业，数加平台能够帮助他们做好智能决策（主要是BI），但是纯实体零售企业信息化尚待完善，人货场的数字化还在未来。」才言说，在2015年的时点上，这两类零售客户显然都不是理想客户。
直到后来的奇点云联合创始人兼COO公主（刘莹，时任阿里云西南大区负责人）带来了一个客户，「我们详细访谈了（客户的）各部门后发现：他们花10年时间在各零售业态建立起品类优势，然后再花10年的时间在信息化、互联网、移动互联网、O2O时代都做成了品类第一。」才言掩饰不住兴奋，评价这个客户：「老板对组织创新想法非常大胆且敢于执行。对于战略卡位点敢于投入，比如抓住移动互联网的机遇时，内部有10多个团队各自根据消费者的场景发展业务独立开发APP，3个月拼一次生死，最后活下来的业务最终代表了公司竞争力，指明了方向。」
但即使这样，仍然经过了七轮沟通，双方才最终确定了合作关系。
客户命名了数据中台
这次合作的客户有别于传统实体零售企业：老板掌握了平台开发的特点，但迫切需要对技术平台进行微服务改造；并且借鉴阿里2015年底提出的「大中台战略」，提出了「多端卡位，相互PK」的战略部署。
「与阿里最大的不同是，阿里自2007年起就「去SAP」，后来惊天动地地提出「去IOE」。而这位老板先后把Oracle和SAP用过一遍，最后自己组织团队开发。」才言说客户的痛点很有代表性，「如果技术架构不变，他们认为SAP的Idoc接口效率太低，会拖死他们。就像大多数实体零售企业的底层管理信息系统仍在建设中，客户在SAP上做大量定制，成本高昂。」
客户提出，已经尝试搭建过数据仓库且失败了（信息化之后需要把数据合到某个地方去加工，10T左右的数据量，传统的IOE已经不能承受），需要立项一个新的数据项目。
「对于项目是否能验收，客户有两大要求：一是能够支撑业务转型，最后我们通过Datav实现了四个部门跨13个环节的作战，通过推荐实现了旗舰APP的个性化智能化等等，二是广泛应用到阿里云的产品，最后我们用了18多款产品，其中包括8款数加的大数据产品，10款阿里云的云服务。」才言说，最后团队总结客户的需求是「两云一端」，用以概括支撑业务O2O转型的系统技术架构。
「两云」指的是业务中台+数据中台，「一端」指的是AIOT终端，到目前为止，这仍然是对中台最精辟的总结，而这个客户项目也正是「两云一端」的第一次成功实践。
1、业务中台：「名称是客户取的，早在我们合作之前就有。」
业务中台当时解决两个问题：首先是业务方需要数据时，可以通过一个接口平台来调用，如果前端的业务系统太多影响应用效率；第二个问题是业务方系统数据太分散，需要把会员、商品、订单等重要的数据重新在逻辑上内聚、集中。
「后来，业务中台往门店端、营销端和供应链端不断延伸，技术上不断去中心化，业务上不断中心化支撑前台多变的需求。」才言提到客户的现状：「这是一个不断侵蚀的过程。上一轮信息化的所有成果，在新的系统架构里从功能和架构层面都再做了一遍。」
2、数据中台：客户不满意「数据平台」的提法，新的数据项目命名为数据中台。
客户发现，现有的后台业务系统（ERP、CRM、TMS等）具备深度的行业属性，跟公司内外的业务流程深度融合，必须持续投入增强竞争力，但是持续投入就产生了组织问题——如果生搬硬套用阿里的「数据平台」，这个部门在组织内部成长不起来，也成为不了最底层的业务。
在了解了微服务架构（业务中台的雏形）之后，客户认为，有了前台系统，有了后台系统，顾名思义应该有数据中台，中台面向业务应用，而平台则不具备业务特征，因此把新项目命名为数据中台，以方便内部项目推进，并且在投入产出上可以算清楚数据账（数据存储与计算的投入产出比）。
3、AIOT终端：终端智能化提升业务竞争力。
「从消费者、企业、技术服务各端的变化来看，我的垂直类目优势面临挑战。」才言回忆客户老板谈到，消费者会走向无现金，客户店铺无现金支付比例已经接近20%（2015年），刷脸支付带来了方便的同时，智能物联使得门店台面变得越来越智能。零售企业受到即时物流和近场零售的挑战，如果业务不再进行一次碎片化再重组，将经受不起任何冲击。
「技术上，你们比我们懂，阿里在推中台战略，AI在兴起，还有很多新技术层出不穷。」这位老板认为市场决胜的关键是：未来智能门店IOT逐步具备性价比，需要将业务高度集成一体化，需要将三代技术体系兼容打通，业务重构形成新零售平台。
数据中台走向成熟
第一个客户的合同落地很困难。
「特别痛苦，在当时的阿里云组织架构里，没有签过类似的合同。合同落地需要跟法务财务做大量沟通，而且在项目组织上算法、数据甚至计算等技术人员调动、协同难度极大。」才言回忆到。
「在客户的“威逼利诱”下，我们项目组饱受折磨之后，有了2016年年底这一稿，第一次从架构上定名为数据中台。后来，这个词广为人知，并且，阿里云在2018年年中第一次对外发布双中台。」才言的成就感从微笑的眉角溢出，「我们实践了业界第一个客户项目，第一次把双中台画出来做出来，一步步调整架构图，后来，这些PPT被很多人查阅，也被人反复修改。」
才言回忆往事仍然历历在目：「2016年云栖大会马总提出新零售等五新，我们当天在大数据分论坛上发布了双中台架构图。」
（业界第一个双中台雏形）
客户项目获得了成功，公主告诉才言：「客户的项目负责人在组织内部连升三级，这就是项目的价值所在。」通过这个项目，才言他们还学习到了要敬畏传统行业，或者说叫做敬畏线下：电商平台虽有平台的搭建和运营的经验，但是线上场景里缺少供应链相关的内容，而传统零售企业的「端到端」供应链则是他们的立身之本。
「有必要回顾一下阿里提出业务中台和数据中台的历史，这里有无数阿里大侠们的智慧结晶。」才言回忆起这个过程时满怀敬仰。「数据平台是长期以来阿里巴巴对内部大数据团队的叫法，数据中台是阿里面向2B客户提出的理念，也是云上PASS的解决方案。」
才言回忆2014-2015年，他通过App-push 智能化推广项目获取的经验，淘宝运营团队对流量极端渴求，推动了技术的大胆应用，「淘宝就是一个强大的共享服务中台支撑了200多个团队四面八方打仗，利益优先全方位无敌国外交，开展合作不管内外。」
「阿里B2B有句老话：技术支撑业务，我入职B2B时最喜欢的一句话。」才言认为中台技术在阿里的形成历程是业务驱动技术进步：阿里是首先发展业务，再建共享中台。
- 2009年，阿里巴巴开始建共享服务平台，不叫业务中台；
- 2012年开始建数据平台，当时还不叫数据中台，数据平台在系统架构上处于底层；
- 2015年大数据能力通过阿里云数据平台透出，对外提供数据服务；
- 2015年，阿里巴巴开启了企业架构调整：业务中台化，前端业务部门可以像搭积木一样调用平台上的产品技术模块，从而快速搭建新业务场景，通过「业务数据化」实现了业务的数字孪生；数据中台化，打破了不同业务部门之间的烟囱式IT架构，打通了数据孤岛，为「一切数据业务化」打好了基础。
「2015年是标志性的一年，搜索完胜人工运营，从收购雅虎中国起，长达十年的争论结束了。这是一个精细化，业务专家不断AI化的过程。」才言兴奋的说：「一旦从投入产出上迈过了大规模数据存储和计算的高成本，将会产生持续的高效创新。我第一次看到机器把人分成两类，指挥机器的人和被机器指挥的人，淘宝这个终端会快速走向机器人化」。
数据中台替代数据平台，则从名称上标志着数据技术走向可认知可利用。才言认为，如果客户还称之为数据平台，那么说明客户还是在做数据仓库项目；如果客户叫数据中台，则说明客户决策层已经认识到数据的价值，开展数据业务。
中小企业是否需要中台？
「这是伪命题，一点都不明白企业主的思考逻辑。」才言对这个业界争论的问题提出自己的观点。「信息化、渗透率、云化，老板可能不关心这些。但是正视威胁，业务竞争力的提升，以及通过机器长期吸纳业务专家的经验来优化人才结构，最终形成一个有竞争力的组织。这是战略和组织的问题，老板一定关心。」
才言认为，中台创新是一次巨大的商业技术浪潮，可比较的是1972年SAP成立后对商业的影响，中台技术的商业化，可以利用美国人的原创技术和思想帮助中国企业弯道超车。这不只是一个技术问题，还是组织和文化的问题。
「马总说阿里未来的组织像美军的大中台小前端。自从2015年开始做第一个数据中台项目，我就越来越关注军事工业。」才言再次提到美国对中台的借鉴作用，「企业的数字化转型就像二战后美国政府的转轨。」
《美国国防工业转轨》里提到：国防部战略从作战平台（舰船、飞机、坦克）为基础的，转变为以信息为基础。才言提出这段话说清楚了信息时代作战的本质，也是信息的作用，因此企业老板的战略思想和执行层的战术原则，都需要因时而变：「美国1945年就开始变，从总统、到国防部、到NASA、到军工复合体，到商务部。以史为鉴，你应该变。」
对企业老板而言，数据中台首先是一个咨询问题。在数据平台的策略从用户量优先转向营收优先之后，才言签下了第一个数据中台的咨询项目，在他看来，数据中台要想落地，首先需要咨询的帮助，因为数据中台不只是技术问题，更是一个战略选择问题、组织管理问题，是一个决策难题，甚至是文化落地问题。
1、战略选择问题（怎么选？）：互联网巨头以平台的方式对各行各业产生了巨大的影响。平台经济是未来企业发展的共识，也是企业家的危机意识所在——自家企业要么平台化，要么成为平台的生态。
2、组织管理问题（怎么管？）：现代企业管理理念开始从「控制」转向为「赋能」。传统的管控线对待创新是不友好的，而组织赋能的好处在于，一方面决策灵活应对多变的市场环境，另一方面全程数字化足以推进权力进一步下放。赋能式管理是对创新的尊重。
3、复杂的决策难题（怎么办？）：数据中台从技术上讲是架构上的变化，项目立项对企业的影响将是全方位的。甲方不仅要决策数据中台产生的应用价值（解决具体问题的投入产出比），还需要决策大数据支撑AI来强化原有产品或者服务的竞争优势（AI构建新竞争壁垒的可能性），更需要决策数字化转型中组织结构所必需的IT投入（投入够不够的风险）。
4、文化落地的问题（怎么想？）：数据中台推动了「大中台小前端」的组织变革，大中台对协同的要求之高，小前端对优胜劣汰的要求之高，是前所未有的。这是科学博弈的竞争文化。不光要求老板转过来思想，而且要渗透在组织行为的日常中。这些势必会产生文化冲突。
才言研究过企业的发展史，200年不到的实践中，所有的企业都从杜邦、福特、通用、戴尔、ebay等标杆性的美国企业身上学习过工业化技术和经营管理经验，在才言看来，中台背后的技术革新和产业实践，始作俑者都是美国人，但是用的最好的是中国人，中台就是代表。
「2016年之后，我开始跟我的咨询业前辈大量传播数据中台和业务中台，我甚至认为这是中国咨询业可以弯道超车的一个历史机遇。」不仅是咨询业，用中台帮助所有中国企业强大（这个时代的所谓「强大」是迈过奇点，真正拥抱人工智能），这也是才言心里最简单的出发点。
奇点云CEO行在在创立奇点云的一段话，可以用来代表才言的初心：「所以叫奇点云，我们一直希望这家公司，能够帮助政府能够高效治理，帮助商业企业更加智能。政府的高效治理能够服务好企业，加之企业更加智能各行各业强化了比较优势，中国经济的竞争力会更强。这些都是吸纳中台技术和经验后中国政府和企业能够做到的。」
中台，表面上是一个简单的词，有前有后，逻辑简单，概念普适，也很符合中国人「中庸」的理念，但是作为战略的卡位点和经营的着力点，中台也并不简单。在参与多个中台项目之后，通过与各行各业客户和业界前辈沟通，才言总结了三点：
1、中台为前台而生，要扛业务KPI。
从技术架构上来看，中台要负责从ERP等70多个系统里同步数据，数据计算成完后展现给前台的业务系统，前台的业务系统直接面向消费者，中台的「中」字就是这么来的。
「不是买了阿里云的云产品就可以建中台了。中台有强大的业务内涵。不过阿里云的那几十款产品还是要了解掌握的。」才言笑着指出，前台是由各类前台系统组成的前端平台；后台是由后台系统组成的后端平台；中台是真正为前台而生的平台，为了更好的服务前台规模化创新，响应用户，使企业做到自身能力与用户需求对接。
前台业务足够丰富、业态复杂，需要中台做承接，把各个平台的数据集中打通。需要中台的客户说明他们的业务正在平台化，中台的核心是中间件技术，中间件技术是为了平台使用的，客户的组织往扁平化发展，需要双中台的系统。
2、中台 for 业务，不只是 for 管理。
中台是为了让业务系统更加高效，而不是让管理系统更加万能。
抛开技术本身，大数据根本不是一个底层的问题，它是一个上层「for 业务」的问题。数据转型和应用，一定是强调从业务出发的，因为数据是业务的映射，业务上有什么需求，才相应抓取、分析、挖掘相关的数据。
比如，经常提到的问题是，中台里的会员中心和CRM系统是什么关系？从「for 业务」的视角分拆来看，CRM系统里，流程协作的功能会进入到前台终端，「for 管理」的数据分析与建模需要强大数据中台来支撑，而其他部分都分拆进入了中台里的营销中心或者会员中心。
顺便提一句，数据中台是企业业务和数据的沉淀，利用数据中台，可以提升效能、更好支持业务发展和创新，不仅减少烟囱式协作的成本，也是差异化竞争优势所在。
3、中台全部自建投入巨大，需要借助外力。
中台是企业掌握ABC（人工智能、大数据、云计算）技术的基础设施，技术冲击给商业组织带来了重要命题：如何利用这些生产工具来提升工作效率？延伸而来的是公司内部的组织关系会发生什么变化。
中台需要至少持续5-10年的技术规划，不是一两个技术项目可以覆盖的，中台是一个有技术和业务深度的企业服务领域。对企业而言，企业的CTO需要转变为CDO（首席数据官），信息部门要大变，人才结构也会大变，这都不是单靠企业自身能解决的问题。
「一家公司的成功， 七分战略，三分管理。大趋势大浪潮比什么都重要。」2017年，才言加入奇点云创始团队，回忆起他在咨询公司时，老板说的这句话，他认为，数据中台就是下一个大趋势，尽管当时大数据还只是一个小圈子的玩意。
把大数据说成小圈子，才言的理由是在客户眼里，大数据尚不成熟：
1、从使用者的角度：「中国真正有PB级数仓的开发经验的人，其实很少。2014年我第一次搭建100TB级别的互联网数据传输通道，那个时候阿里云的产品还不成熟，数仓的秘钥，在线存储的安全漏洞。」才言提到伤心事：「一天到晚低声下气向人请教，周会上压力太大直接把我气哭了。我反省我是一个无知的人，后来意识到这是无人区。」
2、从搭建者的角度：大公司的场景特殊，比如阿里巴巴太特殊以至于hadoop跟不上业务创新，被迫自研。但是绝大多数企业，开源社区足以满足需求。「代码都在那里，关键是太过于复杂，开源社区更新如此之快。」产品化成为当务之急，客户可以拿来即用。
3、从业务方的视角：教科书上，数据仓库的传统应用是BI和CRM。而实际场景中业务方都在提出数据引擎的需求，这些需求超越了营销、商业智能、推荐等常态的业务范围。更重要的是，业务创新在不断拓展产品深度，「数据一旦走出了自给自足的状态。这又对数据安全产生了更高要求。开源的演进还在持续。」
工程实践在业界的稀缺性，使得奇点云这一类阿里系的创业公司有了先发优势。
「奇点云开始只是一个技术强国的初心愿景。真正化为行动，我们要坚持的是产品在云和端同时布局，拥抱2B时代。」才言说，2015年，马总提出互联网前20年就是技术产生的20年，接下来的30年是技术应用的30年，大数据、云计算、深度学习、机器学习在过去的20年产生了，接下来面临的就是应用问题，前面二十年是信息化的浪潮，应用技术的过程就是智能化的浪潮。
创业的高风险，迫使奇点云创始人行在一直在思考业务聚焦：在「智慧零售」和「数据中台」这两条赛道上，不是要左右逢源，而是集中力量打歼灭战。
在数据中台赛道上，「AI驱动的数据中台是我对市场竞争的回答，也是我认同的唯一解。」才言提到：「所有的这类公司会走向趋同。而奇点云与他们有着本质不同」。
（数据中台的分层：三层的技术架构）
从技术架构上看，客户对数据中台的这三层需求，边界清晰，很好地满足了市场需求，仅仅只做其中一层都有问题，他是自上而下的，也是自下而上的。是因为AI只有在具体的场景与可控的边界解决问题，数据中台是中间层，尤其对实体零售业态多、绑定具体的业务场景时，对CIO、COO、CEO来说都很好理解。
从技术到产品，是奇点云迈过的第一个鸿沟。
「产品大图，其实是客户的需求大图。奇点云相信数据红利给客户带来的价值，挖掘它赋能业务又体现出了数据平台的基础价值。」才言说：「这就是行在提的：端滋养云，云赋能端。」
「我非常认同马总提的DT时代。在我看来数据中台就做了2件事，把AI落地，把BI系统升级」，才言总结到：「在这张产品大图里，任意的云端组合都只为一个目的：在可信可靠的数据基础上做数据智能的应用，针对性地解决客户某个具体场景中降本和增效的问题，是一个范围明确、产出清晰、可量化、可立项、能落地的事，帮助客户储备大数据人才，比以前做BI的厂商采用数仓的解决方案要好的多。」市场上本来就有这种需求，数据中台出来后，正好以新的基础设施的形式结合深度学习的浪潮，原有的需求被新的基础设施满足。
「数据中台最重要的产出是要有闭环的数据服务，去服务前台的业务。对服务线下实体零售来说，线下智能在线化就是通过智能硬件，在数据反馈闭环的同时要掌握前台的端。」才言说这个大数据业界对云端的共识，将会在零售行业真正落地。
从产品到服务，则是奇点云走过的第二条路。
奇点云倡导的数据中台五维度服务体系包含数据中台咨询、数据中台产品设计、敏捷交付、数据智能应用、团队赋能，是完整的一套解决方案。
「数据中台解决方案是解决具体场景问题的，对团队有严苛的要求，一定要有数据团队、算法技术团队，而奇点云从成立第一天起就开始做算法研究，应用场景丰富。」才言提到。
从服务体系到走进行业客户，则是奇点云走向成功的关键。具备百购商超、大时尚、大快消、政府、创新孵化等多行业成功经验，实实在在为客户创造了价值。
未来，是一个数据即经济的时代。在赋能企业的道路上，才言将与奇点云一起脚踏实地，帮助企业找准大数据应用的切入点，快速推动企业数字化转型升级。
标签：好处 传统 通用 同事 员工 数据展现 咨询顾问 零售行业 机器
原文地址：https://www.cnblogs.com/StartDT/p/12336915.html
