2009年，阿里云开启了中国的云时代。
十年市场教育，中国的公有云市场也已经从无到有，迈过了300亿元大关，预计到2021年更是能达到900亿元的规模。
「数据中台」已经从一个技术词汇，慢慢转变成为企业界的共识：如果想要在信息商业中拥有一席之地，就必须要借助云计算和数据的力量，完成企业的数字化转型。
只是，数据到底在转型中扮演什么样的角色，要如何利用好数据，数据上云后如何支持业务，企业需要哪些核心能力？这些问题，对于大多数的非技术业者而言，仍然是知其然不知其所以然。
一般而言，「数据上云」更多强调的是数据的存储和计算，而要让数据能够赋能业务，则更需要「数据中台」来进行数据处理，进而支持业务决策和优化运营。
这是「数据中台」和「数据上云」最大的不同。
数据中台最终要帮助企业降本增效
作为数据业务领域的先行者，阿里云总裁张建锋，在最新的演讲中，把数据智能作为数据处理的核心能力：
「今天处理数据绝大部分都不是单纯靠算力，算力是基础，而主要是靠上面的智能化的算法，算法跟各行各业的业务有密切相关，所以阿里巴巴通过与各行各业合作，沉淀了一个完整的智能化平台。我们认为在基础设施的云化、核心技术的互联网化以及在之上叠加大数据+智能化的平台和能力，完整地组成了阿里云智能的整体能力框架。这是我们核心的能力。」
这里面传达出了几个核心信息：
1.云计算为数据智能提供了基础算力；
2.行业（经验转化而来的）算法是智能处理数据的主要工具；
3.数据+智能的平台和能力，前提是基础设施的云化和核心技术的互联网化；
这是阿里云所认为的数据处理的能力框架，而在目前的市场上，我们通常把这种能力框架称为「数据中台」。
舆论往往会更强调技术的作用，强调技术对业务的推动作用，但事实上，在商业领域，更多的时候，技术发展都是跟着业务走，技术的发展常常来自于业务需求和业务场景的倒逼。
例如，随着越来越多的企业把业务流程上云，日益增长的数据存储和仍然稀缺的数据应用就成为了企业的主要矛盾之一，而且，这种矛盾不是一天就能够解决，需要从业务、技术、组织几个不同的领域一起来探寻数据的解决方案。
简单来说，「数据中台」就是这一系列解决方案的基础设施。
数据中台不是一套软件系统，也不是一个标准化产品，站在企业的角度上，数据中台更多地指向企业的业务目标，也即帮助企业沉淀业务能力，提升业务效率，最终完成数字化转型。直白点说，中台只讲技术，不讲业务，都是大忽悠。
这么多年来，互联网的发展都建立在更低成本、更高效率的连接之上，线下也一定会复制线上的发展逻辑，用更多连接带来更多的数据。
比如，通过摄像头，我们就可以低成本建立顾客的Face ID档案，从而丰富人和店铺的关系数据，店铺进而可以根据数据分析结果，给顾客提供更有针对性的服务项目。
更多连接，更低成本，更高效率——所有跟流通相关的线下生意，数据中台的意义就在于降本增效，别无其他。
数据中台发展经历了四个阶段
在数据史上，2015年是一个重要的关口：2015年全年产生的数据量等于历史上所有人类产生数据的总和，这是数据从乘数型增长全面转向了指数型增长的方向标，海量数据处理成为全人类的挑战；
同一时间，阿里巴巴向外发布了DT时代的提法，用Data Technology（DT，数据技术）替代了Information Technology（IT，信息科技），强调数据技术将成为未来商业的驱动力。
一个标志性的事件是：阿里巴巴用几百人的运营团队支撑了几万亿的GMV，其中60%-70%来源于数据支持的机器决策，机器智能赋能业务，用更低的成本，更高的效率去服务顾客，提供千人干面的个性化体验。
未来学家认为，机器智能最终会超越人的智慧，而这两者的临界点就被称为「奇点」。从这点来说，我们可以认为，阿里巴巴已经跨越了奇点，真正成为一家数据公司。
下面我们从数据的角度来梳理下这个过程。
阿里巴巴的数据处理经历了四个阶段，分别是：
一. 数据库阶段，主要是OLTP（联机事务处理）的需求；
二. 数据仓库阶段，OLAP（联机分析处理）成为主要需求；
三. 数据平台阶段，主要解决BI和报表需求的技术问题；
四. 数据中台阶段，通过系统来对接OLTP（事务处理）和OLAP（报表分析）的需求，强调数据业务化的能力。
（