阿里提出了“大中臺，小前臺”，其中臺事業部包括搜索事業部、共享業務平臺、數據技術及產品部，數據技術及產品部應是數據中臺建設的核心部門。
那麼，數據中臺到底是什麼？具體包含哪些內容？跟大數據平臺是什麼關係？在架構層面是怎麼體現的？數據中臺跟產品又有什麼關係？
阿里數據技術及產品部的掌門提倒了數據中臺的具體含義，這裏引用他說的話：
“很多人會把數據比作“石油”，馬老師（馬雲）也說過，阿里巴巴要成爲全球電子商務的“水電煤”。我們現在搭建的數據中臺，就是希望扮演“發電廠”的角色。”
“我們知道，電力的發展可以分爲幾個階段，最開始是一些有能力的企業自己發電，後來出現新的工業產能，有的企業電用不掉，有的卻不夠用，這時候國家機構就出來了，會去搭建國家級的電網，不管是核能發電，還是風力發電、水力發電，最大程度地保障不同羣體的用電需求。”
“我們數據中臺也是這樣一個運轉思路，我們落到實處是一個倒三角形，從下往上分爲四個部分——”
“第一是數據技術。沒有數據中臺的時候，不管是阿里內部還是各商家，大家都有自己的數據中心、機房、小數據庫。但當數據積累到一定體量後，這方面的成本會非常高，而且數據之間的質量和標準不一樣，會導致效率不高等問題。因此，我們需要通過數據技術，對海量數據進行採集、計算、存儲、加工，同時統一標準和口徑。”
“第二是數據資產。數據中臺把阿里系的數據統一之後，會形成標準數據，再進行存儲，形成大數據資產層，進而保證爲集團各業務和商家提供高效服務。”
“第三和第四都是數據服務，包括服務商家和服務小二。例如生意參謀和阿里指數，就是數據中臺中面向商家端提供的數據服務。”
“數據中臺服務阿里，說白了更多是在爲各位商家服務。平臺會確保大家在使用數據的過程中，口徑、標準、時效性、效率都有保障，能有更高的可靠性和穩定性。”
以上說得好像都對，但邏輯上有些是無法自洽的，比如這裏的數據技術跟阿里雲的數據技術是什麼關係？數據中臺要不要承擔hadoop/ETL這類平臺和工具的研發？生意參謀是個端到端的產品，似乎不能劃爲數據中臺？
當然，從職能看，作爲中颱部門的確需要基於產品直接服務一線客戶，而不是往後退，這也是以前筆者對於數據中臺最大的困惑，一直在想這個數據中臺的部門績效該如何定呢？沒有業務的滋養中臺如何迭代優化呢，阿里算是解惑了。
但如果把直接的產品當成中臺顯然是不合理的，阿里提了數據中臺，忙壞的倒可能是那些做數據架構和數據管理的，因爲架構講究邏輯嚴密，本質和邊界必須定義清楚，沒有歧義，否則做事就會很茫然，不知道該怎麼入手。
比如哪天領導問你，我們企業的數據中臺有沒有，要向阿里學習啊，有了清晰的概念你就可以做映射了，否則就會顯得手足無措，這種事情其實很多。
筆者的企業最近在做IT規劃，很多人就對數據中臺要帶一些產品職能有異議，記得以前筆者還把營銷平臺當成中臺，號稱也是賦能所有營銷人員的，這就是概念不清造成的問題。
說來也奇怪，網上很難找到數據中臺的更科學解釋，能找到的大多也不夠清晰，與大數據平臺有千絲萬縷的關係，筆者最近正好在思考這個問題，特此分享於你，當然仁者見仁，智者見智了。
所謂數據中臺，即實現數據的分層與水平解耦，沉澱公共的數據能力，筆者認爲可分爲三層，數據模型、數據服務與數據開發，通過數據建模實現跨域數據整合和知識沉澱，通過數據服務實現對於數據的封裝和開放，快速、靈活滿足上層應用的要求，通過數據開發工具滿足個性化數據和應用的需要，見下圖（以某運營商爲例）：
1、數據模型
數據模型是分層次的，以前叫作數據倉庫模型，筆者這裏概括爲三層，基礎模型一般是關係建模，主要實現數據的標準化，我們叫作“書同文、車同軌”，融合模型一般是維度建模，主要實現跨越數據的整合，整合的形式可以是彙總、關聯，也包括解析，挖掘模型其實是偏應用的，但如果用的人多了，你也可以把挖掘模型作爲企業的知識沉澱到中臺，比如離網挽留的模型具有很大的共性，就應該有人把它規整到中臺模型，以便開放給其它人使用，中臺的中是相對的，沒有絕對的標準。
2、數據服務
將數據模型按照應用要求做了服務封裝，就構成了數據服務，這個跟業務中臺中的服務概念是完全相同的，只是數據封裝比一般的功能封裝要難一點，畢竟OLTP功能的變化有限，而數據分析受市場因素的影響很大，變化更快，導致服務封裝的難度變大。
隨着企業大數據運營的深入，各類大數據應用層出不窮，對於數據服務的需求非常迫切，大數據如果不服務化，就無法規模化，比如浙江移動封裝了客戶洞察、位置洞察、營銷管理、終端洞察、金融徵信等各種服務共計幾百個，每月調用量超過億次，靈活的滿足了內外大數據服務的要求。
3、數據開發
但有數據模型和數據服務還是遠遠不夠的，因爲再好的現成數據和服務也往往無法滿足前端個性化的要求，這時候就得授人以魚不如授人以漁了，數據中臺的最後一層就是數據開發，其按照開發難度也分爲三個層次，最簡單的是提供標籤庫（DMP），用戶可以基於標籤的組裝快速形成營銷客戶羣，一般面向業務人員，其次是提供數據開發平臺，用戶可以基於該平臺訪問到所有的數據並進行可視化開發，一般面向SQL開發人員，最後就是提供應用環境和組件，讓技術人員可以自主打造個性化數據產品，以上層層遞進，滿足不同層次人員的要求。
對於標籤庫（DMP）到底是屬於SaaS還是PaaS是有爭議的，但標籤庫這類平臺顯然較生意參謀類產品更中臺一點，因爲其通用性更強，專有業務的特性不是非常明顯，筆者還是認爲可以歸爲中颱。
應該來講，數據開發中的組件，比如頁面組件、可視化組件什麼的，歸屬到業務中臺似乎更合理，但其實也要看企業的實際情況，哪裏用的多就可以歸屬到哪裏，沒有絕對的標準了。
以上劃分方式在邏輯上還是說得通的，但還有很多沒有考慮進來，比如算法服務、機器學習引擎、hadoop、MPP等等，筆者覺得算法服務應該屬於數據服務的一種類型，但h a d o o p、MPP、機器學習引擎更底層一點，應屬於私有云或公有云的範疇了，比如筆者看到阿里雲就提供了MaxCompute這類機器學習服務。
關於數據中臺的分層看似簡單，但筆者卻糾結了好久，很多邊界是模糊的，最近看的一本書提到，新的概念如果跟既有知識體系不相符，一定要努力搞清楚，不能人云亦云，只要能表達出自己的觀點，即使還是錯了，也有了被人家糾正的機會，對於事物理解的不深入，大多是不求甚解導致的概念不清的結果。
最近新零售很熱，各路大仙都出來詮釋新零售的概念，大家可以想想新零售到底是什麼？
鏈接：https://www.jianshu.com/p/f8a7c33709b3
參考 ： http://solution.sequoiadb.com/cn/datamidend?renqun_youhua=717380