所谓数据中台，即实现数据的分层与水平解耦，沉淀公共的数据能力，笔者认为可分为三层，数据模型、数据服务与数据开发，通过数据建模实现跨域数据整合和知识沉淀，通过数据服务实现对于数据的封装和开放，快速、灵活满足上层应用的要求，通过数据开发工具满足个性化数据和应用的需要，见下图（以某运营商为例）：
1、数据模型
数据模型是分层次的，以前叫作数据仓库模型，笔者这里概括为三层，基础模型一般是关系建模，主要实现数据的标准化，我们叫作“书同文、车同轨”，融合模型一般是维度建模，主要实现跨越数据的整合，整合的形式可以是汇总、关联，也包括解析，挖掘模型其实是偏应用的，但如果用的人多了，你也可以把挖掘模型作为企业的知识沉淀到中台，比如离网挽留的模型具有很大的共性，就应该有人把它规整到中台模型，以便开放给其它人使用，中台的中是相对的，没有绝对的标准。
2、数据服务
将数据模型按照应用要求做了服务封装，就构成了数据服务，这个跟业务中台中的服务概念是完全相同的，只是数据封装比一般的功能封装要难一点，毕竟OLTP功能的变化有限，而数据分析受市场因素的影响很大，变化更快，导致服务封装的难度变大。
随着企业大数据运营的深入，各类大数据应用层出不穷，对于数据服务的需求非常迫切，大数据如果不服务化，就无法规模化，比如浙江移动封装了客户洞察、位置洞察、营销管理、终端洞察、金融征信等各种服务共计几百个，每月调用量超过亿次，灵活的满足了内外大数据服务的要求。
3、数据开发
但有数据模型和数据服务还是远远不够的，因为再好的现成数据和服务也往往无法满足前端个性化的要求，这时候就得授人以鱼不如授人以渔了，数据中台的最后一层就是数据开发，其按照开发难度也分为三个层次，最简单的是提供标签库（DMP），用户可以基于标签的组装快速形成营销客户群，一般面向业务人员，其次是提供数据开发平台，用户可以基于该平台访问到所有的数据并进行可视化开发，一般面向SQL开发人员，最后就是提供应用环境和组件，让技术人员可以自主打造个性化数据产品，以上层层递进，满足不同层次人员的要求。
对于标签库（DMP）到底是属于SaaS还是PaaS是有争议的，但标签库这类平台显然较生意参谋类产品更中台一点，因为其通用性更强，专有业务的特性不是非常明显，笔者还是认为可以归为中台。
NO.1
数据资产治理
当企业市场存量变小，传统粗放的经营模式已不能为企业带来经济增长时，企业信息化建设被提上日程。电子管理系统帮助企业初步实现了组织架构调整和信息化部署。而此时，外部市场增量仍被继续压缩，简单的市场推广不再奏效，以数字化驱动前端业务快速创新并降低内部成本便是数据中台的最大优势。
维护数据、提供数据服务以驱动业务增长的工作往往由企业 IT 部门完成。结合业务特性，凭借数字技术，IT 部门可以为“前线”业务部门源源不断地提供“弹药”。其中，数据资产的沉淀是至关重要的。因此，在数据中台的建设前期，需要通过传统的信息化管理软件及新型数据融合技术，将企业的内外部数据进行串联，通过盘点、规划，呈现所有的数据资源；通过大数据开发工具打通、整理数据，包括探查数据血缘关系、保障数据安全。
数据资产治理离不开数据模型管理，模型管理能够帮助中台统一数据字段命名，形成统一的开发规范，实现有效的数据识别。经过以上多重数据治理，可形成供企业复用的数据资产。另 外，由于企业业务及产品不同，每家企业通过软件技术搭建的数据中台架构也存在差异，并没有通用或标准的数据中台架构。企业组建中台架构需要以自身的信息化建设为基础，综合考虑数据体量、业务特性。
NO.2
共享数据服务
在数据中台底层技术架构搭建完成并形成可被调用的数据资产后，还需要根据业务部门的需求构建数据模型，以便为前端业务团队提供可统一调配、共享的智能化数据服务。共享数据服务 可以为前端业务提供安全可靠、操作便捷、规范统一、延展灵活的技术支持，为前端用户、产品研发、客户服务、市场营销等提供标签提取，从而为精准营销、用户画像等不同方面的应用提供数据参考。
NO.3
数据智能应用
数据中台最终的应用方向是为企业提供提升效率、降低成本、创新业务的核心推动力。因此，在完成数据中台底层技术架构及数据治理工作后，数据智能应用便成为考验中台实力的试金 石，检验数据中台能否通过数据能力，比如实时查询能力、批量处理能力、报表展示能力、数据安全能力、数据管理能力等，帮助业务人员完成数据的智能提取和应用工作，帮助企业掌握数字化转型的趋势并制定发展策略。
数据工程师、业务人员可以基于数据中台的交互模式，统一数据处理流程，实现中台内数据的自助处理，加快数据驱动业务的进度。同时，各种数据的关联分析和分析结果的统一为企业在 数据智能应用方面提供了更为客观的分析维度。
作者：傅一平
