关于数据中台常见的10个错误认知

还有人认为数据中台的搭建是通过 ETL 将业务系统的数据进行选择、清洗、转换后加载到数据仓库。由此，企业中分散、 凌乱、标准不同的数据就可以整合到一起了。但是传统的数据处理方式只会形成更大的数据孤岛。数据仓库需要基于文件存储复制数据源，数据仓库本身也具备计算能力，可以为其他计算系统 提供存储功能。数据中台是数据和存储分离的。数据中台本身没有数据，数据来源于各类文件和业务系统的 API。数据中台拥有这些数据源的适配器，相当于建立了通向不同数据源的互联管道。可见，数据仓库是数据中台的重要组成部分，也是元数据的重要来源。数据仓库并不代表数据中台。

数据中台不是单纯的技术概念，也不是工具概念，其包含数据的共享服务、集中治理数据资产、数据改造业务应用等多方面内容。但数据资产是数据中台建设的基础资料，数据资产经过清洗、挖掘、分析、打包后，组合成模型，可以为企业提供数据服务、数据赋能业务，帮助企业解决不同维度的问题。同时，利用数据重塑企业日常经营管理模式，可以帮助企业从根源上解决资源浪费、人员成本过高、业务更新慢等问题。可见，数据中台的职责主要就是利用数据赋能业务，实现价值变现，其背后应用的便是信息技术。构建数据中台需要技术方面的介入，包括利用不同的大数据处理技术将企业底层数据进行串联打通，利用模型、算法等不同的数据分析技术融合具有业务 关系的数据，这其中也包含了业务部门的沟通、梳理、调配，管理部门的组织调整、管理模式的变更等。因此，数据中台并不是纯技术概念，信息技术只是数据中台实现价值的工具。企业只有真正理解数据中台的本质，才能高效实现数字化转型，扩大盈利规模。

数据分析产品、分析工具、仓库工具等集合在一起的工具箱并不是数据中台。因为每款工具的功能既相互交叉，又各自独立，工具之间无法协同一致。工具箱的架构只是数据中台建设的部分环节，只能发挥各 个工具的效果，作为简单的决策辅助和报表参考。而数据中台建设初期就要考虑到各个环节的无缝打通，确保后续的数据维护和数据质量，因为一旦某个环节的数据产生变化，其他环节的数据应及时自动修正，否则会导致用户决策出错，造成巨大的损失和影响。一些国内大型互联网公司从国外购买数据技术产品，但在实际运用过程中并没有达到工具集合的效果，即使某一个环节应用 效果良好，终的数据结果也会出错，原因在于生产链条无法协调统一，数据维护门槛较高。针对以上问题，传统的解决方案是做各种各样的中间表，但这样又会产生其他的问题。建立和维护中间表需要持续投入时间成本和资源，且人工维护难度大；当企业业务达到一定规模，需要改变中间表时，或许已经发生了人员变动，中间表无法修改， 数据无法回溯。阿里巴巴作为数据中台概念的提出者，针对以上问题也做了很多工作，比如开发数据血缘分析系统，梳理数据的血缘关系， 维护数据应用的正确性。企业为了维护数据的一致性，需要开发更多复杂的应用产品，保证数据的质量。可见，数据中台并不是数据工具箱。