一个数据中台如何算成功了？

数据中台是什么？



• 从工具来说，应该是大数据平台（含数仓）基础上的数据治理、数据资产管理工具。

• 从架构上来说，中台是一套从底层平台、工具层(数据分析工具产品、数据治理产品)、应用层（数据应用产品）的一个整体架构。

• 从组织上来说，需要匹配的数据中台组织架构，比如有专门的中台部门，对前台业务线进行响应。



如何判断数据中台项目成败？

如果一个企业都做到了以上这些，那么我们能说他做成数据中台了呢，怎么判断数据中台（项目/战略）是成功了还是失败了？



思考：

工具、架构、组织等等以上这些都是术的层面(表象)。

表面现象如果都满足了，那么就要深入去看内核、内涵、内功是否到位。



一般来说典型的判断方法

是和市面上成功了的数据中台项目/战略的公司进行对比（比如阿里，但是谁又有资格来判断阿里数据中台成功了呢？——只有阿里自己了），看看缺少什么，OneData有了吗？OneID有了吗？如果有了，那么数据在业务的灵活发展上起到了应该起的作用了吗？都可以和明星项目进行对标。

重点是——另外一种角度

数据中台本质上其实是数据赋能（对业务进行数据赋能），数据中台和数据仓库、BI项目这些传统含义最大的区别就在于，数据中台是赋能业务人员/业务线，数据仓库是赋能数据分析人员/数据产品。



举个例子

数据仓库的数据是不能直接供业务线应用进行调用的，他是面向分析的。以前我们说为什么会有大数据平台，为什么要做数据仓库，就是要把事务性系统的事务性数据（OLTP），转化为面向业务分析的分析型数据、分析型系统（OLAP），通过数据分析来提炼、挖掘数据的价值。



但是在数据中台阶段，数据要经历OLTP（事务性系统的数据源）->ETL（数据抽取集中处理）-数据挖掘AI（数据仓库沉淀、挖掘、打标签）->OLTP（有价值的数据重新反哺回事务性系统）这样的过程。这时候，数据不再是为分析使用，而是为业务所用，我们在数据处理、挖掘出的大量的数据标签、有价值的数据指标是直接可以用于业务场景，这就是数据赋能业务。



这种其实互联网很多toC的场景都用到了，比如推荐、搜索、用户画像、精准营销/广告系统等。如果一家企业，有良好的数据中台，应该是能支持很多个以数据驱动的业务场景，同一套数据体系既可以支持推荐、搜索，也可以支持其他的新业务（可能是未知的新业务），而不必重新进行复杂的数据处理、开发。

这就是一个成功实施了数据中台的场景。从这个意义上看，其实字节跳动新业务的孵化速度更像是有一个强大的数据中台，而不是阿里。

结论

你可以认为数据中台是，数据赋能业务，表现形式有很多，其中最常用的一种就是数据服务化（数据API化），由于需要各个业务线应用使用，所以一定有大量的数据API服务。但是数据API是唯一的形式吗？显然不是。



进一步思考

还有没有其他的形式，是能够让相对统一的、非定制化的数据提供给业务使用的呢

（对业务部门来说只有很少的数据使用门槛）。