原创： 郭朝晖 蝈蝈创新随笔 

蝈蝈创新随笔 

 guoguo_innovation

功能介绍 只是把思考的日志搬到了公众号上，不当之处请多包涵。

2019-04-10

最近，“数字中台”的说法突然热起来了，宣传和批评的声音都很大。当我看完第一篇文章时，就大吃一惊：对灵活性的认识怎么与诗万兄的思想如此接近？

诗万是美国工业互联网协会架构组的，设计开发了ThingsWise工业互联网平台。目前是我在优也的同事。前几个月我一直在问他：国内外的工业互联网平台很多，ThingsWise到底有什么不同。在我看来，工业互联网领域的很多说法都差不多、彼此大同小异。诗万和我讲过几次，我没有完全听懂。直到不久前问了同事，从开发者的角度看，才真正搞清楚。

原来，ThingsWIse的优势在于灵活性。这种灵活性是针对工业大系统（或者叫系统的系统：SOS）的、维护阶段的灵活性，便于增加或者修改功能。如果把过去开发传统软件系统比作“建大楼”，在ThingsWise系统上开发一个功能就像搭帐篷。增加一个功能时，工作量和难度降低了、也不容易出错，还容易促进不同专业人士的分工协作。为了做到这一点，诗万采用了分层的架构和数字孪生技术。其实，我不久前才意识到：数字孪生技术居然会有这样一个用处，让我对诗万倍加敬重。

在半小时前，看到寄云时总转发了一个关于数据中台的帖子。他评论道：“正当陷入僵局的时候，天空中飘来一声IT谚语： 软件开发中遇到的所有问题，都可以通过增加一层抽象而得以解决”。想一想确实除此：TCP/IP协议用了5层，ISO/OSI协议用了7层。索为的众工业平台是在各种工业软件上加了一层。凑巧的是，今天傍晚同事还对我说：“ThingsWise和数字中台相比，数字孪生这一层是加出来的。”

对于软件技术，我是业余水平。别人谈论深入的技术问题时，我只能看热闹。但作为软件专业的“三脚猫”，我能够体会到：为从事日常生产的产线开发新系统是件麻烦很大的事情，风险也很大。于是，很多可做可不做的事情，最后往往不做了。这一点，不利于系统的持续改进。

根据我的研究，推进智能化、工业互联网最好的切入点是用相关技术提高企业的管理水平，减少各种跑冒滴漏。而这必然是一个长期、持续改进的过程。最好的做法是：系统要不断添加新功能、改善原有的功能。这意味着：对中台或者平台来说，灵活性强是个极其重要的要求。

我知道，阿里一直想进入工业领域。平心而论，我一直没把阿里的宣传当成一回事。这一次却让我着实吃惊了一下。当然，中台是来自商业互联网领域的体系是否适合工业，还很难说。

12、数据中台是真火还是炒作？ 

原创： 筱愚她爸 凯哥讲故事系列 

凯哥讲故事系列 

 shikai590

功能介绍 精益数据创新体系创始者，数据驱动的数字化转型的倡导者，15年以上企业信息化，数字化转型实践者，数字化转型架构师。

2019-11-04

数据中台真的火了么

马云老师在2019年说了一段话，“很多人会把数据比作石油,我们现在搭建的数据中台,就是希望扮演发电厂的角色”，这一段话，现在被大众认为是“数据中台”这个概念的起源。

在2019年的企业服务市场，中台概念之下的数据中台，铺天盖地而来，裹挟着行业里的甲方乙方，大家都在讨论，思考，也不乏争议和质疑，但是有一点，似乎数据中台火了。

那么数据中台是否真的火了呢？

我做了一个小小的研究，利用百度指数作为参照指标。

百度作为行业里中文搜索里基本垄断市场的王者（虽然我认为，搜索作为互联网的基础架构，百度已经做烂了，而且如果百度做的好一点，出现头条，微信这样的私域流量的内容巨头的可能性就小很多，但是目前，我们还是必须面对，百度占据中文搜索的大部分市场），能够客观地反应中文语境下，一个概念的受关注程度。

百度指数就是量化的体现受关注度的一个指标体系。

百度指数分为两个体系，一个是搜索指数，一个是资讯关注度。搜索指数体现有多少人搜索了这个关键词，资讯关注，是这个关键词在各种媒体资讯中出现的频度。

资讯关注度，很多时候受关度键词相关方的市场推广，软文，通稿的影响，体现关键词相关方在这个概念推广方面的努力程度和传播广度。

搜索指数，是所有在搜索引擎上搜索了这个关键词的次数的统计，相对真实的体现行业对于关键词认知和热度。

所以，我们更多的将关注搜索指数。

        为了客观地体现数据，我将数据中台，数据仓库和中台，三个关键词作为组合研究。

“中台”和“数据中台”

我们先看一下“中台”和“数据中台”的搜索指数。

上图清晰的体现了中台和数据中台的，搜索指数，绿色的是中台，青色的是数据中台。

从2012年开始，中台这个词就有被搜索，出现的最早，但是一直停留在一个比较低的搜索数据，不到20的日均值。

数据中台在2018年6月4日，一下子突破了100的搜索日均值，然后一直保持上涨趋势。

在2019年5月13日到2019年5月19日，网络对于数据中台的关注暴涨，直接达到497的搜索日均值。这期间，中台被搜索的日均值还是0.

接着，2019年5月20日到5月26日期间，中台的搜索数据，突然崛起超越了数据中台。

在2019年9月26日，中台的搜索热度达到历史顶峰，日均搜索1667。

当然，这个直接可能的原因就是，2019年的云栖大会是9月25日到9月27日开的。

“数据仓库”和“数据中台”

说到数据中台，就不避免的谈到数据仓库，数据仓库作为过去十几年企业数据领域的主要承载平台，一定程度上推动了企业的数字化转型，那么我们来看看行业对于数据仓库和数据中台的关注度的关系。

上图是数据仓库和数据中台关键词的搜索指数。

我们可以看到，从2011年以来，数据仓库一致以来保持着持续的搜索热度。             

直到2018年6月4日到10日，数据中台略受关注，然后一路保持增长，直至翻转超越数据仓库的热度。

发生转折的时间点在2019件6月17日到6月23日，数据中台的关注度第一次超越了数据仓库，然后就一直保持着领先的态势，目前仍保持着高速的增长。

关键发现

        从以上几幅图的数据分析，有以下几个关键发现（蓝色的线是数据中台，绿色的线是中台和数据仓库）：

数据中台的受关注度早于中台

数据中台的关注度在持续增长并且超越了中台的关注度

从下图看出，中台展示出下降趋势，并且数据中台的搜索量最近超越了中台

数据中台和数据仓库的总体受关注趋势是一致的

数据仓库和数据中台的总体受关注度的趋势是保持一致的。

数据中台的受关注度已经超越了数据仓库

2018年开始启动的数据中台热度，在2019年7月份超越了数据仓库，并且目前持续走高。

从以上的数据分析来看，数据中台的确是火了，而且是在越来越受关注，越来越火。

数据中台现象的本质剖析

每一个现象的背后，都有其根本的原因，我尝试去理解和剖析数据中台火爆背后的根因，这个现象代表了什么样的诉求和变化。

还是利用百度指数，我发现，大数据的搜索量依然远超数据中台和数据仓库，并且趋势走向和数据中台也是一致的，但是大数据整体的热度，已经没有前两年那么火热了。

在今年三月份的时候，中国数据价值研究中心发起了一个数据中台的调研问卷，收到了超过400份的有效问卷，问卷中以下的数据可以帮助我们去剖析数据中台现象。

数据中台是一个体系

百分之百的参与调研的对象都认为，数据中台是一个体系，而不仅仅是一套软件。

所以，数据中台和大数据，数据仓库是有本质的区别的，大数据是一个愿景，是一个概念，数据仓库是一个具体的软件系统，而数据中台是一个体系。

数据中台对于企业的价值

在问卷中，有一个主观题，让所有的被调研对象填写他/她认为的数据中台对于企业的价值。

我将这个问题的所有的答案做了分词，做了词频统计，用如下词云的方式做了展示：

可以看到，前10名从上到下分别是（排除数据这个词）：

业务，数据服务，价值，快速，场景，统一，赋能，资产，孤岛，打通

从这些关键词中，我们就可以看出，数据中台受企业关注，追捧，形成行业级现象背后的几个大的根因。

业务对于数据部门或者数据平台的需求从来没有变化过，那就是：

快速为业务提供基于统一，打通数据资产之上的数据服务，从而赋能业务场景，产生价值。

为什么是数据中台而不是数据仓库

这是一个很尖锐，但是直击灵魂的问题。

坦率地讲，我看过一些现在行业里打着数据中台大旗的产品和解决方案，但是，有不少都是挂着数据中台的名字，干着传统数据仓库的事情。

我从13年前就参与了多个企业级数据仓库的规划，咨询和实施。包括Cognos、BW、Microstrategy、BIEE等。我个人认为数据仓库和数据中台不是一个维度的事情，他们之间并不冲突。

数据仓库在数据中台时代是依然有价值的，并且可能很多时候，企业在构建自己的数据中台的第一步，就是构建一个数据仓库。

但是，企业在构建数据仓库之前，要有一个数据中台的全景蓝图，数据仓库的构建，只是为了填补这个蓝图中的一部分，数据仓库的构建不是数据中台的全部，更不是目标。

数据仓库，是一个相对标准化的技术平台，是可以有成熟的，高复制性的软件产品的，而数据中台则绝对不是，数据中台与企业的业务息息相关。

正如《中国数据价值研究中心-数据中台行业调研报告》中所调研的那样，超过60%的被调研对象认为，数据中台应该距离业务更近，是一个业务系统，而不是一个技术平台。

所以，数据中台是有的非常强的业务属性的，与企业的文化，业务模式，历史沿革，组织结构，绩效体系，流程治理都息息相关，这样的一个体系的平台，是不可能有标准化的，整体复用的解决方案的。

数据中台的功能体系

ThoughtWorks数据智能事业部在2017年的时候就提出了数据驱动的智能企业的愿景，以及支撑这个愿景的六大功能体系（那个时候，我们还不叫它中台，我们叫它数据资产创新平台，并且落地了行业里第一个跨5个产业板块，拉通数据，打通会员、订单和支付体系的数据资产平台）。

这样的一个体系很庞大，它的建设一定不是一天完成的，也不是安装一套软件，建几个应用就可以达到的。

所以，如何整体规划，探索并识别业务场景，并快速启动，持续产生价值呢，我们探索了一个体系(LDIM)，精益数据创新体系能够帮助企业Top-Down和Bottom-Up联动的区建设数据中台。

数据中台的承载体系

数据中台是一个体系，它包括如下的构成部分：

战略和治理部分

数据中台是以数据作为原材料，加工数据服务支持各个业务应用和前端用户的一个数据业务系统。既然是业务系统，那就就需要有业务战略和规划，企业需要制定清晰的数据战略，包括业务价值，业务场景的识别和规划，数据资产的规划和治理，以及技术战略，运营战略和组织结构等。

清晰的数据战略是数据中台落地的基础和前提，但是我们所提的又不是那种传统的做的很重，很细致的战略，是比较轻的精益数据战略和精益数据治理。

技术和平台

在战略的引导下，对齐业务价值优先级，企业要构建自己的数据技术产品和平台。主要包括五大部分：

1.数据智能的持续交付平台，这是所有的数据服务、数据产品、数据平台的基础设施，保证自动持续的集成和交付，我们叫它DataOps和AIOps

2.数据自服务平台，数据平台是打通所有数据，存储，管理数据的基础设施。

3.面向业务的数据服务产品，这就是可复用的数据能力组件。

4.企业的机器学习平台，也就是智能服务平台，它持续的，生产，帮助企业规模化应用和落地人工智能，赋能所有的业务场景。

5.智能服务产品，基于机器学习，人工智能的智能服务，是可以复用的算法模型和智能服务。

组织和运营

数据中台不是一个项目，它为客户和企业内部其他部门，提供基于数据的服务和产品，是要和其他业务部门协作产生价值，并能够度量价值的，最终是一个可以运营的组织体系。

所以，在企业层面，数据中台对应的是一个组织部门，并且有套完整的运营体系。

构建数据中台的四个蓝图

如何构建数据中台？

我们认为企业需要构建如下的四个蓝图，我们用三个圈来表示：

业务蓝图

识别，梳理有价值的业务场景

构建价值全景图

结合业务战略，进行优先级排序

业务架构顶层设计

数据蓝图

分析数据现状

诊断数据问题

构建数据全景图

精益数据治理

围绕业务场景设计数据服务目录

技术蓝图

梳理技术架构现状

识别诊断现有架构问题

对关键点进行技术验证

设计数据中台架构

数据服务化技术赋能

运营蓝图

分析梳理，制定数据驱动的业务运营体系

构建数据运营团队，建立持续数据分析能力

构建数据价值度量和绩效体系，持续深化数据应用

数据中台承载着企业转型成智慧企业的愿景

回顾数据这个行业，其实很传统，很悠久，数据比软件这个行业诞生的更早，早在人们用笔，用纸记录，用算盘，用石子计算的时候，数据就已经被人们所认知并利用了。

在软件诞生之后，数据的利用可以分为四个阶段：

数据1.0

最早的单机软件时代，大部分数据是不被存储在计算机里的，只是计算的副产品。

数据2.0

到了ERP/OA时代，也就是企业信息化时代，企业需要跨域的数据分析，从而建立决策支持的能力，辅助企业管理，就出现了数据仓库和商业智能，这个时期，主要是对结构化数据的分析。

数据3.0

随着企业数据的多样化，业务对于数据分析的需求越来越多，不仅要分析结构化数据，还要分析非结构化数据，企业数据湖应运而生。

数据4.0

在数据仓库、数据湖的基础上，结合云计算的强大算力，机器学习，深度学习等人工智能的技术被广泛应用，这是挖掘数据价值的新的利器，从而让人们能够发现在统计分析之外的业务规律。这个阶段的代表就是数据中台。

从数据1.0到数据3.0都有一个共同的本质，数据的利用还是以人作为用户，还是人看数据再去做决策影响业务。

数据4.0实现的跨越就是，数据中台的数据服务的用户，不再是人本身，而更多的是业务应用，数据服务将直接嵌套到业务系统中，去驱动和改变业务的发生。

数字化转型的第三个浪潮-智能化(IE-Intelligent Empowerment）

穿过数据中台的各种资讯，各种创业融资，各种火热的信息的迷雾，我们看，数据中台到底承载了企业的什么样的愿景。

我们认为，数据中台承载的是企业智能化（Intelligent Empowerment）的业务目标。

数据中台将成为企业业务拉通，融合，创新的生产力平台，从而将数据智能的能力规模化赋予所有的业务场景。

        数据中台，任重而道远，也许明年，这个名词会改变，但是，企业对于智能的需求和愿景，是不会改变的。

13、数据中台是怎样炼成的？ 

原创： Tina AI前线 

AI前线 

 ai-front

功能介绍 面向AI爱好者、开发者和科学家，提供AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、AI论文解读。每周一节技术分享公开课，助力你全面拥抱人工智能技术。

2019-11-05

作者 | Tina 

编辑 | Natalie 

AI 前线导读： 今年，看到很多媒体判定数据中台“行业”有千亿万亿的市场，以及会出现超越 BAT 的企业，但是少有真正能讲清楚什么是数据中台的。讨论技术的本质却是 InfoQ 的优势，我们采访了多家企业来探讨“数据中台”的本质和企业实践，数澜就是其中的一家。我们对数据中台的探讨，有一系列的 文章 呈现，本文是其中一篇。

更多优质内容请关注微信公众号“AI 前线”（ID：ai-front）

“中台”战略在国内最初起源于阿里巴巴、华为等大型企业，在中台的基础上又分为业务中台、数据中台，目标都是把一些通用能力抽象到中台提供，达到资源复用以及快速适应前台业务变化的目的。数据中台，将数据业务化，来供业务中台和前台业务系统调用，原来缓慢的调用，变成了毫秒级别的快速反馈。

数据中台这场风，一下子就席卷了大数据行业的各个角落。

很多不同类型的公司都声称自己可以搭建数据中台或是数据中台的一部分。这场风里，每一家企业的数据中台都是独一无二的，基于数据平台之上，辅之以方＋最佳实践打造而成，这与不同的企业自身的数字化程度以及行业属性、企业特性相关，主要有三类：

第一类是做大数据营销、SaaS 的企业，这类企业主要是在做垂直的数据应用，解决特定业务数据使用问题，对非领域内的不提供解决方案；

第二类是数据库、开发平台类企业，这类企业并不关注业务；

第三类属于咨询、外包软件类企业，可以根据需求定制开发。

数澜认为前面的这三类企业定位均不相同，都只实现了中台的部分能力，导致三者都不可能建设出企业级数据中台。

数澜科技的创始团队，主要就是来自于阿里巴巴的数据中台部门。其创始人风剑（甘云锋）曾是阿里集团数据平台事业部数据服务部负责人，是一手建立起阿里数据中台的骨干人物。

企业级数据中台建设

中国企业的大数据发展大概经历了三个阶段。第一阶段，是 2000 年之后的企业内部信息化，中国许多大型企业开启了一波以数据库、ERP 为主的底层 IT 建设，进行了初步的“业务数据化”建设。第二阶段，是 2004 年到 2012 年，随着 BAT 纷纷上市，互联网经济的崛起，让数据思维深入各行各业，数据量慢慢壮大。第三阶段是 2013 年之后，移动互联网的发展，一些金融、零售等大型企业响应“互联网＋”概念，走向线上线下深度融合，这时数据服务的形式开始增多，业务维度更加复杂。

将数据用起来，随时随地分析企业情况进行精细化运营，企业需要打通老一代 ERP、数据库等 IT 系统，同时还需要应对业务增多且快速变动的情况。而且企业之间、各部门之间的数据往往都没有“共享”，运用不同的开发队伍开发平台和工具的不统一，这时，数据服务往往就是一个个从各平台伸出的数据“烟囱”。但这些传统企业有数据积累，已经有了比较好的信息化基础，也有数据应用的场景，这些业务需要数据服务。

数澜的数据中台的核心市场需求正在于此，为传统企业提供企业级数据中台服务。

在传统企业市场里，数澜完成了“百果园”、“中信云网”、“万科”等企业的项目。比如百果园是大型零售行业，用数据中台为消费者打造个性化定制服务。而在大型央企中信集团项目中，更侧重于顶层设计和整体推进，赋能集团数字化转型。

在针对企业级数据中台的服务过程中，数澜给数据中台的下了个定义：”数据中台是一套可持续的让企业的数据用起来的机制，是一种战略选择和组织形式，依据企业特有的业务模式和组织架构，通过有型的产品和实施方支撑，构建一套持续不断地把数据变成资产并服务于业务的机制。“。

同时，数澜给自己的数据中台的定位是：”数据库往上一点，ERP 等应用往下一点“。数据平台是数据中台的技术支撑，是中台的骨架，数澜的一站式大数据平台”数栖平台“就是”数据中台“的一个承载工具，在存储计算之上提供数据采集、数据开发、数据管理、数据服务，最终的数据服务要对接到业务系统或者数据产品。ERP 等应用软件产生的数据存储在数据库，通过数栖平台采集数据库中的数据，经过平台内部的加工、管理、服务化，再对接到 ERP 等应用系统。

数据中台是一种理念，强调的是一种复用能力，数栖平台就是数澜建立的一套提供公共服务的“模块”，数澜实施的项目有很多是尽量去复用已有的这个平台。

数据中台建设方

数据中台在企业落地实践时，结合技术、产品、数据、服务、运营等方面，逐步开展相关的工作，数澜在企业数据中台建设具体实践中的一些经验，主要归纳成 5 个关键步骤来完成这个建设过程。

第一步，理现状。

要了解 业务现状： 梳理业务过程及核心业务指标、知晓现有数据应用情况，还要找到可能的创新点。项目会选择最有可能的业务价值点，作为中台建设的验证，来看数据赋能业务的结果。

要盘点现有 数据现状： 现有什么数据、还需要增加什么数据。比如说企业的行为日志、机器日志都是资产。

要调研现有的 IT 现状：比如采用的什么数据库、数据量、数据字段和更新周期等，以便后续更好地设计技术架构。因为有一些信息系统非常封闭，如果数据不开放，拿不到一手数据，在 DT 时代就难以推进数据中台战略。

要了解现有 组织架构： 以怎样的组织形态来保证中台的顺利推进，协助者是谁，服务对象又是谁，以及一些相应配合机制，这些都是上数据中台之前需要梳理的。

第二步，定架构。

根据现状形成整体的规划蓝图，形成技术产品、数据体系、服务方式以及运营重点等相关的方案，梳理确立各块架构。企业信息架构经常谈到业务架构、技术架构、应用架构和数据架构都需要在这个阶段进行确认，这 4 个架构具体介绍如下：

业务架构：如何保障数据中台能够适用于企业的业务运管模型和流程体系？

技术架构：如何根据业务架构近远期规划，对数据的存储和计算进行统一的选型？

应用架构：特指数据中台应用架构，如何为后面几个关键步骤的内容提供平台工具？

组织架构：为保证中台项目的顺利落地，如何实现整体组织保障？

第三步，建资产。

结合数据架构的整体设计，通过数据资产体系建设方法，帮助企业构建既符合场景需求又满足数据架构要求的数据资产体系并实施落地。这个步骤涉及数据汇聚、数仓建设、标签体系建设以及应用数据建设，其中最关键的是标签体系建设过程。所谓标签体系是面向具体对象构建的全维度数据标签，通过标签体系可以方便支撑应用，大数据的核心魅力点和服务能力主要就体现在标签体系的服务能力。数据资产分为四层：贴源 数据层、统一数仓层、标签数据层、应用数据层。如下图所示。

第四步，用数据。

与直接调用不同， 数据中台绝大多数是通过服务调用方式提供的。服务的建设方主要是数据技术团队，他们把建好了数据体系利用数据引擎能力，生成数据服务 API，再发布到数据服务市场。在服务过程中，数据安全是不得不考虑的问题，哪些人能看到什么数字资产，能选择什么类型的服务都是需要严格审核的。

第五步，数据运营。

整个数据中台的建设、使用不是一下子完成的，绝对不是一个项目，是一个运营迭代的过程，用“看、选、用、治、评”的过程来保障整个数据中台可以持续运营、持续迭代，形成一整套闭环的机制。企业通过多个组织之间的配合推进，会逐步形成企业特有的数据文化和认知，这是企业在数字化转型中非常重要但很难跨越的点。

经验总结

在数澜实施众多项目过程中，也曾总结了一些踩过的坑。数澜江敏曾在 TGO 活动上讲到，数据最核心的能力即数据的连接，就是把一些看似不相关的数据连接起来之后，在解决问题时，就会有更多的视角去发现问题。现在很多企业不知道如何利用数据，他表示企业对数据认知不清晰以及提不出数据应用场景的需求的原因， 造成了”坐着金山啃馒头的现状。每个公司都有一座矿山，有很多有价值的数据，但是这些价值一直没有发挥出来。我们一位客户曾说过，他们的业务能力很强，团队抢了很多面粉回来，但最终没有把面粉变成面包而是坏掉了。“

就算知道了数据的价值，也会存在其他的比如”数据墙“保护的问题。数澜天湛在回答在项目实施中遇到最大的困难是什么时，他这样告诉我们：”中台建设需要有全员共识，由管理层从上往下推进，由技术和业务人员去执行和落地，是个漫长的过程，所以实施数据中台时，最困难的地方就是需要推动力。比如在中国有各种’数据墙‘，大家都觉得数据有价值，也没有发挥这个价值，但是对数据又保护的很紧。为了解决某一块的业务，需要去拿多个部门的数据，有时甚至涉及到几十个部门，最初可能马上得到口头上的应允，但最后真正拿到数据却很困难，这时候推动力决定了整个项目的进展。“

数澜认为大数据目前还处于起步阶段，很多时候应用场景是需要不断探索、验证和优化。大数据场景化应用最终能达到的效果如何，很多时候企业心里是没谱的，除非行业已经有现成的实践案例。所以最好的办法就是先实施一个数据中台，取得阶段性成果，不断的去验证和优化，逐渐支撑越来越多的应用，甚至未来的发展到参与企业所有的业务。

所以数据中台一定是一个运营迭代的过程，通过业务闭环不断完善，使业务的场景化应用效果越来越好，最终达到数据业务价值的最大化。数澜认为”建设数据中台都是一个练习内功的过程，如果企业想在某个节点上快速做出结果，这并不是一个好的数据中台落地方式“。

     采访嘉宾

付登坡（花名：天湛），数澜科技联合创始人、合伙人，地产事业部总经理。原阿里巴巴集团大数据科学家，10 多年大数据行业经验, 擅长数据建模、海量数据产品架构与实现。曾任职阿里巴巴集团，先后负责 SEM 效果优化、日志分析引擎、TCIF 标签 体系、DMP 平台等大数据项目设计与实施。2015 年以创始 人身份组建阿里巴巴集团的“11 维数据创新工作室”，探索数据商业化。2016 年 6月离职，联合创办数澜科技。2019 年将在数据中台多年经验沉淀融合，以第一作者身份撰写《数据中台－让企业的数据用起来》一书。

14、数据中台-企业的数据化引擎 

网易严选 魏文庆 严选技术团队 

严选技术团队 

 yanxuantech

功能介绍 网易严选技术团队致力于分享电商业态下的技术干货，严选好物，用心生活；这里是网易严选技术、产品的对外窗口，每周推送技术文章、团队活动、招聘信息等内容。

2019-12-02

亲爱的小伙伴们！小选又来了，以后的每一周小选都将在这里与大家见面，分享严选技术团队的技术干货，希望大家能够一起进步，一起加油鸭！

今天的文章主要是根据网易严选建设数据中台的经验和方，解读数据中台，让我们一起来了解下吧！

前言

数据中台最早是阿里提出的，但真正火起来是2018年，我们能感受到行业文章谈论数据中台的越来越多。大量的互联网、非互联网公司都开始建设数据中台。为什么很多公司开始建设数据中台？尽管数据中台的文章很多，但是一千人眼里有一千个数据中台，到底什么是数据中台？数据中台包含什么？

2017年开始，当网易严选有了一定量的数据，我们就开始规划建设我们的数据中台，目前我们已经完成了数据中台体系的搭建，我将根据我们建设数据中台的经验和方试图解答上面这些问题。

为什么大家开始建设数据中台？

2018年开始，朋友圈里讲数据中台的文章开始逐渐变多，当然拿着手机看世界并不一定看到真实的世界。我也跟各个行业的一些大公司的CIO交流，发现很多行业的大公司都开始组建大数据团队，建设数据中台。结合文章和交流获取的信息，我切身感受到宏观经济对技术的影响。2018年开始经济下行，生意不好做了，粗放的经营已经不行了，越来越多的企业想通过数据驱动来进行精细化的运营和数据化转型。

如上图所示，企业需要数字化转型，需要更多的触点去跟自己的用户/客户建立联系，很多企业就需要做自己的公众号、小程序(各家的小程序)甚至app。我们希望用户更容易找到我们的商品/服务，我们就需要搜索。我们希望用户更多的浏览/使用我们的商品/服务就需要推荐。我们维护用户/客户的生命周期，根据生命周期采取不同的营销动作，就需要CRM。我们需要拉来更多的新用户，就需要投放广告，为了更好的投放效果，我们需要建设我们的DMP。当我们生意做大，我们需要对抗黑产(羊毛党)，让我们的优惠能让真正的用户享受，我们需要风控。这一切都需要底层大数据的支持。

企业需要精细化运营，就需要不断的提升运营的频次(如下图所示)和粒度。我们需要把运营的节奏提升到周级、天级甚至实时。我们随时随地了解我们企业经营状况，需要不断的更精细(细粒度)的分析我们的业务，快速做出业务决策。我们就需要能够快速地构建大量的BI报表，在一些重要的节点(大促)时，甚至需要盯着数据大屏。如果我们有能力，还可以建设场景化的数据产品来支持业务的决策。这一切都需要底层大数据的支持。

如何快速地利用底层大数据的支持，让我们的数据化转型、精细化运营能够高频的迭代，这就需要我们的数据中台提供强有力的支持。

这里也提醒一点，当我们需要大规模的数据应用时(搜索/推荐/BI报表...)，我们才需要构建数据中台。因为建设数据中台的投入大。打个比方，当我一家人要吃饭，我自己买菜，在自己的厨房用普通的厨具自己做就好了，如果是富士康，几万几十万人吃饭，就需要建食材的加工配送中心(类比数据中台)。本质上是“需求规模量级的变化，导致解决方案的质变”。所以我们看到的，基本是大公司在建设数据中台。尽管你们可能现在不适合建设数据中台，但数据中台的思想大家都可以借鉴。

小结一下，当企业需要数据化转型、精细化运营，进而产生大规模数据应用需求的时候，就需要建设数据中台。

什么是数据中台？

这是一个千人千面的问题。我们的定义是“数据中台是高质量、高效赋能数据前台的一系列数据系统和数据服务的组合”。因为规范最终是在系统和服务中落地的，所以定义中就没有包含规范部分。

数据中台的核心职责是高效地赋能数据前台为业务提供价值。要想理解数据中台先要理解数据前台，上文说到的搜索、推荐、BI报表、数据大屏等都属于数据前台。我们来看下面网易严选数据体系的图就更清楚数据中台的定位了。

数据中台的下层是数据平台，数据平台主要解决跟业务无关的问题，主要是大数据的存储和计算问题。

数据中台的上层就是数据前台，主要包括BI报表、数据产品和业务系统。数据中台首先赋能分析师通过BI报表的形式来驱动业务精细化运营。如下图所示，基于数仓里已经半加工好的数据，分析师使用严选有数敏捷BI平台可以快速的根据业务需求进行数据可视化和数据分析。严选有数现在每周的UV超过800，每天报表浏览次数超过12w，目前的图表数超过7W。对于一个事业部级的BI平台，应该算是一个非常好的成绩。这里特别感谢下我们的分析师团队，她们的辛勤工作才会有这样的成绩。

数据中台还会赋能业务系统开发通过统一查询服务(主要是统一查询服务和标签服务)来辅助业务过程中的决策。基于数仓里面加工好的数据模型，业务系统开发人员使用统一查询服务获取到的模型数据在业务系统中增加辅助决策功能。比如供应商系统需要对供应商进行评级，供应商评级需要供应商的商品销售数据、评论数据、退货数据、质量数据，供应商采购的交期数据等等。数仓会根据这些数据加工模型，供应商系统可以通过统一查询获取模型在供应商系统中使用。在严选，统一查询服务已经接入了67个应用、670个模型、每天有300w的调用。

我们自己做的数据产品（如下图所示），基本会用到我们数据中台所有的能力支持，包括统一查询服务、标签服务、指标监控服务、数据产出服务等数据服务，也会使用严选有数创建BI报表挂载到数据产品中。

数据中台包含什么？

从上文的图中，我们已经初步了解了数据中台包含了哪些系统和服务。概括来说，数据中台包含数仓体系、数据服务集和BI平台。

数仓体系

数仓体系是数据中台的核心，数据是新能源，是生产资料。数仓体系包含数仓和一系列的管理系统，用来管理数据，保证数据的完整、一致和准确。数仓体系的构成和关系，如下图所示。数仓是数仓体系的核心，也是整个中台的核心。数仓的开发和存储，主要依赖网易猛犸数据平台(希望详细了解的，可以搜索网易猛犸)。

夸父-埋点管理系统和精卫-数据填报系统从供应侧保障数据的完整性和质量。埋点数据由于来源广(web端、ios、android、小程序等)、链路长、格式(日志的scheme约束)等问题，一直是数据质量的重灾区。夸父-埋点管理系统提供了埋点的管理、埋点流程协同和埋点测试，提供了埋点日志的scheme，保障了埋点数据质量。精卫-数据填报系统提供数据导入数仓及导入时的验证功能，提升数据的完整性。整个电商的业务过程非常多，所有业务过程都线上化的过程非常漫长。当我们下游的数据应用需要某个业务过程的数据，而这个业务过程还没有线上化时，就可以通过精卫-数据填报系统导入数据到数仓，下游就可以使用这份数据。

仓颉-指标管理系统和燧人-指标地图是从需求侧提升数据(指标)的一致性。仓颉-指标管理系统顾名思义是管理指标定义，在提供指标统一管理的同时，提供了指标定义规范的约束。数据开发可以根据指标定义里的指标口径来进行指标开发。燧人-指标地图是提供给业务方查看当前的指标分类与指标定义。

数仓开发本身要解决的核心问题是质量和效率(所有开发也都需要解决)，无论是质量和效率都需要好的架构设计。北斗-数仓设计管理系统就是来完成数仓设计。数仓的开发原本总是非常的经验化，很多知识都是存在数据开发的脑子里。我们通过北斗-数仓设计管理系统来推行数仓先设计再开发，通过北斗-数仓设计管理系统将数仓开发的经验知识化、标准化、工具化。数据质量中心(如下图所示)提供全链路的数据保障体系，提供任务监控、数据监控、应用监控、影响范围评估和恢复的支撑。

数据服务集

数据服务主要是数据场景下的解决方案的沉淀。数据服务集极大的加速了数据应用开发效率。核心的数据服务是统一查询服务和标签服务，提供指标模型和标签模型对数据应用系统(业务系统和数据产品)的统一配送。统一查询服务核心提供表转接口和数据网关的功能。数仓管理的是数据模型表，通过统一查询，数据应用系统就可以通过接口的形式来访问数据模型表。统一查询服务是数据体系和数据应用系统之间的总网关，需要提供模型级限流、熔断等网关功能。

BI平台

BI平台我们用的是严选有数，也就是在网易有数在严选的版本。网易有数是一款敏捷BI平台，在设计上通过以终为始的设计理念和类PPT操作模式，在保障灵活性的基础上，提供了极大的操作便利。想进一步了解的，可以搜索网易有数。

在性能方面，我们结合数据产出服务做的基于数据产出的缓存策略极大地提升了报表的性能。图表首访缓存命中率基本稳定在100%，整体缓存命中率超过80%。

总结

数据中台的内容非常长，本文非常概括的从严选实践介绍了数据中台。当企业需要数据化转型、精细化运营，进而产生大规模数据应用需求的时候，就需要建设数据中台。数据中台是高质量、高效赋能数据前台的一系列数据系统和数据服务的组合。数据中台包含数仓体系、数据服务集和BI平台。

作者简介

魏文庆，现任网易严选数据技术及产品部总监。

2007年浙江大学计算机硕士毕业后入职网易杭州研究院，从事前端开发，后历任技术主管、技术经理、技术总监。曾负责网易摄影、网易企业邮箱、易信公众号等产品开发，以及网易前端微专业课程开发。2015年开始内部创业，孵化敏捷BI平台-网易有数，任网易有数总经理，负责产品研发和商业化。2017年开始负责网易严选数据技术及产品部，从0到1搭建网易严选数据中台和数据产品体系。

本文由作者授权严选技术团队发布

15、数据中台行业研究报告干货 

iiot365 工业互联网技术 

工业互联网技术 

 IIoT365

功能介绍 分享工业互联网最新技术和应用场景，提供学习交流的平台

2019-12-01

数据中台行业调研，以下是调研报告相关观点，供大家参考：

１）数据中台不仅是一个技术平台是一个持续运营的业务体系；

２）数据中台应该承担企业端到端的数据服务的生产、加工、销售、运营的职能；

３）业务部门不关心具体技术实现，也不关 心叫数据仓库、数据平台还是数据湖，业务部门 对于数据中台这个新概念的的诉求是能够更快的 为业务提供所需要的，满足需求的数据服务；

４）数据中台与数据仓库等最大的别是数据中台能更快的为业务提供服务

５）数据中台的需求应来自于业务场景

６）没有想清楚价值和业务场景的数据可以不进数据中台 但是要打通数据处理链

７）数据中台要求数据人员具有更高的业务、工程能力

８）数据中台是一个运营数据服务的平台某种维度上是可以度量它的业务价值的

９）数据中台的建设既要考虑全面性，能一 定程度上保证通用性，要考虑动态性，避免需求 变化带来的建设浪费，更要考虑价值性，在必要 的投资下快速的产生业务价值

10）在数据中台建设过程中，我们倡导数据治理要从管控式走向服务式，数据治理本身不是目的，目的是让数据产生价值，所以必须要站在为业务提供服务的角度围绕业务场景做数据治理。数据治理要结合业务一起做 轻标准、重场景

11)获取用户画像，是典型的零售数据中台提供的服务;

12) 调研行业对于数据中台与业务中台提供 的服务的差异。从调研结果来看，超过90%的行业人士 赞同，业务中台提供的服务式交易型服务， 而非分析型服务。

13)企业对于数据中台的 诉求最核心的就是整合跨业务领域的数据，提供业务洞察和价值。

免责声明：本文版权归原作者所有。为尊重知识产权，我方会尽量标注每篇文章的作者，但某些文章因年久或经多次转载而无从追溯还望谅解。如涉及版权，请联系我们！

16、数据中台：企业数字化转型的“加速器” 

HNU贺门智客 

HNU贺门智客 

 hemen0205

功能介绍 记录湖南大学营销战略与品牌研究所成员学习、工作及生活的点滴，旨在建设人才梯队，增强团队凝聚力，促进共同进步。

2019-12-04

数字化浪潮席卷全球，性创新正在加速，企业面临着前所未有的挑战和机遇，必须不断加速数字化转型才能生存和领先。在数字化转型过程中，企业需要更为深入地理解客户和市场，以数据洞察来驱动企业的行动，从而更好地获取、服务以及留存客户，实现业务增长。而作为洞察经济的核心引擎，数据中台显得尤为关键。

何为数据中台？

“数据中台”最早是由阿里提出，对标国外“Data Lake”（数据湖）的概念。该概念提出的背景是因为阿里生态系中淘宝、天猫、蚂蚁金服、盒马鲜生等业务板块每天产生大量有价值的数据，要实现在不同业务群间做到数据的互联互通，以及对数据价值的最大化挖掘，便需要对各业务群的数据进行整合以建立集团层面的“数据中台”，统一管理和应用数据。

认为，数字中台是数字经济发展到今天，IT架构更新迭代的必然产物，同时也是适应了企业数字化转型的必然趋势。数字中台充分考虑企业业务和信息化需求，避免了企业营销重复建设和数据打通问题，带给企业快速建设、低成本维护、驱动商业创新等收益。其跨平台、跨终端、全渠道、全运营、集成数据的优势，将成为未来企业数字营销的主导方案，成为赋能企业智能营销的主流模式。调查显示，数字中台也成为传统企业上云、实现数字营销的最佳选择。

数据中台的三种形式Data Lake，CDP，DMP

● Data Lake（数据湖）：技术难度最重的一种，定位是企业业务层面的数据大集市，会整合全公司各种数据源，支撑的不只是营销场景，还包括企业个性化的业务场景，往往由企业的最高层直接领导，目标是帮助企业进行数字化转型。由于在数据对接和数据处理层面需要处理大量定制化数据源，因此构建过程往往以年为时间单位；

●  CDP（Customer Data Platform）：技术难度稍低的数据中台，定位是营销层面的数据大集市，目标是支撑各种利用广告主自有数据的营销场景。因为CDP通常只对接标准化数据源（例如两个广告主用的是同一款标准化CRM，他们的底层数据结构都是一样的），数据治理和数据管理相对容易，因此实施周期以月为单位；

● DMP（Data Management Platform）：定位是支撑以程序化广告为主的实时营销场景，和Data Lake，CDP的最大不同是毫秒级数据输出。因为DMP主要用到的是广告监测数据、网站分析数据和第三方大数据，数据格式相对固定，因此实施难度最低。

数据中台需要解决数据服务的三个核心问题

（1）数据的管理：通过大数据的技术，实现对海量的、多类型的、多来源的数据统一管理，沉淀并形成数据资产；

（2）数据的融合：在数字化时代,企业融入了整个互联网生态，企业内部、企业之间的联系在新的技术和工具下，业务连接更加紧密，这催生了企业之间的数据通过开放、共享，企业和社会级数据的连接服务，实现企业内、企业间、企业与社会公共服务的数据之间的融合共享；

（3）数据的运用：数据最终是为了服务于应用，通过面向智能的方法和工具，可大幅的提升数据运用的效率，帮助企业实现业务的实时响应。

数据中台与传统数据仓库的差别

（1）与存储“已知”结构化数据，解决“已知问题”的传统数据仓库（Data Warehouse）相比，数据中台存储了大量“未知”的原始数据，利用数据科学（Data Science）可在应用层面进行更多探索，帮助企业解决更多“未知”的商业问题。

（2）数字技术的，使得广告主可收集的数据在量级上产生了爆发，因为数据的“量变”，催生了数据管理和应用的“质变”，这是数据中台出现的主要原因。如果说传统的“数据仓库”面对的是“小数据”，数据中台处理的则是真正的“大数据”。

（3）在服务对象方面：传统的数据仓库只是满足领导数据决策的需要，因此更多地体现在报表输出，使用者以小部分的业务人员和决策层为主，新需求的开发周期以月甚至到年为计。而数据中台由于起家于互联网企业，其使用对象扩大到一线服务人员和商家企业，其业务需求更繁杂，很难用一套报表系统满足需求，因此催生出一个生态的数据服务。

（4）在服务表现形式上：数据中台体现的更多样化。数据中台不仅能提供报表基础服务功能,而且为了满足各个业务部门不同需求，会提供领导决策系统、行业分析、业务洞察、业务重塑,自助查询等多个功能，满足从领导层、PD、业务人员、开发人员等各个层级的需求。在继承性方面，数据中台采用传统的数据仓库Kimball维度建模法，按照事实表、维表来构建数据中台的数据模型。

数据中台在营销中的具体应用

如果用一句话形容数据中台在营销中的作用，就是“赋予了市场部在数字营销领域的微观操作能力”。

今天广告主在数字营销的投入越来越大，但同时流量红利越来越稀薄，造成粗放式营销方式的效率越来越低，广告主在遇见数字营销的瓶颈后，需要利用数据驱动整个营销闭环，提升营销效率。具体落地的主要场景包括以下：

（1）赋予广告主数字营销的精细化操作能力：当市场部承接的数字营销预算大到一定程度时，便无法仅凭借营销人员的个人经验对营销活动进行微观操作。而在拥有数据中台后，便可依靠数据+技术，驱动整个营销体系的精细化操作；

（2）提升营销执行的ROI：这是广告主最常规的诉求，市场部绝大部分预算都分配在营销执行层面。按照每年1亿的营销投入计算，如果能通过数据提升1%的精准度，就能为广告主节省100万的成本，这是能最直接看到的真金白银；

（3）战略视角的营销策略：在打通生产、销售、电商、服务等数据后，市场部就能看到更加连贯的全局数据，可以站在更高维度审视营销在公司战略布局中的定位和作用；

（4）提升市场部内部运营的整合度：当市场部内部职能划分过细，便需要通过数据来串接营销运营过程中的市场研究->市场策略->营销执行->效果考核，避免内部信息不对称，提升运营效率 ；

（5）加强市场部和其他部门间协作：当企业内部组织架构达到一定复杂度，市场部需要通过数据对接其他部门的运作，在企业统一的考核体系下，于企业内部证明自身价值，争取更多资源；

（6）支撑业务的数字化转型：“数字营销”已不再只是营销词汇，数据中台所拥有的资源（数据/IT设施/考核规则/运营人员），除了支持营销场景，还可用于构建各种数字化转型的业务场景，作为CMO和CEO/CGO/CDO对话的核心资本。有趣的是，今天讨论建立营销数据中台的，除了市场部和IT部门，很多需求是来自更高层的CEO、COO（首席运营官）、CGO（首席增长官），这些高层的诉求通过“数据中台”来解决业务问题（例如产能过剩、人员效能、获客），支持企业的创新业务（例如新零售、金融科技、数字化管理）。

数据中台行业发展的挑战与趋势

1.中国数字中台行业发展挑战

与发达国家相比，中国企业信息化水平与经济总量的关系极不平衡：

（1）2018年中国GDP占全球的比例达到15.8%，IT支出占比仅为3.7%。企业信息化发展整体发展水平滞后，企业自身IT团队自主开发能力相对较弱，数字化通常是外包或与外部机构共同开发；

（2）虽然上已经指明了转型的方向和重点任务，但在实际落地的过程中，观望者的比例仍然很大。这说明依然有大量企业的信息化停留在初级阶段，继而推进数字化转型仍需时日，数字中台尚不是企业第一优先级；

（3）数字中台最终目的是反哺业务，提升企业的数字竞争力，前提是必须将数字化转型视为企业战略，这无疑给企业带来了业务改造、技术能力、组织结构、人员储备上的挑战。

2.数据中台行业发展趋势—从根本上为企业业务提供服务，将向数据智能化发展

大数据的兴起，让不少企业投资建设自己的数据平台，但大数据平台有太多企业用不上的功能，缺乏应用场景，而在真正运用的时候无法即可调用，还需要再定制开发，这让企业的业务需求并不能及时得到响应，没有为企业产生帮助和价值，与企业建设大数据平台的初衷背离。

数据中台的实施，让大数据进入企业的行业应用，将“数据驱动”运用于企业服务，帮助企业解决业务问题，赋能业务发展。鉴于此，不少大数据服务商也在开发数据中台的工具集。未来，数字中台厂商将更多依托AI技术，实现数据中台智能化，企业数据智能化发展。当前，已有不少厂商在进行数字中台能力的智能化。

部分内容转自秒针营销科学院：营销数据中台

17、数据中台，下一个利器 

原创： 牟小姝 笔记侠 

笔记侠 

 Notesman

功能介绍 中国新商业知识共享社区，3000多篇干货笔记，组织管理、商业模式等28个主题可精准搜索。

2019-11-18

前段时间，营销之父菲利普·科特勒在中国行的一次分享中提到了营销的很多新变化。

他说，“近来，市场营销出现了一个变革，就是数据营销。每一个公司如果不转向数据营销，都是在犯错误。”

尤其2019年，数据营销成为了众多企业数字化转型的必选项。“得数据者得天下”，成为越来越多企业的普遍共识。

一、营销巨变，

数据营销正在成为营销主流

营销的环境变了，已经成为了全行业的共识。

这种变化主要表现在两个方面：

一方面，流量越来越贵，营销成本越来越高；

近年来，人口红利消失，电商流量红利衰减，全行业流量持续走低已经成为事实，企业使出浑身解数却收效甚微。

另一方面，数据营销成为营销主流。

盒马鲜生、瑞幸咖啡等这些拥有数字化运营体系的新物种的崛起，在一定程度上给各行各业带来营销启示。未来的营销能力体现在数据量和数据挖掘能力上。

作为营销的不同阶段，数据营销、营销智能已经成为了一批优秀的企业在营销方向的关键性选择和部署，直接加强和加速企业的核心竞争力、创新能力、效率和利润。

数据营销不仅仅是一种工具、技术和方法，更是一种经营理念，它改变了营销模式与服务模式。

数据营销给营销模式带来的变化，直接反映在企业营销预算的计划上。

在过去10年，企业的营销预算是以年、季度为单位的。而在数据驱动的营销环境下，企业的营销预算可以做到以月、以周、天为单位，甚至更激进的是实时调整自己的营销计划。

不夸张地说，过去的企业营销，投入和效果很难预知。但是今天，数据营销让营销走向了科学。

同时，“数据”只是走向“智能”的前奏，基于数据的智能营销将接管未来。

二、营销数据中台，

企业数字化转型的最佳入口

互联网下半场，一切都在数字化。

以数据驱动的数字化，将帮助企业全面了解用户的需求变化，也能为企业在营销、产品、业务等各个环节提供支撑，进一步提升企业的经营效率。

但在开展数据营销的转型时，企业通常会遇到三个核心问题：

如何收集汇总和运营自己的数据？

如何建立数据运营团队？

如何在短期内快速展现成果，在企业内部建立信心？

这三个核心问题，通过营销数据中台都能给出最佳答案。

因为，能对数据进行标准化处理，并且能进一步挖掘数据价值的营销数据中台，正在成为越来越多企业数据营销的最佳入口。

营销数据中台代表了营销行业的最先进生产力。

仅从营销层面来看，如今常规的营销模式已经无法满足企业对于消费者和精细化运营的需求。而营销数据中台正在从三方面满足企业的精细化运营需要：

① 实现数据沉淀和多场景数据运用

营销数据中台能对消费者进行深入了解，能制定不同人群的个性化营销策略，能制定不同消费渠道的差异化策略等。

② 拥有数据运用闭环机制

营销数据中台能从广告投放到电商转化进行全流程数据管理，能评估不同策略转化效果。

③ 进行数据打通

营销数据中台能够实现从广告投放到电商转化和社交互动的统一识别和管理。

也就是说，当企业拥有了营销数据中台后，可以根据生产、销售、电商、服务等全局数据，对整个营销体系进行精细化操作，提升营销执行的ROI（投资回报率），大幅度节省广告成本。

此外，因为有了营销数据中台提供的全面、多元、实时的数据分析报表，企业决策者也能够及时掌握营销效果，并且根据营销情况制定相应决策。在这个过程中，企业就形成了一个靠数据驱动运营的良性循环，也在循环中不断提高营销的精准度。

11月15日，明略科技集团在上海举办以“FASTER 聚变·增长新动力”为主题的2019数据智能峰会，宣布“打造智能时代的企业中台”新战略，同时推出了两大新产品“新一代数据中台”和“营销智能平台”。“营销智能平台”是“新一代数据中台”之上最扎实的应用之一。

明略科技创始人、董事长兼CEO吴明辉认为，智能化时代，企业需要的是基于数据所打造的竞争力。所以智能时代的企业中台，一定是构筑在数据平台之上。

明略科技的营销数据中台，可以通过企业的数据来源，进行ID（用户账号）打通，通过知识图谱进行底层数据的结构化，建立自定义标签，帮助企业进行ID级的精准广告投放模式，打造多段式的精准营销体系，促进公域和私域流量高效结合，形成贯穿业务全链的流量经营模式，让营销效果全链可评估、可优化和可变现，统一各个业务口径的消费者画像，提升具体业务场景的营销效率。

明略科技的数据中台是以知识图谱为行业Know-How的载体，有着“数据协作、共建共享、达成共识”的显著特征。

运用数据中台，企业可以通过多种AI技术进行全链路、度数据打通。

实际上，就是打通了企业的感知、认知环节，而感知和认知的打通，能让企业最终形成完整的闭环智能应用。

此外，企业可以通过数据中台实现对数据资产的管理，实现数据的共享和复用，真正意义上用好数据价值。

更重要的是，企业可以通过数据中沉淀可被贡献、积累、传承的行业知识，并且通过知识图谱技术，将知识与数据充分融合，最终形成认知智能的行业大脑。

如果有一句话形容明略营销数据中台的作用，那就是它赋予了市场部在数字营销领域的微观操作能力。

三、营销数据中台正在渗透各行各业

在秒针系统营销科学家于勇毅看来，营销数字中台就是一个容器，是企业存放数据的地方，但是当企业的数据量达到一个非常可怕的体量的时候，就需要通过知识图谱对数据价值进行挖掘，去发现数据背后的关联关系。

也就是说，企业只有先搭建营销数据中台，才能做知识图谱这件事。

知识图谱在营销领域使用的逻辑是，将企业的各种数据进行提炼，形成知识图谱。通过知识图谱对多源异构的数据进行分析提炼，形成针对产品或品牌的智能营销知识图谱。

实际上，在知识图谱使用过程中，对数据和经验的收集是不断迭代形成的。具体是根据使用过程的用户反馈，进行不断调整。

知识图谱技术具备提升网络智能化水平和模拟人类思维的能力。目前被广泛应用于智能搜索、用户交互、电子商务、风险识别等领域，为这些应用的发展赋能。

知识图谱是认知智能的核心技术，知识图谱给数据库带来的是任何两个数据节点之间都可以建立关系，当关系建立好之后就有机会按照维度来进行分析、关联、探索，就像人的大脑一样。

人的大脑没有“行”和“列”，而是“图”。当人类用大脑进行逻辑计算思考世界的时候会发现，人类可以探索、发现从来都没有想到的东西，通过“图”的数据结构不断延展，这就是为什么人类可以创造的原因。

总结来说，每一个企业都可以利用数据为企业、组织打造知识图谱，然后利用AI提升业务效率。

这两年汽车市场整体销量逐年下滑，对于汽车企业来说，过去它们按照传统的商业模式把汽车生产出来，再把汽车卖掉。

但是今天，它们会发现竞争越来越大，库存销越来越多。这时候，汽车企业如何做数据营销？ 作为传统行业的汽车企业，要怎么构建数据能力？那就是搭建数据中台。很多汽车企业选择从营销数据中台入手。

 一方面，营销数据中台在一定程度上能为车企节省营销成本。过去车企传统广告投放可能需要几个亿，但是搭建营销数据中台之后，数据中台能帮助车企节省1%的预算，也就是大几千万。 

另一方面，当数据中台一点点地积累更多数据之后，车企就能通过中台覆盖任何一个想做的数字化场景。

运用营销数据中台，母婴行业的真实情况已经显现。

明略科技在研究母婴行业数据之后发现，在中国25岁到40岁的女性人群中，60%的女性来自于三到六线城市。但是，整个中国的母婴广告，只有20%投放到三到六线城市。

通过数据研究得出的行业情况，更有助于母婴企业调整市场策略。

而营销数据中台的价值就在于，它能用科学的数据告诉你，行业发生了什么，助于决策者做出战略决策。

四、数字时代，

数据中台正在推动行业变革升级

数据从来没有像现在这样更有助于企业变革升级。营销数据中台的出现，能让企业在度中变革升级。

1.精准营销，做大消费者终身价值

在用户获取成本不断上升，且获取用户难度愈加提升的今天，如何提高“客户终生价值（LTV=Life Time Value）”应该成为每一个企业必须要思考的问题。

如果不能把LTV（消费者终身价值）做大，不能创造更多的用户价值，那么每个企业一定都会入不敷出。

在吴明辉看来，唯有提高LTV（客户终生价值），才能实现更多盈利。每一家企业都一定要使自己的用户价值远远大于营销成本。

在数字化时代的今天，企业只有通过营销数据中台的精准匹配，重塑消费者的需求和产品之间的关系，为用户创造更大的价值，才能达到提高LTV（客户终生价值）的目标。

2.数据洞察，助力企业智能决策

对于企业而言，营销数据中台不仅仅只是为企业解决营销问题，更重要的是它能在企业内部构建起以数据和技术为驱动的营销能力，让企业真正利用数据实现智能决策。

近年来企业在运营管理和市场营销方面遇到了诸多挑战。

但是通过营销数据中台的技术赋能和数据洞察，企业能在整个营销全链路决策过程中，从用户洞察、人群分析到广告投放和营销等各个环节，推动数据价值得到不断释放。

3.加速组织协同，实现跨部门数据协同

任何企业的变革，都需要中高层达成共识，基层员工有机协作，才能稳健开展。企业的数字化转型始终应该从企业管理、经营目标和组织协同层面思考。

在数据营销、智能营销时代，企业应当致力于整合跨部门资源和各方合作，不断沉淀数据资产并挖掘商业价值，通过数据营销、营销智能化实现数据资产贡献最大化。

4.加速数字化转型，实现从数据到智能的跃迁

组织和企业的数字化能力，关键看数据能力。营销数据中台将帮助组织和企业实现从数据汇聚，数据的价值和场景挖掘，到数据变现，加速数字化转型，实现从数据到智能的跃迁。

人工智能的最终阶段就是实现真正的智能化，把人类大脑里核心的知识、算法，真正完全地部署到计算引擎里去，能够让计算机自动地去做决策，从而真正提高各行各业人的工作效率。

百货店之父约翰•沃纳梅克(John Wanamaker)在100多年前就曾抱怨道，“我知道我的广告费有一半浪费了，但问题是我不知道是哪一半”。

在数字化的今天，这样的问题，不再成为问题。

*文章为讲者观点，不代表笔记侠立场。

18、数据中台，为啥突然火了？ 

原创： 井玉成 东软平台产品 

东软平台产品 

 Neusoft-Platform

功能介绍 通过 UniEAP、SaCa、RealSight 系列产品的灵活组合，高效应对协作跨界融合、数据驱动业务、服务遍在按需、产品可信可控、平台支撑敏捷的共性技术需求，实现业务从前端到后台的变革，助力企业数字化转型。

2019-07-26

最近朋友圈被数据中台刷屏了

数据中台为啥突然火了？

今天我们就来说说

对于很多企业来说

数据中台的建设就是加速数据到价值的过程

数据中台的诞生是为了加速数据到价值的进程，而麻辣小龙虾的加工过程与数据到价值的演进过程非常相似。

你以为这个过程很简单？

事实并非如此

企业的数据中台要经过数据的清洗、标准化、加工融合、开发、上架的过程，就像麻辣小龙虾要修剪备料、爆锅翻炒、炖煮入味、装盘，才能上桌。

清洗    

就像小龙虾需要将小龙虾表面及体内附着的泥沙清理干净，不然会严重影响小龙虾的口感，而在将数据加工成服务之前，首先要做的也是将数据清洗干净，这里的清洗主要是指混杂在企业生产数据中的脏数据，那么都需要清洗哪些脏数据呢？

重复插入了相同的数据

不能为空的字段存为空

人工录入不合法的数据,比如电话号码含有特殊字符

运行 SQL 脚本插入了不合法数据：比如不同实体编码搞混等

存入了多余的空格

标准化    

就像小龙虾在下锅加工之前，需要先进行修剪，并准备好相关的配料及调味品。在加工数据之前，也需要将数据进行标准化处理，即将形态各异的数据转换为为可用的标准化数据，那么什么样的数据是标准化的呢？

数据结构统一

数据符合值域标准

数据是完整的

数据是准确的、无歧义

加工融合    

就像小龙虾在下锅时，需要加入各种配料及调味品进行加工，加工数据同样需要多方数据进行融合加工，比如，麻辣小龙虾的主料小龙虾代表数据加工融合中的主数据，客户数据、产品数据或者组织部门等数据，在基于主数据开发数据服务时，需要与度的数据进行融合，才能获得更多的信息（小龙虾也会更加美味），融合时间相关数据能够知道历史变化，以及预测未来趋势。

开发    

就像小龙虾在下锅后，还需要经过翻炒调味以及配合高汤进行炖煮使其更加入味，进一步发挥小龙虾的鲜美味道，数据在经过融合之后，也需要经过建模分析挖掘，发挥数据真正的价值。

上架    

就像小龙虾制作完成之后，需要装盘上菜，数据经过融合及开发之后，洞察了数据中蕴含的价值，则可以将开发好的数据产品发布出来供前端使用。

也就是说数据到价值的距离可以看作是从小龙虾到麻辣小龙虾的距离，关键在于如何加速这个过程，以使更多的人在更短的时间内品尝到美味的麻辣小龙虾。

数据中台与数据平台有什么不同？

我们继续以小龙虾为例，说说数据中台与数据平台的差别。为了快速烹饪出美味的小龙虾，一方面，需要设备齐全的厨房，提供制作麻辣小龙虾的烹饪工具。另一方面，还需要一个好厨师，通过对火候、配料比例、调味时机的精准把握才能制作出美味的麻辣小龙虾。

与此类似，目前企业往往只注重数据平台的建设，数据平台只提供了数据加工开发的工具，这相当于建造了一个制作麻辣小龙虾的厨房。但是，如果没有好的厨师（数据科学家），智能需要参照别人的麻辣小龙虾制作教程，一步一步的完成，花费大量的时间不说，味道也很难保证。更何况，实际情况是很难找到真正符合企业口味的小龙虾制作说明书。

当有了高级厨师，新口味的小龙虾的创新研制的时间和成本也会比较低，从而能够更好的符合顾客的个性化的口味需求。

为什么数据中台能提供厨房和厨师？

我们先看一下数据处理需求的演进历程。

从数据库到数据仓库，再到当前的数据平台阶段实际上停留的还是工具建设阶段（也就是建设厨房），目标是收集数据，沉淀数据。

缺少的是如何有效利用数据，帮助企业了解客户、了解自己、了解对手（即加工成麻辣小龙虾），这时候实际上企业组织最需要的是既懂业务又懂技术的人才了。

帮助企业基于业务知识的积累和沉淀，真正的将数据回馈到业务中，服务于业务系统，如，基于用户的浏览及购买行为数据，进行精准营销，所以此时数据平台已经无法满足企业的发展需要，从而产生了数据中台的理念。

我们理解的数据中台的核心理念在于“数据取之于业务，用之于业务”，即它相比于数据平台注重的是对业务的积累和沉淀，构建了从数据生产到消费，消费后产生的数据再回流到生产流程的闭环过程。

业务积累和沉淀的过程体现在数据中台对外提供的数据服务，数据中台作为整个企业组织所有业务的数据消费需求的提供方，通过业务对数据服务的不断滋养，会形成一系列稳健的数据服务，这样当出现新的市场机会需要构建新的前台应用时，数据中台可以无差别的进行数据服务供给，从而保证了企业组织的创新火种。

回到本文小龙虾的话题的话，针对前台吃货们，虽然口味会发生变化，但是数据中台会像盒马鲜生一样，对外提供的是已经经过大厨加工好的麻辣小龙虾，吃货们回家之后只需要基于自己的口味偏好，简单的翻炒后即可吃到美味的麻辣小龙虾了。

东软数据中台的优势在哪里呢？

东软作为第一家上市软件企业，服务于全国、医疗、教育等 10 余个行业客户，在每个业务领域都有多年的积累和沉淀，培育出了数百名行业领域的资深专家。同时，东软平台产品事业本部基础软件事业部作为东软集团的核心产品部门，承载了集团核心业务领域的数据平台建设，锤炼出了覆盖从数据采集、数据融合、数据加工、数据开发、数据发布、数据展现的全生态数据平台产品，重点打造了针对多个行业的数据中台解决方案。

通过东软一系列数据产品的组合，助力企业更好、更快、更便捷地做出美味的小龙虾。

延伸阅读    

SaCa Data Integration

数据集成套件（简称 SaCa DI 套件），是一系列数据整合产品集合。致力于为客户提供具有强大的实时数据采集、数据交换、数据转换清洗、数据质量管理、数据比对、统一数据服务功能的平台。

SaCa DataViz

专注于企业数据分析领域，为企业提供自助式探索式可视化分析与数据大屏服务，让企业业务部门完成数据探索式可视化分析，迅速完成业务决策，同时方便快捷制作数据大屏，让企业数据活起来。

东软平台产品

通过 UniEAP、SaCa、RealSight 产品的灵动组合，高效应对协作跨界融合、数据驱动业务、服务遍在按需、产品可信可控、平台支撑敏捷的共性技术需求，支持便捷迅速的构建企业业务系统，实现业务从前端到后台的变革，帮助企业实现智能化运营，从容应对市场变革，助力企业数字化转型。目前，在、医疗、制造、电信、能源、教育、金融、交通等十多个行业领域应用拥有 4000 多家客户、服务于近 10 亿用户。

网站：https://platform.neusoft.com

社区：https://plus.neusoft.com

热线：400-655-67

19、什么才是运营商数据中台最大的竞争力？ 

原创： 傅一平 与数据同行 

与数据同行 

 ysjtx_fyp

功能介绍 傅一平博士创办的公众号，500强大数据技术团队负责人，致力于大数据价值挖掘和变现，围绕数据平台、数据建模、数据分析、机器学习、人工智能、数据产品、数据变现、数据中台，数据管理及运营，分享数据驱动业务的实战思想、方法、举措和效果，助你不断进步

2019-08-12

这是傅一平的第295篇原创

作者：傅一平

个人微信：fuyipingmnb

有人问了我一个扎心的问题：“你们做数据中台似乎很起劲，懂点技术的人也许能理解你，但前端的人未必理解，他们都不知道你们在干嘛......”

跟一般的事物不同，数据技术是一种非常强调前期投入但又是边际成本很低的东西，就是说，你要做成前期得拼命的研发投入，但一旦做成了，后续效益的持续产出不需要等比的技术投入。

数据中台更是如此，很多技术架构的调整人家看不到，也看不懂，但事实上，没有前期技术上的末雨绸缪，未来业务上的很多东西是做不出来的，数据技术带来的很多改变是润物细无声的。

比如取数吧，写代码再快也快不过配置，很多企业在取数人员上的投入很大，可是做了10 年，生产效率却不会有什么质的提升，这就是问题。

作为运营商，新时期的转型是必然的，但业务转型没有这么容易，我们先不说组织、业务、机制、流程上的调整，就说说数据上的改变吧，运营商在数据上已经为数字化转型做好了准备吗？

不一定。

首先是用户管理，原来运营商是按照省、地市、县市等行政区域来管理用户的，随着精细化要求的加强，运营商需要将用户进一步划分到片区、乡镇/街道、村庄/社区，甚至到商务楼宇等等，但没有好用的位置数据是实现不了这个目标的。

运营商传统A口的基站数据其实差的很远，1 公里，5 公里甚至 10 公里的基站定位精度很难承担这个使命，特别是未来微格化、场景化的营销成为新常态后，更需要高精度位置数据的支持，比如你想进行XX社区营销，但却圈不准这个区域的用户，这是怎样一种体验......。

不仅仅是网格，还有外场摆摊，校园营销、漫入营销......等等，你会发现，这些都需要强大的位置数据支撑。

其次是业务发展，以中国移动的宽带业务为例，其运营中有太多的问题需要数据来解答，比如新建的小区用户在哪里，哪个小区才是宽带弱势区域，宽带用户的变动情况如何等等，假如没有高精度的位置数据，则只能靠人工排摸，效率之低可想而知。

现在很热的新零售也一样，比如这家店应该开在哪里，店前的道路经过的人流有多少，这些人流有多少人会进你的店，做个热力图很容易，但热力图大多解决不了具体的业务问题。

假如能针对营业厅门前道路各个方向的人流做更精确的统计和预测，也许运营商的渠道引流水平就能获得提升，而这在以前是很难做到的，现在则有了希望，下图是我们近期做的一个案例：

如果你去研究运营商的最新动向，会发现其提供的产品和服务越来越趋向于去满足人民对于美好生活的向往，而不再是简单的通道产品，无论是家庭电视、魔百盒、后视镜、儿童手表还是智慧安防等等。

但要搞清楚每个用户对于美好生活的具体向往，位置数据是最直接的，也是最有用的洞察武器，比如有了位置数据，你才能知道用户的家庭情况如何，是否有车，几口之家，出行特征等等。

最后是数据变现，现在运营商的大多数产品，还是以位置数据为核心的，无论是旅游、客流、交通还是广告等等，运营商变现收入中很大比例是直接或间接来自于位置数据的贡献，运营商现在很多变现业务做不动或者做不好，其实是位置数据不行。

应该来讲，运营商从来就没有现成的、高精度的、可以到用户级别的位置数据，粗精度的原始位置数据未来可能连支撑自己的业务转型都不够，运营商的大数据团队需要充分挖掘现有位置数据的潜力，通过建模等方式把较为精准的位置模型做出来，这是他们的使命。

以笔者的团队为例，大家花了 2-3 年时间去研究位置数据，现在才能够初步提供不同规格的位置精度模型，从而去满足各种场景的需要，当然有些场景的位置模型还是需要定制化的去做，毕竟没有一个模型能一劳永逸的解决所有问题。

比如高速公路车辆速度监测，对于位置数据的时间连续性要求就很高，而如果只是进行路网拟合，则可以降低时间连续性要求，但其又对数据的完整性有较高要求。

为了做准这个数据，建模人员前赴后继，从各种网络数据的引入和理解（ A 口，S1-MME，MR，MDT，HTTP，话单等等），精准定位算法的研究（三点定位、指纹地图，融合模型，插值法等等），海量网络数据的引入（从每天 20 亿到现在的 2000 亿），行业位置模型的研究（ OD、路网、区域模型、轨迹模型、常住地、工作地、公交识别、横截面、城规配套等等），再到数据架构的升级（从离线、准实时，实时再到实时中台，从 hive 到 stream 再到 flink ），付出的代价不可谓不大。

但即使是这样，现在做的常住地标签，一线人员还会说这个数据有时候会飘，但现在再飘也就飘 100-200 米，而 3 年前，这个距离可是 500 米、1 公里甚至 5 公里。

当然，光做位置数据是不够的，我们还有更大的挑战，那就是的运营商的另外一个核心数据：线上内容数据，在移动互联网时代，这个基础数据是如此重要却不可得。

为什么？

笔者以前专门介绍过运营商的行业知识图谱，就是说运营商当前管道内的任何线上数据只是一堆谁也看不懂的 bit，而只有将这些 bit 对应的业务含义找出来，也就是建立行业知识图谱，你才能真正理解用户的上网意图，运营商的线上数据才会有真正的价值。

现在我们已经拥有了几亿的行业知识数据，爬取了大量公开的数据，但由于种种原因，这些数据的可用性还是不够，比如还支撑不好异业的选品，但你不去做，永远不知道能做到什么程度，言必称 https 的其实小看了运营商的线上数据潜力。

比如APP识别原来只有 1000 个，当时完全没法用，但现在已经建立了一只运营团队，能识别主流 APP 几万个，同时为业务部门提供定制化的服务。

比如加强了对于上网数据的研究，正在基于AI的能力进行内容的识别和分类，但要有成果还需要一些时间，因为建立起运营商自身的NLP团队并进行应用并非易事。

比如自研了爬虫平台，每天爬取的数据量是巨大的，现在对几乎所有的非个人号码、位置、文章等等都打了标签，这在以前是难以想象的，现在缺的是一些应用场景。

但 3 年前估计很少有人会对用户级别的位置数据的精度提出要求，大多跟着现状走就可以了，也没人提出去建什么行业知识图谱，更别提去体系化的爬取的数据了，NLP对于运营商来说还是比较新鲜的东西。

而数据中台战略让团队有机会去思考一些更为长期的事情，因为我们发现：建立了大数据平台并不意味着拥有了大数据的能力，新瓶装旧酒是没用的，只有把位置和内容这两个运营商最核心的数据做扎实了，我们才可能做出一些不一样的东西。

不能说现在已经做的很好，但现在的数据中台的确比以前提供了更多的可能性，比如虽然每一次位置精度的升级大多人不知道，但现在一线人员会发现可以圈选到更多的目标用户了，或者突然发现某个模型更准了，又比如线上内容标签在对外变现中使用的比例越来越大了。

从数据中台的建设过程看，运营商大数据不是什么灵丹妙药，最多是一块有潜力的石头，得付出巨大的代价才能将其打磨成璞玉，而为了这块璞玉，运营商需要一大批数据工匠，掌握 DT 必须要掌握的技术，心无旁骛的去做一些基础工作，这样才能挖掘出这些数据不同以往的价值。

也只有基于这些差异化的价值数据，我们才能跟业务部门说，我有新的数据，可以为你提供新的解决办法，报表取数能解决的事情，根本不需要大数据。

也只有基于这些差异化的价值数据，才让初期推出的大数据工具对于种子用户具备了一定吸引力，然后逐步扩大范围，记得当年推广大数据平台的时候就特别苦恼，因为一线原来的 ORACLE 用得好好的，上什么大数据平台啊！

现在很难评估这些大数据为公司创造了什么价值，但只有先拥有了流量才有资格谈转化吧，评估企业的大数据的能力，得先看看你的一线有多少人在用什么样的大数据工具。

我们这个时期的数据人员，虽然也要去满足业务需求，但有一点是跟以前不同的，就是有机会把数据的底子做的更扎实些，这就是数据中台。当然数据中台的范畴不仅仅是数据，但位置和内容对于运营商来说是数据中台中最重要的东西。

为什么位置和内容是运营商最重要的数据？因为这两个数据的天花板就是运营商未来对于客户线上和线下生活理解程度的天花板，这是不言自明的，不懂客户没有未来。

阿里不小心做了件好事，就是提出的数据中台概念获得了很多人的理解，我想这也是我们的幸运，在它的庇护下，数据工匠才能心无旁骛的去做一些真正有竞争力的、能够沉淀下来的东西，从而为公司的未来提供新的动能，而这在以前是很难的。

20、深度 | 连接数据，构建中台，Linkflow如何推动数据化浪潮 

原创： 虞秋炜 品途商业评论 

品途商业评论 

 pintu360

功能介绍 品途商业评论（www.pintu360.com）是互联网时代有深度的新锐商业评论媒体。品途商业评论旨在用好内容助力企业成长，通过商业逻辑分析、模式盘点、新技术新系统介绍等深度内容，为变革中的企业主、管理者及创业者提供最具参考价值的商业资讯。

2019-05-06

Linkflow创始人盛马丁说“中台就像是在前台与后台之间添加的一组‘变速齿轮’，将前台与后台的速率进行匹配，是前台与后台的桥梁。它为前台而生，易于前台使用，将后台资源顺滑流向用户，它存在的唯一目的就是更好的服务前台规模化创新，进而更好的响应服务、引领用户，使企业真正做到自身能力与用户需求的持续对接。”他将企业定位在数据服务的位置上，也注定拥有更广泛的市场与客户空间。

作者：虞秋炜

编辑：吴春辉

在数字化时代，比特的加持让连接和沟通变得越来越便捷和顺畅。现代商业基于数据而展开，如何将数据联通、采集、转化、运用得更加熟练，考验着企业的内功，也可能是成败的关键。

Linkflow创始人盛马丁

在盛马丁看来，ERP、CRM、数据分析等系统在成就了企业精细化管理的同时也带来了新的问题，工具太杂、接口太多，导致客户数据无法实现统一整合，进而形成了无数个数据孤岛，运营效率大打折扣，如何破题，这在盛马丁看来也是创办Linkflow的主要原因之一。

Linkflow定位为所见即所得的客户数据中台。通过构建一个数据共享层，把以前分散在不同地方的所有数据汇总起来，将数据孤岛有效连接，从而提升客户响应力，帮助企业通过数据驱动业务增长。

企业的刚需是客户响应力

据资料显示，盛马丁本科毕业于上海交大软件工程学院，研究生毕业于INSEAD欧洲商学院MBA（金融时报MBA排名全球第一），曾在微软担任商业布道师，也曾在SAP担任战略总监。

在SAP工作时，盛马丁曾为各个行业制作行业模版，即把一个公司的成功经验复制到其它公司。当时，Oracle也在做这件事。

但是随着时间的推移，盛马丁敏锐地感觉到制作行业模板的方式越来越不可取了。把一套系统在一个公司实施成功以后再照搬到另外一个公司的时代已经过去了。每个大企业都有一定数量的开发人员，而且每个企业都觉得自身的业务是独一无二的。所以，像以前那样把其他公司的成功经验照搬过来，是行不通的。大企业需要的是，一种可以让它快速应对各种市场变化，响应客户需求的IT能力。

连接，让数据流动起来  

那时还在外企工作的盛马丁发现，系统集成对客户公司和SaaS公司而言，都是非常头痛的问题。现在越来越多的企业都使用SaaS工具来提高效率，尤其是在运营、销售领域这种现象尤其明显。“当客户使用10个不同SaaS工具的时候，他的用户数据是存储在10个不同的excel里面，数据整合就成了一个刚需”盛马丁说。

因为数据源复杂，他们不得不花费一笔开销用于后续的系统对接，客户甚至会要求SaaS公司去帮他把自己在使用的各种工具整合在一起。而这些集成费用往往比软件本身费用还要高几倍。并且数据集成后，数据运维也是件非常痛苦的事情，因为数据的安全性、可靠性无法保障。

所以，盛马丁和他的团队为了解决工作中切身遭遇的问题，就萌生了创业的想法——创建Linkflow。

 “现在中国最大的趋势是互联网化，互联网化的本质是数据驱动。但是数据现在分散在不同的‘数据孤岛’中，需要企业雇佣强大的工程师团队去整合，但传统的整合方式成本高、敏捷性差。于是我们想到通过一款产品，来解决数据孤岛的整合问题。我们认为，未来每一家SaaS公司，只需要专注在自己的专业领域中，系统集成的工作可以完全通过Linkflow这类专业工具来做。Linkflow的宗旨就是‘让数据流动起来’。” 盛马丁如是说。

“原来我们做的是中台！”

 本着做对接器的出发点，Linkflow做过很多尝试，对接过包括OA系统、ERP、CRM等等各种系统。但是逐渐地，盛马丁发现其实客户最大的需求在客户运营方面，除了客户数据分散，更显著的问题是营销运营方式和工具更新迭代很快，运营部门需要及时响应变化，就需要不断动用开发资源。

“这个过程中我们又发现一个很有趣的现象，即使企业拥有上千名开发人员，但是运营部门却始终觉得IT部门支持力度不足。其原因往往是运营人员没考虑清楚需求就请IT开发；又或者是其他开发任务艰巨，开发人员无法实时响应运营需求，也就是所谓的‘排期’。 ”盛马丁如是说。

“美军特种兵小组强大吧，但是前提是有强力的炮火中台支持，才能指哪打哪。如果，这个炮火中台本身就是不灵活的，怎么可能提供很好的支持？特种兵在前面打仗，传递讯息给中台，中台回复：不好意思哥们，要‘排期’，等两个礼拜再说。就算前台小组都是施瓦辛格，也得歇菜啊。”盛马丁这样举例。

后来，盛马丁看了阿里的《中台战略》才猛然发现，原来Linkflow一直在做的是一个“中台”。

一是“中台”和Linkflow的本质是一样的，即为“对接”而生。甚至早期，盛马丁一度将Linkflow称为“Integration PaaS”，所以“对接”是印在Linkflow的基因里面的，这也是Linkflow存在的理由。

二是“中台”和Linkflow的宗旨是完全一致的。中台就是更好地连接前台与后台，进而更好的响应服务引领用户，使企业真正做到自身能力与用户需求的持续对接。Linkflow一直坚持只做两件事情：Link，将各类数据对接我们平台；Flow，让数据流动起来。

中台就像是在前台与后台之间添加的一组“变速齿轮”，将前台与后台的速率进行匹配，是前台与后台的桥梁。它为前台而生，易于前台使用，将后台资源顺滑流向用户，响应用户，赋予或加强了企业在以用户为中心的现代商业战争中，最核心的能力——用户响应力。

这个中台必须是真正为前台而生的，它存在的唯一目的就是更好的服务前台规模化创新，进而更好的响应服务、引领用户，使企业真正做到自身能力与用户需求的持续对接。

据悉，Linkflow是业务中台和技术中台一体化的集成性中台。一方面，数据能实时反馈到业务本身，比如可用来做实时推荐，或者做基于数据的辅助决策。另一方面，业务本身会把数据留到数据平台，这样形成了一个很好的正反馈，形成从数据采集、数据分析到数据运营的完整闭环。

“外轻内重”

说到Linkflow中台核心竞争力，盛马丁给出的答案是“外轻内重”。

要提升客户响应力，数据中台需要可以让业务人员可以直接操作。但是怎么把异常复杂的数据中台做到‘傻瓜式’，是个非常复杂的问题。盛马丁和团队以一种近乎虔诚的方式，一个细节一个细节地打磨产品。

客户感觉“轻”的前提是产品内核很“厚”，即Linkflow在UI层面上将很多技术细节做了隐藏，为用户提供“无需编程，所见即所得”的产品体验。盛马丁介绍说，“Linkflow几乎是前台业务人员就可以自行操作的。”但是产品的背后，有非常成熟的企业级PaaS层。可以搭建出千变万化的场景。“Linkflow就好像是一套七巧板，可以组合出各种不同的场景”。

相较动辄几百万实施费用的其他中台产品，Linkflow提供了一种更经济的选项。Linkflow有属于自己的实施方，其服务的客户不仅有业务繁杂的500强企业，也有刚刚成立不久的创业公司。还有，Linkflow有着更具诱惑的使用成本，“正是因为我们对实施有信心，所以Linkflow是唯一敢把价格公布在官方网站上的中台产品。”盛马丁说。

据了解，目前Linkflow已对接50+数据源，服务了数十家大中型企业，其中最大的客户已经使用Linkflow系统管理近亿级的用户数据。

去年年底Linkflow宣布完成数百万美元A轮融资，由金沙江创投投资，青桐资本担任独家财务顾问。此前，Linkflow曾获得光速创投、真格基金等机构的投资。当时盛马丁表示，融资将主要用于扩大研发团队、深入底层技术研发、构建服务体系等方面。现在看来，盛马丁的“连接”初心依然在有条不紊地进行着。

“我相信，客户数据中台不是超大型客户的专属，即使是像我们这样的小公司，也需要一个‘中台’。只有更多的企业拥有了自己的中台，提升了企业效率，我们的社会才能够变得更好。”盛马丁说道。下载本文