2009年，阿里雲開啓了中國的雲時代。
十年市場教育，中國的公有云市場也已經從無到有，邁過了300億元大關，預計到2021年更是能達到900億元的規模。
「數據中臺」已經從一個技術詞彙，慢慢轉變成爲企業界的共識：如果想要在信息商業中擁有一席之地，就必須要藉助雲計算和數據的力量，完成企業的數字化轉型。
只是，數據到底在轉型中扮演什麼樣的角色，要如何利用好數據，數據上雲後如何支持業務，企業需要哪些核心能力？這些問題，對於大多數的非技術業者而言，仍然是知其然不知其所以然。
一般而言，「數據上雲」更多強調的是數據的存儲和計算，而要讓數據能夠賦能業務，則更需要「數據中臺」來進行數據處理，進而支持業務決策和優化運營。
這是「數據中臺」和「數據上雲」最大的不同。
數據中臺最終要幫助企業降本增效
作爲數據業務領域的先行者，阿里雲總裁張建鋒，在最新的演講中，把數據智能作爲數據處理的核心能力：
「今天處理數據絕大部分都不是單純靠算力，算力是基礎，而主要是靠上面的智能化的算法，算法跟各行各業的業務有密切相關，所以阿里巴巴通過與各行各業合作，沉澱了一個完整的智能化平臺。我們認爲在基礎設施的雲化、核心技術的互聯網化以及在之上疊加大數據+智能化的平臺和能力，完整地組成了阿里雲智能的整體能力框架。這是我們核心的能力。」
這裏面傳達出了幾個核心信息：
1.雲計算爲數據智能提供了基礎算力；
2.行業（經驗轉化而來的）算法是智能處理數據的主要工具；
3.數據+智能的平臺和能力，前提是基礎設施的雲化和核心技術的互聯網化；
這是阿里雲所認爲的數據處理的能力框架，而在目前的市場上，我們通常把這種能力框架稱爲「數據中臺」。
輿論往往會更強調技術的作用，強調技術對業務的推動作用，但事實上，在商業領域，更多的時候，技術發展都是跟着業務走，技術的發展常常來自於業務需求和業務場景的倒逼。
例如，隨着越來越多的企業把業務流程上雲，日益增長的數據存儲和仍然稀缺的數據應用就成爲了企業的主要矛盾之一，而且，這種矛盾不是一天就能夠解決，需要從業務、技術、組織幾個不同的領域一起來探尋數據的解決方案。
簡單來說，「數據中臺」就是這一系列解決方案的基礎設施。
數據中臺不是一套軟件系統，也不是一個標準化產品，站在企業的角度上，數據中臺更多地指向企業的業務目標，也即幫助企業沉澱業務能力，提升業務效率，最終完成數字化轉型。直白點說，中臺只講技術，不講業務，都是大忽悠。
這麼多年來，互聯網的發展都建立在更低成本、更高效率的連接之上，線下也一定會複製線上的發展邏輯，用更多連接帶來更多的數據。
比如，通過攝像頭，我們就可以低成本建立顧客的Face ID檔案，從而豐富人和店鋪的關係數據，店鋪進而可以根據數據分析結果，給顧客提供更有針對性的服務項目。
更多連接，更低成本，更高效率——所有跟流通相關的線下生意，數據中臺的意義就在於降本增效，別無其他。
數據中臺發展經歷了四個階段
在數據史上，2015年是一個重要的關口：2015年全年產生的數據量等於歷史上所有人類產生數據的總和，這是數據從乘數型增長全面轉向了指數型增長的方向標，海量數據處理成爲全人類的挑戰；
同一時間，阿里巴巴向外發佈了DT時代的提法，用Data Technology（DT，數據技術）替代了Information Technology（IT，信息科技），強調數據技術將成爲未來商業的驅動力。
一個標誌性的事件是：阿里巴巴用幾百人的運營團隊支撐了幾萬億的GMV，其中60%-70%來源於數據支持的機器決策，機器智能賦能業務，用更低的成本，更高的效率去服務顧客，提供千人乾麪的個性化體驗。
未來學家認爲，機器智能最終會超越人的智慧，而這兩者的臨界點就被稱爲「奇點」。從這點來說，我們可以認爲，阿里巴巴已經跨越了奇點，真正成爲一家數據公司。
下面我們從數據的角度來梳理下這個過程。
阿里巴巴的數據處理經歷了四個階段，分別是：
一. 數據庫階段，主要是OLTP（聯機事務處理）的需求；
二. 數據倉庫階段，OLAP（聯機分析處理）成爲主要需求；
三. 數據平臺階段，主要解決BI和報表需求的技術問題；
四. 數據中臺階段，通過系統來對接OLTP（事務處理）和OLAP（報表分析）的需求，強調數據業務化的能力。
（