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。
